改进的风力发电机组噪声音调评估方法

柏 林，彭 畅，刘小峰

(重庆大学 机械传动国家重点实验室，重庆 400044)

随着风力发电技术的发展以及政府对绿色可再生能源的重视和投入，风力发电这种经济可行的能源技术正逐步代替传统的化学燃料发电技术［1－2］，但是风力发电机组(WT)的运行噪声仍然阻碍风电发展，被民众广泛关注且需迫切解决。对WT噪声的评估，不仅要考虑其噪声的声压级的大小，还要考虑噪声中可听音调对人听觉系统的影响。包含可听音调的噪声会让人感觉更加不适，因此，对WT进行音调测试是评估WT品质的重要部分，也是必不可少的重要环节。

为了实现WT噪声音调的客观评估，国际研究机构建立了一系列的音调评估标准，如，ASTM E1014－84，ISO 9613，ISO 1996 － 1971，ANSI S1.4 －1983，ANSI S12.18 －1994 等［3］。但这些标准中的音调分析法在分析WT低频噪声的音调时，往往会出现虚假音调的问题，辨识出的音调可能是人的听觉无法感知的，无法准确评估出WT噪声对周围居民居住环境的实质性影响。随着技术的发展，国际风电研究机构为了有效地对WT噪声进行评估，在1998年发布了(在2003年，2007年分别进行了修订)IEC－61400－11标准对WT噪声评估方法进行了统一规范。目前该标准已经被国际上大部分风电研究机构所接受，并得以广泛应用。但是，采用该标准进行WT噪声测试得出的实际评估报告显示，在相同的平均风速下，当测试环境或测试时间不同时，音调评估的结果存在着较大的差异，具有较大的不确定性，特别是在风速变化剧烈时，评估出的音调频率差异高达20 Hz左右。换言之，IEC音调评估结果在很大程度上取决于风电场的测试环境，而非风电机本身。

针对上述问题，本文对IEC音调评估方法进行了改进。该方法综合考虑了外部环境对音调评估的影响，并对音调识别算法进行了优化。首先简要介绍了IEC标准中WT噪声音调评估的关键技术;继而在此基础上对IEC音调判定方法中所存在的问题进行了深入剖析;然后针对存在的问题提出了相应的改进方法，即首先采用了Gabor阶比分量提取技术对WT产生的噪声与背景噪声进行了分离;接着采用了基于转速的一分钟非平稳噪声信号的最优分割方法对WT噪声进行了平稳化处理;最后利用基于谱平面法的音调辨识法对WT噪声进行了音调评估。相关的评估实验与数据分析验证了改进的音调评估方法的可行性和有效性。

1 IEC 音调评估法［4］

IEC 61400－11标准制定的作用是为WT声发射测量、分析以及报告提供统一的评判标准和指导。在IEC文档中，每个整风速下音调判定过程为:

(1)计算10 s数据的A计权窄带谱。在每一个整风速噪声数据中，选取最接近该整风速的两个一分钟数据，将其均分成12个10 s数据段。对每个子段数据加汉宁窗，计算得到12组A计权窄带谱。

(2)初步判断音调。在每一个窄带谱中，找到一个局部最大值，然后计算该临界频带内的掩蔽噪声级，即除局部最大值及相邻左右各一根谱线外临界频带内其余谱线的平均能量，如式(1)所示。如果该局部最大值在平均掩蔽噪声级的6 dB以上，那么它将作为一个可能的音调值。

图1 临界频带内的判定标准级和谱线分类Fig.1 Illustration of classifying all spectrum lines within critical band

(3)对临界频带内的一些专门谱线进行分类，如图1所示。利用式(1)计算出临界频带内幅值最小的70%根谱线的平均值，得到判据级L70%。临界频带内小于“L70%+6 dB”的谱线称为“掩蔽噪声”。利用式(1)计算平均值，得到掩蔽噪声级 Lm，avg，j，k(即，在整风速k下第j个掩蔽噪声级Lm，avg)。临界频带内值超过“Lpn，avg+6 dB”的谱线被分为音调，对其进行分贝求和，得到音调级 Lt，j，k。

(4)背景噪声修正。为确保分析结果的有效性，必须确认音调成分并非来自背景噪声。按照式(2)，使用背景噪声数据中同一整风速下相同临界频带内所有谱线的分贝和对掩蔽噪声级 Lm，avg，j，k进行背景噪声修正。修正后的掩蔽噪声级为:

其中 Lb，avg，j，k为背景噪声数据中同一整风速下相同临界频带内所有谱线的分贝和的掩蔽噪声级。这里需要注意的是，同一整风速下相同临界频带内的背景噪声级必须低于风力发电机噪声级6 dB或以上，否则需要在评估报告中声明该组数据的掩蔽噪声受到背景噪声的干扰过大，不能评判WT噪声音调。

(5)音调级的计算。考虑到汉宁窗对掩蔽噪声的影响，这里需对掩蔽噪声级作进一步修正，如式(3)所示。

其中有效噪声带宽取1．5倍的频率分辨率，即2 Hz×1．5。音调级 ΔLt，j，k定义如式(4)所示:

如未发现音调，则由式(5)替换:

2 IEC音调判定法问题分析

在以上音调评估分析步骤中，可以发现IEC方法主要存在以下几点不足:

(1)每组音调计算都需要两组噪声数据，即WT运行时的噪声信号和关闭状态下的背景噪声信号。为了测量背景噪声，风场中测试风机周围的风机都需强行关闭，而且测试需要覆盖6－10 m/s的所有整风速，其测试过程往往需要持续一周左右，这种强行停机难免会给风机造成一定的物理损害，而且停机造成的经济损失也是巨大的。此外，IEC标准中掩蔽噪声的修正是在假定风机运行状态的背景噪声和关闭状态完全一致的条件下进行的，这就不可避免地降低了WT噪声音调评估结果的可信度。因为风场背景噪声是随着时间变化的，例如，WT运转时也许会出现鸟叫声，汽车鸣笛声，以及飞机经过时的轰鸣声，但在WT关闭时这些声音也许已经消失了。因此，IEC方法采用停机状态下的背景噪声掩蔽噪声级去修正运行状态下的风机掩蔽噪声级，可能会造成音调评估的不准确。

(2)在IEC音调评估方法中，每个平均风速下每两组一分钟噪声数据都将被分割成12组10 s数据，然后再对每个10 s数据进行音调分析，也就是相同的音调识别过程被重复了2×6次，同风速下的背景噪声掩蔽噪声级同样要重复计算2×6次，该过程复杂并且计算量也较大。此外，临界频带内标准谱线的划分很大程度上都取决经验上的主观判定，例如判据级L70%、掩蔽噪声等都没有唯一确切的计算依据。可见，音调的评估在一定程度上存在很大的人为主观性。

(3)由于风机负载随着风速、风向或者升速、减速过程的变化而改变，WT的叶片转速将随时间变化，与风机转速相关的噪声将表现出不稳定性。在对非平稳信号进行FFT分析时，会出现FFT固有的频率模糊现象，这就使得IEC标准中基于FFT的音调评估方法并不能十分准确地辨识音调频率，即使是在同一标准风速下，辨识出的音调也会随着测量时间和环境的变化而改变。

上述问题可在以下实例中得到证实。图2显示了在新疆达坂城2号风场，金风77/1 500风机在整风速6 m/s下第一组十秒钟噪声数据的FFT窄带谱。在图2中，频谱峰值并不明显，以谱峰为中心的边带谱非常平滑。按照IEC方法中的步骤(1)～(2)得到的频谱局部最大值与局部平均能量值差值之间的差距小于6 dB。按照IEC判定方法，可认为这时的风机噪声中并不包含音调。而在测试现场，能够很清楚地听到WT发出尖锐的音调噪声。表1是采用IEC方法对与图2中噪声同组的平均风速为6 m/s的12个10 s数据进行音调分析的结果。从表1中可以看到同一整风速下12个10 s噪声数据的音调频率之间的最大差异达到16 Hz。不同气候或地理条件下，在其他类型的WT噪声测量中这种差异也是普遍存在，而且频率模糊现象随着风速与湍流变化而加剧，WT噪声音调评估的不稳定性与不一致性也会随之变得更加严重。

图2 IEC方法得到的6 m/s下第一个10 s噪声数据A计权均方根平均窄带谱Fig.2 A-weighted narrow spectrum of the second ten-second noise data at 6 m/s obtained using IEC method

表1 风速V=6 m/s下12组噪声数据的音调频率Tab.1 The tone frequency of 12 ten-second noise data at 6 m/s

3 音调评估的改进

风机运行中发出噪声的来源可以分为两类:机械噪声与空气动力学噪声［5］。机械噪声产生于机械零部件之间的交互运动及其力学响应。空气动力学噪声则产生于叶片上的空气流动。WT音调噪声主要由风机机械结构与转子叶片表面部分相互作用的非空气动力学的不稳定性引起，因此它与风速或叶片转速密切相关，也就是说，由WT产生与转速有关的噪声，表现为趋于同一频率的音调［6］。针对此种关系以及IEC方法存在的问题，本文提出了WT音调评估的改进方法，如图3所示。该方法可分为三部分实现:WT的噪声提取，噪声信号的最优分割以及音调辨识。

3.1 WT音调噪声提取

在IEC音调评估方法中，为了确保音调不是来自背景噪声，每组音调计算都需要风机运行和停机两种状态下的噪声数据。也就是说，必须用周围风机关闭情况下采集的背景噪声的掩蔽噪声级来校正WT运行时的掩蔽噪声级。为了减少风电机停机时间并确保识别出的音调是来自风机自身噪声而不是背景噪声，本文采用了Gabor阶比分量提取方法，将WT自身产生的噪声与背景噪声分离开来。

Gabor阶比跟踪方法常用于分析不满足FFT稳定性要求的旋转机械信号，该方法可以跟踪与旋转机械转速相关的非平稳信号分量。由于WT音调成分主要来源于与转子叶片相关的风机机械部分的不稳定性运动，因此WT音调噪声与风机转速变化存在明显的线性函数关系。因此，阶比跟踪法可以从分析噪声中提取由风机自身的噪声音调分量，消除背景噪声信号对WT音调分析的干扰。具体的WT阶比分量提取步骤如图3所示。

(1)Gabor变换。假设在风电机运行状态下采集的分析噪声为s［k］，通过式(6)中的离散Gabor变换得到一系列Gabor展开系数cm，n:

其中ΔM表示时间采样间隔，N和M分别表示频率和时间的分析点数，s［k］表示噪声信号s［k］的一个周期延展，h［k］为 Gabor基函数。

(2)显示时频分布。把Gabor系数映射为二维的由M×N时频格组成的Gabor谱图。图像中每一个格子的强度表示 cm，n在特定时间 m和频率 n下的幅值［7］。

(3)掩蔽操作。首先，根据式(7)在Gabor时频图中确定阶比分量li的位置指数。

其中N是Gabor时频图中频率项的数量，fs表示采样频率，round表示取整操作。将该指数对应的时频格置0，其他的进行置1处理，生成一个由有限二进制值1或0组成的掩蔽数列 wm，n，其数量和 Gabor系数数列 cm，n相同［8］。

(4)使用 wm，n修正Gabor系数。由式(8)生成一个修正的Gabor系数数列m，n:

对应于wm，n=1的系数构成掩蔽区间，它是由边界li×RPM/60±Δf/2确定的，其中Δf是一个可调整的频率带宽。

其中sli［k］表示重构的第i个阶比分量的数列。通过将所有的阶比分量相加可以重构由WT产生的噪声信号为:

通过以上步骤，可以提取到不受背景噪声影响的WT噪声。

3.2 噪声信号最优分割

经过阶比分量提取后的WT噪声信号尽管去除了背景噪声的影响，但由于风速的不稳定，1分钟的噪声数据可能存在较大的不平稳。在IEC标准中，两组一分钟噪声数据会被分成12组10 s数据段，然后加汉宁窗得到12个FFT窄带谱。即同样的音调计算过程将被重复12次。由于一分钟内的风速并不是绝对稳定的，WT噪声的频率将随着风速变化而改变。如果分割出的10 s噪声信号表现为强非平稳性，那么在FFT窄带谱分析中将出现严重的频率模糊现象，进而造成初始音调频率的设置误差，无法准确的定位中心频带，得出的音调评估结果也无法真实地反映风机的噪声特性。考虑到风机转速和WT音调噪声的线性关系，可以认为当转速曲线在相应的时间段内变化平缓时，WT噪声在这段时间内也是相对稳定的。因此，可以根据转速曲线的变化情况将一分钟噪声数据划分为若干子段信号，然后对每个子段信号进行音调分析，以消除非平稳信号FFT分析的频率模糊现象。

2016年河北省城镇居民的可支配收入为28 249元，2017年为30 548元；农村居民人均可支配收入2016年为11 919元，2017年为12 881元。2016年城镇居民人均消费支出19 106元，2017年为20 600元；2016年农村居民人均消费支出9 798元,2017年为10 536元。由统计数字可以看到，城乡居民年收入虽然增长较快，但是农村居民收入增长幅度小于城镇居民，且不同地域农村居民收入差距较大[2]。截至2017年底，河北省依然有39个国家级贫困县，195.67万人享受居民最低生活保障，其中，农村居民160.2万人，占81.87%，反映出城乡收入差距较大的现实问题。

为了保证每个子段信号的稳定性，最简单也是最直接的方法就是，根据转速曲线的斜率变化确定子段信号的分割点。首先，对于转速曲线 X=〈x1，x2，…，xn〉，计算点xi处的斜率或微分系数。如果点xi处的微分系数变化较大，那么点xi(除曲线终点外)就可被作为分割点。具体的分割点的筛选过程描述如下:

(1)标准化。由于转速的波动，每个时间点的值存在很大差异。为了便于比较和分析，在分割前，必须将转速序列标准化到区间［0，1］之间。标准化公式如下:

(2)确定分割点。为了保证划分出的子段的平稳性，子段内的相邻两点xi和xi±1的变化应该是比较稳定的，首先指定幅值控制参数α对分割点进行第一次筛选，即分割点处相邻点之间的幅值差距如果超过α，那么该点可以看作是一个分割点，表示为:

另一方面，要保证子段信号的平滑性，则子段内各数据点的斜率不能过大。设定斜率控制参数β对分割点进行第二次筛选，即如果在数据点xi及相邻点xi±1处的斜率超过β，则该点可以看作分割点，表示为:

此外，要保证子段信号内相邻点之间的平滑过度，还要求子段内单个数据点与相邻两点之间的斜率变化应该是平缓的。因此可根据相邻点之间的斜率变化情况对分割点进行第三次筛选，

即如果相邻两点之间的斜率如果满足式(14)的要求，则该点可看作分割点:

其中γ为控制相邻两点之间斜率变化的参数。经过三次筛选后，转速时间序列中任何一个满足条件(12)～条件(14)的转速曲线上的点都可看作是曲线的分割点，其中同时满足以上三个条件的优先考虑作为子段分割点。这里要说明的是，如果分割点的个数太大，控制参数α，β和γ就必须调整，以保证斜率控制参数和子信号个数之间的平衡。使用这种方法，可以找出对应于转速序列的分割点的集合，记为:

(3)WT噪声信号分段。根据转速和WT噪声的关系，在式(10)中的经Gabor阶比分量提取后的噪声信号可以表示为:

3.3 音调辨识

在本文第2节介绍的IEC方法步骤(2)中提到，必须在计算局部最大值的基础上确定临界频带，并进行假设音调判定。可见fc的选择对音调能否精确辨识是至关重要的。在IEC方法的步骤(3)中，音调的识别需要对窄带谱线进行综合分类，其中IEC标准给出的L70%判定级具有很大的主观经验性，没有严格的数学推导，其它谱线的划分亦是如此。为了避免音调判定中的主观性并简化识别过程，本文采用谱平面法对临界子带内的音调进行了判定。

谱平面方法主要用于确定临界子带内的信号是否为音调。该方法通过对FFT幅值进行分析得到系数SFM，从而确定每个临界子带内信号的掩蔽阈值能量。基于谱平面法的WT噪声音调评估方法具体步骤如下:

(1)对平稳子段信号加窗及FFT变换。采用加汉宁窗的实－复FFT将式(16)中的平稳子段信号Sj转换到频域内进行临界频带分析。经过FFT，可以得到Sj的实频 Re(ω)，虚频 Im(ω)。Sj的功率谱为:

依据文献［10］，将上述功率谱分割为临界带，然后将每个临界频带内的能量相加如下:

其中bhi，bli分别表示第i个临界带的上下界。

(2)计算音调的掩蔽阈值。首先定义音调系数［10］α:

其中:

式中:Gm表示功率谱的几何平均，Am表示功率谱的算术平均。依次计算第i个临界频带内的掩蔽能级的补偿量 Oi，即:

然后从展开的临界频带谱中减去阈值补偿量得到音调的掩蔽阈值估计［11］:

其中ci为展开的第i个临界频带内的谱能量，具体算法见文献［10－11］。

(3)音调评估。将掩蔽阈值与人耳听觉的绝对阈值进行比较，得到 max［Ti，Tq(i)］，并以此为标准对临界频带内的每个频率点进行检测，如果某个频率点上的声压级超过max［Ti，Tq(i)］，则可认为在该临界频带内的频率为音调频率，并且在音调频率处的声压级就是音调级。

从以上分析可知，基于谱平面法的音调辨识方法完全摒除了IEC方法中谱线划分的复杂计算，该方法借助音频编码中的噪声掩蔽阈值方法，能够直接对噪声中可听音调进行辨识与计算，大大简化了计算过程。

4 应用

为验证上述方法的可行性，以新疆达坂城金风2号77/1 500 WT产生的噪声作为分析信号，依据本文提出的方法对该信号进行了音调评估，并将分析结果同使用IEC方法所得到的结果进行了对比。这里需要指出的是，转速计是风电机系统必备的辅助设备之一，WT转速、风向、风速、气压、温度等参数都是从测风塔上的传感器中获得并传输至风电机电控箱，具体的系统设置见文献［12］。为保证转速信号与噪声信号的对应关系，在进行噪声采集的同时，同步读取电控箱中的转速曲线。图4显示了首个一分钟内在整风速6 m/s下的转速曲线。

图4 首个一分钟内整风速6 m/s下的转速曲线Fig.4 The rotating speed curve at 6 m/s in the first one-minute noise

对应于噪声信号的Gabor时频谱如图5所示。图5中的阶次分量随时间的变化趋势几乎与图4中的转速曲线一致。因为图4中的转速曲线相对稳定，所以使用第3.1节中描述的改进方法所得到的子分割段的个数是3个，然后采用谱平面法直接对每个子段信号进行音调辨识，得到的音调频率均为156 Hz。而使用IEC 方法得到的结果分别为156，156，148，154，154，156 Hz。在一定程度上两者之间并没有很大的差异，这是因为转速很稳定。但是比较两组数据可知，使用本文提出的改进法所得到的音调频率更加一致，而且只得到三个平滑子段，因此重复计算也只有三次，计算效率得到了提高。

图5 在整风速6 m/s下的首个一分钟噪声数据的Gabor谱Fig.5 The Gabor time-frequency spectrum of the first one-minute notse data at 6 m/s

为了进一步验证改进方法的有效性，下面给出了另一个实例的分析结果。图6显示了第二个一分钟内在整风速6 m/s下的转速，从图6中可以看到在一分钟内转速随时间变化较强烈。图7中的深黑色信号为对应的一分钟内的WT噪声数据。

图6 第二个一分钟内整风速6 m/s下的转速曲线Fig.6 The rotating speed curve at 6 m/s in the second one-minute noise

图7 在整风速6 m/s下的第二个一分钟噪声数据经过重构的阶次分量Fig.7 The reconstructed order components of the one-minute noise at 6 m/s

使用IEC方法对图7中的原始噪声信号进行音调分析，计算得到的音调频率为 168，162，152，154，156，164 Hz，对应的音调级分别为 － 4.89，－ 1.33，7.25，6.46，4.43，7.09 dB，从中可知计算出的每个 10 s噪声的音调存在很大差异。第一个10 s噪声的音调频率与第三个的音调频率相差16 Hz，此外同组数据之间的音调级差距达到12.14。可见当转速变化很大时，相同风速下使用IEC方法评估出来的音调存在很大的不确定性，这种情况并不利于对WT噪声品质进行准确的评估。

图8 在整风速6 m/s下的第二个一分钟噪声数据的Gabor时频谱Fig.8 The Gabor time-frequency spectrum of the second one-minute noise data at 6 m/s

使用本文提出的改进方法分析同样的噪声信号，其Gabor时频分布如图8所示，提取出两个阶比分量，重构后的信号如图7所示，从图7中可以看到WT所产生的噪声已从背景噪声中分离出来了，其幅值和频率都随时间的变化而变化。然后根据图6中的转速曲线对其进行最优分割，图9是第二个分割段的功率谱。与图2相比较，图9中子段二的局部最大值(152 Hz处的谱峰)非常突出，且比周围谱线高出许多，而且其分贝数明显高于对应临界频带内的掩蔽噪声级6 dB以上，因此将该谱峰处对应的频率设置为初始音调频率确定无疑。由于图9的频谱是对去除背景噪声后的WT噪声进行的谱分析，因此无需再进行掩蔽噪声级的修正，也能判定该局部最大值即为音调频率。采用同样的方法对同一分钟数据中其他子段信号进行处理，并使用谱平面法计算出各组的音调频率分别为154，152，152，152，152 Hz，对应的音调级分别为 7.49，7.62，7.23，7.32 ，7.42，7.45 dB。从中可在相同整风速下6个子分割段信号的音调频率已被统一到几乎同一频率点上，计算出的音调级也相差不大，因此音调判定的不确定性在很大程度上得到了抑制。

图9 在整风速6 m/s下的第二个分割段WT噪声数据的频谱Fig.9 The frequency spectrum of the second segment noise at 6 m/s

5 结论

本文针对IEC风电机音调评估方法中的不足，提出了以下三点改进:

(1)将基于Gabor变换的阶比分量提取方法引入到WT背景噪声分离中，使得WT音调评估结果不受背景噪声的影响。

(2)使用基于转速曲线的最优分割方法代替一分钟噪声信号被平均划分的方法，在一定程度上抑制了FFT所引起的频率模糊现象，增加了音调辨识的准确性，所提方法也可被扩展用于分析旋转机械信号。由于最优分割可以减少子分割段的个数，因此计算时间也缩短了，这有助于增强WT噪声评估的实时性。

(3)基于谱平面法的音调识别既可避免对谱线进行复杂的分类，又可避免IEC方法中对音调频率进行预选择的主观性。因此，音调识别的整个过程得以简化并且分析结果更加统一。需要指出的是，该方法是将WT噪声等同于音频信号进行处理的，关于这两者之间的差异是否会导致不同的音调评估结果，还需要大量的实验数据进行验证。

实验分析结果证实了本文提出的改进的WT音调评估方法能保证WT音调分析的一致性和准确性。总之，本文提出了一种新的WT噪声音调评估分析方法，克服了IEC方法的不足，提高了WT噪声音调评估的有效性和准确性，具有很好的应用前景。

［1］Gipe P.Wind power，revised edition:renewable energy for home，farm，and business［M］.New York:Chelsea Green，2004.

［2］Herbert J，Iniyan S，Sreevalsan E，et al.A review of wind energy technologies［J］.GE Journal，2007，11(6):17－45.

［3］Bastasch M.Wind turbine noise-an overview［J］.Canadian Acoustics，2006，34(2):7 －15.

［4］International Electrotechnical Commission.IEC 61400－11:Wind turbine generator systems-Part 11:Acoustic noise measurementtechniques Ed. 2 ［S］. Switzerland:IEC，2006.

［5］Environmental noise assessment pubnico point wind farm，nova scotia submitted by howe gastmeier chapnik limited［N］.2006－8－23.

［6］Husky A，Meadors M.Wind turbine generator system acoustic noise［R］.Test report for Wisper H40 Wind Turbine，2001.

［7］Guo Y，Tan K K.Order-crossing removal in gabor order tracking by independent component analysis［J］.Journal of Sound and Vibration，2009，325(1 －2):471 －488..

［8］Fyfe K R ，Munck E D S.Analysis of computed order tracking［J］.Mechanical Systems and Signal Processing ，1997，11(2):187－205.

［9］郭 瑜，秦树人，汤宝平，等.基于瞬时频率估计的旋转机械阶比跟踪［J］.机械工程学报，2003，39(3):32 －36.

［10］Tobias V.Foundations of modern auditory theory［M］.New York:Academic Press，1970.

［11］湛金童，郭 立，朱 丽，等.MPEG-2AAC预测音调算法的改进［J］.通信技术，2003，142(10):1 －3.

［12］Bo L，Liu X F，He X X.Measurement system for wind turbinesnoises assessmentbased on LabVIEW ［J］.Measurement，2011，44(2):445－453.