【摘 要】随着风电在全球能源结构中的比重持续攀升，大型风电机组的安全运行压力愈发突出。叶片作为捕获风能的关键部件，为追求轻量化，在极端工况下极易出现扫塔等严重事故。文章针对这一问题，设计并研发了大型风力发电机组叶片运行安全检测系统。该系统整合高清视频监测、多传感器数据采集与人工智能分析算法，实现叶片净空距离实时测量、不平衡度计算、异常状态预警等功能。通过现场应用验证，系统能在早期识别叶片零位漂移等隐患，避免设备损毁引发安全事故，为大型风电机组长期稳定运行提供了可靠技术保障。

【关键词】风力发电机组；叶片安全；检测系统；净空监测；不平衡度；智能预警

引言

随着全球“碳达峰”“碳中和”目标的提出，风力发电作为一种清洁、可再生能源，其开发规模的进一步扩大势必成为电力增容的主体。而叶片作为风力发电机的核心构件，其工作状态直接关系到风力发电的发电质量和安全性。为减少空气阻力、提高能量利用率，叶片的制造材料通常为轻量化碳纤维复合材料等设计。而叶片结构越轻，在大阵风、湍流、台风等极端条件下，越容易导致变形角度过大和运行不平衡，引发叶片扫塔事故。轻度的叶片扫塔事故可能是叶片和塔筒损坏，维修投入达百万元，严重影响大风机安全运行；严重时则是塔筒整体倒塌，不仅造成了巨大的财产损失和一段时间发电量的损失，也给其周围的人员安全带来了极大威胁。而目前常见的叶片检测技术主要以人工巡检周期、运行参数（如机组转速、振动）阈值等为依据，存在延迟性高、预警效果差的问题。因此，开发一套能实时、精确监测叶片工况状态并能提前进行预警、主动控制的检测装置，对于大型风力发电机的安全生产和降低运行、维修的成本消耗以助力风电产业的健康有序发展，有着极其重要的意义。

一、系统总体设计

（一）系统设计目标

本文设计的叶片工作状态监测系统对现有的故障监测存在运行滞后、预警误差的问题进行改进，满足以下需求：（1）测量叶片净空距离，精度是0.5 m；（2）测量叶片综合不平衡度，更新时间小于等于10 min；（3）能够正确识别叶片角度偏转、启动不平衡等异常状态，异常工况识别率大于等于95%；（4）能够与可编程逻辑控制器（Programmable Logic Controller，PLC）无缝协同工作，实现故障停机、主动偏航等保护措施，响应时间小于等于1 s；（5）能够在-30℃～60℃的极端温差、风力等级在12级以上的工况环境中工作。

（二）系统整体架构

整个系统采用分层分布式系统，由高到低分别由硬件采集层、数据传输层、智能分析层及应用层组成，层层联动，确保系统正常运行。

硬件感知层主要采集叶片运动图像、机组合成振动、变桨电机信息等多源数据。关键设备如下。（1）高清无畸变相机：像素2 000万以上，帧率30 fps，支持自动对焦和宽动态，保证强光、逆光情况下拍摄清晰的叶片运动轨迹图像。（2）补光设备：LED红外补光灯，最小照射距离50 m，用于夜间无照明情况时拍摄叶片运动图像。（3）振动传感器：1个加速度传感器，测量范围±50 g，采样频率1 kHz，采集机组合成振动信息。（4）变桨电机信息采集模块：采用Modbus协议采集变桨电机中的电流、电压、转速。（5）环境传感器：采集风速、风向、气温、湿度信息，用于分析叶片异常状态的环境信息[1]。

数据传输层：使用“屏蔽网线+4G/5G无线传输”双链路。近距离数据（如相机至视频净空主机）使用屏蔽网线传输，抗电磁干扰性能优异；远距离数据（如现场数据至运维中心）使用4G/5G网络传输，并且使用断点续传和流量控制功能，保障数据传输的实时性和可靠性。

智能分析层：作为系统的核心，负责对采集到的多源数据进行处理与分析。硬件平台采用工业级服务器，配备图形处理单元加速卡，支持并行计算。软件算法主要包括三个方面：图像解析算法方面，采用基于深度学习的目标检测算法（YOLOv8）识别叶片轮廓，结合双目视觉原理计算净空距离；不平衡度计算算法方面，采用滑动窗口法对近15天的叶片轨迹数据进行统计分析，计算综合不平衡度；多源数据融合算法方面，基于贝叶斯网络模型，融合叶片净空、振动、变桨电机参数等数据，判定叶片运行状态。