CN108506171A - 一种大型半直驱机组齿轮箱冷却系统故障预警方法 - Google Patents
一种大型半直驱机组齿轮箱冷却系统故障预警方法 Download PDFInfo
- Publication number
- CN108506171A CN108506171A CN201810228522.5A CN201810228522A CN108506171A CN 108506171 A CN108506171 A CN 108506171A CN 201810228522 A CN201810228522 A CN 201810228522A CN 108506171 A CN108506171 A CN 108506171A
- Authority
- CN
- China
- Prior art keywords
- cooling system
- gear box
- value
- temperature
- label point
- 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
Links
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
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)
- Motor Or Generator Cooling System (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种大型半直驱机组齿轮箱冷却系统故障预警方法,包括步骤:1)采集风电场的SCADA数据,且各个数据的标签点采样周期应保持一致;2)提取数据中的N个标签点对应的温度值;3)对每个标签点的温度值求其对应的实际功率设定值;4)将采样周期内每个时间点对应的实际功率设定值和阈值进行比较,如果超出阈值,则报出齿轮箱冷却系统异常故障,若没有超出阈值则判断齿轮箱冷却系统状态正常;5)在报出齿轮箱冷却系统异常故障之后,指导现场人员根据齿轮箱冷却系统异常故障排查流程进行排查,并根据排查的结果进行检修,直至故障消除。本发明可实现提前判断齿轮箱冷却系统的异常状态,并将故障在发生之前排除掉的目的。
Description
技术领域
本发明涉及风力发电机组故障预警的技术领域,尤其是指一种大型半直驱机组齿轮箱冷却系统故障预警方法。
背景技术
齿轮箱是半直驱型风力发电机的重要组成部分,齿轮箱冷却系统的故障直接影响到齿轮箱的正常运转。由于风电场一般建设在偏远地区,各台风机之间距离较远,导致风力发电机运维成本较高,齿轮箱又是大部件,不易拆卸,排查难度大。因此,如果能够利用历史运行数据对齿轮箱冷却系统的运行状况进行分析,及时对现存隐患进行预警,在故障发生之前就判断出部件的异常,并进行检修,就能够有效减少风电场的损失。
目前,风力发电机的齿轮箱冷却系统的故障诊断方法,主要是先对齿轮箱冷却系统的相关温度变量进行预测,将实际温度值与预测值进行比较,当差值超过一定的阈值时,报出故障。其中对温度变量进行预测的方法,主要有机器学习算法、时间序列等方法。通常,依赖对未来温度值的预测,会涉及到模型准确性的问题,而模型准确性又和样本数据、模型参数等紧密相关,这些因素都是不易控制、针对性较弱的。
因此,本发明针对风力发电机本身运行特性,对其运行过程中产生的历史数据进行分析,通过对故障样本的反复验证,提出了基于风力发电机齿轮箱冷却系统运行特点的故障预警方法。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提出了一种行之有效的大型半直驱机组齿轮箱冷却系统故障预警方法,基于风电场的SCADA系统采集的风力发电机运行数据,结合以往工程运维过程中积累的专家经验,对齿轮箱冷却系统进行故障预警,当报出故障时及时对故障进行排查、检修,以实现提前判断齿轮箱冷却系统的异常状态,并将故障在发生之前排除掉,这样可有效减少被动运维过程中产生的成本,提高风电场的经济效益。
为实现上述目的,本发明所提供的技术方案为:一种大型半直驱机组齿轮箱冷却系统故障预警方法,包括以下步骤:
1)采集风电场的SCADA数据,且各个数据的标签点采样周期应保持一致;
2)提取数据中的N个标签点对应的温度值;
3)对每个标签点的温度值求其对应的实际功率设定值;
4)将采样周期内每个时间点对应的实际功率设定值和阈值进行比较,如果超出阈值,则报出齿轮箱冷却系统异常故障,若没有超出阈值则判断齿轮箱冷却系统状态正常;
5)在报出齿轮箱冷却系统异常故障之后,指导现场人员根据齿轮箱冷却系统异常故障排查流程进行排查,并根据排查的结果进行检修,直至故障消除。
在步骤1)中,采集风电场的SCADA数据时,数据间隔时间为1秒,并且无需对异常数据进行剔除。
在步骤2)中,所述标签点包括齿轮箱油温、齿轮箱主轴承温度、齿轮箱前轴承温度、齿轮箱后轴承温度、发电机前轴承温度、发电机后轴承温度、发电机绕组温度,标签点个数N的范围在[6,30]区间内。
在步骤3)中,对每个标签点的实际温度值求其对应的功率设定值,包括以下步骤:
3.1)按照以下公式求每个标签点对应的功率设定值:
其中,i∈{1,2,…,N},pi为第i个标签点的功率设定值;ti为第i个标签点温度的实际值;α为功率设定值的下限,范围在[1000,3000];β为功率设定值的上限,范围在[2500,6300];ai为第i个标签点的温度值下限,bi为第i个标签点的温度值上限,ai和bi的值以第i个标签点的实际温度限值为准;
3.2)对N个标签点变量值计算出来的对应功率设定值取最小值,得到实际功率设定值:
其中,Pset为实际功率设定值。
在步骤5)中,根据齿轮箱冷却系统异常故障排查流程,能够导致齿轮箱冷却系统故障的原因有四个,分别对应以下不同的排查方法:
a、散热器堵塞:检查齿轮油散热器滤网是否被灰尘或者其他杂物堵塞;
b、温控阀异常:当油温大于45℃时,用测温枪或其他手段检查温控阀与散热器连接管路是否有热油通过,如果有热油通过,则温控阀正常,没有热油通过则温控阀异常;
c、冷启动球阀处于打开状态:检查冷启动球阀是否能正常开启、关闭,且油温大于46℃时处于关闭状态;
d、散热器内部堵塞:当油温大于45℃时,使用测温枪或拆卸油管检查散热器内部是否堵塞。
本发明与现有技术相比,具有如下优点与有益效果:
1、本发明是基于大型半直驱风力发电机的故障特点,并结合控制原理,来对风力发电机的齿轮箱冷却系统进行故障预警,具有针对性强、实用性强的优点。
2、本发明不需要对异常数据进行剔除,简化了数据处理过程。如果风力发电机在采样周期内有故障停机的情况,根据实际功率设定值的计算方法,也不会使判断结果偏向报出故障;如果在采样周期内出现数据跳变等异常情况,可能会对短期的实际功率设定值产生影响,但是由于本发明的判断逻辑中对时长的要求,也能排除这种情况导致的报出故障。
3、本发明除了对故障进行预警以外,还结合故障处理思路,对故障原因进行排查,最终确定异常部件并进行检修,对故障隐患彻底排除,能够产生较高的经济效益。
总之,本发明能够在风力发电机组还未发生故障时,通过对历史运行数据进行分析,快速判断出齿轮箱冷却系统是否存在隐患,并根据以往的运维经验总结对故障进行排查,这对于风电场的智能运维来说具有积极的意义,使运维过程从过去的被动运维转变成主动运维,在风力发电机组还未报出故障时提前选择合适的时机进行检修,排除故障隐患,从而有效降低故障停机时间,挽回了发电量,增加了风电场的经济效益。
附图说明
图1为本发明方法的逻辑流程图。
图2为功率设定值的关系示意图。
图3为齿轮箱冷却系统故障排查流程示意图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
参见图1所示,本实施例所提供的大型半直驱机组齿轮箱冷却系统故障预警方法,其具体情况如下:
首先,采集大型半直驱风力发电机3.0MW机组的SCADA数据,具体是选取一个时间段,采样周期为1天,采样的间隔为1秒,无需对异常数据进行剔除。
然后,提取数据中的N(通常N的范围在[6,30]区间内)个标签点对应的温度值,具体是提取齿轮箱油温、齿轮箱主轴承温度、齿轮箱前轴承温度、齿轮箱后轴承温度、发电机前轴承温度、发电机后轴承温度、发电机绕组温度1、发电机绕组温度2、发电机绕组温度3、发电机绕组温度4、发电机绕组温度5、发电机绕组温度6共计12个标签点(即N=12)的数据,如下表1所示,采样周期为24小时,即每个标签点采样86400次。
表1-12个标签点对应的温度值
接着,对每个标签点的实际温度值按照以下公式求其对应的功率设定值(参见图2所示):
其中,i∈{1,2,…,N},pi为第i个标签点的功率设定值;ti为第i个标签点温度的实际值;α为功率设定值的下限,范围在[1000,3000];β为功率设定值的上限,范围在[2500,6300];ai为第i个标签点的温度值下限,bi为第i个标签点的温度值上限,ai和bi的值以第i个标签点的实际温度限值为准,具体见下表2所示。
表2-标签点上限和下限值
对12个标签点变量值计算出来的对应功率设定值取最小值,得到实际功率设定值:
其中,Pset为实际功率设定值。
对求出的实际功率设定值Pset进行判断,如果Pset连续T小时以上低于阈值M(在本实施例中,T=1,阈值M=2700kW),则判断该机组的齿轮箱冷却系统在该时间段处于异常状态,报出齿轮箱冷却系统异常故障;若计算出的实际功率设定值没有超出该阈值,则采样期间的齿轮箱冷却系统是正常的。
在报出风力发电机齿轮箱冷却系统故障之后,指导现场人员根据齿轮箱冷却系统异常故障排查流程进行排查,其中导致齿轮箱冷却系统故障的原因有四个,分别对应不同的排查方法(参见图3所示):a、散热器堵塞:检查齿轮油散热器滤网是否被灰尘或者其他杂物堵塞;b、温控阀(TB45)异常:当油温大于45℃(齿轮油温度越高,管路内热油越多,效果越明显)时,用测温枪或其他手段检查温控阀与散热器连接管路是否有热油通过,如果有热油通过,则温控阀正常,没有热油通过则温控阀异常;c、冷启动球阀处于打开状态:检查冷启动球阀是否能正常开启、关闭,且油温大于46℃时处于关闭状态;d、散热器内部堵塞:当油温大于45℃时,使用测温枪或拆卸油管检查散热器内部是否堵塞。当判断齿轮箱冷却系统异常时,依次对散热器堵塞、温控阀(TB45)异常、冷启动球阀处于打开状态以及散热器内部堵塞这四种原因进行排查,确定最终的故障原因,最后根据故障原因进行相应检修,直至故障消除。
综上所述,本发明所提供的大型半直驱机组齿轮箱冷却系统故障预警方法,通过对故障形成具体原因进行分析,结合故障原理、风力发电机运行数据特点和相关的温度标签点,对潜在的齿轮箱冷却系统的隐患进行预警,从而提前对隐患部位进行排查,达到在故障发生之前提前排除隐患的目的,在最大程度上减少经济损失,也有效降低人工成本。这相比现有技术,本发明能够在风力发电机组还未发生故障时,通过对历史运行数据进行分析,快速判断出齿轮箱冷却系统是否存在隐患,并根据以往的运维经验总结对故障进行排查,这对于风电场的智能运维来说具有积极的意义,使运维过程从过去的被动运维转变成主动运维,在风力发电机组还未报出故障时提前选择合适的时机进行检修,排除故障隐患,从而有效降低故障停机时间,挽回了发电量,增加了风电场的经济效益,具有实际推广价值,值得推广。
以上所述实施例只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (5)
1.一种大型半直驱机组齿轮箱冷却系统故障预警方法,其特征在于,包括以下步骤:
1)采集风电场的SCADA数据,且各个数据的标签点采样周期应保持一致;
2)提取数据中的N个标签点对应的温度值;
3)对每个标签点的温度值求其对应的实际功率设定值;
4)将采样周期内每个时间点对应的实际功率设定值和阈值进行比较,如果超出阈值,则报出齿轮箱冷却系统异常故障,若没有超出阈值则判断齿轮箱冷却系统状态正常;
5)在报出齿轮箱冷却系统异常故障之后,指导现场人员根据齿轮箱冷却系统异常故障排查流程进行排查,并根据排查的结果进行检修,直至故障消除。
2.根据权利要求1所述的一种大型半直驱机组齿轮箱冷却系统故障预警方法,其特征在于:在步骤1)中,采集风电场的SCADA数据时,数据间隔时间为1秒,并且无需对异常数据进行剔除。
3.根据权利要求1所述的一种大型半直驱机组齿轮箱冷却系统故障预警方法,其特征在于:在步骤2)中,所述标签点包括齿轮箱油温、齿轮箱主轴承温度、齿轮箱前轴承温度、齿轮箱后轴承温度、发电机前轴承温度、发电机后轴承温度、发电机绕组温度,标签点个数N的范围在[6,30]区间内。
4.根据权利要求1所述的一种大型半直驱机组齿轮箱冷却系统故障预警方法,其特征在于:在步骤3)中,对每个标签点的实际温度值求其对应的功率设定值,包括以下步骤:
3.1)按照以下公式求每个标签点对应的功率设定值:
其中,i∈{1,2,…,N},pi为第i个标签点的功率设定值;ti为第i个标签点温度的实际值;α为功率设定值的下限,范围在[1000,3000];β为功率设定值的上限,范围在[2500,6300];ai为第i个标签点的温度值下限,bi为第i个标签点的温度值上限,ai和bi的值以第i个标签点的实际温度限值为准;
3.2)对N个标签点变量值计算出来的对应功率设定值取最小值,得到实际功率设定值:
其中,Pset为实际功率设定值。
5.根据权利要求1所述的一种大型半直驱机组齿轮箱冷却系统故障预警方法,其特征在于:在步骤5)中,根据齿轮箱冷却系统异常故障排查流程,能够导致齿轮箱冷却系统故障的原因有四个,分别对应以下不同的排查方法:
a、散热器堵塞:检查齿轮油散热器滤网是否被灰尘或者其他杂物堵塞;
b、温控阀异常:当油温大于45℃时,用测温枪或其他手段检查温控阀与散热器连接管路是否有热油通过,如果有热油通过,则温控阀正常,没有热油通过则温控阀异常;
c、冷启动球阀处于打开状态:检查冷启动球阀是否能正常开启、关闭,且油温大于46℃时处于关闭状态;
d、散热器内部堵塞:当油温大于45℃时,使用测温枪或拆卸油管检查散热器内部是否堵塞。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810228522.5A CN108506171B (zh) | 2018-03-20 | 2018-03-20 | 一种大型半直驱机组齿轮箱冷却系统故障预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810228522.5A CN108506171B (zh) | 2018-03-20 | 2018-03-20 | 一种大型半直驱机组齿轮箱冷却系统故障预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108506171A true CN108506171A (zh) | 2018-09-07 |
CN108506171B CN108506171B (zh) | 2019-08-16 |
Family
ID=63376882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810228522.5A Active CN108506171B (zh) | 2018-03-20 | 2018-03-20 | 一种大型半直驱机组齿轮箱冷却系统故障预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108506171B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110940514A (zh) * | 2018-09-20 | 2020-03-31 | 中车株洲电力机车研究所有限公司 | 风机齿轮箱散热故障的早期诊断模型构建方法及诊断方法 |
CN111537257A (zh) * | 2020-05-30 | 2020-08-14 | 华能澜沧江水电股份有限公司 | 一种在线检测水轮发电机空气冷却器异常方法 |
CN112285557A (zh) * | 2020-10-20 | 2021-01-29 | 中车青岛四方机车车辆股份有限公司 | 列车牵引电机的故障诊断系统和方法 |
CN114322446A (zh) * | 2021-12-30 | 2022-04-12 | 盛景智能科技(嘉兴)有限公司 | 冷却系统故障预警方法、装置、冷却系统及作业机械 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102434388A (zh) * | 2011-11-17 | 2012-05-02 | 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 |
CN104131950A (zh) * | 2014-07-24 | 2014-11-05 | 重庆大学 | 一种风电机组温度特征量的阈值分区确定方法 |
CN104937263A (zh) * | 2013-01-25 | 2015-09-23 | 维斯塔斯风力系统有限公司 | 风轮机的控制 |
CN107701378A (zh) * | 2017-09-29 | 2018-02-16 | 上海电力设计院有限公司 | 一种风力发电机故障预警方法 |
CN107742008A (zh) * | 2017-09-20 | 2018-02-27 | 上海电机学院 | 一种风电机组齿轮箱的故障预警方法 |
-
2018
- 2018-03-20 CN CN201810228522.5A patent/CN108506171B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102434388A (zh) * | 2011-11-17 | 2012-05-02 | 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 |
CN104937263A (zh) * | 2013-01-25 | 2015-09-23 | 维斯塔斯风力系统有限公司 | 风轮机的控制 |
CN104131950A (zh) * | 2014-07-24 | 2014-11-05 | 重庆大学 | 一种风电机组温度特征量的阈值分区确定方法 |
CN107742008A (zh) * | 2017-09-20 | 2018-02-27 | 上海电机学院 | 一种风电机组齿轮箱的故障预警方法 |
CN107701378A (zh) * | 2017-09-29 | 2018-02-16 | 上海电力设计院有限公司 | 一种风力发电机故障预警方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110940514A (zh) * | 2018-09-20 | 2020-03-31 | 中车株洲电力机车研究所有限公司 | 风机齿轮箱散热故障的早期诊断模型构建方法及诊断方法 |
CN111537257A (zh) * | 2020-05-30 | 2020-08-14 | 华能澜沧江水电股份有限公司 | 一种在线检测水轮发电机空气冷却器异常方法 |
CN112285557A (zh) * | 2020-10-20 | 2021-01-29 | 中车青岛四方机车车辆股份有限公司 | 列车牵引电机的故障诊断系统和方法 |
CN114322446A (zh) * | 2021-12-30 | 2022-04-12 | 盛景智能科技(嘉兴)有限公司 | 冷却系统故障预警方法、装置、冷却系统及作业机械 |
CN114322446B (zh) * | 2021-12-30 | 2023-10-24 | 盛景智能科技(嘉兴)有限公司 | 冷却系统故障预警方法、装置、冷却系统及作业机械 |
Also Published As
Publication number | Publication date |
---|---|
CN108506171B (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106682814B (zh) | 一种基于故障知识库的风电机组故障智能诊断方法 | |
CN108051211B (zh) | 一种风电机组主轴承温度预警诊断方法 | |
CN108506171A (zh) | 一种大型半直驱机组齿轮箱冷却系统故障预警方法 | |
CN104200396B (zh) | 一种风力发电机部件故障预警方法 | |
CN104131950B (zh) | 一种风电机组温度特征量的阈值分区确定方法 | |
CN109670400B (zh) | 一种水电机组开机过程稳定性状态评价方法 | |
CN104392752A (zh) | 一种实时在线的核反应堆故障诊断与监测系统 | |
CN109188227B (zh) | 一种双馈型风力发电机绝缘状态评估方法及系统 | |
CN103306893B (zh) | 一种风力发电机故障预警及报警方法 | |
CN107291991A (zh) | 一种基于动态网络标志的风电机组早期缺陷预警方法 | |
CN104390657A (zh) | 一种发电机组运行参数测量传感器故障诊断方法及系统 | |
CN114323665B (zh) | 一种燃气轮机燃料供给系统故障的检测方法 | |
CN111582392A (zh) | 一种风电机组关键部件多工况健康状态在线监测方法 | |
CN106815771A (zh) | 一种风电场载荷的长期评估方法 | |
CN108072524A (zh) | 一种风电机组齿轮箱轴承故障预警方法 | |
CN116316613B (zh) | 电力设备运行监测方法、系统、电子设备及存储介质 | |
EP2895926A1 (de) | Verfahren zur rechnergestützten überwachung des betriebs eines technischen systems, insbesondere einer elektrischen energieerzeugungsanlage | |
CN113313365A (zh) | 一种一次风机的劣化预警方法及设备 | |
CN112240267B (zh) | 基于风速相关性与风功率曲线的风机监测方法 | |
CN116050613B (zh) | 水电机组顶盖排水泵剩余使用寿命预测方法 | |
US11339763B2 (en) | Method for windmill farm monitoring | |
CN114320773B (zh) | 一种基于功率曲线分析与神经网络的风电机组故障预警方法 | |
CN113417809A (zh) | 一种视觉雷击监测方法及系统 | |
Ye et al. | Using SCADA data fusion by swarm intelligence for wind turbine condition monitoring | |
Yang et al. | Condition Monitoring for Wind Turbine Pitch System Using Multi-parameter Health Indicator |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210108 Address after: 102200 601, building 6, No.30 courtyard, Binhe Avenue, future science city, Changping District, Beijing Patentee after: Mingyang Smart Energy Group Beijing Technology Co.,Ltd. Address before: 528437 No. 22 Torch Road, Torch Development Zone, Zhongshan City, Guangdong Province Patentee before: MING YANG SMART ENERGY GROUP Co.,Ltd. |