CN107061186B - 风力发电机组振动异常预警方法和装置 - Google Patents
风力发电机组振动异常预警方法和装置 Download PDFInfo
- Publication number
- CN107061186B CN107061186B CN201710432162.6A CN201710432162A CN107061186B CN 107061186 B CN107061186 B CN 107061186B CN 201710432162 A CN201710432162 A CN 201710432162A CN 107061186 B CN107061186 B CN 107061186B
- Authority
- CN
- China
- Prior art keywords
- generating set
- vibration
- wind
- early warning
- data
- 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.)
- Active
Links
Landscapes
- Wind Motors (AREA)
Abstract
提供一种风力发电机组振动异常预警方法和装置，所述风力发电机组振动异常预警方法包括：获取风力发电机组的用于预警分析的运行数据；将所述运行数据变换到频域数据，并将变换后的运行数据划分为多个频段的频域数据；分别针对所述多个频段中的每个频段的频域数据，确定是否存在报警点；基于存在的报警点所处的频段确定风力发电机组的振动异常类型。采用本发明示例性实施例的风力发电机组振动异常预警方法和装置，能够根据采集的风力发电机组的振动数据分析发电机的振动异常原因，从而避免现场工作人员通过攀爬风力发电机来确定其发生异常原因，提高了对发电机检修的安全性。
Description
技术领域
本发明总体说来涉及风力发电技术领域，更具体地讲，涉及一种风力发电机组振动异常预警方法和装置。
背景技术
风力发电机组一般设置于偏远的风电场，而发电机是风力发电机组的核心贵重大部件，其运行的可靠性、稳定性至关重要。为使设备能够安全、稳定、长周期、满负荷运行，需及时了解设备的运行状态、预防故障、杜绝事故、延长设备运行周期、缩短维修时间、最大发掘设备生产潜力以及及时防患，对风力发电机安全、稳定、不定周期、不断变化载荷的运行工况及时的把控。
在长期运行中，由于风电场的特殊地理位置、运行环境，加之问题的隐蔽性，现场工作人员难以及时的发现发电机在发电过程中出现的非故障性隐患、不明显的异常振动、电磁噪声等机组问题。目前，常规的发电机内部电磁异响主要依靠人登高到机舱内部在机组运行过程中进行耳听判断的方式，或者利用传统的转动设备听诊器(听针)进行听诊。然而一般的风电场运行规程中规定现场工作人员是不允许在机组运行过程中处于高空中作业的，且不允许在超过平均风速12米/秒的风速下在轮毂中作业和不允许在平均风速为15米/秒时在机舱内作业的。在这种情况下，风力发电机组如果出现了异常振动、异响或轴承磨损等问题，只能依靠现场工作人员进行攀爬风力发电机进行巡检，存在非常大的安全隐患。
发明内容
本发明的示例性实施例的目的在于提供一种风力发电机组振动异常预警方法和装置，能够根据采集的风力发电机组的振动数据分析出发电机的振动异常类型，以解决现有的需要现场工作人员通过攀爬风力发电机来确定发电机振动异常原因从而导致存在较高安全隐患的问题。
根据本发明示例性实施例的一方面，提供一种风力发电机组振动异常预警方法，其特征在于，包括：获取风力发电机组的用于预警分析的运行数据；将所述运行数据变换到频域数据，并将变换后的运行数据划分为多个频段的频域数据；分别针对所述多个频段中的每个频段的频域数据，确定是否存在报警点；基于存在的报警点所处的频段确定风力发电机组的振动异常类型。
可选地，获取风力发电机组的用于预警分析的运行数据的步骤可包括：获取风力发电组的运行数据；从所述运行数据中选取满足预定要求的运行数据作为用于预警分析的运行数据。
可选地，所述预定要求可基于风力发电机组的最大转速和转速的极距来确定。
可选地，分别针对所述多个频段中的每个频段的频域数据，确定是否存在报警点的步骤可包括：确定当前频段的频域数据的振幅参数；将所述振幅参数和与当前频段对应的报警阈值进行比较；当所述振幅参数大于等于与当前频段对应的报警阈值时，将所述振幅参数所对应的频点确定为报警点。
可选地，不同频段所对应的报警阈值可不同。
可选地，所述振幅参数可包括频段内的最大振幅值或频段内的峰值比，所述报警阈值可预先确定，其中，所述峰值比可指频段内的最大振幅值与所述频段内所有振幅值的平均值的比值。
可选地，风力发电机组的振动异常类型可包括发电机内部存在异响和发电机存在振动异常。
可选地，基于存在的报警点所处的频段确定风力发电机组的振动异常类型的步骤可包括：统计所有报警点的数量；当报警点的数量大于等于预定数量时，计算每个报警点处的相关系数；当所有报警点处的相关系数均大于等于预定值时，确定发电机内部存在异响。
可选地，报警点处的相关系数可指报警点对应的风机参数和与所述报警点对应的频点的相关系数，其中，所述风机参数可包括与报警点对应的风力发电机组的功率和风力发电机组的转速之一，或者，当每个报警点均处于预定频段范围内时，所述风机参数可为与报警点对应的风力发电机组的振幅。
可选地，基于存在的报警点所处的频段确定风力发电机组的振动异常类型的步骤可包括：根据报警点所处的频段，结合与风力发电机组相关的特定参数确定发电机存在振动异常以及导致振动异常的原因。
可选地，风力发电机组相关的特定参数可包括以下任意参数的组合：风力发电机组的振幅值、最大风速、最小功率、最大功率、最小转速、最大转速。
可选地，所述用于预警分析的运行数据可包括风力发电机组第一预定方向的振动数据和第二预定方向的振动数据，其中，将所述运行数据变换到频域数据的步骤可包括：分别将第一预定方向的振动数据和第二预定方向的振动数据分别变换到频域数据。
可选地，第一预定方向可指从风力发电机组的头部至尾部的方向，第二预定方向可指与风向垂直的方向。
可选地，所述运行数据可为预定时间段内或数据量小于预定值的数据。
根据本发明示例性实施例的另一方面，提供一种风力发电机组振动异常预警装置，其特征在于，包括：数据获取程序模块，获取风力发电机组的用于预警分析的运行数据；划分程序模块，将所述运行数据变换到频域数据，并将变换后的运行数据划分为多个频段的频域数据；报警点程序模块，分别针对所述多个频段中的每个频段的频域数据，确定是否存在报警点；预警程序模块，基于存在的报警点所处的频段确定风力发电机组的振动异常类型。
可选地，数据获取程序模块可获取风力发电组的运行数据，从所述运行数据中选取满足预定要求的运行数据作为用于预警分析的运行数据。
可选地，所述预定要求可基于风力发电机组的最大转速和转速的极距来确定。
可选地，报警点程序模块确定可当前频段的频域数据的振幅参数，将所述振幅参数和与当前频段对应的报警阈值进行比较，当所述振幅参数大于等于与当前频段对应的报警阈值时，将所述振幅参数所对应的频点确定为报警点。
可选地，不同频段所对应的报警阈值可不同。
可选地，所述振幅参数可包括频段内的最大振幅值或频段内的峰值比，所述报警阈值可根据经验值预先确定，其中，所述峰值比可指频段内的最大振幅值与所述频段内所有振幅值的平均值的比值。
可选地，风力发电机组的振动异常类型可包括发电机内部存在异响和发电机存在振动异常。
可选地，预警程序模块可包括：统计子模块，统计所有报警点的数量；计算子模块，当报警点的数量大于等于预定数量时，计算每个报警点处的相关系数；异响确定子模块，当所有报警点处的相关系数均大于等于预定值时，确定发电机内部存在异响。
可选地，报警点处的相关系数可指报警点对应的风机参数和与所述报警点对应的频点的相关系数，其中，所述风机参数可包括与报警点对应的风力发电机组的功率和风力发电机组的转速之一，或者，当每个报警点均处于预定频段范围内时，所述风机参数可为与报警点对应的风力发电机组的振幅。
可选地，预警程序模块可根据报警点所处的频段，结合与风力发电机组相关的特定参数确定发电机存在振动异常以及导致振动异常的原因。
可选地，风力发电机组相关的特定参数可包括以下任意参数的组合：风力发电机组的振幅值、最大风速、最小功率、最大功率、最小转速、最大转速。
可选地，所述运行数据可包括风力发电机组第一预定方向的振动数据和第二预定方向的振动数据，其中，划分程序模块可分别将第一预定方向的振动数据和第二预定方向的振动数据分别变换到频域数据。
可选地，第一预定方向可指从风力发电机组的头部至尾部的方向，第二预定方向可指与风向垂直的方向。
可选地，所述运行数据可为预定时间段内或数据量小于预定值的数据。
根据本发明示例性实施例的再一方面，提供一种计算机可读存储介质，存储有当被处理器执行时使得处理器执行上述的风力发电机组振动异常预警方法的程序指令。
根据本发明示例性实施例的再一方面，提供一种计算装置，包括：处理器；存储器，用于存储当被处理器执行使得处理器执行上述的风力发电机组振动异常预警方法的程序指令。
采用本发明示例性实施例的上述风力发电机组振动异常预警方法和装置，能够根据采集的风力发电机组的振动数据分析发电机的振动异常类型，从而避免现场工作人员通过攀爬风力发电机来确定其振动异常原因，提高了对发电机检修的安全性。
附图说明
通过下面结合示例性地示出实施例的附图进行的详细描述，本发明示例性实施例的上述和其它目的、特点和优点将会变得更加清楚，其特征在于：
图1示出根据本发明示例性实施例的风力发电机组振动异常预警方法的流程图；
图2示出根据本发明示例性实施例的确定当前频段是否存在报警点的步骤的流程图；
图3示出根据本发明示例性实施例的确定发电机内部存在异响的步骤的流程图；
图4和图5分别示出根据本发明示例性实施例的某风场的振动频谱第一示例图和第二示例图；
图6示出根据本发明示例性实施例的判断报警点对应的功率和频点是否呈线性相关的示意图。
图7示出根据本发明示例性实施例的风力发电机组振动异常预警装置的结构框图；
图8示出根据本发明示例性实施例的图7所示的预警程序模块的结构框图。
具体实施方式
现在，将参照附图更充分地描述不同的示例实施例，其特征在于，一些示例性实施例在附图中示出。
图1示出根据本发明示例性实施例的风力发电机组振动异常预警方法的流程图。
参照图1，在步骤S10中，获取风力发电机组的用于预警分析的运行数据。
可选择地，可通过以下四种方式来获取风力发电机组的运行数据。
第一种方式：利用PLC(可编程逻辑控制器)在风力发电机组故障时记录的故障数据，数据的采样频率为50HZ。该故障数据的产生是当风力发电机组进入运行发电状态中发生故障而记录的故障数据，作为示例，该故障数据可包括故障前90秒和故障后30秒的数据，这里可利用该故障数据中的故障前90秒的数据进行后续计算，即，在风力发电机组故障前的运行数据作为进行后续计算的数据。
第二种方式：将PLC自动存储的数据中满足以下设置条件的数据作为风力发电机组的运行数据，例如，设置条件可如下：风力发电机组的运行环境出现高湍流强度、大风速(8米/秒以上)时、风力发电机组功率突降、故障停机、风力发电机组出现耦合振动。
这里，湍流强度(turbulence intensity，也可简称为湍流度或湍强)，是湍流强度涨落标准差和平均速度的比值，是衡量湍流强弱的相对指标，是描述风速随时间和空间变化的程度，反映脉动风速的相对强度，是描述大气湍流运动特性的最重要的特征量。
例如，湍流强度可等于湍流脉动速度与平均速度的比值，也可等于0.16与按水力直径计算得到的雷诺数的负八分之一次方的乘积。
作为示例，湍流强度I可按下式计算：
I＝0.16×(re)-1/8 (1)
公式(1)中，I为湍流强度，re为雷诺数。一般来说，其判定方法可为小于1％为低湍流强度，高于10％为高湍流强度。应理解，上述针对湍流强度的划分标准仅为示例，本领域技术人员可根据需要自行定义低湍流强度与高湍流强度的划分标准。
第三种方式：风力发电机组自带的振动传感器(如设置在机舱的控制柜内或塔的顶端的振动传感器)采集的数据或者风力发电机组增设的振动传感器(如设置在机舱平台、发电机本体、发电机轴承上的振动传感器)采集的数据，数据的采样频率为50HZ，数据的采集周期为预定时间(如90秒)。
第四种方式：当有完善的数据平台时，可直接读取数据库或云平台中的数据作为风力发电机组的运行数据。
应理解，利用上述四种方式所获取的风力发电机组的运行数据并不能够全部用于预警分析，需对获取的运行数据进行筛选，符合要求的运行数据可用于预警分析以确定风力发电机组的振动异常类型。
优选地，获取风力发电机组的用于预警分析的运行数据的步骤可包括：获取风力发电组的运行数据，从该运行数据中选取满足预定要求的运行数据作为用于预警分析的运行数据。
例如，上述预定要求可基于风力发电机组的最大转速和转速的极距来确定，优选地，选取的用于预警分析的运行数据还应保持完整(指运行数据中包含用于确定风力发电机组的振动异常类型的风力发电机组的相关数据)，并去除掉了风力发电机组的运行数据中的数字量。作为示例，该预定要求可指风力发电机组的最大转速不小于9转/分，转速的极距不大于17转/分，这样设置的目的是为了确保获取的用于预警分析的运行数据中包含风力发电机组运行发电状态的数据。
优选地，风力发电机组的用于预警分析的运行数据可为PLC短时数据(short_timedata)，例如，用于预警分析的运行数据可指预定时间段内或数据量小于预定值的数据。作为示例，在本发明示例性实施例中采用的PLC短时数据是指采样频率为50HZ、采集时间不超过预定时间(例如，2分钟)的文件数据，或者采样频率较大但数据量不超过预定数目(例如，10000条)数据量的文件数据，即，PLC短时数据可特指一个独立的数据文件确定的时间较短或数据量较小的数据，这里指的是风力发电机组的PLC自身可采集记录的小数据。
这里，获取的风力发电机组的运行数据可包括风力发电机组第一预定方向的振动数据和第二预定方向的振动数据。作为示例，第一预定方向可指从风力发电机组的头部至尾部的方向，第二预定方向是指与风向垂直的方向(例如，现场工作人员站在下风向，面向机头，现场工作人员的左右方向可定义为第二预定方向)。
例如，可利用风力发电机组现有的设置在机舱的控制柜内或塔的顶端的振动传感器采集风力发电机组第一预定方向的振动数据和第二预定方向的振动数据，或者也可利用设置在机舱平台、发电机本体、发电机轴承上的振动传感器采集风力发电机组第一预定方向的振动数据和第二预定方向的振动数据。
在步骤S20中，将风力发电机组的用于预警分析的运行数据变换到频域数据，并将变换后的运行数据划分为多个频段的频域数据。
随着风力发电机组故障的发生、发展，机组的信号频率结构也发生变化。如发电机轴承滚道上存在磨损或腐蚀点则会引起周期性的冲击，在信号频域中就会出现相应的频率成分，风力发电机组发生不平衡故障时，振动信号频域中也会有相应的异常频率成分表现。采用频谱分析的目的是把复杂的时间历程波形经傅里叶变换分解为若干单一的谐波分量来研究，以获得信号的频率结构以及各谐波的幅值(或相位)等信息。
这里，可利用现有的各种方法来将运行数据变换到频域数据，本领域技术人员可根据实际计算精度的要求来对频域的运行数据进行划分。优选地，可利用快速傅里叶变换(fast Fourier transform)来将运行数据变换到频域数据，以减小运算量，例如也可采用DFT(离散傅里叶变换)来将运行数据变换到频域数据，但运算量会有所增加。
例如，对于运行数据包括风力发电机组第一预定方向的振动数据和第二预定方向的振动数据的情况，可将第一预定方向的振动数据和第二预定方向的振动数据分别变换到频域数据，并分别对频域的第一预定方向的振动数据和频域的第二预定方向的振动数据划分频段。
在步骤S30中，分别针对所述多个频段中的每个频段的频域，确定是否存在报警点。
图2示出根据本发明示例性实施例的确定当前频段是否存在报警点的步骤的流程图。
参照图2，在步骤S201中，确定当前频段的频域数据的振幅参数。
在一个示例中，振幅参数可为频段内的最大振幅值。
在另一示例中，振幅参数可为频段内的峰值比，这里，峰值比可指频段内的最大振幅值与该频段内所有振幅值的平均值的比值。例如，可先获取频段内的最大振幅值，再计算该最大振幅值与频段内所有振幅值的平均值的比值。
在步骤S202中，将确定的振幅参数和与当前频段对应的报警阈值进行比较。这里，不同频段所对应的报警阈值不同，作为示例，报警阈值可预先确定，例如根据经验来确定报警阈值的大小。
例如，当振幅参数为最大振幅值时，可将最大振幅值与报警阈值进行比较，此时，报警阈值可为根据经验预先确定的一振幅阈值。当振幅参数为峰值比时，可将峰值比与报警阈值进行比较，此时，报警阈值可为根据经验预先确定的一比例阈值。
优选地，在本发明示例性实施例中风力发电机组可为永磁直驱风力发电机。在此情况下，以报警阈值为振幅阈值为例，按不同频段设置的报警阈值可如下：
频段(0HZ,1HZ]对应的振幅阈值为0.0013毫米，频段(1HZ,2HZ]对应的振幅阈值为0.008毫米，频段(2HZ,8HZ)对应的振幅阈值为0.0045毫米，频段[8HZ,9HZ]对应的振幅阈值为0.0035毫米，频段(9HZ,14HZ]对应的振幅阈值为0.0025毫米，频段(14HZ,25HZ]对应的振幅阈值为0.0015毫米。
应理解，这里选取的是(0HZ,25HZ]频率范围内的风力发电机组的运行数据，并将该运行数据划分为6个频段。上述示出的频段划分以及报警阈值的设置仅为示例，本领域技术人员可根据实际需要选取其他频率范围的运行数据，或确定划分频段的数量，或确定与不同频段对应的报警阈值的大小。
当确定的振幅参数小于与当前频段对应的报警阈值时，则认为当前频段内不存在报警点。
在步骤S203中，当确定的振幅参数不小于(即，大于等于)与当前频段对应的报警阈值时，将振幅参数所对应的频点确定为报警点。
这里，在确定出报警点之后，还会记录风力发电机组在该报警点处的相关特定参数，作为示例，风力发电机组相关的特定参数可包括以下任意参数的组合：风场号、机组号、风力发电机组的振幅值、最大风速、最小功率、最大功率、最小转速、最大转速。这里的最大值和最小值可指该报警点所属频谱变换时间段内的运行数据中的最大值和最小值(如前述故障前90秒的数据)。
返回图1，在步骤S40中，基于存在的报警点所处的频段确定风力发电机组的振动异常类型。此时，可基于确定出的风力发电机组的振动异常类型进行预警定位(warninglocation)，找到发电机的故障点(故障部位)，即，定位风力发电机组的异常部位，从而将找到发电机的故障点反馈给现场工作人员以进行检修。
作为示例，风力发电机组的振动异常类型可包括发电机内部存在异响或者发电机存在振动异常。
下面介绍确定发电机内部存在异响的过程。
应理解，在风电场中风力发电机组的发电机(如永磁直驱发电机)在运行中主要产生的噪声(即，异响)有电磁噪声、机械噪声和空气动力噪声。机械噪声主要由于定转子的摩擦、支架受力、紧固件的振动等原因造成，空气动力噪声主要是风和发电机冷却风道及孔道之间的风噪，对于永磁直驱发电机其冷却方式属于自然风冷方式，无冷却风扇及电机工作带来的噪声，因此在机舱内部，外在的空气动力噪声是微不足道的。而机械噪声主要和机组自身采用的材料、制造质量及电机装配工艺、配合精度、润滑度等相关，在低转速发电机中，机械的摩擦和振动也较小。
在大风速大功率运行条件下，低转速的发电机的主要的噪声来自于电磁噪声，其中由电磁力引起的电机噪声往往占据主要部分。电磁噪声主要是由气隙磁场作用于定子铁芯的径向分量所产生的，它通过磁轭向外传播，使定子铁芯产生振动变形。其次是气隙磁场的切向分量，它与电磁转矩相反，使铁芯齿局部变形振动。当径向电磁力波与定子的固有频率接近时，就会引起共振，使振动与噪声大大增强，甚至危及发电机的安全。在电气量上输出表现则是电压电流的谐波成分较多，而发电机侧的电压电流波形一般是无法实时获取到的，发电机在长期的发电运行中是否有异物存在于绕组与磁芯之间、或内部绕组、磁芯是否变形或附着物存在，则很难直接察知。
在本发明示例性实施例中可基于风力发电机组的用于预警分析的运行数据判断发电机内部是否存在异响(即确定发电机是否存在电磁噪声)，下面结合图3来介绍确定发电机内部存在异响的过程。
图3示出根据本发明示例性实施例的确定发电机内部存在异响的步骤的流程图。
参照图3，在步骤S301中，统计所有报警点的数量。在针对多个频段中的每个频段的频域数据确定是否存在报警点之后，可统计所有频段包含的报警点的数量。
在步骤S302中，将统计的报警点的数量与预定数量进行比较，即，确定报警点的数量是否小于预定数量。优选地，预定数量可设置为3，然而本发明不限于此还可将预定数量设置为其他值。
当统计的报警点的数量小于预定数量时，认为风力发电机组出现的振动异常状况为偶发现象，可不对报警点进行处理。
当统计的报警点的数量不小于(即，大于等于)预定数量时，执行步骤S303：计算每个报警点处的相关系数。
例如，可先分别获取每个报警点对应的风机参数，再针对每个报警点，计算报警点对应的风机参数和与该报警点对应的频点的相关系数。
在一个示例中，报警点对应的风机参数可包括报警点对应的风力发电机组的功率和风力发电机组的转速之一。在此情况下，报警点处的相关系数可指报警点对应的频点与报警点对应的风力发电机组的转速(或功率)的相关系数。
例如，相关系数的计算公式可如下：
公式(2)中，ρXY表示报警点对应的频点与转速(或功率)的相关系数，X表示报警点对应的频点，Y表示报警点对应的转速(或功率)，COV(X,Y)表示报警点对应的频点与转速(或功率)的协方差，D(X)表示报警点对应的频点的方差，D(Y)表示报警点对应的转速(或功率)的方差。
在另一示例中，报警点对应的风机参数可为报警点对应的风力发电机组的振幅，此时，各个报警点处于预定频段范围内。作为示例，所述预定频段范围可包括(0.98HZ,8.1HZ)和(14HZ,25HZ)之一。在此情况下，报警点处的相关系数可指报警点对应的频点与报警点对应的振幅值的相关系数，可利用上述相关系数计算公式(2)将Y替换为报警点对应的振幅值进行求取。
在步骤S304中，将每个报警点处的相关系数分别与预定值进行比较，即，分别判断每个报警点处的相关系数是否小于预定值。优选地，可判断报警点处的相关系数的绝对值是否小于预定值，优选地，该预定值可设置为0.6，然而本发明不限于此还可将预定值设置为其他值。
当任一报警点处的相关系数小于预定值时，可认为报警点对应的风机参数与报警点对应的频点不具有线性相关性，此时不对报警点进行处理。
当所有报警点处的相关系数均不小于(即，大于等于)预定值时，可认为各个报警点对应的风机参数和与各个报警点对应的频点具有线性相关性，此时执行步骤S305：确定发电机内部存在异响。
应理解，这里将预定数量设置为3是由于相关系数计算中的固有特点影响，即相关系数接近于1的程度与参与计算的样本数量n相关，当n较小时，相关系数的波动较大，对有些样本相关系数的绝对值易接近于1；当n较大时，相关系数的绝对值容易偏小，特别是当n＝2时，相关系数的绝对值总为1。因此在样本数量n较小时，仅凭相关系数较大就判定变量X与变量Y之间有密切的线性关系是有失妥当，因此需要确定的报警点的数量至少要大于等于3个。
在此情况下，所有报警点分别处于至少三个频段，也有利于判断变量X(例如：报警点对应的频点)与变量Y(例如：报警点对应的风机参数)之间的线性相关性。
下面介绍确定发电机存在振动异常的过程。
应理解，当风力发电机组出现下述现象时，可认为发电机存在振动异常：定子三相磁场不对称，由于三相电压不平衡，单相运行等原因导致磁中心错位；定子铁心或定子线圈松动，使定子电磁振动和噪声加大；发电机气隙不均引起的电磁振动；转子导体故障，如出现有松动的零件等。风力发电机组在运行过程中出现上述内部隐患较难被发现。在本发明示例性实施例中，可通过对风力发电机组的运行数据的分析确定出发电机存在振动异常的原因。
例如，可根据报警点所处的频段，结合与风力发电机组相关的特定参数确定发电机存在振动异常以及导致振动异常的原因。优选地，这里，报警点所处的频段可与前述对频域的运行数据所划分的多个频段不同。
作为示例，在本发明示例性实施例中，导致发电机振动异常的原因可包括：风力发电机组叶片受冲击引起低频振动、风力发电机组定子支架定位异常引起振动、风力发电机组主轴承振动、风力发电机组后轴承振动、风力发电机组整体振动、风力发电机组侧输出不平衡引起振动。
优选地，针对风力发电机组为永磁直驱风力发电机的情况，根据报警点所处的频段，并结合与风力发电机组相关的特定参数确定发电机存在振动异常的原因的步骤可包括：
当所述频点所处的频段为以下项之一：[0.75HZ,0.9HZ]、[1.2HZ,1.3HZ]、[2.4HZ,2.6HZ)、[4.1HZ,4.2HZ]，且振幅值大于等于0.015mm，最大风速小于17转/分，最小功率大于零，最大功率小于1600瓦时，确定风力发电机组叶片受冲击引起低频振动。
当所述频点所处的频段为[8.3HZ,8.5HZ]，最小转速大于10.5转/分，最大转速不大于16转/分，确定风力发电机组定子支架定位异常引起振动。
当所述频点所处的频段为[12HZ,14HZ]，最小振幅大于0时，确定风力发电机组主轴承振动。
当所述频点所处的频段为以下项之一：[0.13HZ,0.15HZ)、[0.46HZ,0.48HZ)、[5.65HZ,6HZ]、[6.7HZ,7.7HZ)、[19.5HZ,19.9HZ)，且最小功率大于5，振幅值不小于0.001时，确定风力发电机组后轴承振动。
当风力发电机组满足以下项之一时，确定风力发电机组整体振动：所述频点所处的频段为[10.5HZ,12HZ)且最小功率大于零、所述频点所处的频段为[15HZ,25HZ)且最小功率大于零、所述频点所处的频段为(12HZ,12.4HZ)且风力发电机组的转速在(16,17)范围内、所述频点所处的频段为(9HZ,10HZ)且风力发电机组的转速在(12,13)范围内、所述频点所处的频段为(10HZ,10.4HZ)且风力发电机组的转速在(13,14)范围内、所述频点所处的频段为(8.6HZ,8.9HZ)或(17HZ,25HZ)且风力发电机组的转速在(11,12)范围内、所述频点所处的频段为[16HZ,17HZ)且风力发电机组的转速在(10.5,11.3)范围内。
当所述频点处于以下频段中的至少两个频段时，确定风力发电机组侧输出不平衡引起振动：8.8HZ、(9HZ,9.5HZ)、(10HZ,10.5HZ)、(12HZ,12.5HZ)、(15HZ,15.5HZ)、(16HZ,16.5HZ)、(17HZ,17.5HZ)。
下面以某风场为例介绍通过对获取的风力发电机组的运行数据进行分析来判断风力发电机组振动异常类型的具体实施例。
图4和图5分别示出根据本发明示例性实施例的某风场的振动频谱第一示例图和第二示例图。
当对风力发电机组的X/Y方向振动数据进行快速傅里叶变换之后，可将时域数据变换为频域数据，并绘制出图4和图5所示的振动频谱图。图4和图5分别示出与两组风力发电机组的运行数据对应的振动频谱图。
如图4和图5所示，坐标轴1、2、3、4(分别对应为下、左、上、右侧)分别表示频率、振幅(转速)、时序、加速度，曲线1为X方向振动数据的时序曲线，曲线2为Y方向振动数据的时序曲线，曲线3为X方向振动数据的频谱图，曲线4为Y方向振动数据的频谱图，曲线5为风力发电机组的转速曲线，图中标注“*”处为频域中确定的报警点，优选地，可在振动频谱图中还标注出该报警点对应的频点和振幅值。
当确定出报警点之后，可将相应的关于该报警点的中间计算数据进行缓存。如下表1所示，表1中风机文件名这里采用的是机组自身记录的文件的文件名，频率为触发报警的报警点对应的频点的频率值，振幅为触发报警的报警点对应的振幅值，方向为风力发电机组的振动方向，平均功率为风力发电机组采样时的平均功率。通过这样的缓存统计表进行进一步计算，计算报警点处的频点和功率(或转速)或者频点和振幅的相关系数，当风力发电机组在特定转速或功率段时，风力发电机组振动明显且在多个频段出现报警点。
表1
图6示出根据本发明示例性实施例的判断报警点对应的功率和频点是否呈线性相关的示意图。
图6中表现的是一种发电机异响的机组振动特征规律表现。横坐标为风力发电机组的功率(也可以用转速)、纵坐标是频谱变换中报警点对应的频点分布。采用的是不同功率状态下的风力发电机组运行数据样本进行计算风力发电机组报警点。当多个功率段或转速段和频点呈现线性相关时，风力发电机组出现异常的电磁噪声较为明显。同样的，当机组的频点在高频(例如3HZ～25HZ)之间出现3个及以上的报警点时，频率和振幅出现强相关时，表现为风力发电机组的发电机振动中有发电机内部存在异响。
图7示出根据本发明示例性实施例的风力发电机组振动异常预警装置的结构框图。
如图7所示，根据本发明示例性实施例的风力发电机组振动异常预警装置包括数据获取程序模块10、划分程序模块20、报警点程序模块30和预警程序模块40。
具体说来，数据获取程序模块10获取风力发电机组的用于预警分析的运行数据。
优选地，数据获取程序模块10可获取风力发电机组的运行数据，对获取的运行数据进行筛选，符合要求的运行数据可用于预警分析以确定风力发电机组的振动异常类型。
例如，数据获取程序模块10可获取风力发电组的运行数据，从该运行数据中选取满足预定要求的运行数据作为用于预警分析的运行数据。
作为示例，上述预定要求可基于风力发电机组的最大转速和转速的极距来确定，优选地，选取的用于预警分析的运行数据还应保持完整(指运行数据中包含用于确定风力发电机组的振动异常类型的风力发电机组的相关数据)，并去除掉了风力发电机组的运行数据中的数字量。作为示例，该预定要求可指风力发电机组的最大转速不小于9转/分，转速的极距不大于17转/分。
划分程序模块20将风力发电机组的用于预警分析的运行数据变换到频域数据，并将变换后的运行数据划分为多个频段的频域数据。
例如，对于运行数据包括风力发电机组第一预定方向的振动数据和第二预定方向的振动数据的情况，划分程序模块20可将第一预定方向的振动数据和第二预定方向的振动数据分别变换到频域数据，并分别对频域的第一预定方向的振动数据和频域的第二预定方向的振动数据划分频段。
报警点程序模块30分别针对所述多个频段中的每个频段的频域数据，确定是否存在报警点。
例如，报警点程序模块30可确定当前频段的频域数据的振幅参数，将振幅参数和与当前频段对应的报警阈值进行比较，当振幅参数大于等于与当前频段对应的报警阈值时，将振幅参数所对应的频点确定为报警点。当确定的振幅参数小于与当前频段对应的报警阈值时，则认为当前频段内不存在报警点。这里，不同频段所对应的报警阈值不同，作为示例，报警阈值可预先确定，例如根据经验来确定报警阈值的大小。
在一个示例中，振幅参数可为频段内的最大振幅值。此时，报警点程序模块30可将最大振幅值与报警阈值进行比较，此时，报警阈值可为根据经验预先确定的一振幅阈值。
在另一示例中，振幅参数可为频段内的峰值比，这里，峰值比可指频段内的最大振幅值与该频段内所有振幅值的平均值的比值。例如，可先获取频段内的最大振幅值，再计算该最大振幅值与频段内所有振幅值的平均值的比值。此时，报警点程序模块30可将峰值比与报警阈值进行比较，此时，报警阈值可为根据经验预先确定的一比例阈值。
预警程序模块40基于存在的报警点所处的频段确定风力发电机组的振动异常类型。
作为示例，风力发电机组的振动异常类型可包括发电机内部存在异响或者发电机存在振动异常。
下面参照图8来介绍确定发电机内部存在异响的过程。
图8示出根据本发明示例性实施例的图7所示的预警程序模块的结构框图。
如图8所示，根据本发明示例性实施例的图7所示的预警程序模块40可包括统计子模块401、计算子模块402和异响确定子模块403。
具体说来，统计子模块401统计所有报警点的数量。在针对多个频段中的每个频段确定是否存在报警点之后，统计子模块401可统计所有频段包含的报警点的数量。
可选地，根据本发明示例性实施例的预警程序模块40可还包括判断单元(图中未示出)，将统计的报警点的数量与预定数量进行比较，即，确定报警点的数量是否小于预定数量。优选地，预定数量可设置为3，然而本发明不限于此还可将预定数量设置为其他值。
当统计的报警点的数量小于预定数量时，认为风力发电机组出现的振动异常状况为偶发现象，可不对报警点进行处理。
当统计的报警点的数量不小于(即，大于等于)预定数量时，计算子模块402计算每个报警点处的相关系数。
例如，计算子模块402可先分别获取每个报警点对应的风机参数，再针对每个报警点，计算报警点对应的风机参数和与该报警点对应的频点的相关系数。
在一个示例中，报警点对应的风机参数可包括报警点对应的风力发电机组的功率和风力发电机组的转速之一。在此情况下，报警点处的相关系数可指报警点对应的频点与报警点对应的风力发电机组的转速(或功率)的相关系数。
在另一示例中，报警点对应的风机参数可为报警点对应的风力发电机组的振幅，此时，各个报警点处于预定频段范围内。作为示例，所述预定频段范围可包括(0.98HZ,8.1HZ)和(14HZ,25HZ)之一。在此情况下，报警点处的相关系数可指报警点对应的频点与报警点对应的振幅值的相关系数。
可选地，根据本发明示例性实施例的预警程序模块40可还包括比较单元(图中未示出)，将每个报警点处的相关系数分别与预定值进行比较，即，分别判断每个报警点处的相关系数是否小于预定值。优选地，比较单元可判断报警点处的相关系数的绝对值是否小于预定值，优选地，该预定值可设置为0.6，然而本发明不限于此还可将预定值设置为其他值。
当任一报警点处的相关系数小于预定值时，可认为报警点对应的风机参数与报警点对应的频点不具有线性相关性，此时不对报警点进行处理。
当所有报警点处的相关系数均不小于(即，大于等于)预定值时，可认为各个报警点对应的风机参数和与各个报警点对应的频点具有线性相关性，此时异响确定子模块403确定发电机内部存在异响。
应理解，在本发明示例性实施例中，预警程序模块40可通过对风力发电机组的运行数据的分析确定出发电机存在振动异常的原因，下面介绍确定发电机存在振动异常的过程。
例如，预警程序模块40可根据报警点所处的频段，结合与风力发电机组相关的特定参数确定发电机存在振动异常以及导致振动异常的原因。
作为示例，在本发明示例性实施例中，导致发电机振动异常的原因可包括：风力发电机组叶片受冲击引起低频振动、风力发电机组定子支架定位异常引起振动、风力发电机组主轴承振动、风力发电机组后轴承振动、风力发电机组整体振动、风力发电机组侧输出不平衡引起振动。
根据本发明的示例性实施例还提供一种计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行上述风力发电机组振动异常预警方法的程序指令。该计算机可读记录介质是可存储由计算机系统读出的数据的任意数据存储装置。计算机可读记录介质的示例包括：只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。计算机可读记录介质也可分布于连接网络的计算机系统，从而计算机可读代码以分布式存储和执行。此外，完成本发明的功能程序、代码和代码段可容易地被与本发明相关的领域的普通程序员在本发明的范围之内解释。
根据本发明的示例性实施例还提供一种计算装置。该计算装置包括处理器和存储器。存储器用于存储程序指令。所述程序指令被处理器执行使得处理器执行如上所述的风力发电机组振动异常预警方法的程序指令。
采用本发明示例性实施例的上述风力发电机组振动异常预警方法和装置，能够根据采集的风力发电机组的振动数据分析发电机的振动异常类型，从而避免现场工作人员通过攀爬风力发电机来确定其振动异常原因，提高了对发电机检修的安全性。
此外，采用本发明示例性实施例的上述风力发电机组振动异常预警方法和装置，无需进行仿真，无需额外采集轴承的振动信号，可仅利用在风力发电机组机舱内安装的机舱振动传感器采集的振动数据即可进行预警分析。
此外，采用本发明示例性实施例的上述风力发电机组振动异常预警方法和装置，能够实现利用风力发电机组的短时振动数据(short_time data，PLC短时数据记录中的振动数据)挖掘风力发电机组不易被发现的风力发电机组发电机内部绕组问题、轴承问题、定子支架振动开裂等问题。
此外，本发明示例性实施例的上述风力发电机组振动异常预警方法和装置，既可以应用于单机计算机的流数据的生产工作，也可以应用于平台化大数据的设备状态监测和故障诊断预警中，还可以应用于风电场中控客户端。
此外，应该理解，根据本发明示例性实施例的风力发电机组振动异常预警装置中的各个单元/程序模块可被实现硬件组件和/或软件组件。本领域技术人员根据限定的各个单元所执行的处理，可以例如使用现场可编程门阵列(FPGA)或专用集成电路(ASIC)来实现各个单元。
此外，根据本发明示例性实施例的风力发电机组振动异常预警方法可以被实现为计算机可读记录介质中的计算机代码。本领域技术人员可以根据对上述方法的描述来实现所述计算机代码。当所述计算机代码在计算机中被执行时实现本发明的上述方法。
尽管已经参照其示例性实施例具体显示和描述了本发明，但是本领域的技术人员应该理解，在不脱离权利要求所限定的本发明的精神和范围的情况下，可以对其进行形式和细节上的各种改变。
Claims (22)
1.一种风力发电机组振动异常预警方法，其特征在于，包括：
获取风力发电机组的用于预警分析的运行数据；
将所述运行数据变换到频域数据，并将变换后的运行数据划分为多个频段的频域数据；
分别针对所述多个频段中的每个频段的频域数据，确定是否存在报警点；
基于存在的报警点所处的频段确定风力发电机组的振动异常类型，
其中，分别针对所述多个频段中的每个频段的频域数据，确定是否存在报警点的步骤包括：
确定当前频段的频域数据的振幅参数；
将所述振幅参数和与当前频段对应的报警阈值进行比较；
当所述振幅参数大于或等于与当前频段对应的报警阈值时，将所述振幅参数所对应的频点确定为报警点，
其中，风力发电机组的振动异常类型包括发电机内部存在异响和发电机存在振动异常，基于存在的报警点所处的频段确定风力发电机组的振动异常类型的步骤包括：
统计所有报警点的数量；
当报警点的数量大于或等于预定数量时，计算每个报警点处的相关系数；
当所有报警点处的相关系数均大于或等于预定值时，确定发电机内部存在异响，
和/或，根据报警点所处的频段，结合与风力发电机组相关的特定参数确定发电机存在振动异常以及导致振动异常的原因。
2.如权利要求1所述的风力发电机组振动异常预警方法，其特征在于，获取风力发电机组的用于预警分析的运行数据的步骤包括：
获取风力发电组的运行数据；
从所述运行数据中选取满足预定要求的运行数据作为用于预警分析的运行数据。
3.如权利要求2所述的风力发电机组振动异常预警方法，其特征在于，所述预定要求基于风力发电机组的最大转速和转速的极距来确定。
4.如权利要求1所述的风力发电机组振动异常预警方法，其特征在于，不同频段所对应的报警阈值不同。
5.如权利要求1所述的风力发电机组振动异常预警方法，其特征在于，所述振幅参数包括频段内的最大振幅值或频段内的峰值比，所述报警阈值预先确定，其中，所述峰值比是指频段内的最大振幅值与所述频段内所有振幅值的平均值的比值。
6.如权利要求1所述的风力发电机组振动异常预警方法，其特征在于，报警点处的相关系数是指报警点对应的风机参数和与所述报警点对应的频点的相关系数，
其中，所述风机参数包括与报警点对应的风力发电机组的功率和风力发电机组的转速之一，或者，当每个报警点均处于预定频段范围内时，所述风机参数为与报警点对应的风力发电机组的振幅。
7.如权利要求1所述的风力发电机组振动异常预警方法，其特征在于，风力发电机组相关的特定参数包括以下任意参数的组合：风力发电机组的振幅值、最大风速、最小功率、最大功率、最小转速、最大转速。
8.如权利要求1所述的风力发电机组振动异常预警方法，其特征在于，所述用于预警分析的运行数据包括风力发电机组第一预定方向的振动数据和第二预定方向的振动数据，
其中，将所述用于预警分析的运行数据变换到频域数据的步骤包括：分别将第一预定方向的振动数据和第二预定方向的振动数据分别变换到频域数据。
9.如权利要求8所述的风力发电机组振动异常预警方法，其特征在于，第一预定方向是指从风力发电机组的头部至尾部的方向，第二预定方向是指与风向垂直的方向。
10.如权利要求1所述的风力发电机组振动异常预警方法，其特征在于，所述运行数据为预定时间段内或数据量小于预定值的数据。
11.一种风力发电机组振动异常预警装置，其特征在于，包括：
数据获取程序模块，获取风力发电机组的用于预警分析的运行数据；
划分程序模块，将所述运行数据变换到频域数据，并将变换后的运行数据划分为多个频段的频域数据；
报警点程序模块，分别针对所述多个频段中的每个频段的频域数据，确定是否存在报警点；
预警程序模块，基于存在的报警点所处的频段确定风力发电机组的振动异常类型，
其中，报警点程序模块确定当前频段的频域数据的振幅参数，将所述振幅参数和与当前频段对应的报警阈值进行比较，当所述振幅参数大于或等于与当前频段对应的报警阈值时，将所述振幅参数所对应的频点确定为报警点，
其中，风力发电机组的振动异常类型包括发电机内部存在异响和发电机存在振动异常，
其中，预警程序模块包括：
统计子模块，统计所有报警点的数量；
计算子模块，当报警点的数量大于或等于预定数量时，计算每个报警点处的相关系数；
异响确定子模块，当所有报警点处的相关系数均大于或等于预定值时，确定发电机内部存在异响，
和/或，预警程序模块根据报警点所处的频段，结合与风力发电机组相关的特定参数确定发电机存在振动异常以及导致振动异常的原因。
12.如权利要求11所述的风力发电机组振动异常预警装置，其特征在于，数据获取程序模块获取风力发电组的运行数据，从所述运行数据中选取满足预定要求的运行数据作为用于预警分析的运行数据。
13.如权利要求12所述的风力发电机组振动异常预警装置，其特征在于，所述预定要求基于风力发电机组的最大转速和转速的极距来确定。
14.如权利要求11所述的风力发电机组振动异常预警装置，其特征在于，不同频段所对应的报警阈值不同。
15.如权利要求11所述的风力发电机组振动异常预警装置，其特征在于，所述振幅参数包括频段内的最大振幅值或频段内的峰值比，所述报警阈值根据经验值预先确定，其中，所述峰值比是指频段内的最大振幅值与所述频段内所有振幅值的平均值的比值。
16.如权利要求11所述的风力发电机组振动异常预警装置，其特征在于，报警点处的相关系数是指报警点对应的风机参数和与所述报警点对应的频点的相关系数，
其中，所述风机参数包括与报警点对应的风力发电机组的功率和风力发电机组的转速之一，或者，当每个报警点均处于预定频段范围内时，所述风机参数为与报警点对应的风力发电机组的振幅。
17.如权利要求11所述的风力发电机组振动异常预警装置，其特征在于，风力发电机组相关的特定参数包括以下任意参数的组合：风力发电机组的振幅值、最大风速、最小功率、最大功率、最小转速、最大转速。
18.如权利要求11所述的风力发电机组振动异常预警装置，其特征在于，所述运行数据包括风力发电机组第一预定方向的振动数据和第二预定方向的振动数据，
其中，划分程序模块分别将第一预定方向的振动数据和第二预定方向的振动数据分别变换到频域数据。
19.如权利要求18所述的风力发电机组振动异常预警装置，其特征在于，第一预定方向是指从风力发电机组的头部至尾部的方向，第二预定方向是指与风向垂直的方向。
20.如权利要求11所述的风力发电机组振动异常预警装置，其特征在于，所述运行数据为预定时间段内或数据量小于预定值的数据。
21.一种计算机可读存储介质，存储有当被处理器执行时使得处理器执行如权利要求1至10任一所述的风力发电机组振动异常预警方法的程序指令。
22.一种计算装置，包括：
处理器；
存储器，用于存储当被处理器执行使得处理器执行如权利要求1至10任一所述的风力发电机组振动异常预警方法的程序指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710432162.6A CN107061186B (zh) | 2017-06-09 | 2017-06-09 | 风力发电机组振动异常预警方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710432162.6A CN107061186B (zh) | 2017-06-09 | 2017-06-09 | 风力发电机组振动异常预警方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107061186A CN107061186A (zh) | 2017-08-18 |
| CN107061186B true CN107061186B (zh) | 2019-03-29 |
Family
ID=59616127
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710432162.6A Active CN107061186B (zh) | 2017-06-09 | 2017-06-09 | 风力发电机组振动异常预警方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107061186B (zh) |
Families Citing this family (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109425479B (zh) * | 2017-08-21 | 2021-03-19 | 阿里巴巴集团控股有限公司 | 一种故障预警方法和装置 |
| CN107588906B (zh) * | 2017-09-11 | 2019-08-30 | 北京金风慧能技术有限公司 | 用于液冷循环系统的液体泄漏预警方法及装置 |
| CN109973325B (zh) * | 2017-12-20 | 2020-09-29 | 北京金风科创风电设备有限公司 | 识别异常振动的方法和设备 |
| CN109959411A (zh) * | 2017-12-26 | 2019-07-02 | 北京金风科创风电设备有限公司 | 一种识别风力发电机组异常的方法和设备 |
| CN110388302B (zh) * | 2018-04-16 | 2020-07-14 | 新疆金风科技股份有限公司 | 风力发电机的数据异常检测方法和设备 |
| CN110689141B (zh) * | 2018-06-19 | 2022-04-12 | 北京金风科创风电设备有限公司 | 风力发电机组的故障诊断方法及设备 |
| CN111143960A (zh) * | 2018-10-16 | 2020-05-12 | 千寻位置网络有限公司 | 风力发电机振幅的检查方法及装置、风力发电机 |
| CN109695579B (zh) * | 2018-12-28 | 2021-06-08 | 三一重能股份有限公司 | 风力发电机的预警方法和装置 |
| CN111665047B (zh) * | 2019-03-07 | 2024-04-02 | 北京金风慧能技术有限公司 | 风力发电机组振动信号的识别方法、装置、设备和介质 |
| CN111749855B (zh) * | 2019-03-29 | 2022-06-17 | 北京金风科创风电设备有限公司 | 在线识别高频振动异常的方法及可编程逻辑控制器 |
| CN110332080B (zh) * | 2019-08-01 | 2021-02-12 | 内蒙古工业大学 | 一种基于共振响应的风机叶片健康实时监测方法 |
| CN110630436A (zh) * | 2019-08-29 | 2019-12-31 | 华电电力科学研究院有限公司 | 一种风电机组机舱内瓦振横向振动加速度超标控制装置及逻辑设计方法 |
| CN112557069A (zh) * | 2019-09-25 | 2021-03-26 | 北京国双科技有限公司 | 一种设备振动故障检测方法、装置、系统及存储介质 |
| CN110907031A (zh) * | 2019-12-04 | 2020-03-24 | 江苏方天电力技术有限公司 | 基于数据统计分析的调相机振动异动可视化监测方法 |
| CN111024347B (zh) * | 2019-12-26 | 2021-11-02 | 华中科技大学 | 一种电抗器健康状态评估方法 |
| JP7435103B2 (ja) * | 2020-03-18 | 2024-02-21 | 株式会社リコー | 診断装置、診断方法及び診断プログラム |
| CN111577552B (zh) * | 2020-03-31 | 2021-06-25 | 华电电力科学研究院有限公司 | 一种高低速插值拟合的风电机组振动信号归一化方法 |
| CN112177863A (zh) * | 2020-09-07 | 2021-01-05 | 上海电气风电集团股份有限公司 | 振动监控系统、风力发电系统及风电场 |
| CN112360702B (zh) * | 2020-11-16 | 2022-11-25 | 华能昌邑风力发电有限公司 | 一种振动数据的集中监测方法及装置 |
| CN112525337B (zh) * | 2020-11-18 | 2023-06-02 | 西安因联信息科技有限公司 | 一种针对机械压力机振动监测数据预处理方法 |
| CN114658611B (zh) * | 2020-12-23 | 2024-06-21 | 金风科技股份有限公司 | 风力发电机的主轴承异常检测方法和主轴承异常检测装置 |
| CN113960470B (zh) * | 2021-08-24 | 2022-07-15 | 北京金风慧能技术有限公司 | 发电机轴电流的检测方法及装置 |
| CN113806351B (zh) * | 2021-11-19 | 2022-04-19 | 国能信控互联技术有限公司 | 一种火电机组发电数据异常值处理方法及装置 |
| CN113923058B (zh) * | 2021-12-15 | 2022-02-22 | 武汉云麒联网科技有限公司 | 一种非即时能源数据分析的大数据预警方法与装置 |
| CN114414038A (zh) * | 2022-01-26 | 2022-04-29 | 歌尔科技有限公司 | 马达模组的转动异音检测方法、装置、设备及介质 |
| CN114856935B (zh) * | 2022-04-26 | 2024-05-03 | 无锡风电设计研究院有限公司 | 风力机状态分析与控制方法 |
| CN117439542B (zh) * | 2023-10-23 | 2024-04-16 | 珠海华成电力设计院股份有限公司 | 一种高承载大跨度的光伏柔性支架结构 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102200186A (zh) * | 2011-05-10 | 2011-09-28 | 大连理工大学 | 风力发电机组齿轮箱远程在线状态监测与故障诊断系统 |
| CN103321854A (zh) * | 2013-05-29 | 2013-09-25 | 国家电网公司 | 一种风力发电机组塔架振动控制方法 |
| CN104564542A (zh) * | 2015-01-30 | 2015-04-29 | 上海电机学院 | 一种基于大数据技术的故障诊断系统及其诊断方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2072975A1 (en) * | 2007-12-19 | 2009-06-24 | Siemens Aktiengesellschaft | Method and apparatus for vibration-based automatic condition monitoring of a wind turbine |
-
2017
- 2017-06-09 CN CN201710432162.6A patent/CN107061186B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102200186A (zh) * | 2011-05-10 | 2011-09-28 | 大连理工大学 | 风力发电机组齿轮箱远程在线状态监测与故障诊断系统 |
| CN103321854A (zh) * | 2013-05-29 | 2013-09-25 | 国家电网公司 | 一种风力发电机组塔架振动控制方法 |
| CN104564542A (zh) * | 2015-01-30 | 2015-04-29 | 上海电机学院 | 一种基于大数据技术的故障诊断系统及其诊断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107061186A (zh) | 2017-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107061186B (zh) | 风力发电机组振动异常预警方法和装置 | |
| Jeffries et al. | Experience with bicoherence of electrical power for condition monitoring of wind turbine blades | |
| CN109973325A (zh) | 识别异常振动的方法和设备 | |
| CN102156043B (zh) | 风力发电机组在线状态监测与故障诊断系统 | |
| Wilkinson et al. | Condition monitoring of generators & other subassemblies in wind turbine drive trains | |
| CN109477460A (zh) | 控制风力涡轮机噪声 | |
| Chen et al. | Bearing corrosion failure diagnosis of doubly fed induction generator in wind turbines based on stator current analysis | |
| CRABTREE | Condition monitoring techniques for wind turbines | |
| CN101592590B (zh) | 一种转动叶片故障间接诊断技术 | |
| EP3043062A1 (en) | Status monitoring device for wind power generation device | |
| CN102998591B (zh) | 一种发电机转子绕组动态匝间短路故障的定位方法 | |
| CN105756864B (zh) | 基于双馈风力发电机组定子电流的桨叶不平衡故障诊断方法 | |
| CN110940518B (zh) | 一种基于故障数据的航天传动机构分析方法 | |
| CN103321854A (zh) | 一种风力发电机组塔架振动控制方法 | |
| JP2006523834A (ja) | １つまたは複数のロータリー部材を有する装置の回転計のデータおよび振動データを分析する方法およびシステム | |
| Dong et al. | Vibration source identification of offshore wind turbine structure based on optimized spectral kurtosis and ensemble empirical mode decomposition | |
| Gong et al. | Bearing fault detection for direct-drive wind turbines via stator current spectrum analysis | |
| KR101342856B1 (ko) | 풍력발전기 로터블레이드의 얼음 감시 방법 | |
| CN204856610U (zh) | 一种基于pi数据库的风电场故障监控系统 | |
| CN109814030A (zh) | 一种同步发电机定转子气隙动态偏心故障的诊断方法 | |
| Shi et al. | A dual-guided adaptive decomposition method of fault information and fault sensitivity for multi-component fault diagnosis under varying speeds | |
| Saidi et al. | Wind turbine high-speed shaft bearing degradation analysis for run-to-failure testing using spectral kurtosis | |
| US20230220835A1 (en) | Method for monitoring the state of the powertrain or tower of a wind turbine, and wind turbine | |
| CN109281805A (zh) | 一种多参数测量智能巡检系统 | |
| CN108429406A (zh) | 一种通过气隙监测分析定子铁芯异常振动的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20190717 Address after: Room 209, 2nd floor, No. 1 Building, 19 Kangding Street, Beijing Economic and Technological Development Zone, 100176 Co-patentee after: Jiangsu Jinfeng Software Technology Co., Ltd. Patentee after: Beijing gold Wind Technology Co., Ltd. Huineng Address before: Room 209, 2nd floor, No. 1 Building, 19 Kangding Street, Beijing Economic and Technological Development Zone, Daxing District, Beijing, 100176 Patentee before: Beijing gold Wind Technology Co., Ltd. Huineng |
|
| TR01 | Transfer of patent right |