一种风力发电机组叶片失效分析方法与流程

1.本发明涉及风力发电技术领域，特别涉及一种风力发电机组叶片失效分析方法。


背景技术：

2.风力发电系统大多都布置在环境恶劣的条件下，通过将自然风产生的动能转化为电能进行工作。由于自然风具有强烈的随机性，常常发生风速、风向剧变的情况，因此要求风电场中的风力发电机必须能够承受较大的载荷。而随着风力发电规模和技术的不断发展，风机叶片呈大型化轻量化趋势，这无形中增加了叶片损坏的概率。
3.近年来，国内每年都会发生多起叶片折断、掉落事故，叶片更换成本巨大，并影响发电量。分析叶片失效原因，对在运机组叶片检查整改，减少失效叶片数量，降低企业运营损失具有重要意义。


技术实现要素：

4.本发明提供一种风力发电机组叶片失效分析方法，用以确定叶片失效原因以及叶片失效时间点。
5.本发明提供一种风力发电机组叶片失效分析方法，包括：
6.步骤1：从数据采集与监视控制系统中提取失效叶片风场内的全部发电机组的第一运行数据，并筛选出所述失效叶片对应的同类别发电机组的第二运行数据；
7.步骤2：根据所述第二运行数据、失效叶片事故现场勘查报告以及设计参数，确认叶片失效原因；
8.步骤3：基于所述叶片失效原因，并结合所述失效叶片在预设时间段的多个故障现象，推断叶片失效时间点。
9.优选的，所述的一种风力发电机组叶片失效分析方法中，所述现场勘查报告包括对是失效叶片工作环境以及叶片损伤部位的检测报告。
10.优选的，所述的一种风力发电机组叶片失效分析方法，在确定所述失效叶片的叶片失效原因前，获取所述失效叶片失效位置与风轮中心的距离，根据所述距离确定所述失效位置在整个失效叶片上的定位。
11.优选的，所述步骤1：从数据采集与监视控制系统中提取失效叶片风场内的全部发电机组的第一运行数据，并筛选出所述失效叶片对应的同类别发电机组的第二运行数据，包括：
12.步骤1.1：从数据采集与监视控制系统中提取失效叶片风场内的全部发电机组的第一运行数据；
13.步骤1.2：获取所述失效叶片对应风力发电机组的类型；
14.步骤1.3：从第一运行数据中筛选出所述失效叶片对应的同类别发电机组的第二运行数据。
15.优选的，所述步骤2：根据所述第二运行数据、失效叶片事故现场勘查报告以及设
计参数，确认叶片失效原因，包括：
16.步骤2.1：获取失效叶片作为样品，并进行解剖，获取所述失效叶片的检测报告；
17.步骤2.2：结合现场勘查报告、设计参数以及预设时间内的第二运行数据对所述失效叶片的叶片失效原因进行确定。
18.优选的，所述所述步骤3：基于所述叶片失效原因，并结合所述失效叶片在预设时间段的多个故障现象，推断叶片失效时间点，包括：
19.步骤3.1：基于所述叶片的失效原因，获取对应的主要故障现象和次要故障现象；
20.步骤3.2：根据次要故障现象对应的第一数据特征，根据所述第一数据特征确定失效时间区间；
21.步骤3.3：获取主要故障现象对应的第二数据特征，从所述失效时间区间中确定失效时间点；
22.其中，所述主要故障现象包括扫塔时偏航位置和扫塔位置相符合以及功率曲线随时间发生偏移；所述次要故障现象包括极端天气以及失效叶片所在的风力发电机组振动突升。
23.优选的，所述步骤2.2：结合现场勘查报告、设计参数以及预设时间内的第二运行数据对所述失效叶片的叶片失效原因进行确定，具体步骤包括：
24.获取所述失效叶片现场勘查报告，并根据所述现场勘查报告得到所述失效叶片断裂位置的的断裂特征，基于所述断裂特征判断所述失效叶片是否为自然损坏；
25.当判断所述失效叶片为自然损坏时，获取所述失效叶片的设计参数，并根据所述现场勘查报告获取所述失效叶片的失效运行环境状态；
26.根据所述失效运行环境状态基于风力发电机组叶片设计模型生成模拟参数，当所述设计参数与模拟参数的参数差异大于预设安全值时，确定所述失效叶片存在缺陷，并视为第一失效原因；
27.获取第二运行数据，基于所述第二运行数据获取同类别发电机组的第三数据特征，以及获取所述失效叶片所在发电机组的第三运行数据的第四数据特征，获得特征差异，当所述特征差异大预设值时，将所述第三运行数据根据数据属性进行分类，得到第四运行数据，并添加第一数据标签；
28.利用第一数据标签在失效关系图中寻找对应第二数据标签对应的失效节点，并判断所述第一数据标签对应的第四运行数据是否达到触发对应失效节点的条件；
29.若没有达到触发条件，判断所述失效节点为无效节点；
30.若达到条件，判断所述失效节点为有效节点，并根据所述失效关系图，确定所述失效节点的失效产生权值；
31.根据所述失效产生权值，并利用所述风力发电机组叶片设计模型进行第二模拟，并记录模拟结果，若所述模拟结果与预期结果相同，视所述有效节点对应的故障原因为第二失效原因；
32.若所述模拟结果与预期结果不相同，获取所述失效节点的连接关系，并获取相邻失效节点的触发结果，若相邻失效节点为有效节点，判断所述失效节点为第一类节点；
33.若相邻失效节点为无效节点，判断所述失效节点为第二类节点，并将所述第二类节点对应的故障原因为所述叶片的第三失效原因。
34.优选的，所述的一种风力发电机组叶片失效分析方法，构建所述失效关系图，包括：
35.获取风力发电机组叶片失效的全部原因，并根据所述叶片失效原因的故障特征确定对应叶片失效原因判断需要提交的运行数据类型；
36.根据各个叶片失效原因判断需要提交的运行数据类型，判断所述叶片失效原因之间是否存在关联性；
37.基于所述关联性，将各个叶片失效原因作为失效节点建立所述失效关系图。
38.优选的，所述的一种风力发电机组叶片失效分析方法，其特征在于，包括：所述步骤3.3：获取主要故障现象对应的第二数据特征，从所述失效时间区间中确定失效时间点，具体步骤包括：
39.获得主要故障现象对应的第二数据特征，并根据第二运行数据的三数据特征和所述第二数据特征之间的差异，对所述主要故障现象数据的差异位置进行第一标定，判断所述第一标定位置对应的时间是否在失效时间区间内；
40.当所述第一标定位置对应的时间在所述失效时间区间内且具有唯一性时，判断当前时间点为叶片失效时间点；
41.当所述第一标定位置对应的时间在所述失效时间区间内且第一标定位置对应的时间不是唯一时，分别获取主要故障现象的初始第一标定对应的第一时间，判断所述第一时间之间的差值是否均在预设区间内，若在所述预设区间内，将所述第一时间进行第一排序，获得第一时间区间，将所述第一时间区间的区间中值作为叶片失效时间点；
42.若不在所述预设区间内，将所述第一标定位置进行分类，获得多个位置的位置集合，根据位置与时间的映射关系，获得多个时间集合；
43.分别将多个时间集合的第二时间根据预设区间划分成多个时间子集；
44.将不同时间集合之间的时间子集进行对比，判断所述时间子集之间的时间跨度是否存在重合部分；
45.若存在重合部分，根据重合部分获得第二时间区间，并根据第二时间区间在第三运行数据上进行第二标定，将第二标定区间内的各个位置的第三运行数据与对应位置的第二运行数据对应位置进行对比，获得故障现象出现的第一位置对应的时间点作为叶片失效时间点；
46.如不存在重合部分，分别获得第一时间，将最大的第一时间作为叶片失效时间；
47.当所述第一标定位置对应的时间不在所述失效时间区间时，根据次要故障现象数据特征，对所述失效时间区间进行第一调整，获得调整时间区间，若所述第一标定位置在所述调整时间区间内，将所述调整时间区间的区间中值作为叶片失效时间点；
48.若所述第一标定位置不在所述调整时间区间，获得主要故障现象首先出现的第二位置对应的时间点作为叶片失效时间点。
49.优选的，所述的一种风力发电机组叶片失效分析方法，所述失效叶片的叶片失效原因与外界雷击、叶片共振、机位风区等级辨识、对叶片的控制策略以及叶片自身缺陷有关。
50.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明
书、权利要求书、以及附图中所特别指出的结构来实现和获得。
51.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
52.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
53.图1为本发明实施例中一种风力发电机组叶片失效分析方法示意图；
54.图2为本发明实施例中一种风力发电机组叶片失效分析方法步骤1示意图：
55.图3为本发明实施例中一种风力发电机组叶片失效分析方法步骤2示意图；
56.图4为本发明实施例中一种风力发电机组叶片失效分析方法步骤3示意图；
57.图5为本发明实施例中一种风力发电机组叶片失效分析方法计算流过整个风轮扫掠面积上的实际风功率的极坐标示意图。
具体实施方式
58.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
59.实施例1：
60.本发明提供一种风力发电机组叶片失效分析方法，如图1所示，包括：
61.步骤1：从数据采集与监视控制系统中提取失效叶片风场内的全部发电机组的第一运行数据，并筛选出所述失效叶片对应的同类别发电机组的第二运行数据；
62.步骤2：根据所述第二运行数据、失效叶片事故现场勘查报告以及设计参数，确认叶片失效原因；
63.步骤3：基于所述叶片失效原因，并结合所述失效叶片在预设时间段的多个故障现象，推断叶片失效时间点。
64.本实施例中，运行数据包括风力发电机组的系统电压秒级数据、叶片加速度频谱分析数据、scada(数据采集与监视控制系统)的风速高频采集数据、停机时刻数据、正常发电数据灯，包括第一运行数据和第二运行数据；其中，第一运行数据是指失效叶片风场内的全部发电机组的的运行数据；第二运行数据是指与失效叶片风力发电机的同类别的发电机组的运行数据。
65.本实施例中，叶片失效原因包括叶片自身原因、雷击、共振、风区等级超过设计值、控制策略不合理等。
66.本实施例中，多个故障现象是指极端天气、偏航位置和扫塔筒位置相符、振动突升、功率曲线随时间发生偏移等现象。
67.上述技术方案的有益效果：本发明通过获取失效叶片的运行数据，不仅从叶片自身开始分析，还从叶片以外的因素分析确定叶片失效原因在运机组叶片检查整改，减少失效叶片数量上具有重要意义；同时，对叶片失效的多个故障现象进行相互印证推测叶片失效时间，有利于确定叶片的安全冗余系数，提升叶片的制造工艺。
68.实施例2：
69.基于实施例1的基础上，所述的一种风力发电机组叶片失效分析方法中，所述现场
勘查报告包括对是失效叶片工作环境以及叶片损伤部位的检测报告。
70.上述技术方案的有益效果：本发明及时了解失效叶片工作环境，同时从损伤部位的检测报告初步确定造成叶片失效的原因是叶片自身原因还是其他外部因素，有利于失效叶片失效原因的初步确认。
71.实施例3；
72.基于实施例1的基础上，所述的一种风力发电机组叶片失效分析方法，包括：在确定所述失效叶片的叶片失效原因前，获取所述失效叶片失效位置与风轮中心的距离，根据所述距离确定所述失效位置在整个失效叶片上的定位。
73.上述实施例的有益效果：本发明在确定所述失效叶片失效原因前，获取所述失效叶片失效位置与风轮中心的距离，根据所述距离确定所述失效位置在整个失效叶片上的定位，有利于更加精准的确定失效原因，同时，也有利于发现叶片的自身缺陷。
74.实施例4：
75.基于实施例1的基础上，所述步骤1：从数据采集与监视控制系统中提取失效叶片风场内的全部发电机组的运行数据，并筛选出所述失效叶片对应的同类别发电机组的运行数据，如图2所示，包括：
76.步骤1.1：从数据采集与监视控制系统中提取失效叶片风场内的全部发电机组的第一运行数据；
77.步骤1.2：获取所述失效叶片对应风力发电机组的类型；
78.步骤1.3：从第一运行数据中筛选出所述失效叶片对应的同类别发电机组的第二运行数据。
79.上述技术方案的有益效果：本发明获取同一风场下全部发电机组的运行数据，有利于确定失效叶片的失效原因是否与叶片自身有关，叶片设计是否存在缺陷；同时筛选出同类型的发电机组的运行数据，有利于去顶失效叶片失效的具体原因。
80.实施例5：
81.基于实施例1的基础上，所述步骤2：根据所述第二运行数据、失效叶片事故现场勘查报告以及设计参数，确认叶片失效原因，如图3所示，包括：
82.步骤2.1：获取失效叶片作为样品，并进行解剖，获取所述失效叶片的检测报告；
83.步骤2.2：结合现场勘查报告、设计参数以及预设时间内的第二运行数据对所述失效叶片的叶片失效原因进行确定。
84.本实施例中，检测报告是指时下叶片的断面检测以及解剖检测，对受损叶片断裂面、粘接情况进行分析。
85.上述技术方案的有益效果：本发明本通过获取失效叶片的检测报告以及运行数据对叶片的失效原因进行确定，不仅从叶片自身开始分析，还从叶片以外的因素分析确定叶片失效原因在运机组叶片检查整改，减少失效叶片数量上具有重要意义。
86.实施例6：
87.基于实施例1的基础上，所述步骤3：基于所述叶片失效原因，并结合所述失效叶片在预设时间段的多个故障现象，推断叶片失效时间点，，如图4所示，包括：
88.步骤3.1：基于所述叶片的失效原因，获取对应的主要故障现象和次要故障现象；
89.步骤3.2：根据次要故障现象对应的第一数据特征，根据所述第一数据特征确定失
效时间区间；
90.步骤3.3：获取主要故障现象对应的第二数据特征，从所述失效时间区间中确定失效时间点；
91.其中，所述主要故障现象包括扫塔时偏航位置和扫塔位置相符合以及功率曲线随时间发生偏移；所述次要故障现象包括极端天气以及失效叶片所在的风力发电机组振动突升。
92.本实施例中，第一数据特征是指极端天气下，例如大风是导致叶片失效的重要诱因，尤其是叠加低温(<5℃)、空气湿度大(湿度>80％)等因素，会极大增加叶片结冰风险，叶片结冰时更易发生扫塔；叶片失效或断裂时刻，失效叶片所在的风力发电机组振动突。
93.本实施例中，第二数据特征是指扫塔时偏航位置应该和扫塔位置相符合以及叶片失效后尤其是叶片断裂时，会严重降低叶片气动性能，导致功率曲线降低。
94.本实施例中，失效时间区间是指由次要故障现象初次出现时间确定得时间范围。
95.上述技术方案的有益效果：本发明通过多个故障现象数据的数据特征，对叶片失效的多个故障现象进行相互印证推测叶片失效时间，有利于确定叶片的安全冗余系数，提升叶片的制造工艺。
96.实施例7：
97.基于实施例5的基础上，所述步骤2.2：结合现场勘查报告、设计参数以及预设时间内的第二运行数据对所述失效叶片的叶片失效原因进行确定，具体步骤包括：
98.取所述失效叶片现场勘查报告，并根据所述现场勘查报告得到所述失效叶片断裂位置的的断裂特征，基于所述断裂特征判断所述失效叶片是否为自然损坏；
99.当判断所述失效叶片为自然损坏时，获取所述失效叶片的设计参数，并根据所述现场勘查报告获取所述失效叶片的失效运行环境状态；
100.根据所述失效运行环境状态基于风力发电机组叶片设计模型生成模拟参数，当所述设计参数与模拟参数的参数差异大于预设安全值时，确定所述失效叶片存在缺陷，并视为第一失效原因；
101.获取第二运行数据，基于所述第二运行数据获取同类别发电机组的第三数据特征，以及获取所述失效叶片所在发电机组的第三运行数据的第四数据特征，获得特征差异，当所述特征差异大预设值时，将所述第三运行数据根据数据属性进行分类，得到第四运行数据，并添加第一数据标签；
102.利用第一数据标签在失效关系图中寻找对应第二数据标签对应的失效节点，并判断所述第一数据标签对应的第四运行数据是否达到触发对应失效节点的条件；
103.若没有达到触发条件，判断所述失效节点为无效节点；
104.若达到条件，判断所述失效节点为有效节点，并根据所述失效关系图，确定所述失效节点的失效产生权值；
105.根据所述失效产生权值，并利用所述风力发电机组叶片设计模型进行第二模拟，并记录模拟结果，若所述模拟结果与预期结果相同，视所述有效节点对应的故障原因为第二失效原因；
106.若所述模拟结果与预期结果不相同，获取所述失效节点的连接关系，并获取相邻失效节点的触发结果，若相邻失效节点为有效节点，判断所述失效节点为第一类节点；
107.若相邻失效节点为无效节点，判断所述失效节点为第二类节点，并将所述第二类节点对应的故障原因为所述叶片的第三失效原因。
108.本实施例中，断裂特征是指叶片断裂处的特征，例如断裂处的整齐程度以及颜色。
109.本实施例中，失效运行环境包括失效叶片工作的风场、天气状况以及周围环境状况。
110.本实施例中，风力发电机组叶片设计模型是设计风力发电机组时用于根据设计参数对设计的风力发电机组进行模拟的模型。
111.本实施例中，模拟参数是指根据失效运行环境要求模拟得到的叶片的理想设计参数。
112.本实施例中，预设安全值是指叶片实际运行载荷的极限值。
113.本实施例中，叶片缺陷包括设计缺陷、制造缺陷以及材料缺陷；
114.设计缺陷包括：设计安全冗余系数选择过低；叶片根部及中部截面过小，截面形状不符合轻度、刚度要求；叶片实际运行载荷超出设计时的预测极限；
115.制造缺陷包括：叶片表面气泡、色差、针眼；壳体褶皱、浸渍不良、芯材间隙；根部褶皱；筋板浸渍不良、芯材间隙、缺胶或气泡；主梁褶皱、浸渍不良；粘接区胶层厚度超差、胶层宽度超差；前后缘缺胶或气泡、后缘厚度超差；
116.材料缺陷需要通过材料力学性能测试确定，所述材料力学性能测试包括拉伸试验和弯曲试验。拉伸试验是检测强度和刚度的最主要试验方法之一，通过拉伸试验可以观察材料的变形行为。弯曲试验是将一定形状和尺寸的试样放置于弯曲装置上，以规定直径的弯心将试样弯曲到要求角度后卸除试验力，检查试样承受的变形性能。弯曲强度降低，使得试样的抗剪切能力严重下降；而弯曲模量升高，表示材料在弹性极限内抗弯曲变形能力降低。
117.本实施例中，第一失效原因是指叶片的失效是由叶片自身缺陷造成的。
118.本实施例中，第三数据特征是指与失效叶片所在发电机组同类别的正常发电机组的运行数据特征，即正常数据的表现情况。
119.本实施例中，第四数据特征是指失效叶片所在发电机组运行数据特征，即不正常数据的表现情况。
120.本实施例中，特征差异是指第二运行数据和第三运行数据的不同，即正常数据与非正常数据的差异。
121.本实施例中，第四运行数据是指将特征差异大预设值的第三运行数据进行分类得到的带有第一数据标签的数据，数据属性是指运行数据可判断的故障类型。
122.本实施例中，第一数据标签是指第四运行数据可判断的故障类型；第二数据标签是指失效关系图上各个节点代表的故障类型。
123.本实施例中，失效关系图是由述风力发电机组的失效触发条件编写，其中触发条件是指风力发电机组失效的数据变化，例如实际功率曲线超过理论值，功率超发导致叶片载荷增加；失效节点代表失效原因。
124.本实施例中，有效节点是指第四运行数据的变化达到被判定为当前节点对应的失效原因；无效节点第四运行数据的变化没有达到被判定为当前节点对应的失效原因。
125.本实施例中，失效产生权值是该失效原因对叶片失效的重要程度。
126.本实施例中，模拟结果是指根据失效原因模拟失效时的环境在原来的设计参数下在风力发电机组叶片设计模型上进行模拟实验达到的效果。
127.本实施例中，第二失效原因是指叶片的失效是由叶片的外因造成的，例如，雷击导致的叶片断裂失效。
128.本实施例中，第一类节点是第四运行数据的变化达到被判定为当前节点对应的失效原因，并且周围有其他有效节点，但是模拟实验的结果不是预期结果的节点，表面该节点对应失效原因非直接原因；第二类节点是指第四运行数据的变化达到被判定为当前节点对应的失效原因，并且周围均为无效节点，但是模拟实验的结果不是预期结果的节点。
129.上述技术方案的有益效果：本发明不仅从叶片自身开始分析，还从叶片以外的因素分析确定叶片失效原因，有利于更加全面的考虑叶片失效原因，同时为风力发电机组的控制策略的改变提供依据，减少不必要的叶片损失。
130.实施例8：
131.基于实施例7的基础上，所述的一种风力发电机组叶片失效分析方法，构建所述失效关系图，包括：
132.获取风力发电机组叶片失效的全部原因，并根据所述叶片失效原因的故障特征确定对应叶片失效原因判断需要提交的运行数据类型；
133.根据各个叶片失效原因判断需要提交的运行数据类型，判断所述叶片失效原因之间是否存在关联性；
134.基于所述关联性，将各个叶片失效原因作为失效节点建立所述失效关系图。
135.本实施例中，故障特征是指失效原因的数据特征，例如：遭受雷击时损伤部位存在明显的碳化以及系统电压明显波动。
136.本实施例中，数据类型是指不同失效原因判断需要提交的数据的类型，例如：判断失效叶片是否遭受雷击需要提交现场勘查报告以及系统电压秒级数据。
137.上述技术方案的有益效果：本发明根据失效原因之间的判断数据之间的关联性来判断失效原因之间的关联性构建失效关系图，有利于失效原因的快速确定，同时也有利于直接失效原因和间接失效原因的确定。
138.实施例9：
139.基于实施例6的基础上，所述步骤3.3：获取主要故障现象对应的第二数据特征，从所述失效时间区间中确定失效时间点，具体步骤包括：
140.获得主要故障现象对应的第二数据特征，并根据第二运行数据的三数据特征和所述第二数据特征之间的差异，对所述主要故障现象数据的差异位置进行第一标定，判断所述第一标定位置对应的时间是否在失效时间区间内；
141.当所述第一标定位置对应的时间在所述失效时间区间内且具有唯一性时，判断当前时间点为叶片失效时间点；
142.当所述第一标定位置对应的时间在所述失效时间区间内且第一标定位置对应的时间不是唯一时，分别获取主要故障现象的初始第一标定对应的第一时间，判断所述第一时间之间的差值是否均在预设区间内，若在所述预设区间内，将所述第一时间进行第一排序，获得第一时间区间，将所述第一时间区间的区间中值作为叶片失效时间点；
143.若不在所述预设区间内，将所述第一标定位置进行分类，获得多个位置的位置集
合，根据位置与时间的映射关系，获得多个时间集合；
144.分别将多个时间集合的第二时间根据预设区间划分成多个时间子集；
145.将不同时间集合之间的时间子集进行对比，判断所述时间子集之间的时间跨度是否存在重合部分；
146.若存在重合部分，根据重合部分获得第二时间区间，并根据第二时间区间在第三运行数据上进行第二标定，将第二标定区间内的各个位置的第三运行数据与对应位置的第二运行数据对应位置进行对比，获得故障现象出现的第一位置对应的时间点作为叶片失效时间点；
147.如不存在重合部分，分别获得第一时间，将最大的第一时间作为叶片失效时间；
148.当所述第一标定位置对应的时间不在所述失效时间区间时，根据次要故障现象数据特征，对所述失效时间区间进行第一调整，获得调整时间区间，若所述第一标定位置在所述调整时间区间内，将所述调整时间区间的区间中值作为叶片失效时间点；
149.若所述第一标定位置不在所述调整时间区间，获得主要故障现象首先出现的第二位置对应的时间点作为叶片失效时间点。
150.本实施例中，第一标定是指对主要故障现象数据与正常同类型风力发电机组数据之间差异位置(例如主要故障现象数据的功率曲线与正常同类型风力发电机组数据的功率曲线相比明显发生偏离的位置)进行标定。
151.本实施例中，唯一性是指多个第一标定位置对应的时间为同一时间。
152.本实施例中，初始第一标定是指主要故障现象数据与正常同类型风力发电机组数据之间刚开始不一样的位置。
153.本实施例中，第一时间是指初始第一标定位置对应的时间；第一时间区间是指将第一时间进行排序最大时间点和最小时间点形成的时间区间。
154.本实施例中，位置集合是指根据主要故障现象的不同对第一标定位置进行分类，同一故障现象数据与正常同类型风力发电机组数据之间差异位置构成的集合；时间集合根据位置与时间的对应关系构建的位置集合对应的时间集合，每个时间集合包含的时间点为第二时间。
155.本实施例中，时间子集是指根据预设区间在时间集合中重新划分得到的时间集合的子集，预设区间的长度是设置，例如60s。
156.本实施例中，第二时间区间是指不同时间集合之间的时间子集进行对比时间跨度重合部分构成的时间集合。
157.本实施例中，第二标定是指在第三运行数据即失效叶片风力发电机组对应数据上对第二时间区间对应的时间段进行标定。
158.本实施例中，第一位置是指被进行第二标记的第三运行数据进行对比全部故障现象首先出现的位置；第二位置是指主要故障第一次出现得时间不在调整区间时，主要故障现象首先出现的位置，其中调整时间区间是指经过第一调整得失效时间区间。
159.本实施例中，第一调整是从次要故障现象首先出现位置作为区间中心将失效时间区间进行扩大。
160.本实施例中，故障现象包括叶片结冰发生扫塔(发生扫塔时偏航位置应该和扫塔位置相符合)、机组常发生振动大以及降低叶片气动性能，导致功率曲线降低。
161.上述技术方案的有益效果：本发明根据运行数据的差异位置标定差异时间，并根据差异发生时间确定失效时间，为失效叶片的研究提供可靠参考；同时多个时间区间确定具体时间，保证了失效时间的准确性以及可靠性，为同类型风力发电机组叶片的参数改善提供准确数据。
162.实施例10：
163.基于实施例1的基础上，所述的一种风力发电机组叶片失效分析方法，所述失效叶片的叶片失效原因与外界雷击、叶片共振、机位风区等级辨识、对叶片的控制策略以及叶片自身缺陷有关。
164.本实施例中，雷击造成叶片损坏的机理主要有两方面：一是雷电释放巨大能量，使叶片结构温度急剧升高，分解气体高温膨胀，压力上升造成爆裂破坏；二是雷击造成巨大声波，对叶片结构造成冲击破坏。雷击分析主要通过损伤部位是否有碳化、系统过电压进行判断。
165.本实施例中，叶片共振是风力发电机组叶片失效断裂的重要原因之一。在叶片上安装加速度传感器可以测量叶片的加速度值。对测量加速度做频谱分析，可以得到频谱分布，频谱分布中的峰值称为共振峰。对叶片做模态分析可以获取叶片的固有频率。共振峰对应频率和叶片固有频率重叠，且共振峰幅值超过合理范围既可以判断叶片发生共振。
166.本实施例中，机位环境辨识基于scada数据中的风速高频采样数据，评估整个风电场及单个机位的风区等级是否和设计相符。依据iec标准，风区等级主要参数为：50年最大风速vref，15m/s风速下的湍流期望值iref。
167.本实施例中，控制策略主要关注以下方面：
168.控制程序和其它机组不一致：主控程序、变流器程序版本号，故障机组和其它机组版本号不同；
169.安全系统保护逻辑或参数不合理：现场存在修改安全系统参数屏蔽故障等情况，极限转速设定值、极限功率设定值、极限振动设定值等参数不合理，导致机组运行于危险风况；
170.功率超发：实际功率曲线超过理论值，功率超发导致叶片载荷增加；
171.上述技术方案的有益效果：本发明在叶片失效原因确定后根据失效原因的类型对故障点进行确定，有利于对同一型号的风力发电机组的失效原因进行归纳，以及根据失效原因及时调整对应型号风力发电机组的设计参数。
172.实施例11：
173.基于实施例1的基础上，所述的一种风力发电机组叶片失效分析方法，包括：确定叶片失效原因前，通过计算所述风力发电机组的风速影响系数，判断所述风力发电机组的设计风速是否符合所述风力发电机组工作要求，包括：
174.获取风轮中心处的风速，如图5所示，根据下列公式计算流过整个风轮扫掠面积上的实际风功率：
[0175][0176]
其中，w表示流过整个风轮扫掠面积上的实际风功率；δ表示风轮所处位置的空气
密度，取1.2kg/m3；v0表示风轮中心的风速；r表示风轮上叶片长度，即风轮半径；l表示风轮中心离地面的高度；r表示表示风轮上任意一点到风轮中心的距离；θ表示风轮叶片与水平方向的夹角；τ表示风速轮廓线，取0.25；
[0177]
根据w以及下列公式计算风力发电机组风轮的风速影响系数：
[0178][0179]
其中，φ表示风力发电机组风轮的风速影响系数；表示将v1作为设计风速时，流过整个风轮扫掠面积上的理想风功率；
[0180]
当所述风速影响系数φ小于最低阈值时，确定当前设计风速不符合所述风力发电机组工作要求；
[0181]
当所述风速影响系数φ大于等于最低阈值时，确定当前设计风速符合所述风力发电机组工作要求。
[0182]
本实施例中，当所述风力发电机组风轮的的设计风速等于风轮中心的风速，计算得到所述风速影响系数为0.98，表示当前设计风速符合所述风力发电机组工作要求。
[0183]
上述技术方案的有益效果：本发明通过计算所述风力发电机组的风速影响系数，判断所述风力发电机组的设计风速是否符合所述风力发电机组工作要求，有利于及时发现风力发电机组叶片当前存在的问题，规避可调控的叶片损失，减少维修支出，避免资源浪费。
[0184]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。