一种基于外辐射源雷达的风电机组叶片状态监测方法与流程

本发明涉及外辐射源雷达信号处理领域及风电监测领域，特别是涉及一种基于外辐射源雷达的风电机组叶片状态监测方法。

背景技术：

风力发电作为一种清洁高效的新能源，近年来得到快速发展。风电设备往往架设在环境恶劣的偏远地区，容易发生运行故障。其中，叶片是风电设备中最容易发生故障的部件之一，且叶片损伤修复费用较高，耗时较长。此外，如果损伤叶片没有得到及时维修，将引起旋转不平衡，可能对风机系统造成严重的二次损坏，甚至导致整个风机倒塌.风机叶片的运行状态和结构健康受到广泛关注，研究有效的风机叶片状态监测方法具有重要意义。

目前，通常采用在风电机组中安装传感器收集叶片振动、声音、温度等相关信息实现风机叶片的状态监测。这些都属于接触式监测手段，每个传感器的监测范围有限，可能需要联合多个传感器才能实现有效的监测。而且，风电机组往往高度较高，使得传感器的安装和更换费时费力。相比较而言，雷达监测具有广域、非接触等特点，具有良好的应用前景。

外辐射源雷达是一种利用第三方发射的非合作照射源探测目标的新体制雷达系统。具有绿色环保、节约频谱、成本较低、易于组网等特点。外辐射源雷达固有的体制特点使得其在风电机组叶片状态监测应用中具有极大的潜能。具体表现在:(1)外辐射源雷达能够进行长时间相干积累，获取多个旋转周期的叶片回波信号，提高回波信噪比和频率分辨率，利于捕捉叶片的微小运动；(2)收发分离的双基结构提供了采集目标信息的更多自由度，同时易于通过多站组网实现信息互补。因此，探索利用外辐射源雷达进行风电机组叶片状态监测具有重要的理论意义和实用价值。

风电机组叶片转动对雷达回波信号产生的附加频率调制，称为微多普勒效应。风电机组叶片的微多普勒效应与其结构参数和运行状态等因素密切相关，如叶片数目、叶片长度、叶片转速以及叶片朝向等。本发明充分挖掘了风电机组叶片的微多普勒效应在风电机组叶片状态监测的应用潜力，拓展了外辐射源雷达和微多普勒效应的应用范围，为风电监测提供了一种很好的替代或补充方案。

技术实现要素：

在详细分析现有风电机组叶片状态监测方法优缺点的基础上，本发明旨在利用外辐射源雷达特有的优势，提供一种广域的、非接触式的风电机组叶片状态监测方法及装置。该方法充分利用了风电机组叶片微多普勒回波特性与叶片结构参数及运动状态之间的联系。本发明的技术方案如下：

一种基于外辐射源雷达的风电机组叶片状态监测方法，包括以下步骤：

步骤1：将外辐射源雷达系统的参考天线指向发射站，用于接收直达波信号，将其监测天线指向风电机组，用于接收雷达回波信号，对直达波信号和雷达回波信号进行预处理，获取距离谱数据；

步骤2：根据雷达收发站及风电机组的位置，确定风电机组叶片回波在距离谱中的距离单元，并获取该距离元上的距离谱数据；

步骤3：对风电机组所在距离单元上的距离谱数据进行时域自相关处理，根据自相关结果的谱峰时间间隔估计风电机组叶片的转速；

步骤4：对风电机组所在距离单元上的距离谱数据进行fft变换，获取叶片回波的多普勒谱，从谱中获取叶片回波的多普勒拓展频率，估计叶片的叶面朝向；

步骤5：对风电机组所在距离单元上的距离谱数据进行短时傅里叶变换，获取叶片回波的时频图，根据各个叶片在时频图中的多普勒拓展频率，确定叶片的折损情况；

作为优选，步骤1所述的信号预处理具体为：

参考通道直达波信号提纯、监测通道雷达回波信号中的杂波抑制、匹配滤波；

设信号预处理后的直达波为ref(tf,ts)、雷达回波为echo(tf,ts)，其中tf为快时间，ts为慢时间，则雷达回波的距离谱数据可以表示为：

其中，表示沿快时间tf进行快速傅里叶变换，表示沿快时间tf进行复共轭变换，表示沿快时间tf进行快速傅里叶逆变换，r表示距离谱快时间维数，d表示距离谱慢时间维数；

作为优选，步骤2所述的根据雷达收发站及风电机组的位置，确定风电机组叶片回波在距离谱中的距离单元，并获取该距离单元上的距离谱数据，具体包括以下步骤：

步骤2中所述确定风电机组叶片回波在距离谱中的距离单元具体为：

步骤2.1：利用雷达接收站和发射站之间的距离(基线长度)l、第i个风电机组到雷达接收站的距离li,r-w以及第i个风电机组到发射站之间的距离li,t-w，获取第i个风电机组叶片回波在距离谱中的距离元，表示如下：

其中，1≤i≤m，m为监测的风电机组总数，fs表示雷达系统的采样率(单位：hz)，c为光速，round(·)表示取最靠近括号内表达式结果的整数值；

步骤2中所述获取该距离单元上的距离谱数据具体为：

步骤2.2：获取第i个风电机组所在距离元上的距离谱数据，表示如下：

dati＝r(rngbini,:),1≤i≤m

其中，dati为1×d维向量，d为距离谱的慢时间维数；

作为优选，步骤3所述的对风电机组所在距离单元上的距离谱数据进行时域自相关具体为：

步骤3.1：对第i个风电机组所在距离单元上的距离谱数据dati进行自相关，获取第i个风电机组叶片的自相关谱，表示如下：

ri(n)＝abs(tmpi(n-d)),n＝1,2,...,2d-1，1≤i≤m

步骤3中所述根据自相关结果的谱峰时间间隔估计风电机组叶片的转速具体为：

步骤3.2：利用ri(n)绘制自相关谱图，从图中获取相邻相关峰之间的时间间隔ti，利用ti估计第i个风电机组叶片的转动速率，具体表示如下：

其中，ni为第i个风电机组的叶片个数，可通过事先调研获取得到，作为先验信息。

作为优选，步骤4所述的对风电机组所在距离单元上的距离谱数据进行fft变换具体为：

步骤4.1：对第i个风电机组所在距离单元上的距离谱数据dati进行fft变换，获取第i个风电机组叶片回波的多普勒谱，从谱中获取第i个风电机组叶片回波的多普勒拓展频率fi；

步骤4中所述从谱中获取叶片回波的多普勒拓展频率，估计叶片的叶面朝向具体为：

步骤4.2：利用fi与叶片结构及雷达收发站位置、风车位置等参数之间的关系，估计第i个风电机组叶片的叶面朝向的具体表达式如下：

其中，

γi＝arctan(ai,2/ai,1),1≤i≤m

上面各个式子中，li,0表示第i个风电机组叶片的原始长度，通过查阅对应型号的风电机组相关资料或实地考察得到，可作为先验信息使用；为权利要求4中估计得到的第i个风电机组叶片的转动速率；λ表示雷达所用照射源信号的波长；αbl表示雷达基线相对于正北的方位角；hi表示第i个风电机组叶片旋转中心的高度；表示雷达接收站与第i个风电机组叶片旋转中心的距离；表示发射站与第i个风电机组叶片旋转中心的距离。

作为优选，步骤5所述的对风电机组所在距离单元上的距离谱数据进行短时傅里叶变换，获取叶片回波的时频图具体为：

步骤5.1：对第i个风电机组所在距离单元上的距离谱数据dati进行短时傅里叶变换，获取第i个风电机组的叶片回波的时频图：

步骤5中所述根据各个叶片在时频图中的多普勒拓展频率，确定叶片的折损情况为：

步骤5.2：从第i个时频图中获取第i个风电机组中各个叶片对应的多普勒拓展频率fi,k,k＝1,2,...,ni,1≤i≤m，其中ni为叶片数目；

步骤5.3：根据fi,k,k＝1,2,...,ni,1≤i≤m与各个叶片长度之间的关系，确定叶片的折损情况，其中第i个风电机组中第k个叶片的长度可以表示为：

若li,0-li,k≤δl,k＝1,2,...,ni,1≤i≤m，则认为第i个风电机组的第k个叶片不存在折损情况；若li,0-li,k＞δl,k＝1,2,...,ni,1≤i≤m，则认为第i个风电机组的第k个叶片存在折损情况，且折损位置离叶片旋转中心的距离为li,k。其中，δl是考虑到fft变换的分辨率问题而设置的判断叶片折损的门限值。

与现有技术相比，本发明具有以下特点：

本发明可同时监测多个风电机组叶片的状态，是一种广域的、非接触式的监测方法；

本发明可同时监测风电机组叶片的转速、扇面朝向以及每个叶片的折损情况等多个参数。

附图说明

图1：为本发明所提方法的具体流程。

图2：为基于外辐射源雷达的风电机组叶片监测场景示意图。

图3：为本发明实施例1中雷达回波的距离谱。

图4：为本发明实施例1中风电机组叶片回波的自相关谱。

图5：为本发明实施例1中风电机组叶片回波的多普勒谱。

图6：为本发明实施例1中风电机组叶片回波的时频图。

图7：为本发明实施例2中雷达回波的距离多普谱。

图8：为本发明实施例2中雷达回波的的距离谱。

图9：为本发明实施例2中风电机组叶片回波的自相关谱。

图10：为本发明实施例2中风电机组叶片回波的多普勒谱。

图11：为本发明实施例2中风电机组叶片回波的时频图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明做进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限制本发明。

实施例1

本实施例为仿真实施例，采用一个外辐射源雷达系统监测2个风电机组叶片的状态，仿真过程中所用照射源信号中心频率为722mhz，处理过程中相干积累时间设置为6s，其他详细仿真参数如下表所示：

表1实施例仿真的参数

利用本发明进行风电机组叶片状态监测，其基本信号处理流程如图2所示，具体包含以下步骤：

步骤1：将外辐射源雷达系统的参考天线指向发射站，用于接收直达波信号，将其监测天线指向风电机组，用于接收雷达回波信号，对直达波信号和雷达回波信号进行预处理，获取距离谱数据；

本实施例中直达波信号为仿真的不含风电机组叶片回波的信号，表示为ref(tf,ts)，监测通道信号为两个风电机组叶片回波信号的叠加，表示为echo(tf,ts)，其中tf为快时间，ts为慢时间，则距离谱数据可以表示为：

其中，表示沿快时间tf进行快速傅里叶变换，表示沿快时间tf进行复共轭变换，表示沿快时间tf进行快速傅里叶逆变换，r表示距离谱快时间维数，d表示距离谱慢时间维数，本实施例中设置快时间维数r＝200，慢时间维数d＝10800，图3给出了本实施例仿真的雷达回波的距离谱。

步骤2：根据雷达收发站及风电机组的位置，确定风电机组叶片回波在距离谱中的距离单元，并获取该距离元上的距离谱数据，具体包含以下步骤：

步骤2.1：利用雷达接收站和发射站之间的距离(基线长度)l、第i个风电机组到雷达接收站的距离li,r-w以及第i个风电机组到发射站之间的距离li,t-w，获取第i个风电机组叶片回波在距离谱中的距离元，表示如下：

其中，1≤i≤m，m为监测的风电机组总数，fs表示雷达系统的采样率(单位：hz)，c为光速，round(·)表示取最靠近括号内表达式结果的整数值；根据表1所示的仿真参数可以计算得到：l≈20.06km，l1,r-w≈1.46km、l1,t-w≈21.47km、l2,r-w≈3.49km、l2,t-w≈23.55km，同时fs＝7.56×10⁶hz，c＝3×10⁸m/s，所以rngbin1＝72、rngbin2＝176。

步骤2.2：获取第i个风电机组风车所在距离元上的距离谱数据，表示如下：

dati＝r(rngbini,:),1≤i≤m

其中，dati为1×d维向量，d为距离谱的慢时间维数，本实施例中dat1＝r(72,:)、dat2＝r(176,:)，慢时间维数d＝10800。

步骤3：对风电机组所在距离单元上的距离谱数据进行时域自相关处理，根据自相关结果的谱峰时间间隔估计风电机组叶片的转速，具体包括以下步骤：

步骤3.1：对第i个风电机组所在距离单元上的距离谱数据dati进行自相关，获取第i个风电机组叶片的自相关谱，表示如下：

ri(n)＝abs(tmpi(n-d)),n＝1,2,...,2d-1，1≤i≤m

步骤3.2：利用ri(n)绘制自相关谱图，从图中获取相邻相关峰之间的时间间隔ti，利用ti估计第i个风电机组叶片的转动速率，具体表示如下：

其中，ni为第i个风电机组的叶片个数，可通过事先调研获取得到，作为先验信息。图4给出了风电机组叶片回波的自相关结果，从图中可以得出t1≈1.667s、t2≈2.100s，所以可以估算得到两个风电机组叶片的转速分别为

步骤4：对风电机组所在距离单元上的距离谱数据进行fft变换，获取叶片回波的多普勒谱，从谱中获取叶片回波的多普勒拓展频率，估计叶片的叶面朝向，具体包括以下步骤：

步骤4.1：对第i个风电机组所在距离单元上的距离谱数据dati进行fft变换，获取第i个风电机组叶片回波的多普勒谱，从谱中获取第i个风电机组叶片回波的多普勒拓展频率fi；

步骤4.2：利用fi与扇叶结构及雷达收发站位置、风车位置等参数之间的关系，估计第i个风电机组叶片的叶面朝向的具体表达式如下：

其中，

γi＝arctan(ai,2/ai,1),1≤i≤m

上面各个式子中，li,0表示第i个风电机组叶片的原始长度，通过查阅对应型号的风电机组相关资料或实地考察得到，可作为先验信息使用；为权利要求4中估计得到的第i个风电机组叶片的转动速率；λ表示雷达所用照射源信号的波长；αbl表示雷达基线相对于正北的方位角；hi表示第i个风电机组叶片旋转中心的高度；表示雷达接收站与第i个风电机组叶片旋转中心的距离；表示发射站与第i个风电机组叶片旋转中心的距离。图5给出了两个风电机组叶片回波的多普勒谱，从图中可以看出两个风电机组叶片回波的多普勒拓展频率分别为f1≈229.62hz，f2≈98.30hz，根据表1所示各仿真参数及步骤3估算得到的叶片转速计算步骤4.2中各个表达式的结果，最终估计得到两个风电机组叶片朝向分别为

步骤5：对风电机组所在距离单元上的距离谱数据进行短时傅里叶变换，获取叶片回波的时频图，根据各个叶片在时频图中的多普勒拓展频率，确定叶片的折损情况，具体包括以下步骤：

步骤5.1：对第i个风电机组所在距离单元上的距离谱数据dati进行短时傅里叶变换，获取第i个风电机组的叶片回波的时频图；

步骤5.2：从第i个时频图中获取第i个风电机组中各个叶片对应的多普勒拓展频率fi,k,k＝1,2,...,ni,1≤i≤m，其中ni为叶片数目；

步骤5.3：根据fi,k,k＝1,2,...,ni,1≤i≤m与各个叶片长度之间的关系，确定叶片的折损情况，其中第i个风电机组中第k个叶片的长度可以表示为：

若abs(li,0-li,k)≤δi,l,k＝1,2,...,ni,1≤i≤m，则认为第i个风电机组的第k个叶片不存在折损情况；若abs(li,0-li,k)＞δi,l,k＝1,2,...,ni,1≤i≤m，则认为第i个风电机组的第k个叶片存在折损情况，且折损位置离叶片旋转中心的距离为li,k。其中，δi,l是考虑到fft变换的分辨率问题而设置的判断叶片折损的门限值。图6给出了两个风电机组叶片回波的时频图，从图中可以获得两个风电机组中各个叶片对应的多普勒拓展频率分别为f1,1≈130.10hz、f1,2≈105.50hz、f1,3≈228.50hz、f2,1≈98.44hz、f2,2≈28.13hz、f2,3≈98.44hz，所以可以计算得到两个风电机组中各个叶片的长度分别为l1,1≈30.60m、l1,2≈24.81m、l1,3≈53.74m、l2,1≈54.08m、l2,2≈15.45m、l2,3≈54.08m。本实施例中设置短时傅里叶变换的频率分辨率为3hz，结合两个风电机组的最大多普勒拓展频率，设置δ1,l＝0.71m，δ2,l＝1.65m。由此可以得到风电机组1存在两个叶片折损情况，折损位置与叶片旋转中心的距离分别为30.60m和24.81m，风电机组2存在一个叶片折损情况，折损位置与叶片旋转中心之间的距离为15.45m。

利用本发明所述方法得到的风电机组叶片的转速、叶面朝向、各叶片折损情况均与本仿真实施例中设置的仿真参数较为吻合，说明本发明所提方法能同时监测多个风电机组的叶片状态。

实施例2

本实施例通过外场实验来验证本发明的有效性。本实施例所用外辐射源雷达系统是以地面数字多媒体广播信号(dtmb)作为机会照射源，信号中心频率为722mhz，带宽7.56mhz。所用风电机组位于河南洛阳，雷达探测范围内共有10个风电机组，图7为雷达回波的距离多普勒谱，从图中可以清晰地看出各个风电机组叶片回波的微多普勒效应造成的多普勒维拓展。说明利用外辐射源雷达进行风电机组叶片状态的广域监测具有极大潜力。不是一般地，本实施例以其中1个风电机组的叶片状态监测为例，说明本发明的具体实现流程。下表给出了通过实地考察及查阅相关资料获取得到的先验信息，可用于后续的计算过程。

表2先验信息

雷达系统参考天线指向发射站用于接收直达波信号，监测通道的天线阵列指向风电机组所在区域，用于接收风电机组叶片回波。本实施例和实施例1位同一发明技术构思，在本实施例中为详尽描述的内容，请参见实施例1。本实施例具体包括以下步骤：

步骤1：分别利用外辐射源雷达系统的参考通道和监测通道接收发射站直达波波信号及风电机组叶片散射的回波信号，并进行信号预处理，获取雷达回波的距离谱。本实施例中设置距离谱的快时间维数r＝300，慢时间维数d＝21600，图8给出了本实施例雷达回波的距离谱，从谱中可以看出每个风电机组叶片对应的沿沿慢时间维的调制带。

步骤2：根据雷达收发站及风电机组的位置，确定风电机组叶片回波在距离谱中的距离单元，并获取该距离元上的距离谱数据。本实施例中，共有10个风电机组，分别位于雷达回波距离谱的3、31、72、89、102、132、149、177、258、286个距离单元上，本实施例以第72个距离单元上的风电机组进行研究说明。

步骤3：对风电机组所在距离单元上的距离谱数据进行时域自相关处理，根据自相关结果的谱峰时间间隔估计风电机组叶片的转速，图9给出了目标风电机组叶片回波的自相关结果，从图中可以看出相邻两个相关谱峰之间的时间间隔约为1.607s，由此可以估算得到叶片转动速率约为1.303(rad/s)。

步骤4：对风电机组所在距离单元上的距离谱数据进行fft变换，获取叶片回波的多普勒谱，从谱中获取叶片回波的多普勒拓展频率，估计叶片的叶面朝向。图10给出了目标风电机组叶片回波的多普勒谱，从图中可以看出其多普勒拓展频率约为131hz，利用步骤2得到的叶片转速估计值及表2中的先验信息可以估算得到此时风电机组叶面朝向约为318°。

步骤5：对风电机组所在距离单元上的距离谱数据进行短时傅里叶变换，获取叶片回波的时频图，根据各个叶片在时频图中的多普勒拓展频率，确定叶片的折损情况。图11给出了目标风电机组叶片回波的时频图，从图中可以看出目标风电机组3个叶片对应的多普勒拓展基本一致，在误差允许范围内，可以认为此时目标风车不存在叶片折损的情况。

从上面的分析可以看出，利用本发明所提算法获取得到的风电机组叶片的转速、叶面朝向、叶片折损情况等参数，与实际情况基本相符，证明了本发明所提算法实现风电机组叶片状态监测的可行性。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。