发电设备无损检测技术研究

导语：发电设备无损检测技术研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要:风力发电作为我国可再生能源的核心组成部分，在国家大力倡导下取得迅速发展及应用。风力发电涉及材料学、空气动力学、计算机技术、结构力学等学科，属于集成化的新能源开发技术。由于风力发电设备运行环境恶劣且体量较大，需定期对设备进行无损检测，评估设备运行状态。本文以风力发电设备无损检测技术为切入点，研讨塔筒、电机设备、电力电子构件、齿轮箱、风电系统等的无损检测技术及技术应用方式。结合风电机叶片缺陷评估，引入红外热像无损检测，分析叶片无损检测方式，降低叶片过度维护，以及事后维护带来的高昂运维成本，确保风电系统稳定运行。

关键词:发电设备;风力发电;无损检测技术;红外热像无损检测

各国大力发展新能源事业，联合国将全球可再生清洁能源认定为重点投资方向。基于此，我国将风能作为未来经济增长的主要能源来源之一，并大力建设风力发电系统。目前，我国风力发电基础设施建设取得了一定成就，研究重点将朝向运维发展，即稳固系统运行，加强安全性评估及可靠性评价。因此，需大力发展风力发电设备无损检测技术，延长风力发电系统使用寿命，减少故障损失，提高经济效益。

1风力发电设备无损检测技术及应用

1．1监测发电机与电力电子设备

风力发电机包括电力电子与电磁两部分，此类构件可靠性是评估风电设备检测水平的重要指标。风力发电设备运行过程中，受振动、湿度、温度、封装形式等影响都会对内部构件造成影响，严重者导致零件损坏。风力发电设备收集的风能先经过叶轮，再经过主轴与齿轮箱，经发电机转换后变成电能。风力机叶片是一种弹性体，在风力作用下叶片结构可形成向上的空气动力与惯性力，其交变性无法确定，并且随机性较强。在力的耦合作用下，发电机因不可抗力的振动而产生自激共振，即颤振。如果颤振处于发散状态，将导致风力发电设备损坏。除此之外，风力发电机组运行过程中会因诸多原因而产生较大振动，振幅与振动频率超过风机荷载将影响风机稳定运行。目前，应用在风力发电设备的无损检测方式包括:热成像技术、电磁传感技术、扫地雷达技术等，同时还可通过模态分析法对系统稳定性与寿命进行评估，以此提高风力发电机故障检测科学性。除风电机机械部分易造成设备损坏之外，风力、温差、潮湿条件也会导致线路绝缘耐压、腐蚀及接触电阻的失效。风力发电机和电力电子元件的电子类故障涉及定子线圈绝缘故障、转子故障、激励线圈绝缘故障等。转子与顶底电路故障包括线圈断裂、线路短路、线圈匝间短路或相位对位短路等，同时焊接点松动也会导致线路故障。传统电动机电流信号分析法无法适用于发电机工作时，仅能进行线下测试或设备停运时检修。从电力电子方面分析，电流通过半导体器件时功率损失引起的发热是导致发电机元件损坏的主要原因之一，在工作电压与载流能力持续增加的背景下，温度与检测系统对电力电子设备可靠性评估具有非常显著的意义。所以，目前对风力发电机的实时监测技术与方法仍面临严峻挑战，有必要加大无损检测技术研究力度，对电力电子系统进行实时监控。

1．2预估齿轮箱寿命

常规条件下，风力发电设备齿轮箱主要由铝合金材料与不锈钢材料为主，可负担较大循环负荷，但容易导致设备出现疲劳磨损。一旦风力发电设备所处区域出现风力骤变或存在腐蚀性海洋活动，将导致设备因腐蚀而开裂，此类问题都将引发风力发电系统或传动装置失效。在齿轮箱施加无损检查时，为保证装置性能不受影响，应开发与设备性能和材料相匹配的检测方式。目前，常用的风电设备齿轮箱无损检测技术包括:第一种是以电磁为基础的二维ACFM检测技术、巴克豪森噪声无损检测技术等，此类检测方式既可对传感器表面进行检测，也可辅助优化检测方法，让检测流程更加科学与合理;第二种是创建振动分析的检测方式，以此对齿轮箱进行检测，分析其运转是否正常;第三种是从内部解构齿轮箱系统，让其与油温检测系统配合工作。

1．3塔筒无损检测技术

风力发电设备中的风电塔筒多以低合金钢为主要材质，焊接处理过程中易在其表面出现弧形焊纹。由于塔筒焊接多采用埋弧焊，同时采用涂抹药剂的方式进行清理，会导致塔筒表面出现气孔夹渣。塔筒裂纹方式具体包括热裂纹、收弧裂纹、延迟裂纹等，易在塔筒表面快速拓展，当裂纹影响设备承载力时，将引发倒塌事故。从目前研究成果分析，塔筒无损检测技术主要有超声波技术、磁粉技术与射线检测技术。

1．4实时监测风电系统运行状态

依照风力发电设备能源转化特征，发电系统电网结构非常复杂，结合集成技术和在线监测可评定设备运行效率，并监测系统是否稳定运行。在无线传感网络中，风力发电系统中融入了传感器技术、嵌入式技术、无线通信技术、分布式处理技术，系统各个节点均可通过计算机与外部进行通信。截至目前，风力发电设备运行状态检测手段包括:(1)应用无损检测技术及监控结构联合提出的红外成像技术。(2)基于监控技术基础模型，评估设备极端恶劣运行环境下线路腐蚀与老化情况，并对其进行实时监测。(3)比对多种电子系统变流器及发电机，应用成像检测技术，一旦检测过程中发现设备运行异常便动态优化。为保证风电系统监测技术的精准性与有效性，应充分考虑特殊环境下通信信号的高传输性，让数据通信可适用于不同环境。(4)对信息进行合理的采集压缩及整合，最大限度缩短采样周期，研究数据结构及容错技术。(5)大力开发可集成在风电系统中的MAC协议与路由协议，进一步加快数据传输效率，解决死锁或活锁问题。

1．5风力发电设备叶片检测与分析

风力发电设备叶片易受环境影响，在实际工作中受外力影响很容易在弯、拉作用下而损坏叶片自身结构。常规条件下，风力发电设备叶片寿命约为20年，但并无法评估叶片实际工作中受损情况，即无法评定叶片的实际使用寿命。因此，应开展叶片无损检测工作，保证风力发电设备时刻处于正常运行状态。目前，叶片无损检测技术主要分为如下几种:第一种是基于热成像与超声波的无损检测技术，具有技术融合优势;第二种为分布式光纤传感器，依托传感器及智能材料创建健康叶片监控系统;第三种为主动及被动检测，目的是实现电磁热成像。

2风力发电设备无损检测技术具体应用———以风力机叶片无损检测为例

为深入了解风力发电设备无损检测技术实现原理及应用场景，本文以红外热像无损检测技术为例，分析风力机叶片检测流程。所谓红外热成像技术，就是利用被检测物体表面受到热激励后，探求其表面热辐射变化过程，判定物体内部结构信息。随着红外热成像无损检测技术的深入研究，主动式红外热激励无损检测技术应运而生，该技术是近年最科学且最合理的无损检测技术。

2．1风力机叶片结构解读及主要缺陷分析

针对大型风力机，叶片多采用玻璃纤维环氧树脂复合材料，叶片分为前缘、主梁、后缘及主梁两侧的芯材结构。风力机叶片主梁部位多应用单轴向纤维布铺层，非主梁部分采用芯材填充，材质为巴沙木或PVC泡沫，目的是减小叶片运行质量，风力机叶片剖面图见下图。

2．2风力机叶片主要缺陷分析

风力机叶片结构多为多层设计，厚度具有可变的特点，同时叶片表面为不规则曲面，制造过程中易产生不均匀性。常规条件下，风力机叶片横截面包含玻璃纤维环氧树脂增强材料，由环氧胶相连，叶片真空注胶时，各结构层内部很容易出现不均匀性，即分层设计缺陷。2．2．1褶皱风力机叶片多应用人工铺设纤维布的形式制作，要求一次成型。由于人力操作的原因，叶片铺层平整度较差，真空注胶期间易形成褶皱。常规来讲，风力机叶片褶皱分为凹与凸两种，不论何种褶皱形式都会影响风力机运行。2．2．2裂纹叶片作为风力发电设备的重要构件，长期运行易导致叶片内部或浅表产生细小裂纹，此类裂纹很难在检测中发现。当叶片出现裂纹同时未及时处理时，裂缝将向四周扩散，从毫米级逐步扩散到分米级，最终造成大裂缝。因此，应对裂纹缺陷重要点位进行实时检测与分析。2．2．3分层设计缺陷风力机叶片分层设计缺陷具体指叶片生产时易发生树脂用量不足或真空泄压的情况，同时叶片运输中内部褶皱将形成开裂现象，以此形成层面空隙，将各结构层分离开来。分层问题将导致叶片黏结部位的粘接度，易导致叶片强度下降，严重者导致叶片铺层和结构层剥离。因此，叶片生产时需重点关注分层缺陷形成原因，以此确保叶片使用寿命。

2．3风力机叶片红外热成像无损检测

针对风力机叶片设计缺陷，将其作为无损检测重要参量。本研究对某地风电机叶片进行红外热成像无损检测。该区电场共包含10支1．5MW风力机叶片，本研究从叶尖到主梁与芯材进行全方位扫描，重点关注主梁裂纹、褶皱、分层、发白等问题。叶片主梁由玻璃纤维环氧树脂复合材料构成，芯材主要为聚氯乙烯。现场风机大小1．5MW，风力机叶片型号为HT34，总长为34米，弦长3米。检测设备具有较大激励效率且热激励均匀，同时自由度及激励模式丰富，可满足现场勘验标准。为有效录入数据，结合最新的热图像采集系统。检测前，从叶根位置开始逐步巡检到叶尖位置，找寻叶表缺陷部位，标注处理。受外部环境影响及长期激励导致加热不均匀的影响，获取的图像信息十分模糊，几乎无法辨别叶片是否存在故障，更无法找到缺陷。因此，结合红外图像非均匀校正及红外图像增强算法对获取的图像进行处理，消除背景噪声。考虑到MATLAB软件程序计算红外图像数据流程较为复杂，因此在红外检测软件直接对红外图像非均匀性校正进行预处理。由于软件界面具有增强按钮，可对红外图像随时进行增强算法处理。同时，软件设置截屏按钮，可获取加热及降温时的红外图像。

2．4风力机叶片红外缺陷图像分析

由于风力机叶片由多种材料构成，属于多相体系，并且材料和结构为一体化成形。风电叶片结构成型时，受外界因素影响，叶片缺陷不可避免。与此同时，叶片结构运行时易发生多类损伤，缺陷与损伤对风电叶片的安全性造成极大威胁，对叶片结构内部缺陷与损伤进行无损检测，可提高叶片使用的安全性。本次检测结果显示，风力机叶片表面缺陷均可被有效识别。与此同时，结合红外图像可直观判断检测结果，可观察到微小的温度变化，同时可对热像进行有效处理，获得风电机叶片内部铺层清晰纹路及缺陷图像，图像非均匀性低于10%，与现场打磨结果几乎相同。根据目前掌握的风电机叶片无损检测技术，可收集叶片缺损数据，对老龄叶片进行修复与可靠性定量评价，预估其使用寿命。为最大限度提升叶片使用安全性，需对其定期检查，观测叶片状态，排除缺陷隐患并采用有效手段，将叶片失效问题扼杀在萌芽期，以此避免事故，保证风电设备稳定运行。总的来说，评估叶片损伤状态、合理运用无损检测技术可降低叶片过度维护及事后维护带来的高昂运维成本，应用红外热成像处理技术可对大型风电机叶片进行无损检测，有效评估叶片健康状态。

结语

风力发电设备无损检测易受环境影响，同时传感器灵敏度对信息数据量有一定影响，因此风力发电设备无损检测应重点提升系统稳定性及安全性，对多类方法进行综合分析，集成多类传感器数据，保证整个风力发电系统健康运行。

参考文献:

［1］吴雄，邹开刚，王可嘉．复合材料内部缺陷的太赫兹无损检测技术研究［J］．光学与光电技术，2020，18(5):6．

［2］魏嘉呈，刘俊岩，何林，等．红外热成像无损检测技术研究发展现状［J］．哈尔滨理工大学学报，2020，25(02):68-76．

［3］智腾飞．塔筒钢板对风力发电机组安全性影响及其到货质量管理概述［J］．中国设备工程，2020，438(02):210-211．

［4］云赛．基于图像处理的风力发电机叶片表面缺陷检测技术研究［D］．天津理工大学，2019．

［5］林超．风力发电机组状态监测和故障诊断技术研究［J］．轻松学电脑，2019．

［6］霍强．特种设备检测中无损检测技术的应用研究［J］．中国设备工程，2021(17):2．

［7］张尚书．基于机械设备维修中无损检测技术的应用分析［J］．科学技术创新，2019(2):2．

［8］冯小雷，胡宇，闫敏，等．基于电磁激励的红外热像无损检测技术［J］．科技资讯，2011(1):112．

［9］吴世春．基于多模态激励的红外热成像复合材料无损检测技术研究［D］．电子科技大学，2019．

［10］郭智磊．基于红外无损检测技术的传热学探索［J］．科技传播，2016，8(9):179-180．

作者：谷群远 刘木森 单位：盐城市质量技术监督综合检验检测中心