1、 2013年7月(下摘要隨著我國現代化和經濟化的發展,風力發電系統也形成一套擁有先進技術的運行要求、故障診斷系統以及狀態監測系統,這套技術的工作原理是利用風力發電機組中郵箱齒輪的振動信號進行實際信號測量來充當信號源,通過微處理嵌入式設備來對信號進行分析,此外,該技術還可以對風力發電機組進行振動狀態的實時更新和在線監測,并安裝了音頻和視頻兩大功能,保證了監控的完整性,從而實現了人對機組的實時監控、全面監控、遠程監控以及運行狀態監控。文章主要介紹了風力發電機組振動狀態監測以及故障診斷。關鍵詞風力發電機組;故障診斷;狀態監測;振動監控風力發電機組振動狀態監測與故障診斷李騰呂躍剛(華北電力大學控制與計

2、算機工程學院,北京市102206隨著我國用電水平以及風能發展的整體增高,越來越多的廠商開始注意大型風力發電機組設備所帶來的經濟效益,為了能使風力發電機組效率提升,廠商便轉向加大設備,使得塔架越來越高、葉片越來越大,整體風機的體積越來越龐大。風機設備的加大雖然提升了經濟效益,但是卻讓風力發電機組的可靠性和穩定性遭到了破壞,這是因為體積的加大使得風機承受高空的受風力和目標都越來越清晰,從而造成風機出現控制系統、葉片、發電機以及齒輪箱等設備的故障。故障的產生非常容易出現運行停止、影響發電等致命危害,不僅使經濟效益遭受到巨大打擊,還使工作人員和周邊地區遭受到巨大損失。1風力發電機組振動狀態監測1.1風

3、力發電機組振動假設某地方的風力發電機組因為風速而導致風機的停機、振動報警,并出現事故,而引起故障的風速范圍在10米每秒至14米每秒之間。風力發電機組的停機雖然有效地阻止了事故擴大化,有效進行了風機設備的保護,但是振動所引發的持續性報警則導致風力發電機組的發電量以及正常運行變得越來越慢,最終給投資者帶來致命的損失。風速范圍在10米每秒至14米每秒之間是最能產生電能的速度,而事故的發生使得風機的發電數量明顯下降。通過對事故現場的檢測以及監控數據的收集,直接否定了因為風力發電機組自身質量問題所引起的可能。當添加一個數字濾波器,并進行調校,發現風力發電機組進行預處理于發電機的信號和轉速,處理完成后的信

4、號代替了轉速,并取得了回路輸入的控制,從而解決了發生的問題。1.2原因的查找風力發電機組振動狀態下的報警是因為接觸到了振動傳感器所引起的信號報警。發生事故時,通過對監控數據的收集發現,當變漿角度的范圍在5度至11度之間,引發報警的產生率為89%,當轉速的范圍在1500圈每分鐘至1650圈每分鐘,引發報警的產生率為94%,當功率的范圍在830千瓦至865千瓦之間,引發報警的產生率為94%。這三種情況是最容易出現故障的,所以需要對這三種情況進行逐項的排查、分析和調查。1對傳感器進行逐項的排查、分析、校準和調查,這樣可以避免誤報警現象的發生,調查顯示的結果為正常,同時進行風力發電機組中振動傳感器的更

5、換,顯示的結果為發生報警,所以否定了振動傳感器的自身問題。2對每個葉片的質量、生產記錄、控制、文件以及履歷本進行逐項的排查、分析、校準和調查,調查顯示的結果為正常,所以否定了葉片自身的質量問題。對所有葉片采取數據采集系統來隨機進行專業的平衡檢查和重量檢查,顯示的結果為風力發電機組符合生產規范、生產設計以及生產質量,所以否定了葉片平衡和葉片重量的問題。此外,在進行全面的排查、分析、校準和調查時,葉片的實際安裝位置與設計安裝位置是一樣的,所以否定了葉片角度以及葉片安裝的問題。3對所有經過塔筒基礎段和塔筒本體的控制文件、生產紀律以及質量文件進行檢查,調查顯示的結果為否定塔筒自身存在的質量問題,此外,

6、發現了塔筒基礎環與塔筒底部法蘭之間存在安裝間隙,但間隙的大小不超過0.05毫米,所以塔筒符合規范。4對所有風力發電機組進行控制系統和系統程序的檢查,為了保證控制系統和系統程序的正確性,使用三種程序軟件來進行檢查,調查顯示的結果為三種程序軟件都為正常。5對風力發電機組中所有風機中隨機抽出14臺來執行功率限制的操作,現實的結果為正常,風機沒有因為功率被限制而在同樣風速下產生振動報警。6對風力發電機組中所有風機中隨機抽出2臺來執行基礎覆土的開挖,并檢測風力發電機組的振動是否讓基礎混凝體出現了裂紋,對混凝土使用強度回彈儀來進行檢測,調查的結果為正常,否定了風力發電機組基礎施工的質量問題。2風力發電機組

7、振動故障診斷2.1特征的提取特征的提取可以有效對振動信號進行處理和分析,并在第一時間對特征自身所具有的參數信息進行提取,它在風力發電機組中對故障診斷起到決定性作用,是故障診斷的核心。在進行振動信號分析時,前期一般采用的分析方法是時域參數法,而時域參數法一般是通過平均值、歪度指標、有效值、裕度指標、峰峰值、峭度指標、波峰因子以及脈沖指標等參數來進行時域診斷。這種分析法雖然簡單易懂,但是不能較為準確的判斷出故障發生位置,此外,現在的風力發電機組里常常包含干擾信號,這就導致時域分析法的結果不準確,目前我國對時域分析法利用的比較少。在進行振動信號分析時,現在一般采用的分析方法是頻譜分析振動信號法,這種

8、方法可以把發生故障的絕大部分提取出來,是最基礎的故障診斷法,當出現風機設備中齒輪或者軸承的振動故障,可以采用頻譜分析振動信號法,這是因為軸承的參數類型以及軸的旋轉速度是由振動頻率來決定的。頻譜分析振動信號法主要包括細化譜、相位譜、倒頻譜、幅值譜、包絡譜以及自功率譜等,其中自功率譜不僅可以進行風力發電機組的旋轉機械不對中等的故障特征提取,還可以進行動靜摩擦部分和風機質量不平衡的故障特征提取。2.2風力發電機組振動故障診斷法風力發電機組振動故障診斷法是利用特征提取來進行設備表征運行狀態的參數分析,并把故障診斷法套用到參數里,從而可以判斷出風力發電機組的運行是否在正常范圍內。故障診斷法有很多種,比較常用的有支持向量技術、專家系統以及神經網絡技術等,這些方法雖然準確率高、穩定性好,但是必須要具有故障信息比較完整的數據庫,此外,還有通過多種診斷技術來進行結果相結合的方法,比較常用的有專家系統基于模糊推理、故障樹基于模糊集、人工神經網絡基于模糊集、小波神經網絡以及神經網絡自模糊組織等。參考文獻1王瑞闖,林富洪.風力發電機在線監測與診斷系統研究J