CN108301987B - 基于电气参量的风电机组传动轴系在线观测系统 - Google Patents
基于电气参量的风电机组传动轴系在线观测系统 Download PDFInfo
- Publication number
- CN108301987B CN108301987B CN201711403303.8A CN201711403303A CN108301987B CN 108301987 B CN108301987 B CN 108301987B CN 201711403303 A CN201711403303 A CN 201711403303A CN 108301987 B CN108301987 B CN 108301987B
- Authority
- CN
- China
- Prior art keywords
- data
- wind turbine
- unit
- observation system
- turbine generator
- 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
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/80—Diagnostics
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
一种基于电气参量的风电机组传动轴系在线观测系统,该系统具体有两种实现方式,即远程集中诊断和机组本地诊断的方式,远程集中诊断方式,机组电气数据组网上传,借助塔基柜中交换机实现,中控室服务器集中进行各个机组各部件的诊断工作,结果数据进行保存;机组本地诊断方式,机组的观测系统获取电气数据,并进行数据处理,仅仅将诊断结果和反应部件运行状态的数据上传;所述两种实现方式均可实现数据的远程访问,可扩展到云端系统,服务于风电场的数字化建设;专家远程数据下载,进一步分析分析、挖掘有用信息。本发明可实时监测、可靠性高,数据可上传到云端,支持数据远程下载、便于专家后期分析,符合风场数字化建设的需要。
Description
技术领域
本发明属于风电机组的在线故障诊断技术领域,涉及一种基于电气参量的风电机组传动轴系在线观测系统。
背景技术
近年来,风电机组的并网容量不断提高,特别是海上风电机组的规划也提上了日程,这对机组的安全稳定运行、减少故障停机时间提高发电量提出了更高的要求。相对于电气控制系统而言,传动系统各部件的故障次数很少,但维修困难,通常需要下架处理,使得故障停机时间很长,因此对其进行有效的状态监测就显得很有必要。
目前风力发电机组传动系统的诊断主要采用振动监测的方法,根据《风力发电机组振动状态监测导则》来实施的,标准规定了各测点的位置和各部件评估规范。但是这些方法大都需要增加额外的传感器设备,不仅成本大,而且可靠性不高、适应性较差。
基于上述问题,本发明提出了一种基于电气参量的风电机组传动轴系在线观测系统。实现风电机组传动各部件的在线监测,对其健康状况作出综合判断,可进一步提高供电的可靠性。
本发明采用如下的技术方案是:
一种基于电气参量的风电机组传动轴系在线观测系统,该系统具体有两种实现方式,即远程集中诊断和机组本地诊断的方式,其中:
远程集中诊断方式,机组电气数据组网上传,借助塔基柜中交换机实现,中控室服务器集中进行各个机组各部件的诊断工作,结果数据进行保存;
机组本地诊断方式,机组的观测系统获取电气数据,并进行数据处理,仅仅将诊断结果和反应部件运行状态的数据上传;
所述两种实现方式均可实现数据的远程访问,可扩展到云端系统,服务于风电场的数字化建设;专家远程数据下载,进一步分析分析、挖掘有用信息。
进一步,所述系统还包括噪声信号的剔除模块,环境条件、机组运行工况因素使得风电机组的振动源比较多,不管是振动传感器或电量传感器采集的数据,干扰信号都非常多,基于电气参量的观测系统,根据机组运行情况有效的剔除噪音信号。
再进一步,所述系统还包括:机组部件的历史数据库系统,实现机组各部件的健康状况管理,各部件的历史状态数据均保存在对应的数据库中,纵向分析比较,实现部件运行趋势的预判。
所述基于电气数据的风电机组传动轴系在线观测系统理论基础是机组传动各部件的结构和行为特征不同,导致发电机定转子电流中故障特征频率和幅值上的差异。
更新一步,所述传动轴系在线观测系统所用到的数据处理算法有小波变换与数字滤波的联合滤波方法、混合基FFT和基于FFT的Hilbert数字实现方法。
在线观测系统进行监测的部件有叶片、主轴承、齿轮箱和发电机。
所述机组本地诊断方式中,可在变流器中增加一块DSP信号处理板,即可实现上述功能,系统实现成本较低,无需增加相应的传感器或信号检测电路。
所述传动轴系在线监测系统,纵向分析部件的历史状态数据和实时运行数据,可实现部件的全生命周期管理,辅助风电场管理人员的分析和决策。
本发明通过发电机的电量信息来检测已被相关研究机构证明可行,该方法无需增加传感器,所需要的电气参量可在机组中直接获取得到,工程实现方便。
同时,充分考虑到现场实施改造的难易程度,提出了两种实现方式。并且不同于传统的状态监测系统,机组的电气系统可以实时感知环境条件,可以有效剔除干扰信号的影响。
本发明的技术效果表现在:系统能够实时在线监测传动系统各部件的状态,无需增加额外的传感器,在发现故障之后及时修补维护,为机组的管理提供决策依据,应用前景较广阔。
系统可扩展性强,因系统数据处理和通信能力强,可进一步挖掘和实现机组其他功能的状态检测,而无需增加硬件设备。
附图说明
图1为远程集中诊断方式。
图2为机组本地诊断方式。
图3为监测主程序流程。
图4系统获取的电流和转速图。
图5齿轮箱断齿包络分析结果。
图6双馈发电机碳刷故障。
图7叶片断裂定子电流FFT分析结果。
图8叶片断裂定子电流Hilbert分析结果。
具体实施方式
下面结合附图和具体实例,对本发明进行详细的描述。应当强调的是,以下实例仅是说明性的,而不是为了限制本发明的限制及应用。
参照图1~图8,一种基于电气参量的风电机组传动轴系在线观测系统,该系统具体有两种实现方式,即远程集中诊断和机组本地诊断的方式,其中:
远程集中诊断方式,机组电气数据组网上传,借助塔基柜中交换机实现,中控室服务器集中进行各个机组各部件的诊断工作,结果数据进行保存;
机组本地诊断方式,机组的观测系统获取电气数据,并进行数据处理,仅仅将诊断结果和反应部件运行状态的数据上传;
所述两种实现方式均可实现数据的远程访问,可扩展到云端系统,服务于风电场的数字化建设;专家远程数据下载,进一步分析分析、挖掘有用信息。
进一步,所述系统还包括噪声信号的剔除模块,环境条件、机组运行工况因素使得风电机组的振动源比较多,不管是振动传感器或电量传感器采集的数据,干扰信号都非常多,基于电气参量的观测系统,根据机组运行情况有效的剔除噪音信号。
再进一步,所述系统还包括:机组部件的历史数据库系统,实现机组各部件的健康状况管理,各部件的历史状态数据均保存在对应的数据库中,纵向分析比较,实现部件运行趋势的预判。
所述基于电气数据的风电机组传动轴系在线观测系统理论基础是机组传动各部件的结构和行为特征不同,导致发电机定转子电流中故障特征频率和幅值上的差异。
更新一步,所述传动轴系在线观测系统所用到的数据处理算法有小波变换与数字滤波的联合滤波方法、混合基FFT和基于FFT的Hilbert数字实现方法。
在线观测系统进行监测的部件有叶片、主轴承、齿轮箱和发电机。
所述机组本地诊断方式中,可在变流器中增加一块DSP信号处理板,即可实现上述功能,系统实现成本较低,无需增加相应的传感器或信号检测电路。
所述传动轴系在线监测系统,纵向分析部件的历史状态数据和实时运行数据,可实现部件的全生命周期管理,辅助风电场管理人员的分析和决策。
整个系统首先从机组中获取电气数据,直接从机组变流器和主控中获取,无需增加新的硬件设备。机组运行工况满足之后,开始获取数据并保持一段时间即可进行数据处理。不管是本地诊断还是远程集中的方式,根据机组运行工况诊断程序先判断获取数据包的有效性,并结合环境因素,判断风速、风向、湍流强度、空气密度等条件对各特征值的影响大小。若数据包满足条件则进入数据处理程序,并保存处理结果和算法执行过程中反应部件运行状态的信息。诊断结果的实时上传显示,便于风电场运行维护人员的分析决策。
所述的传动轴系在线观测系统的人机界面,系统可以太网接口与上位机相连,可实时显示发电机电流和转速、特征频率和幅值信息、阈值参数的设置、历史数据的查询等。远程集中诊断的方式可直接在服务器中登陆人机界面查看上述数据。
基于电气参量的监测系统现场布置方式灵活,可根据投资成本、机组自身条件灵活选择,图1和图2是两种实现方式的现场布局图。两种方式均可实现远程访问,方便数据和诊断结果的下载,人工专家的进一步分析和信息挖掘工作。本地的实现方式仅在机组塔基下新增加一数据处理板。
结合图3基于电气参量的风电机组传动轴系在线观测系统可以监测风电机组的叶片、主轴承、齿轮箱(双馈机型和中高速永磁型)和发电机等部件。
在线观测系统存储反应各部件状态的数据,对部件形成一个全生命周期的管理,跟踪其健康状况。状态数据的进一步挖掘,实现部件运行状况的预判。
结合图3,基于电气参量的风电机组传动轴系在线观测系统,数据处理具体包括以下步骤:
步骤一,获取风电机组的电气数据,并持续一段时间。根据机组运行工况诊断程序先判断获取数据包的有效性,并结合环境因素,判断风速、风向、湍流强度、空气密度等条件对各特征值的影响大小;
步骤三,若数据包有效,进入数据处理子程序,信号的时域和频域分析;
步骤四,提取反应各部件运行状态的特征频率和对应频率处的特征幅值,并保留状态信息;
步骤五,若检测到部件故障告警,则上报到中控室。
本实施例的系统能够实时在线监测风电机组传动系统的健康状况,无需增加额外的传感器,在早期发现传动系统故障之后及时修补维护,为风电场的管理提供决策依据,应用前景较广阔;
系统可扩展性强,因系统数据处理能力强,可实现风机其他功能的状态监测,便有数据挖掘和功能方面的扩展。
下面结合具体实例,对本发明做进一步的描述。
以某三桨叶的1.5MW双馈风力发电机组为研究对象,图1和图2是文中提到的两种实施方式,图3是监测算法的处理过程。需要获取的电气数据有电网电压、发电机定转子电流、转速、发电机旋转编码器信号、主控采集的风速、风向等数据。
需要说明的是,文中提到的数据包的有效性判断主要是指风电机组未进行偏航、变桨等动作,且转速的变化在一定的范围内。
结合图4、图5、图6、图7和图8,说明在线观测系统的诊断结果。图4是系统获取的电气数据,持续时间40s,采样频率2kHz。
图5是齿轮箱断齿的诊断结果,在行星轮故障时,对转子电流进行分析,在3倍、6倍和9倍叶轮转频处的幅值较明显,可提取该特征频率对其进行状态判断。图6是双馈风力发电机组碳刷故障的分析结果,相同工况下通过与正常运行时的比较,可以看到碳刷故障时(如出现碳刷与集电环打火)转子电流基频和特征频率50Hz处幅值均出现减小的现象,多次试验结果均出现相同的结论。图7和图8分别是机组叶片断裂时发电机定子电流的傅里叶和希尔伯特分析结果,此时会在发电机定子电流基频(50Hz)两侧出现f1±fm频率的次谐波分量,其中f1对应电网基频,fm对应风电机组叶轮1倍转频,进一步对其进行包络分析提取特征量,正常与故障时的分析如图8所示。
若在线观测系统监测到部件故障发生,则发送告警信号到风场中控室并保存状态数据。
本发明通过采集机组电气数据对传动系统各部件进行诊断,所需数据可通过风力发电机组现有的数据采集设备采集,无需增加硬件设备,可快速得到有效数据包,简单有效,诊断成本低,是一种有效可靠的风电机组状态监测系统。
最后需要说明的是,以上实施例仅用以说明本发明的技术方案而非限制,本领域技术人员应当理解,可以在形式上和细节上对本发明做出改变,而不偏离发明权利要求书所限定的范围。
还需要说明的是,本文中所公开的实例描述的各参数,仅是为了更好的描述本发明,专业人员可以意识到,通过修改本发明的参数值可达到同样的诊断效果,但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种基于电气参量的风电机组传动轴系在线观测系统,其特征在于,该系统具体有两种实现方式,即远程集中诊断和机组本地诊断的方式,其中:
远程集中诊断方式,机组电气数据组网上传,借助塔基柜中交换机实现,中控室服务器集中进行各个机组各部件的诊断工作,结果数据进行保存;
机组本地诊断方式,机组的观测系统获取电气数据,并进行数据处理,仅仅将诊断结果和反应部件运行状态的数据上传;
所述两种实现方式均可实现数据的远程访问,可扩展到云端系统,服务于风电场的数字化建设;专家远程数据下载,进一步分析分析、挖掘有用信息。
2.如权利要求1所述的基于电气参量的风电机组传动轴系在线观测系统,其特征在于,所述系统还包括噪声信号的剔除模块,基于电气参量的观测系统,根据机组运行情况有效的剔除噪音信号。
3.如权利要求1或2所述的基于电气参量的风电机组传动轴系在线观测系统,其特征在于,所述系统还包括:机组部件的历史数据库系统,实现机组各部件的健康状况管理,各部件的历史状态数据均保存在对应的数据库中,纵向分析比较,实现部件运行趋势的预判。
4.如权利要求1或2所述的基于电气参量的风电机组传动轴系在线观测系统,其特征在于,所述传动轴系在线观测系统所用到的数据处理算法有小波变换与数字滤波的联合滤波方法、混合基FFT和基于FFT的Hilbert数字实现方法。
5.如权利要求1或2所述的基于电气参量的风电机组传动轴系在线观测系统,其特征在于,在线观测系统进行监测的部件有叶片、主轴承、齿轮箱和发电机。
6.如权利要求1或2所述的基于电气参量的风电机组传动轴系在线观测系统,其特征在于,所述机组本地诊断方式中,在变流器中增加一块DSP信号处理板。
7.如权利要求1或2所述的基于电气参量的风电机组传动轴系在线观测系统,其特征在于,所述传动轴系在线监测系统,纵向分析部件的历史状态数据和实时运行数据,可实现部件的全生命周期管理,辅助风电场管理人员的分析和决策。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711403303.8A CN108301987B (zh) | 2017-12-22 | 2017-12-22 | 基于电气参量的风电机组传动轴系在线观测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711403303.8A CN108301987B (zh) | 2017-12-22 | 2017-12-22 | 基于电气参量的风电机组传动轴系在线观测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108301987A CN108301987A (zh) | 2018-07-20 |
CN108301987B true CN108301987B (zh) | 2020-03-17 |
Family
ID=62870757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711403303.8A Active CN108301987B (zh) | 2017-12-22 | 2017-12-22 | 基于电气参量的风电机组传动轴系在线观测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108301987B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768884B (zh) * | 2020-06-08 | 2023-02-21 | 核动力运行研究所 | 一种核电厂机组运行状态监测系统及方法 |
CN112483334B (zh) * | 2020-12-11 | 2023-04-25 | 重庆科凯前卫电气有限公司 | 基于边缘计算的风电机组智能控制方法 |
CN113819582B (zh) * | 2021-08-31 | 2023-05-02 | 广州汇电云联互联网科技有限公司 | 冷站群控节能方法、装置、终端设备及可读存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102352824B (zh) * | 2011-10-11 | 2013-07-10 | 苏州市思玛特电力科技有限公司 | 一种基于电气信息的风力发电机健康状态监测系统和方法 |
CN102434388B (zh) * | 2011-11-17 | 2013-11-20 | 高丙团 | 风力发电机组健康状态在线监测装置及其监测方法 |
CN104863798A (zh) * | 2014-02-25 | 2015-08-26 | 常州铠甲智能科技有限公司 | 基于分布式存储的风电机组状态监测系统及其监测方法 |
CN103899498A (zh) * | 2014-04-16 | 2014-07-02 | 左浩俊 | 一种风力发电机组数据采集处理系统 |
CN104929864A (zh) * | 2015-02-06 | 2015-09-23 | 青岛科技大学 | 基于fpga的嵌入式风力发电机组运行状态监测及故障诊断系统 |
CN205260225U (zh) * | 2015-12-29 | 2016-05-25 | 华电郑州机械设计研究院有限公司 | 一种风机综合健康状态远程集中监测系统 |
CN206592248U (zh) * | 2017-01-23 | 2017-10-27 | 锡林郭勒盟金原农牧业科技有限公司 | 离网型便携式风力发电机组野外测试与分析系统 |
CN206539460U (zh) * | 2017-03-02 | 2017-10-03 | 南京工程学院 | 一种用于沿海地区的风力发电机组的故障监测装置 |
-
2017
- 2017-12-22 CN CN201711403303.8A patent/CN108301987B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108301987A (zh) | 2018-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Saidi et al. | Wind turbine high-speed shaft bearings health prognosis through a spectral Kurtosis-derived indices and SVR | |
Yang et al. | Sparse time-frequency representation for incipient fault diagnosis of wind turbine drive train | |
Pérez et al. | Wind turbine reliability analysis | |
EP2369432B1 (en) | Test System for Opitimizing Wind Turbine Operation | |
Amirat et al. | Wind turbines condition monitoring and fault diagnosis using generator current amplitude demodulation | |
US10337502B2 (en) | Early detection of wind turbine degradation using acoustical monitoring | |
Amirat et al. | Hilbert transform-based bearing failure detection in DFIG-based wind turbines | |
CN108301987B (zh) | 基于电气参量的风电机组传动轴系在线观测系统 | |
CN103835882A (zh) | 大型风力发电机组状态监测与故障诊断系统 | |
CN108252873A (zh) | 一种风力发电机组在线数据监测及其性能评估的系统 | |
Elforjani et al. | Analysis of extremely modulated faulty wind turbine data using spectral kurtosis and signal intensity estimator | |
CN202330019U (zh) | 一种风电机组的状态监测系统 | |
CN110907170B (zh) | 一种风电机组齿轮箱轴承温度状态监测与故障诊断方法 | |
CN111622898A (zh) | 用于预测由于过度振动造成风力涡轮停机的系统和方法 | |
CN108278184A (zh) | 基于经验模态分解的风电机组叶轮不平衡监测方法 | |
CN115829411A (zh) | 一种海上风电机组运行状态评估方法及评估系统 | |
Song et al. | Framework of designing an adaptive and multi-regime prognostics and health management for wind turbine reliability and efficiency improvement | |
Artigao et al. | Fault evolution monitoring of an in-service wind turbine DFIG using windowed scalogram difference | |
Zhang et al. | Electrical signature analysis based condition monitoring and diagnostics techniques for wind turbines | |
Zhang et al. | Non-invasive condition monitoring and diagnostics techniques for wind turbines | |
Bilal et al. | Data-Driven Fault Detection and Identification in Wind Turbines Through Performance Assessment | |
Cohal et al. | Fault Detection and Isolation of a Wind Turbine | |
Fan et al. | An intelligent condition-based monitoring and maintenance system for wind turbine | |
Ibrahim et al. | Condition monitoring of permanent magnet synchronous generator for wind turbine applications | |
Chakkor et al. | On-line Wind Turbine Remote Monitoring and Fault Detection Based on Intelligent Device |
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 |