基于运行数据的风电机组故障诊断与预测

基于运行数据的风电机组故障诊断与预测

发表时间：2019-11-08T10:31:20.630Z 来源：《电力设备》2019年第14期作者：张志晨

[导读] 摘要：多数设备的故障会经历一个发展过程信号采集即从量变到质变的过程。

(山西龙源风力发电有限公司山西省太原市 030006)

摘要：多数设备的故障会经历一个发展过程信号采集即从量变到质变的过程。在这个过程中信号采集分析设备的实时数据可以获得一些故障发生的征兆。如果能够识别出这些征兆信号采集就可以在故障发生之前做出反应信号采集提前明确检修方案信号采集妥善安排人力、物力信号采集减少因风电机组突然停机而造成的损失信号采集也避免了过度维修的情况。所以信号采集基于运行数据的风电机组故障诊断与预测具有重要的意义。

关键字：运行数据；风电机组；故障诊断；故障预测

1基于运行数据的风电机组故障诊断与预测的意义

(1) 基于运行数据的风电机组故障诊断与预测为风电场监控人员提供实时的机组运行状态信息信号采集有利于对机组进行故障诊断与预测。通过健康状态评价可以在故障发生前发现机组运行的异常状态信号采集及时做出相关反应信号采集避免因故障造成设备损坏、机组停机以及由此带来的重大经济损失。

(2) 基于运行数据的风电机组故障诊断与预测可以作为我国风电机组设计的参考信号采集能够给设计和制造人员反馈实际有用的信息信号采集使其进一步改进设计和制造工艺信号采集提高整个风机的工业制造水平。

另一方面基于运行数据对设备进行故障诊断与预测信号采集挖掘故障设备信号采集并对其进行故障关联因素分析信号采集建立故障预测模型信号采集达到在设备故障发生前及时发现故障征兆信号采集降低故障发生率的目的。

2基于运行数据的风电机组故障诊断与预测

2.1基于运行数据的风电机组故障诊断

（1）变频器故障诊断

变频器是风电机组故障高频的设备之一信号采集其故障造成机组长时间停机信号采集影响较大。

变频器内部电子器件极易受温度影响信号采集变频器工作环境温度变化较大时容易出现结露现象信号采集导致绝缘性大大降低信号采集可能引发短路事故信号采集变频器的工作环境温度最好不要低于-10°C信号采集不要超过40°C。超过变频器的正常工作温度范围会降低设备的使用寿命信号采集严重时会直接影响变频器的运行状态信号采集并且变频器温度过低引起的报警会造成风电机组长时间停机信号采集降低设备利用率。

通过对报警时刻之前的风电机组运行数据进行分析信号采集发现该风电机组变频器的低温报警并不是发生在风电机组运行期间。即使环境温度极低的情况下信号采集在风电机组正常运行过程中变频器温度始终能保持在正常工作范围内。当环境温度较低信号采集而风电机组正处停机状态时信号采集变频器温度受环境温度影响变大信号采集温度迅速降低信号采集发生变频器低温报瞥。因此信号采集变频器低温故障报警有两个条件:环境温度较低、风电机组停机。

变频器低温故障报警集中在冬季信号采集12月时尤其突出信号采集因此变频器低温报警受环境温度的影响信号采集与季节具有强相关性。变频器低温报警除了有季节性的规律外信号采集其报警时刻也有规律信号采集集中在晚8点至早8点间信号采集且变频器低温报警引起的停机时间较长。因此信号采集变频器低温故障报瞥具有季节性、时段性、停机时间长这三个特性。

（2）齿轮箱故障诊断

作为风电机组传动系统中的重要机械部件信号采集齿轮箱在风电机组的运行中起着关键的作用。齿轮箱又称作增速箱信号采集具有增速作用。

齿轮箱大多工作在高速度、重负荷、强冲击的环境下信号采集其故障发生的频率占比大信号采集产生的经济损失严重信号采集在对国内某风电机组故障进行分析时发现齿轮箱故障高信号采集因此对齿轮箱进行故障诊断与预测十分必要。对齿轮箱的故障进行诊断和有效预测可以及时预警齿轮箱故障隐患信号采集以便采取有效措施信号采集避免重大事故的发生信号采集减少风电机组因为齿轮箱故障而停机信号采集提高风电场的经济效益。

齿轮箱故障中齿轮箱油温过高的故障占比最大信号采集达到55%。齿轮箱油温过高严重影响了齿轮箱的正常工作信号采集成为衡量齿轮箱是否正常运行的重要指标。对齿轮箱油温过高的故障的报警时刻分布进行统计，齿轮箱油温过高报警具有季节性信号采集多出现在环境温度较高或大风的季节信号采集4-7月是齿轮箱油温过高故障的高发月。

2.2基于运行数据的风电机组故障预测

2.2.1基于运行数据的风电机组故障预测组成

（1）基本原理及故障预测策略

风能发电中的风电机组故障预测系统通常包含三个组成部分，分别为信号采集模块、远程监控诊断中心、风电场监控中心。当风能经过风电机组的叶片时，该能量就会通过传动系统传导到发电机组，从而完成风能向电能的转换。而在整个传动系统中由于机械结构复杂，载荷变化大，转速不稳定等原因，就会使得风电机组中的轴承和齿轮等部件发生较大的振动而影响整体的性能。

其基本的故障预测策略为：在每台风电机组上安装一些信号采集传感器，在经过一定的处理之后由网线或者无线网络发送到风场监控中心；此时该监控中心就可以实时显示风电机组中关键部件的振动情况，而该监控中心再通过服务器与远程监控诊断中心建立连接，对异常的风电机组进行故障诊断。

（2）信号采集模块

该模块在整个风电机故障预测系统中起着非常关键的作用，它可以对原始的振动信号进行采集、数字滤波和信号传输。该模块具有四路信号采集电路和对应的信号调整电路，当完成信号采集之后可以通过内部总线将其传送到下一个单元。其中信号采集电路主要为模数转换电路和测温电路；而信号调整电路可以对得到的数字信号进行数字滤波，并将其调制成差分信号以便于信号传输。

（3）风电场监控中心

该监控系统与可以对风电系统中的故障进行数据保存并分析，其主要包含设备管理、信号故障预测、数据存储分析和故障分析四个部

分。

设备管理。对于种类不同的风电机组，该系统可以计算出相应的振动频率参数并进行存储。

信号故障预测。该部分可以根据不同的情况远程调节信号采集通道的采样频率，同时可以利用时域波形图和频谱图来故障预测信号，并且在系统异常时可以起到报警作用。

数据存储分析。在风能发电系统中存在着几百台风机，所以故障预测的数据会很多，有时就不能及时对这些数据进行分析，此时就需要对这些数据先进行存储，然后再采用一定的手段对振动信号进行时域和频域分析。

故障预测。系统的故障预测采用的是数据模型方法，具体使用了自学习算法、粒子滤波算法和随机子空间等。其中，自学习算法是系统的主要算法，可以通过以往的数据来获取风电机组的振动参数，进而将其作为故障预测的参考标准。

（4）远程监控诊断中心

该中心可以根据现实的需求直接对风电机组故障预测与故障分析预测进行操控，这样就可以对风电机组不同部位的振动情况进行了解。同时，该系统也为总公司级别的设计人员了解风电机组的运行情况提供了方便，这样专业技术人员就可以远程对各个设备的运行情况进行分析诊断，大大提高了风电机组故障的处理速度。同时，由于风电机组是一个复杂的机械系统，要对其可能发生的故障进行预测，必须结合各种参数和以往的经验，而这些工作就需要专家在远程来实现。

2.2.2基于运行数据的风电机组故障预测

（1）信号分析

采集模块采集得到的振动信号是以时间为序列的，此时就可以提取信号中的振动峰值和频率等特征参数，再通过时域和频域的分析，来对风电机组的运行状态进行判断。在分析过程中，系统可以使用振动峰值、有效值、峰值因数和峭度系数等参数来判断齿轮箱等关键部位的运行状态。

（2）故障预测

在对风电机组的故障进行预测时，可以通过随机子空间的方法对采集到的振动信号进行分析，进而对风电机组可能发生的故障进行预测。基本思路如下：

首先建立风电机组中齿轮箱的随机状态空间模型；

汽车利用原先计算得到的稳态振动数据来推导出该模型中需要的参数，并以此作为齿轮箱线性动态系统的参考参数。当齿轮箱运行异常时，此时经过计算得到的数据就会与原先的参考参数发生偏差，此时就可以初步判断是齿轮箱发生了故障。

再次当初步确定风电机组发生故障的部件后，就需要安排维修人员进行现场检查并对可能损坏的部件进行更换维修，这样就可以做到早期的预警处理。

3结束语

随着我国风电事业的迅猛发展，相关企业对风电场设备的可利用率要求也越来越高，风电机组的故障诊断与预测成为当前研宄的热点。本文对基于运行数据的风电机组故障诊断与预测进行了研究。风电机组数据繁多，对风电机组状态监测和故障诊断与预测还有继续挖掘优化的地方。

参考文献：

[1]王斐斐.基于状态监测信息的风电机组齿轮箱故障预测研究[D].华北电力大学(保定)华北电力大学,2012.

[2]万杰.基于SCADA数据的风电机组运行状态评估方法研宄[D].华北电力大学,2014.