結合CZT與Z-FFT的海上風電機組環境噪聲污染測量系統構建研究

文章編號：1674-6139（2025）06-0129-05

中圖分類號：X593文獻標志碼：B

Construction of Environmental Noise Pollution Measurement SystemforOffshoreWindTurbineBasedonCZTandZ-FFT

Ma Lu Li Peng Zhang Xianfeng Zhao Xiong Fu Guangze

Abstract：Inodertoducetheenvironmentaloisepolltionoffshorewindturbinesndprovidefectivedatasupportforpolution control，ameasetfooalseiofeidbleealodal procesorareodfdndCZndZ-FFgoritperatosaededtustheintealructureofestecommucatioo ule.Accordingtotestructureandworkingprincipleoffsorewindturbines，thepostionofnoisepolutionmeasuringointsisdeter mined，enviotalseialsreledydarentseurectedbyngnd rithms.Tensefrequencyoundpresure，oundlevelanderparametesarecalclatedsstalizethevirometalisepo tionmeasurementfunctionofofshorewindturbines.Thesystemtestshowsthatcomparedwiththetraditionalmeasurementsystem，temeas urement error of output pollution noise frequency and sound level of the system is reduced by 10.25Hz and 3.05db respectively.

Key words：spectrumrefinement；ZoomFFTalgorithm；ofshore wind turbines；noisepollution；polution measurement system

前言

海上風電機組是應用于海上風電領域的發電設備，由于海上風電機組內部故障、磨損以及元件間連接度不足，導致在運行過程中產生振動，進而生成環境噪聲[1]，不僅影響海上風電場附近的居民和動物，還可能對海洋生物造成一定程度的干擾，為此構建海上風電機組環境噪聲污染測量系統具有重要意義。

文獻[2]提出基于綜合權重-TOPSIS法的噪聲測量系統運用綜合權重-TOPSIS方法，但將其應用到風電機組的噪聲測量工作中，無法保證測量精度。文獻[3]提出基于5G網絡的噪聲測量系統借助地理信息系統，然而受到海上復雜環境的影響，導致數據傳輸錯誤，影響系統的噪聲測量效果。文獻[4]提出基于深度卷積神經網絡與高斯混合模型的噪聲測量系統，但該方法無法保證海上風電機組噪聲污染的測量精度。文獻[5]提出基于組合聲學特征的噪聲測量系統，將其應用到海上風電機組的噪聲測量工作中，存在明顯的測量誤差問題。為此文章引入CZT與Z-FFT算法，CZT算法是頻譜細化算法，通過引入Chirp信號，對時域序列進行特定的運算處理，從而實現對信號頻域信息的精確提取。Z-FFT算法是一種針對特定頻率范圍進行頻譜細化分析的高效算法。通過CZT與Z－FFT算法的配合使用，構建海上風電機組環境噪聲污染測量優化系統。

1海上風電機組環境噪聲污染測量硬件系 統構建

1.1 噪聲信號傳感器

構建的海上風電機組環境噪聲污染測量系統中噪聲信號傳感器主要用來采集海上風電機組環境中的噪聲信號，為保證噪聲信號的采集質量，需要對傳感器設備進行改裝、優化，優化的噪聲信號傳感器的內部結構與工作原理見圖1。

從圖1中可以看出，改裝的噪聲信號傳感器由振膜、絕緣體等部分組成。薄膜隨之振動，進而造成與后極板間距的變動。這一間距的變動直接影響了電容的大小，導致電容內的電量產生變化。電量的這種變化進一步影響了電路中的電壓信號，使其產生相應的波動。通過特定的轉換過程，這種聲信號被成功轉化為電信號，并由數據采集器進行采樣和輸出。為保證噪聲信號的采集質量，改裝的噪聲信號傳感器以ADC采樣芯片作為采集設備，該芯片包括一個線性相位抗混疊的數字濾波器和高通濾波器，能夠去除輸入信號的直流偏移，從而保證傳感器采集噪聲信號的輸出質量。

1.2 噪聲信號處理器

噪聲信號處理器主要用來處理噪聲信號傳感器初始采集的噪聲信號，將信號調整至系統終端能夠直接接收與分析的方式。噪聲信號傳感器的輸人電壓范圍有限，因此需要對傳聲器輸出的電壓信號進行適當調理，確保輸出電壓范圍與數據采集卡的輸入電壓范圍相匹配。當傳聲器接收到強烈的聲音信號時，會產生較大的電壓信號，這時需要利用衰減器對信號進行適當減弱；相反，當傳聲器接收到微弱的聲音信號時，產生的電壓信號較弱，這時則需通過放大器對信號進行增強。輸入放大和輸入衰減電路不僅確保輸出電壓滿足數據采集卡的要求，還具備動態調整測量范圍的能力。在噪聲信號處理器中，前置放大器采用了場效應管接成的源極跟隨器結構，并加入了自舉電路，從而顯著提高了輸入電阻，有效減小了噪聲信號的輸入電容。此外，由于傳聲器輸出的信號是雙極性單端信號，因此采用了全差分模擬信號輸入方式，并通過特殊電路形式實現全差分輸入。

1.3 CZT與Z-FFT算法運行器

構建的海上風電機組環境噪音污染測量系統以CZT與Z-FFT算法作為技術支持，需要調整系統處理器的內部結構與連接方式，為算法的運行提供硬件支持。算法運行器以ARM處理器為核心，這款處理器基于哈佛架構，采用三級流水線設計，主頻高達 204MHZ 。它配備了八個通道的DMA控制器，并集成了EEPROM，具有掉電保護功能，從而便于存儲運算參數。支持外接SDRAM，用于存儲大量的運算數據。

1.4 系統通信模塊

選用動態域名解析方案構建系統通信網絡，保證噪聲信號能夠在傳感器、處理器以及系統終端等穩定傳輸。動態域名解析方案融合了動態IP與DNS域名解析技術，以構建高效網絡。首先，需與DNS 服務商溝通，為監測中心申請一個專用域名，并嵌入GPRS模塊中。當監測中心接入Internet后，會立即與DNS服務器建立聯系，向其報告當前獲取的動態IP地址，保證系統終端與各元件之間就能順利建立通信鏈路。

2海上風電機組環境噪聲污染測量軟件系統構建

2.1確定海上風電機組環境噪聲污染測點位置

綜合考慮海上風電機組的組成結構、工作原理以及噪聲產生機理，確定環境噪聲污染的測點布設位置。從組成結構方面來看，海上風電機組由風輪、機船、塔架三個部分組成，風輪通常由多個葉片構成，這些葉片通過輪轂與主軸緊密相連，確保了能量的有效傳遞。塔架不僅要承受風輪的作用力，將風電機組各部件的載荷安全傳遞至地面，還要為風輪的工作提供必要的空間高度。海上風電機組環境噪聲包括：機械噪聲、發電機噪聲、旋轉噪聲、渦流噪聲等[6]。按照上述方式，可以得出其他類型噪聲的產生機理，并確定相應的測點位置。然而在噪聲信號傳感器安裝過程中，需要保證風電機組的測點基準距離為式（1）：

式（1）中， H 和 D 分別為風電機組的工作高度和風輪直徑。按照上述方式即可得出海上風電機組所有噪聲污染測點位置的確定結果，并將硬件系統中的噪聲信號傳感器安裝到測點的基準位置上。

2.2 采集海上風電機組環境噪聲信號

利用安裝在測點位置上的傳感器設備，對海上風電機組運行環境中的噪聲信號進行采集。在采集過程中，傳感器通過高靈敏度的聲音接收單元，實時捕捉環境中的噪聲波動，并轉化為電信號進行傳輸。為保證系統實際采集噪聲信號的精準度，對初始采集的噪聲信號進行濾波處理，處理過程如式（2）：

式（2）中 I_e 為環境噪聲信號的截止頻率， x_l（t） 為初始采集的環境噪聲信號。將任意時刻傳感器輸出的初始采集信號輸入到式（2）中，即可得出滿足質量要求的環境噪聲信號采集結果。

2.3結合CZT與Z-FFT算法提取噪聲特征

以初始采集的海上風電機組環境噪聲信號作為研究對象，綜合利用CZT和Z-FFT算法對噪聲信號特征進行提取[7]。在特征提取過程中，利用CZT算法對海上風電機組的噪聲信號進行初步篩選和定位，確定關鍵噪聲頻段;再利用Z-FFT算法對這些頻段進行精細化的頻譜分析，獲取更準確的噪聲特性信息。CZT與Z-FFT算法的工作流程見圖2。

在特征分量提取過程中，為了更深入地分析和觀察窄帶頻譜區間的細微特征，引入頻譜細化的理念。這一理念的核心思想，在于對特定頻段進行局部放大處理，通過加大該頻段附近的譜線密度來實現。CZT方法是實現頻譜細化的一種具體途徑。對已知長度的噪聲信號 x_l 進行CZT變換，變換結果為式（3）：

式（3）中， 為CZT變換函數， A₀ 和 W₀ 分別為起始相位和相位增量間隔， L 為采集噪聲信號長度 I_x 和 f_s 對應的是感興趣頻段的下限值和上限值 算法對于有限長度的序列，進行變換時，關鍵在于確定需要精細處理的頻帶的中心頻率以及細化倍數。遵循圖2所示的流程，對輸入的離散噪聲信號進行調制移頻操作，確保需要精細處理的頻帶中心頻率移動至零頻位置。利用離散傅里葉變換的頻移特性，在時域內將輸入噪聲信號乘以相應因子。進行離散傅里葉變換，從而實現在頻域內的移動，滿足對特定頻段的精細分析需求。

2.4實現海上風電機組環境噪聲污染測量

構建系統需要輸出的海上風電機組環境噪聲污染測量參數包括：噪聲污染量、噪聲頻率、聲壓、聲級等，上述測量參數的計算公式如式（4）：

式（4）中， τ_ρ 和 τ_loss 分別為噪聲信號的密度特征和計權衰減特征， P₀ 為聲壓參考值， t_c 為噪聲信號的采集時間。將結合CZT與Z-FFT算法輸出的環境噪聲信號特征提取結果輸人到式（4）中，即可得出海上風電機組環境任意測點位置的噪聲污染測量結果，并通過構建的硬件系統進行可視化輸出，完成系統的污染測量功能。

3 系統測試

為了驗證構建結合CZT與Z－FFT的海上風電機組環境噪聲污染測量系統的污染測量性能，采用白盒測試的方式設計系統測試實驗。此次實驗選擇V136-8MW型號的大型海上風電機組作為測量對象，該機組的風輪直徑為 167m ，發電效率為 96% ，能夠在 3～25m/s 的風速條件下完成發電工作，額定轉速和額定功率分別為 36rpm 和8MW，塔筒高度為 150m 。

為體現出優化設計系統在測量性能方面的優勢，設置傳統的基于綜合權重-TOPSIS法的噪聲測量系統和基于5G網絡的噪聲測量系統作為實驗對比系統，利用相同的開發工具完成對比系統的開發，并得出相應的噪聲污染測量結果。

實驗設置環境噪聲頻率和聲級測量誤差作為系統性能的量化測試指標，公式為式（5）：

式（5）中 f_system 和 J_system 分別為系統實際輸出的環境噪聲污染頻率和聲級的測量結果 f_set 和 J_set 分別為海上風電機組環境噪聲污染頻率和聲級的設定值。最終測試得出噪聲污染測量誤差越大，證明對應系統測量功能越優。

通過系統輸出數據與實際環境噪聲污染數據的統計，得出系統測量功能的測試結果，見表1。

將表1中的數據代入到式（5）中，計算得出兩種傳統系統的平均噪聲頻率測量誤差分別為 18.1Hz 和10.0Hz ，平均噪聲聲級測量誤差分別為4.9db和2.8db ，構建系統得出噪聲頻率和聲級測量誤差的平均值分別為 3.8Hz 和 0.8db 。

4結束語

海上風電機組作為可再生能源發展的重要領域，具有廣闊的市場前景和巨大的發展潛力。由于海上風速更高、更穩定，且沙塵少、粉塵零排放，使得海上風電場的風能資源能量效益比陸地風電場高出20% 至 40% 。意味著在相同的條件下，海上風電機組能夠產生更多的電能，從而提高了風電的經濟效益。受到設備工作方式與環境的影響，導致風電機組的工作會給周圍環境帶來噪聲污染，在此次研究中通過污染測量系統的開發，為噪聲污染的治理提供有效數據支持，間接降低機組噪聲污染對環境產生的實際影響。文章結合了CZT與Z－FFT技術，可以顯著提升噪聲測量的精度，為海上風電機組的健康狀態監測、環境保護以及噪聲污染控制提供支持。

參考文獻：

[1]胡杰.煤巷掘進聲發射監測信號噪聲處理方法研究[J].煤炭工程，2023，55（7）：110-114.

[2]何詠，李金玉，田岳林，等.基于綜合權重-TOPSIS法的飛機噪聲自動監測點位優化及效果對比［J].環境工程學報，2022，16（6）：2021-2031.

[3]韓利，張慶霞，王杰，等.基于5G網絡的變壓器噪聲在線監測系統的設計與開發[J].環境工程，2022，40（1）：184-189.

[4]張勇，元文智，段貴金，等.基于深度卷積神經網絡與高斯混合模型的水電機組異常聲音檢測[J].水電能源科學，2023，41（8） ：188-191;130.

[5]Yan Z，ZhuH，ZhangH，etal．Abnormal noise monitoring of subway vehicles based on combined acoustic features [J].Applied Acoustics，2022，197（8）：1-9.

[6]翟洪婷，張慶銳，卞若晨，等.基于圖聚類的電力設備異常聲音檢測方法[J].南京理工大學學報，2022，46（3）：270-276.

[7]趙敏，許迪，李麗珍，等.基于聲功能區劃的噪聲污染防治對策研究：以五華區為例[J].環境工程，2023，41（增刊2）：861-863.