CN105738806A - 一种风力发电机组故障诊断系统和方法 - Google Patents

一种风力发电机组故障诊断系统和方法 Download PDF

Info

Publication number
CN105738806A
CN105738806A CN201610077410.5A CN201610077410A CN105738806A CN 105738806 A CN105738806 A CN 105738806A CN 201610077410 A CN201610077410 A CN 201610077410A CN 105738806 A CN105738806 A CN 105738806A
Authority
CN
China
Prior art keywords
noise signal
sound pressure
pressure level
generating set
wind power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610077410.5A
Other languages
English (en)
Other versions
CN105738806B (zh
Inventor
张彪
刘张辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Hannenghua Science & Technology Co Ltd
Original Assignee
Beijing Hannenghua Science & Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Hannenghua Science & Technology Co Ltd filed Critical Beijing Hannenghua Science & Technology Co Ltd
Priority to CN201610077410.5A priority Critical patent/CN105738806B/zh
Publication of CN105738806A publication Critical patent/CN105738806A/zh
Application granted granted Critical
Publication of CN105738806B publication Critical patent/CN105738806B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • G01R31/343—Testing dynamo-electric machines in operation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种风力发电机组故障诊断系统和方法。该系统包括：噪声采集单元和噪声处理单元；噪声采集单元，用于实时采集风力发电机组的机舱内的噪声信号；噪声处理单元，用于计算噪声信号的声压级和频谱特征，将噪声信号的声压级和频谱特征与风力发电机组在相同工况下的噪声信号的标准声压级和标准频谱特征对比，如果二者的差异超出预设范围，则判断风力发电机组发生故障。本发明通过将机舱内的噪声信号的声压级和频谱特征与风力发电机组在相同工况下的噪声信号的标准声压级和标准频谱特征对比，判断风力发电机组是否发生故障，不影响风力发电机组的正常工作，实现了故障的自动诊断，故障诊断及时、有效，用噪声信号作为数据来源，实现成本低。

Description

一种风力发电机组故障诊断系统和方法
技术领域
本发明涉及风力发电技术领域，特别涉及一种风力发电机组故障诊断系统和方法。
背景技术
近年来，随着风力发电技术的广泛使用，风力发电场的建设得到了快速发展。然而，风力发电场多处在偏远的地方，通讯及交通不便，风力发电机组的维护存在困难。风力发电机组包括多个部件，如齿轮箱、发电机、偏航系统等机电部位，以及电力变压器、变频器等电力电子器件，是风力发电系统的核心。由于风力发电场多建在空旷多风的地方，风力发电机组所处的环境严酷，极易发生故障，而现有的风力发电机组故障诊断主要依靠人力，且实现成本很高。
发明内容
鉴于现有存在的问题，提出了本发明的一种风力发电机组故障诊断系统和方法，以便克服上述问题或者至少部分地解决上述问题。
依据本发明的一个方面，提供了一种风力发电机组故障诊断系统，该系统包括：噪声采集单元和噪声处理单元；
所述噪声采集单元，用于实时采集风力发电机组的机舱内的噪声信号；
所述噪声处理单元，用于计算所述噪声信号的声压级和频谱特征，将所述噪声信号的声压级和频谱特征与所述风力发电机组在相同工况下的噪声信号的标准声压级和标准频谱特征进行对比，如果二者的差异超出预设范围，则判断所述风力发电机组发生故障。
可选地，所述噪声采集单元，用于分别采集风力发电机组的机舱内的各个部件产生的噪声信号，以及用于采集风力发电机组的机舱内的混合噪声信号；
所述噪声处理单元，用于分别计算所采集的各个部件产生的噪声信号的声压级和频谱特征，将所采集的各个部件产生的噪声信号的声压级和频谱特征与各个部件在相同工况下产生的噪声信号的标准声压级和标准频谱特征进行对比；如果二者的差异超出预设范围，则判断相应的部件发生故障；以及用于计算所采集的所述混合噪声的声压级，将所采集的所述混合噪声的声压级与在相同工况下风力发电机组的机舱内的混合噪声信号的标准声压级进行对比，如果二者的差异超出预设范围，则判断该风力发电机组发生故障。
可选地，该系统还包括：综合处理单元；
所述噪声处理单元，还用于将所述噪声信号以及所述噪声信号的声压级和频谱特征发送给所述综合处理单元；
所述综合处理单元，用于接收多个噪声处理单元发送的所述噪声信号的声压级和频谱特征；计算所接收的多个噪声信号的声压级和频谱特征的平均值，将所接收的各个噪声信号的声压级和频谱特征与所述噪声信号的声压级和频谱特征的平均值进行对比，如果二者的差异超出预设范围，则判断所述噪声信号对应的风力发电机组发生故障。
可选地，所述噪声采集单元包括一个或多个非接触定向式拾音器，和/或一个或多个接触式拾音器；以及包括一个或多个全向性拾音器；
其中，机舱内的一个部件产生的噪声信号利用一个或多个非接触定向式拾音器进行采集，或者利用一个或多个接触式拾音器进行采集；机舱内的混合噪声利用一个或多个全向性拾音器进行采集。
可选地，所述综合处理单元，还用于向所述噪声处理单元发送传输指令，以及接收所述噪声处理单元发送的噪声信号，并播放所述噪声信号；
所述噪声处理单元，还用于接收所述传输指令，向所述综合处理单元发送所述噪声信号。
依据本发明的另一个方面，提供了一种风力发电机组故障诊断方法，该方法包括：
实时采集风力发电机组的机舱内的噪声信号；
计算所述噪声信号的声压级和频谱特征，将所述噪声信号的声压级和频谱特征与所述风力发电机组在相同工况下的噪声信号的标准声压级和标准频谱特征进行对比，如果二者的差异超出预设范围，则判断所述风力发电机组发生故障。
可选地，所述实时采集风力发电机组的机舱内的噪声信号包括：
分别采集风力发电机组的机舱内的各个部件产生的噪声信号，以及采集风力发电机组的机舱内的混合噪声信号；
所述计算所述噪声信号的声压级和频谱特征，将所述噪声信号的声压级和频谱特征与所述风力发电机组在相同工况下的噪声信号的标准声压级和标准频谱特征进行对比，如果二者的差异超出预设范围，则判断所述风力发电机组发生故障包括：
分别计算所采集的各个部件产生的噪声信号的声压级和频谱特征，将所采集的各个部件产生的噪声信号的声压级和频谱特征与各个部件在相同工况下产生的噪声信号的标准声压级和标准频谱特征进行对比；如果二者的差异超出预设范围，则判断相应的部件发生故障；以及计算所采集的所述混合噪声的声压级，将所采集的所述混合噪声的声压级与在相同工况下风力发电机组的机舱内的混合噪声信号的标准声压级进行对比，如果二者的差异超出预设范围，则判断该风力发电机组发生故障。
可选地，该方法还包括：
计算多个风力发电机组的机舱内的噪声信号的声压级和频谱特征的平均值，将各个风力发电机组的噪声信号的声压级和频谱特征与所述噪声信号的声压级和频谱特征的平均值进行对比，如果二者的差异超出预设范围，则判断相应的风力发电机组发生故障。
可选地，利用一个或多个非接触定向式拾音器，或者一个或多个接触式拾音器采集机舱内的一个部件产生的噪声信号；
利用一个或多个全向性拾音器采集机舱内的混合噪声。
可选地，该方法还包括：
将所述噪声信号发送到远端，在远端进行播放供人工辨别。
综上所述，本发明的技术方案，通过实时采集风力发电机组的机舱内的噪声信号，计算获得该噪声信号的声压级和频谱特征，通过将获得的声压级和频谱特征与风力发电机组在相同工况下的噪声信号的标准声压级和标准频谱特征进行对比，判断风力发电机组是否发生故障，不影响风力发电机组的正常工作，能够实现风力发电机组故障的自动判断，节省人力，提高了故障诊断的及时性、有效性，而且采用噪声信号作为数据来源，实现成本低，节省开支。
附图说明
图1为本发明一个实施例提供的一种风力发电机组故障诊断系统示意图；
图2示出了风力发电机组的示意图；
图3示出了本发明另一个实施例提供的一种风力发电机组故障诊断系统示意图；
图4示出了本发明一个实施例提供的一种风力发电机组故障诊断方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
图1示出了一种风力发电机组故障诊断系统100，该系统100包括：噪声采集单元110和噪声处理单元120。
噪声采集单元110，用于实时采集风力发电机组的机舱内的噪声信号。
噪声处理单元120，用于计算噪声信号的声压级和频谱特征，将噪声信号的声压级和频谱特征与风力发电机组在相同工况下的噪声信号的标准声压级和标准频谱特征进行对比，如果二者的差异超出预设范围，则判断风力发电机组发生故障。
风力发电机组在运行中会有各种噪声产生，如齿轮箱、发电机、偏航系统等机电部位，还有电力变压器、变频器等电力电子器件。这些多噪声源产生噪声混叠在一起形成噪声污染，并且很强。对这些噪声的声压级进行监测和测量，以及进行频谱分析计算，能够提取出这些噪声源的状态特征，从而对风力发电机组的重要部件的故障诊断有评估和预测的辅助作用。
本发明的技术方案，通过实时采集风力发电机组的机舱内的噪声信号，计算获得该噪声信号的声压级和频谱特征，通过将获得的声压级和频谱特征与风力发电机组在相同工况下的噪声信号的标准声压级和标准频谱特征进行对比，判断风力发电机机舱是否发生故障，不影响风力发电机组的正常工作，能够实现风力发电机组故障的自动判断，节省人力，提高了故障诊断的及时性、有效性，而且采用噪声信号作为数据来源，实现成本低，节省开支。
优选地，对噪声信号的频谱特征的提取可以采用短时傅里叶变换，同时保留噪声信号的时域信息和频域信息，时域信息，如周期等可以用于确定转速等工况，频域信息可以用于判断故障。
在本发明的一个实施例中，噪声采集单元110，用于分别采集风力发电机组的机舱内的各个部件产生的噪声信号，以及用于采集风力发电机组的机舱内的混合噪声信号。
相应地，噪声处理单元120，用于分别计算所采集的各个部件产生的噪声信号的声压级和频谱特征，将所采集的各个部件产生的噪声信号的声压级和频谱特征与各个部件在相同工况下产生的噪声信号的标准声压级和标准频谱特征进行对比；如果二者的差异超出预设范围，则判断相应的部件发生故障；以及用于计算所采集的混合噪声的声压级，将所采集的混合噪声的声压级与在相同工况下风力发电机组的机舱内的混合噪声信号的标准声压级进行对比，如果二者的差异超出预设范围，则判断该风力发电机组发生故障。
其中，噪声采集单元110包括一个或多个非接触定向式拾音器，和/或一个或多个接触式拾音器；以及包括一个或多个全向性拾音器。机舱内的一个部件产生的噪声信号利用一个或多个非接触定向式拾音器进行采集，或者利用一个或多个接触式拾音器进行采集；机舱内的混合噪声利用一个或多个全向性拾音器进行采集。
本系统在易损部件位置均设置了拾音器采集点，对关注的每一个地方就需要设置一个或多个拾音器采集点，大的部件就需要多个拾音器采集噪声。非接触定向式拾音器，主要针对无外壳保护的旋转部件及无法实现布线采集的部件，如偏航齿轮、变桨轴承齿轮等，使用时将非接触定向式拾音器定向至被监测部件；接触式拾音器则直接布置在被监测的部件上，直接采集部件内部的声音，且可通过拾音器前端配置的隔音装置，有效地隔离外界的噪音，取得更好的噪声采集效果；机舱内的混合噪声采用全向拾音器采集，从总体上辅助判断风力发电机组故障情况。
本实施例中的风力发电机组故障诊断系统，对于机舱内的各个部件，能够通过其噪声信号的声压级和频谱特征与标准值的对比，判断该部件的故障，还能够检测出当前没有发生故障但是已经出现磨损等退化现象的部件，根据噪声信号的声压级和频谱特征与标准声压级和频谱特征的不同，将发生退化的部件视为发生故障，发现潜在的故障问题，提高故障预测能力。
图2示出了根据本发明一个实施例的风力发电机组的局部示意图。如图2所示，风力发电机组的核心部件包括：叶片210、主轴220、齿轮箱230、发电机240、配电柜250和偏航系统260。风力发电机组首先将风能通过多个叶片210转换成机械能，再借助主轴220、齿轮箱230等传动系统和发电机240将机械能转换为电能，从而实现风力发电。其中，叶片210是风力发电机组吸收风能的关键部件，长期露天工作在恶劣环境中，难以避免受到湿气腐蚀、阵风或雷击等因素的破坏以及长时间运行产生的疲劳裂纹等故障隐患；主轴220和齿轮箱230是连接叶片210与发电机240，实现风能转换和传递过程的主要承载部件，当风力发电机组遭遇阵风时，短暂而频繁的冲击载荷将从叶片210传递到主轴220和齿轮箱230，导致其中的轴承和齿轮发生磨损、点蚀、裂纹、表面剥落、断齿、齿面疲劳、胶合等故障；发电机240负责将机械能转换为电能并为电气系统供电，长期运行于变工况和电磁环境中，容易发生发电机振动过大、发电机过热、轴承过热、转子/定子线圈短路、转子断条以及绝缘损坏等故障。这些部件的故障都将导致风力发电机组的非正常运行。
基于噪声信号的声压级和频谱特征，不仅可以判断风力发电机组机舱内的各个部件是否发生故障，还可以判断出各个部件发生了何种故障，例如通过将各个部件的噪声信号的声压级和频谱特征与该部件的故障频谱特征相比对，判断机舱内的各个部件，包括齿轮箱、主轴系统、偏航系统、发电机和配电柜等发生了何种故障，如齿轮的齿面磨损、齿轮偏心、断齿或追逐齿等故障，电机的气隙不均或转子故障等电器故障，能够更全面、准确地确定风力发电机组的故障情况，进行故障诊断，便于维护人员根据故障类型确定维修方法。
图3示出了本发明另一个实施例的一种风力发电机组故障诊断系统300，该系统300包括：噪声采集单元310、噪声处理单元320和综合处理单元330。
图3所示的噪声采集单元310和噪声处理单元320具有与图1所示的噪声采集单元110和噪声处理单元120对应相同的功能，在此不再赘述。
噪声处理单元320，还用于将噪声信号以及噪声信号的声压级和频谱特征发送给综合处理单元330。
综合处理单元330，用于接收多个噪声处理单元320发送的噪声信号的声压级和频谱特征；计算所接收的多个噪声信号的声压级和频谱特征的平均值，将所接收的各个噪声信号的声压级和频谱特征与噪声信号的声压级和频谱特征的平均值进行对比，如果二者的差异超出预设范围，则判断噪声信号对应的风力发电机组发生故障。
对于一个测点，相同的风力发电机组应该有相近的噪声信号，根据采集、计算得到的多个风力发电机组的噪声信号的声压级和频谱特征，计算平均值，绘制噪声等值线和噪声分布图，可以在风力发电机组之间进行横向比较，近而确认故障点，比如一个风力发电场有33台风力发电机，如果其中一台的某个测点的噪声信号指标值明显不同于其它风力发电机，则可以确定此测点有故障。
优选地，噪声处理单元320设置在风力发电机组本地，综合处理单元330设置在远端的控制室，这样将噪声处理单元320处理得到的声压级、频谱特征和判断的故障结果发送至远端的综合处理单元330，可以减少传输的数据量，降低带宽成本，同时，噪声处理单元处320设置在风力发电机组本地还能缓解控制室的处理压力。
此外，综合处理单元330，还用于向噪声处理单元320发送传输指令，以及接收噪声处理单元320发送的噪声信号，并播放噪声信号。
噪声处理单元320，还用于接收传输指令，向综合处理单元330发送噪声信号。
在一些时候，需要利用人工听诊的方式确认风力发电机组的故障信息，本发明的故障诊断系统300还可以通过综合处理单元330切换工作模式，向噪声处理单元320发送传输指令，在该传输指令的控制下，噪声处理单元320将噪声信号高保真地发送给综合处理单元330，综合处理单元330能够接收并播放该噪声信号，供维护工作人员听诊，实现远程听诊，不需要工作人员赶赴风力发电场现场，听诊便捷，优选地，该噪声信号的传输采用风力发电场的光纤通讯环网实现，达到充分利用风力发电场的现有资源的目的。
图4示出了本发明一个实施例提供的一种风力发电机组故障诊断方法流程图，该方法包括：
步骤S410，实时采集风力发电机组的机舱内的噪声信号。
步骤S420，计算噪声信号的声压级和频谱特征，将噪声信号的声压级和频谱特征与风力发电机组在相同工况下的噪声信号的标准声压级和标准频谱特征进行对比，如果二者的差异超出预设范围，则判断风力发电机组发生故障。
图4示出的风力发电机组故障诊断方法，通过实时采集风力发电机组的机舱内的噪声信号，计算获得该噪声信号的声压级和频谱特征，通过将获得的声压级和频谱特征与风力发电机组在相同工况下的噪声信号的标准声压级和标准频谱特征进行对比，判断风力发电机机舱是否发生故障，不影响风力发电机组的正常工作，能够实现风力发电机组故障的自动判断，节省人力，提高了故障诊断的及时性、有效性，而且采用噪声信号作为数据来源，实现成本低，节省开支。
在本发明的一个实施例中，实时采集风力发电机组的机舱内的噪声信号具体包括：
分别采集风力发电机组的机舱内的各个部件产生的噪声信号，以及采集风力发电机组的机舱内的混合噪声信号。
计算噪声信号的声压级和频谱特征，将噪声信号的声压级和频谱特征与风力发电机组在相同工况下的噪声信号的标准声压级和标准频谱特征进行对比，如果二者的差异超出预设范围，则判断风力发电机组发生故障具体包括：
分别计算所采集的各个部件产生的噪声信号的声压级和频谱特征，将所采集的各个部件产生的噪声信号的声压级和频谱特征与各个部件在相同工况下产生的噪声信号的标准声压级和标准频谱特征进行对比；如果二者的差异超出预设范围，则判断相应的部件发生故障；以及计算所采集的混合噪声的声压级，将所采集的混合噪声的声压级与在相同工况下风力发电机组的机舱内的混合噪声信号的标准声压级进行对比，如果二者的差异超出预设范围，则判断该风力发电机组发生故障。
其中，对机舱内的一个部件产生的噪声信号，利用一个或多个非接触定向式拾音器，或者一个或多个接触式拾音器采集；对机舱内的混合噪声，利用一个或多个全向性拾音器采集。
本实施例中的风力发电机组故障诊断方法，对于机舱内的各个部件，能够通过其噪声信号的声压级和频谱特征与标准值的对比，判断该部件的故障，还能够检测出当前没有发生故障但是已经出现磨损等退化现象的部件，根据噪声信号的声压级和频谱特征与标准声压级和频谱特征的不同，将发生退化的部件视为发生故障，发现潜在的故障问题，提高故障预测能力。
基于噪声信号的声压级和频谱特征，不仅可以判断风力发电机组机舱内的各个部件是否发生故障，还可以判断出各个部件发生了何种故障，例如通过将各个部件的噪声信号的声压级和频谱特征与该部件的故障频谱特征相比对，判断机舱内的各个部件，包括齿轮箱、主轴系统、偏航系统、发电机和配电柜等发生了何种故障，如齿轮的齿面磨损、齿轮偏心、断齿或追逐齿等故障，电机的气隙不均或转子故障等电器故障，能够更全面、准确地确定风力发电机组的故障情况，进行故障诊断。
在本发明的一个实施例中，该方法还包括：
步骤S430，计算多个风力发电机组的机舱内的噪声信号的声压级和频谱特征的平均值，将各个风力发电机组的噪声信号的声压级和频谱特征与噪声信号的声压级和频谱特征的平均值进行对比，如果二者的差异超出预设范围，则判断相应的风力发电机组发生故障。
对于一个测点，相同的风力发电机组应该有相近的噪声信号，根据采集、计算得到的多个风力发电机组的噪声信号的声压级和频谱特征，计算平均值，绘制噪声等值线和噪声分布图，可以在风力发电机组之间进行横向比较，近而确认故障点，比如一个风力发电场有33台风力发电机，如果其中一台的某个测点的噪声信号指标值明显不同于其它风力发电机，则可以确定此测点有故障。
在本发明的一个实施例中，该方法还包括：
步骤S440，将噪声信号发送到远端，在远端进行播放供人工辨别。
在一些时候，如故障诊断困难或者存在异常，需要利用人工听诊的方式进一步确认风力发电机组的故障信息，此时将在现场采集到的噪声信号发送到远端的控制室，并在控制室播放供专业人员听诊使用，能够实现远程听诊，不需要工作人员赶赴风力发电场现场，听诊便捷，优选地，该噪声信号的传输采用风力发电场的光纤通讯环网实现，达到充分利用风力发电场的现有资源的目的。
综上所述，本发明的技术方案，通过实时采集风力发电机组的机舱内的噪声信号，计算获得该噪声信号的声压级和频谱特征，通过将获得的声压级和频谱特征与风力发电机组在相同工况下的噪声信号的标准声压级和标准频谱特征进行对比，判断风力发电机组是否发生故障，不影响风力发电机组的正常工作，能够实现风力发电机组故障的自动判断，节省人力，提高了故障诊断的及时性、有效性，而且采用噪声信号作为数据来源，实现成本低，节省开支；可以判断出机舱内各个部件的是否发生故障及发生何种故障，诊断更加全面、精确，便于维护人员针对不同的故障类型采取应对措施，提高维护效率；并且具有向远端传输播放噪声信号的功能，便于维护人员在远端听诊，减小了交通开支，提高了故障判断的准确性。
而且由于风力发电机机舱内部是高危环境，在风力发电机并网发电且风力达到一定程度的时候，出于对人员安全考虑，是不允许在机舱内部工作停留的，因此常常无法快速地判断出风力发电机组故障，导致影响风力发电机组维护甚至发生危险，而此时的噪声是最能表征故障的，本发明提供了一种有效的故障诊断系统和方法来应对这种情况，通过在线采集噪声进行故障诊断，可以在线自动诊断故障，也可以将噪声传输到远端供人工“听诊”，克服现有技术的不足。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种风力发电机组故障诊断系统，其特征在于，该系统包括：噪声采集单元和噪声处理单元；
所述噪声采集单元，用于实时采集风力发电机组的机舱内的噪声信号；
所述噪声处理单元，用于计算所述噪声信号的声压级和频谱特征，将所述噪声信号的声压级和频谱特征与所述风力发电机组在相同工况下的噪声信号的标准声压级和标准频谱特征进行对比，如果二者的差异超出预设范围，则判断所述风力发电机组发生故障。
2.如权利要求1所述的风力发电机组故障诊断系统，其特征在于，
所述噪声采集单元，用于分别采集风力发电机组的机舱内的各个部件产生的噪声信号，以及用于采集风力发电机组的机舱内的混合噪声信号；
所述噪声处理单元，用于分别计算所采集的各个部件产生的噪声信号的声压级和频谱特征，将所采集的各个部件产生的噪声信号的声压级和频谱特征与各个部件在相同工况下产生的噪声信号的标准声压级和标准频谱特征进行对比；如果二者的差异超出预设范围，则判断相应的部件发生故障；以及用于计算所采集的所述混合噪声的声压级，将所采集的所述混合噪声的声压级与在相同工况下风力发电机组的机舱内的混合噪声信号的标准声压级进行对比，如果二者的差异超出预设范围，则判断该风力发电机组发生故障。
3.如权利要求1所述的风力发电机组故障诊断系统，其特征在于，该系统还包括：综合处理单元；
所述噪声处理单元，还用于将所述噪声信号以及所述噪声信号的声压级和频谱特征发送给所述综合处理单元；
所述综合处理单元，用于接收多个噪声处理单元发送的所述噪声信号的声压级和频谱特征；计算所接收的多个噪声信号的声压级和频谱特征的平均值，将所接收的各个噪声信号的声压级和频谱特征与所述噪声信号的声压级和频谱特征的平均值进行对比，如果二者的差异超出预设范围，则判断所述噪声信号对应的风力发电机组发生故障。
4.如权利要求1所述的风力发电机组故障诊断系统，其特征在于，
所述噪声采集单元包括一个或多个非接触定向式拾音器，和/或一个或多个接触式拾音器；以及包括一个或多个全向性拾音器；
其中，机舱内的一个部件产生的噪声信号利用一个或多个非接触定向式拾音器进行采集，或者利用一个或多个接触式拾音器进行采集；机舱内的混合噪声利用一个或多个全向性拾音器进行采集。
5.如权利要求3所述的风力发电机组故障诊断系统，其特征在于，
所述综合处理单元，还用于向所述噪声处理单元发送传输指令，以及接收所述噪声处理单元发送的噪声信号，并播放所述噪声信号；
所述噪声处理单元，还用于接收所述传输指令，向所述综合处理单元发送所述噪声信号。
6.一种风力发电机组故障诊断方法，其特征在于，该方法包括：
实时采集风力发电机组的机舱内的噪声信号；
计算所述噪声信号的声压级和频谱特征，将所述噪声信号的声压级和频谱特征与所述风力发电机组在相同工况下的噪声信号的标准声压级和标准频谱特征进行对比，如果二者的差异超出预设范围，则判断所述风力发电机组发生故障。
7.如权利要求6所述的风力发电机组故障诊断方法，其特征在于，所述实时采集风力发电机组的机舱内的噪声信号包括：
分别采集风力发电机组的机舱内的各个部件产生的噪声信号，以及采集风力发电机组的机舱内的混合噪声信号；
所述计算所述噪声信号的声压级和频谱特征，将所述噪声信号的声压级和频谱特征与所述风力发电机组在相同工况下的噪声信号的标准声压级和标准频谱特征进行对比，如果二者的差异超出预设范围，则判断所述风力发电机组发生故障包括：
分别计算所采集的各个部件产生的噪声信号的声压级和频谱特征，将所采集的各个部件产生的噪声信号的声压级和频谱特征与各个部件在相同工况下产生的噪声信号的标准声压级和标准频谱特征进行对比；如果二者的差异超出预设范围，则判断相应的部件发生故障；以及计算所采集的所述混合噪声的声压级，将所采集的所述混合噪声的声压级与在相同工况下风力发电机组的机舱内的混合噪声信号的标准声压级进行对比，如果二者的差异超出预设范围，则判断该风力发电机组发生故障。
8.如权利要求6所述的风力发电机组故障诊断方法，其特征在于，该方法还包括：
计算多个风力发电机组的机舱内的噪声信号的声压级和频谱特征的平均值，将各个风力发电机组的噪声信号的声压级和频谱特征与所述噪声信号的声压级和频谱特征的平均值进行对比，如果二者的差异超出预设范围，则判断相应的风力发电机组发生故障。
9.如权利要求6所述的风力发电机组故障诊断方法，其特征在于，
利用一个或多个非接触定向式拾音器，或者一个或多个接触式拾音器采集机舱内的一个部件产生的噪声信号；
利用一个或多个全向性拾音器采集机舱内的混合噪声。
10.如权利要求6所述的风力发电机组故障诊断方法，其特征在于，该方法还包括：
将所述噪声信号发送到远端，在远端进行播放供人工辨别。
CN201610077410.5A 2016-02-03 2016-02-03 一种风力发电机组故障诊断系统和方法 Active CN105738806B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610077410.5A CN105738806B (zh) 2016-02-03 2016-02-03 一种风力发电机组故障诊断系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610077410.5A CN105738806B (zh) 2016-02-03 2016-02-03 一种风力发电机组故障诊断系统和方法

Publications (2)

Publication Number Publication Date
CN105738806A true CN105738806A (zh) 2016-07-06
CN105738806B CN105738806B (zh) 2019-02-19

Family

ID=56244895

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610077410.5A Active CN105738806B (zh) 2016-02-03 2016-02-03 一种风力发电机组故障诊断系统和方法

Country Status (1)

Country Link
CN (1) CN105738806B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106864364A (zh) * 2017-01-25 2017-06-20 上海蔚来汽车有限公司 基于噪声的车辆安全预警方法和系统
CN109144026A (zh) * 2018-06-28 2019-01-04 郑州轻工业学院 Eps控制器的故障检测方法及故障检测装置
CN109690279A (zh) * 2016-10-06 2019-04-26 株式会社神户制钢所 旋转机异常检测装置及其方法和旋转机
CN110186556A (zh) * 2019-06-05 2019-08-30 上汽大众汽车有限公司 一种新能源汽车电机台架试验噪声评价方法
CN110364179A (zh) * 2019-07-16 2019-10-22 武汉亚为电子科技有限公司 一种用于智能配电系统故障预测的音频谱分析方法及装置
CN110525922A (zh) * 2019-06-26 2019-12-03 江铃汽车股份有限公司 一种输送线简易润滑及电机监控装置
CN111456915A (zh) * 2020-03-30 2020-07-28 上海电气风电集团股份有限公司 风机机舱内部部件的故障诊断装置及方法
CN111456914A (zh) * 2020-03-23 2020-07-28 上海电气风电集团股份有限公司 风机机舱内部机械部件的监测系统和方法
CN112161700A (zh) * 2020-09-18 2021-01-01 安徽江淮汽车集团股份有限公司 车窗玻璃升降噪声排查方法及装置
CN113358355A (zh) * 2021-07-05 2021-09-07 山东智控达科技有限公司 一种游梁式抽油机轴承故障监测装置
CN115031829A (zh) * 2022-06-06 2022-09-09 扬芯科技(深圳)有限公司 一种产品噪音测试方法及系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112305418B (zh) * 2020-10-13 2021-09-28 江南大学 一种基于混合噪声双重滤波的电机系统故障诊断方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007116825A1 (ja) * 2006-03-31 2007-10-18 Pioneer Corporation 音圧特性測定装置
CN101614584A (zh) * 2009-07-17 2009-12-30 深圳大学 一种基于数字信号处理的噪声测量系统及方法
CN102494894A (zh) * 2011-11-17 2012-06-13 高丙团 风力发电机组音频监测和故障诊断系统及其方法
CN103344323A (zh) * 2013-06-09 2013-10-09 浙江大学 基于声调控技术的风电机组噪声掩蔽方法及装置
CN104034411A (zh) * 2013-03-04 2014-09-10 中国科学院声学研究所 一种风电机组噪声分布式测量系统
CN104677623A (zh) * 2015-03-16 2015-06-03 西安交通大学 一种风力发电机叶片故障在位声学诊断方法及监测系统
CN105136435A (zh) * 2015-07-15 2015-12-09 北京汉能华科技股份有限公司 一种风力发电机组叶片故障诊断的方法和装置
CN105179179A (zh) * 2015-07-15 2015-12-23 北京汉能华科技股份有限公司 一种风力发电机组的全状态监测方法和系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007116825A1 (ja) * 2006-03-31 2007-10-18 Pioneer Corporation 音圧特性測定装置
CN101614584A (zh) * 2009-07-17 2009-12-30 深圳大学 一种基于数字信号处理的噪声测量系统及方法
CN102494894A (zh) * 2011-11-17 2012-06-13 高丙团 风力发电机组音频监测和故障诊断系统及其方法
CN104034411A (zh) * 2013-03-04 2014-09-10 中国科学院声学研究所 一种风电机组噪声分布式测量系统
CN103344323A (zh) * 2013-06-09 2013-10-09 浙江大学 基于声调控技术的风电机组噪声掩蔽方法及装置
CN104677623A (zh) * 2015-03-16 2015-06-03 西安交通大学 一种风力发电机叶片故障在位声学诊断方法及监测系统
CN105136435A (zh) * 2015-07-15 2015-12-09 北京汉能华科技股份有限公司 一种风力发电机组叶片故障诊断的方法和装置
CN105179179A (zh) * 2015-07-15 2015-12-23 北京汉能华科技股份有限公司 一种风力发电机组的全状态监测方法和系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
WILLIAM K.PRATT: "《数字图像处理》", 31 March 2010 *
冯锡生，等: "《短波通信电路设计》", 31 March 1990 *
方琳，等: "通过控制机舱噪声降低风电场噪声影响", 《中国环境科学》 *
祝海林: "《机械工程测试技术》", 31 August 2012 *
程静，等: "风电机组噪声检测及故障诊断研究", 《自动化仪表》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109690279A (zh) * 2016-10-06 2019-04-26 株式会社神户制钢所 旋转机异常检测装置及其方法和旋转机
US11143632B2 (en) 2016-10-06 2021-10-12 Kobe Steel, Ltd. Rotating machine abnormality detection device and method, and rotating machine
CN106864364A (zh) * 2017-01-25 2017-06-20 上海蔚来汽车有限公司 基于噪声的车辆安全预警方法和系统
CN109144026A (zh) * 2018-06-28 2019-01-04 郑州轻工业学院 Eps控制器的故障检测方法及故障检测装置
CN110186556B (zh) * 2019-06-05 2021-04-02 上汽大众汽车有限公司 一种新能源汽车电机台架试验噪声评价方法
CN110186556A (zh) * 2019-06-05 2019-08-30 上汽大众汽车有限公司 一种新能源汽车电机台架试验噪声评价方法
CN110525922A (zh) * 2019-06-26 2019-12-03 江铃汽车股份有限公司 一种输送线简易润滑及电机监控装置
CN110364179A (zh) * 2019-07-16 2019-10-22 武汉亚为电子科技有限公司 一种用于智能配电系统故障预测的音频谱分析方法及装置
CN111456914A (zh) * 2020-03-23 2020-07-28 上海电气风电集团股份有限公司 风机机舱内部机械部件的监测系统和方法
CN111456915A (zh) * 2020-03-30 2020-07-28 上海电气风电集团股份有限公司 风机机舱内部部件的故障诊断装置及方法
CN112161700A (zh) * 2020-09-18 2021-01-01 安徽江淮汽车集团股份有限公司 车窗玻璃升降噪声排查方法及装置
CN113358355A (zh) * 2021-07-05 2021-09-07 山东智控达科技有限公司 一种游梁式抽油机轴承故障监测装置
CN115031829A (zh) * 2022-06-06 2022-09-09 扬芯科技(深圳)有限公司 一种产品噪音测试方法及系统

Also Published As

Publication number Publication date
CN105738806B (zh) 2019-02-19

Similar Documents

Publication Publication Date Title
CN105738806A (zh) 一种风力发电机组故障诊断系统和方法
Amirat et al. A brief status on condition monitoring and fault diagnosis in wind energy conversion systems
CN105179179B (zh) 一种风力发电机组的全状态监测方法和系统
US7677869B2 (en) Monitoring and data processing equipment for wind turbines and predictive maintenance system for wind power stations
CN104730081B (zh) 一种用于风电桨叶的故障检测系统
CN102200186A (zh) 风力发电机组齿轮箱远程在线状态监测与故障诊断系统
EP1531376A1 (en) Monitoring and data processing equipment for wind turbines and predictive maintenance system for wind power stations
CN102434387A (zh) 风机检测诊断系统
CN103809556A (zh) 风机状态监控系统和方法
CN112324629A (zh) 一种基于振动和声音的风电叶片早期损伤监测系统及方法
CN105136435A (zh) 一种风力发电机组叶片故障诊断的方法和装置
WO2018139505A1 (ja) 状態監視システム、状態監視方法、状態監視プログラム、及び記録媒体
JP6979620B2 (ja) 発電設備監視システム、発電設備監視方法、及びプログラム
CA2891326A1 (en) Early detection of wind turbine degradation using acoustical monitoring
CN202793793U (zh) 大型风力机组轴承故障诊断系统
Jun et al. An overview of condition monitoring and fault diagnostic for wind energy conversion system
CN102914359A (zh) 风力发电机振动监测装置及监测方法
KR100823124B1 (ko) 풍력 발전 장치의 나셀 제어회로
CN108278184A (zh) 基于经验模态分解的风电机组叶轮不平衡监测方法
CN203117391U (zh) 一种风力发电机状态监控与智能分析系统
CN108301987B (zh) 基于电气参量的风电机组传动轴系在线观测系统
CN202453182U (zh) 一种风电机组齿轮箱故障诊断装置
CN204166347U (zh) 风力发电机组监控系统
CN106523297A (zh) 一种节能风力发电机组监测装置
Saidi et al. Wind turbine high-speed shaft bearing degradation analysis for run-to-failure testing using spectral kurtosis

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant