龙源技术公司风机叶片故障监测预警技术取得突破性进展

　　10月中旬，由龙源（北京）风电工程技术有限公司开展的风机叶片故障监测预警技术研究取得突破性进展，该研究在集团4个风电场共计5台叶片事故的机组进行了验证，成功实现了精确预测，预测时间提前至故障发生前最长达8小时，并计划近期开发成叶片预警系统部署到特定风电场，将成果转化为应用。

　　目前风力发电叶片故障监测普遍使用叶片表面粘贴检测介质和振动监测方法，由于叶片工作环境恶劣且所受载荷不定，叶片粘贴检测介质难以实现，测振漏报误报问题严重且实施成本高昂，普遍推广性较低。针对现有监测技术的缺点和不足，龙源工程技术公司机组性能分析室在充分研究分析风力发电叶片断裂原因的基础上，基于机组的相关运行数据参数，创新地将神经网络和深度学习模型引入到研究中，通过基于数据的模型训练，模拟出适应叶片故障监测预警的最佳模型。该模型的应用能提前足够长的时间实施报警，从而让运行人员能够及时发现叶片故障并停机检修，进而有效地避免叶片断裂掉落的事故发生。在集团范围内，叶片断裂掉落的事故虽偶有发生，但影响较大，该项技术研究的突破性进展对于风电场的安全运营及成本控制具有良好的推广应用价值。

　　风机叶片故障监测预警技术的突破性进展，再次肯定了机组性能分析室“坚持数据为先，深挖数据价值”数据驱动型的研究创新理念。针对风电场出现的各种技术难题，该公司始终坚持科学理念，深挖数据潜力，从数据分析中找回丢失的电量。