(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210976832.1 (22)申请日 2022.08.15 (71)申请人 中电投湖北界 岭风力发电有限公司 地址 432800 湖北省孝感市大悟县 长征路 148号 申请人 深圳量云能源网络科技有限公司 (72)发明人 李颖杰　胡磊　银磊　 (74)专利代理 机构 深圳市正 威知识产权代理事 务所(特殊普通 合伙) 44643 专利代理师 柳大江 (51)Int.Cl. F03D 17/00(2016.01) G01D 21/02(2006.01) (54)发明名称 风电风机监测方法、 装置、 系统与计算机可 读存储介质 (57)摘要 本发明公开了一种风电风机监测方法、 装 置、 系统与计算机可读 存储介质， 该方法包括： 分 类步骤： 在检测到启动指令时， 通过预先安装的 传感器和数据采集器采集目标数据， 并对所述目 标数据进行分类， 得到分类结果； 监测步骤： 根据 所述分类结果， 将所述目标数据输入对应的监测 模型， 并通过所述监测模型结合预先创建的风电 风机数字孪生体， 得到监测结果； 展示步骤： 基于 所述风电风机数字孪生体， 对所述监测结果进行 展示。 本发 明通过预先安装的传感器和数据采集 器采集目标数据， 将目标数据分类并输入对应的 监测模型， 通过对应的监测模型和风电风机数字 孪生体， 得到监测结果， 提高了风电风机的异常 监测的准确性。 权利要求书3页 说明书16页 附图4页 CN 115288950 A 2022.11.04 CN 115288950 A 1.一种风电风机监测方法， 其特 征在于， 所述 风电风机监测方法包括如下步骤： 分类步骤： 在检测到启动指令时， 通过预先安装的传感器和数据采集器采集目标数据， 并对所述目标 数据进行分类， 得到分类结果； 监测步骤： 根据 所述分类结果， 将所述目标数据输入对应的监测模型， 并通过所述监测 模型结合预先创建的风电风机数字 孪生体， 得到监测结果； 展示步骤： 基于所述 风电风机数字 孪生体， 对所述 监测结果进行展示。 2.如权利要求1所述的风电风机监测方法， 其特征在于， 所述传感器包括： 安装在所述 风电风机的传动链中的声音、 振动和温度一体式传感器、 安装在所述风电风机的叶片根部 的声音、 振动和温度一体式传感器、 安装在所述风电风机的塔筒顶端的晃度传感器和倾角 传感器以及安装在所述塔筒底端的倾角传感器， 所述分类步骤 包括： 传动链和叶片数据采集子步骤： 通过所述声音、 振动和温度一体式传感器采集所述传 动链和所述叶片的声 音数据、 振动数据和温度数据； 塔筒数据采集子步骤： 通过所述晃度传感器采集所述塔筒的晃动数据， 并通过所述倾 角传感器采集所述塔筒的倾 斜数据； 确定目标数据子步骤： 通过数据采集器采集所述风电风机的工况数据集合以及环境数 据， 并结合所述声音 数据、 所述振动数据、 所述温度数据、 所述晃动数据和所述倾斜数据， 得 到目标数据。 3.如权利要求2所述的风电风机监测方法， 其特征在于， 所述监测模型包括： 传动链监 测模型、 叶片监测模型和塔筒监测模型， 所述 监测步骤 包括： 传动链监测子步骤： 根据 所述分类结果， 将所述环境数据、 所述工况数据集合中的传动 链工况数据以及所述传动链的声音数据、 振动数据和温度数据输入所述传动链监测模型， 并通过所述传动链监测模型结合预先创建的风电风机数字孪生体， 以得到传动链监测结 果； 叶片监测子步骤： 将所述环境数据、 所述工况数据集合中的叶片工况数据， 以及所述叶 片的声音数据、 振动数据和温度数据输入所述叶片监测模型， 并通过所述叶片监测模型结 合预先创建的风电风机数字 孪生体， 以得到叶片监测结果； 塔筒监测子步骤： 将所述环境数据、 所述工况数据集合以及所述塔筒的所述晃动数据 和所述倾斜数据输入所述塔筒监测模型， 并通过所述塔筒监测模型结合预先创建的风电风 机数字孪生体， 以得到塔筒监测结果。 4.如权利要求3中所述的风电风机监测方法， 其特征在于， 所述传动链监测子步骤包 括： 传动链监测模型输入孙步骤： 将所述环境数据、 所述传动链工况数据以及所述传动链 的声音数据、 振动数据和温度数据输入所述传动链监测模型； 时域特征值计算孙步骤： 通过所述传动链监测模型根据所述传动链的振动数据， 生成 对应的时域波 形图， 并根据所述时域波形图计算出所述传动链的振动数据对应的时域特征 值； 特征值对比孙步骤： 通过所述传动链监测模型结合风电风机数字孪生体， 根据所述环 境数据、 所述传动链工况数据， 生 成所述传动链的模拟时域特征值， 并将所述时域特征值与 所述模拟时域特 征值进行对比；权　利　要　求　书 1/3 页 2 CN 115288950 A 2传动链监测结果得到孙步骤： 若所述时域特征值大于所述模拟时域特征值， 则通过所 述传动链监测模型结合所述风电风机数字孪生体根据所述传动链的声音 数据和温度数据， 以及所述时域波形图， 得到传动链监测结果。 5.如权利要求4所述的风电风机监测方法， 其特征在于， 所述传动链监测结果得到孙步 骤包括： 频段信号集合生产曾孙步骤： 通过所述传动链监测模型对所述 时域波形图进行小波多 分辨分析， 生成频 段信号集合； 故障特征频率值得到曾孙步骤： 对所述频段信号集合中的每个频段信号进行细化谱分 析和包络谱分析， 得到故障特 征频率值； 传动链监测结果确定曾孙步骤： 将所述故障特征频率值输入所述风电风机数字孪生体 进行模拟， 确定所述传动链的故障部位， 并根据故障特征频率值、 所述传动链的声音 数据和 温度数据， 确定故障严重程度， 以得到传动链监测结果。 6.如权利要求3所述的风电风机监测方法， 其特 征在于， 所述叶片监测子步骤 包括： 叶片监测模型输入孙步骤： 根据时间序列， 分别将所述环境数据、 所述工况数据集合中 的叶片工况数据以及所述叶片的声音数据、 振动数据和温度数据进行对齐， 并输入所述叶 片监测模型； 模拟振动数据生成孙步骤： 通过所述叶片监测模型根据对齐后的所述环境数据和所述 叶片工况 数据， 结合 风电风机数字 孪生体， 生成模拟振动数据； 偏差对比孙步骤： 通过所述叶片监测模型计算所述叶片的振动数据和所述模拟振动数 据的偏差系数， 并将所述偏差系数与预设偏差区间进行对比； 时域特征集合提取孙步骤： 若所述偏差系数不在所述预设偏差区间内， 则提取所述叶 片的振动数据的时域特 征集合； 叶片监测孙步骤： 将所述时域特征集合输入所述风电风机数字孪生体， 确定所述叶片 的故障部位， 并根据所述时域特征集合、 所述叶片的声音数据和温度数据， 确定故障严重程 度， 以得到叶片监测结果。 7.如权利要求3所述的风电风机监测方法， 其特 征在于， 所述塔筒监测子步骤 包括： 形变数据计算孙步骤： 将所述环境数据、 所述工况数据集合、 所述塔筒的所述晃动数据 和所述倾斜数据输入所述塔筒监测模型， 通过所述塔筒监测模型计算出所述塔筒的形变数 据； 塔筒监测孙步骤： 通过所述塔筒监测模型获取所述形变数据的时域特征集合， 将所述 形变数据的时域特征集合输入所述风电风机数字孪生体， 确定所述塔筒的故障部位和故障 严重程度， 以得到塔筒监测结果。 8.一种风电风机监测装置， 其特 征在于， 所述 风电风机监测装置包括： 分类模块， 用于在检测到启动指令时， 通过预先安装的传感器和数据采集器采集目标 数据， 并对所述目标 数据进行分类， 得到分类结果； 输入模块， 用于根据 所述分类结果， 将所述目标数据输入对应的监测模型， 并通过所述 监测模型 结合预先创建的风电风机数字 孪生体， 得到监测结果； 展示模块， 用于基于所述 风电风机数字 孪生体， 对所述 监测结果进行展示。 9.一种风电风机监测系统， 其特征在于， 所述风电风机监测系统包括： 存储器、 处理器权　利　要　求　书 2/3 页 3 CN 115288950 A 3