CN111075661B - 基于温度变化趋势判断风电机组主轴轴承健康状况的方法 - Google Patents
基于温度变化趋势判断风电机组主轴轴承健康状况的方法 Download PDFInfo
- Publication number
- CN111075661B CN111075661B CN201911355993.3A CN201911355993A CN111075661B CN 111075661 B CN111075661 B CN 111075661B CN 201911355993 A CN201911355993 A CN 201911355993A CN 111075661 B CN111075661 B CN 111075661B
- Authority
- CN
- China
- Prior art keywords
- main shaft
- temperature change
- shaft bearings
- time
- bearing
- 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
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
本发明公开了一种基于温度变化趋势判断风电机组主轴轴承健康状况的方法,判断规定时间内两个主轴轴承的温度变化趋势,若该段时间内两个主轴轴承温度的变化趋势不一致,则将该段时间的结果记为1,表明主轴轴承可能存在异常,若两个主轴轴承温度变化趋势一致,则将该段时间变化趋势计为0,表明主轴轴承不存在异常,通过对两个主轴轴承温度变化趋势的连续监测,当主轴轴承在一个长的时间周期内出现多次温度变化趋势不一致的情况时,则认定主轴轴承健康状况出现异常,应安排停机检查并缩短主轴轴承的维护周期,以延长主轴轴承的使用寿命。本发明可以准确判断主轴轴承健康状况,发现主轴轴承的早期故障,利于延长主轴轴承的使用寿命。
Description
技术领域
本发明涉及风力发电的技术领域,尤其是指一种基于温度变化趋势判断风电机组主轴轴承健康状况的方法。
背景技术
兆瓦级风电机组传动链多采用4点支撑的结构,如图1所示,①、②、③、④分别为风电机组传动链的4个支撑点,①和②分别为风电机组的两个主轴轴承,①为前轴承,②为后轴承。前轴承为浮动轴承,后轴承为固定轴承,前轴承只承受径向力,后轴承主要承受轴向力和部分径向力,两个轴承均采用独立的轴承箱,润滑方式均为润滑脂润滑。轴承箱位置均安装了测量轴承温度数据的PT100传感器,如图1中⑤和⑥所示为风电机组主轴轴承PT100安装位置,用以监测轴承温度变化,当风电机组某一轴承温度超过报警限值时,主控发出停机指令,防止轴承由于超温运行出现损伤,该方法依赖单一的阈值对轴承的健康状况进行判断,当轴承温度达到特定阈值时多数已出现严重的不可逆的损伤,通过阈值判断的方法很难发现风电机组轴承出现的早期问题。另外,部分机组会额外安装在线振动监测系统(CMS),通过对轴承振动数据的分析判断轴承的健康状况,该方法由于采集数据量较大,需对数据进行离线分析,无法及时发现轴承问题且该方法很难发现主轴轴承润滑不良等非损伤性故障。
风电机组运行过程中,主轴轴承箱上安装的PT100时刻都在采集主轴轴承箱内的温度,主控系统会根据采集到的温度数据与主轴轴承的报警或停机温度阈值进行比较,确认轴承是否超过运行允许温度,当主轴轴承超温时机组停机,人员登机对主轴轴承进行检查。但是由于主轴轴承属于低速运行轴承,当轴承报出超温故障时,轴承往往已经损坏严重。如图2所示为某台风电机组单日内报出温度超限故障的温度的时间序列图,机组在很短的时间内报出超温故障,当人员登机检查时发现主轴轴承B的保持架碎裂,轴承出现了严重的损伤。
通过对风电机组主轴轴承的大量数据分析发现,当轴承出现润滑不良或者早期故障磨损时,两个轴承并不会出现超温现象,而是出现轴承温度变化趋势不一致的现象。如图3所示,同一根轴上的两个健康的轴承在机组运行过程中温度变化趋势基本一致,即当轴承A温度上升时轴承B的温度也会跟随上升,轴A的温度为下降状态时,轴承B的温度也会跟随下降。如图4所示,当两个轴承中有一个健康状况异常时(如润滑不良,滚道剥落,点蚀,保持架损坏等),同一根轴上的轴承温度会出现明显的不一致现象,即轴承A温度上升时轴承B的温度会表现为下降或者快速上升后下降。此时故障轴承的运行温度仍然未超过报警温度限制,因此当轴承出现轻微问题,通过温度阈值的方法很难在早期发现,容易错过轴承的最佳维护修复时间,最终导致轴承的健康状况恶化。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提出了一种基于温度变化趋势判断风电机组主轴轴承健康状况的方法,可以准确判断主轴轴承健康状况,发现主轴轴承的早期故障,利于延长主轴轴承的使用寿命。
为实现上述目的,本发明所提供的技术方案为:基于温度变化趋势判断风电机组主轴轴承健康状况的方法,包括以下步骤:
1)将PT100采集的原始数据按照升序的方式进行排序;
2)按照原始数据的顺序求出每个原始数据所在位置与排序后数据所在位置的差值;
3)按照下式计算每个主轴轴承的变化趋势,如下:
式中:rs为规定时间内温度变化趋势,取值在+1和-1之间,取值为正时表示上升,取值为负时为趋势下降,绝对值越大说明上升或下降的趋势越明显;di为每个数据在原始数据和排序后的数据中位置之差;n为数据样本的容量;
4)判断规定时间内两个主轴轴承的温度变化趋势,该时间为主轴轴承温度变化的一个短周期,随环境温度变化调节,环境温度高时该时间周期变短,环境温度低时该时间周期变长;若该段时间内两个主轴轴承温度的变化趋势不一致,则将该段时间的结果记为1,表明主轴轴承可能存在异常,若两个主轴轴承温度变化趋势一致,则将该段时间变化趋势计为0,表明主轴轴承不存在异常;通过对两个主轴轴承温度变化趋势的连续监测,当主轴轴承在一个长的时间周期内出现多次温度变化趋势不一致的情况时,则认定主轴轴承健康状况出现异常,应安排停机检查并缩短主轴轴承的维护周期,以延长主轴轴承的使用寿命。
本发明与现有技术相比,具有如下优点与有益效果:
1、无需增加硬件,节省成本(相比于CMS)。
2、通过温度变化趋势判断,反映灵敏,准确率高。
3、可写入机组的主控系统,时效性高。
4、易于发现主轴轴承的早期故障,利于延长主轴轴承的使用寿命。
5、将风电机组的主轴轴承温度数值转化为变化趋势的数值,由于设备轴承的损坏多需经历较长时间的运行后才会发生,风电机组的主控系统可以主轴轴承的温度变化趋势数据为判断依据,判断一段时间内主轴轴承出现的温度变化趋势不一致现象的次数,确认主轴轴承是否健康,达到风电机组主轴轴承健康状况监测的要求,这样预警准确率高。
6、判断数据需求简单,主控系统的服务器负担小。
附图说明
图1为兆瓦级风电机组传动链的结构示意图。
图2为某台风电机组单日内报出温度超限故障的温度的时间序列图。
图3为同一根轴上的两个健康轴承在机组运行过程中温度变化趋势图。
图4为同一根轴上的两个轴承在机组运行过程中温度变化出现明显不一致的示意图。
图5为两个健康轴承1个月内温度变化趋势示意图(包括一致和不一致的情况)。
图6为非健康轴承1个月内温度变化趋势示意图。
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。
本实施例所提供的基于温度变化趋势判断风电机组主轴轴承健康状况的方法,通过PT100采集风电机组主轴轴承温度数据,由于机组主控系统采集数据频率较高,但温度数据变化较慢,为了减小数据处理的压力,对原始数据进行1分钟一次的重采样,机组的主控系统每隔一段时间(比如2个小时)分别判断两个主轴轴承的温度变化趋势是否一致。其包括以下步骤:
1)将PT100采集的原始数据按照升序的方式进行排序。
2)按照原始数据的顺序求出每个原始数据所在位置与排序后数据所在位置的差值。
3)按照下式计算每个主轴轴承的变化趋势,如下:
式中:rs为规定时间(比如2个小时)内温度变化趋势,取值在+1和-1之间,取值为正时表示上升,取值为负时为趋势下降,绝对值越大说明上升或下降的趋势越明显;di为每个数据在原始数据和排序后的数据中位置之差;n为数据样本的容量。
4)判断一定时间内两个主轴轴承的温度变化趋势,该时间为主轴轴承温度变化的一个短周期(可为1小时,2小时等),随环境温度变化调节,环境温度较高时该时间周期变短,环境温度较低时该时间周期变长;若该段时间内两个主轴轴承温度的变化趋势不一致,则将该段时间的结果记为1,表明主轴轴承可能存在异常,若两个主轴轴承温度变化趋势一致,则将该段时间变化趋势计为0,表明主轴轴承不存在异常;如图5所示,给出了两个健康轴承1个月内温度变化趋势一致和不一致的情况;如图6所示,给出了其中一个轴承健康状况异常时温度变化趋势的统计情况。对比图5、6,可以明显看出当风电机组两个轴承中一个出现异常时,两个主轴轴承温度趋势会出现大量的不一致情况。
通过对两个主轴轴承温度变化趋势的连续监测,当主轴轴承在一个较长的时间周期内(例如一周等)出现多次温度变化趋势不一致的情况时,则可认定主轴轴承健康状况出现异常,应安排停机检查并缩短主轴轴承的维护周期,以延长主轴轴承的使用寿命。
综上所述,本发明方法将风电机组的轴承温度数值转化为变化趋势的数值。由于设备轴承的损坏多需经历较长时间的运行后才会发生,风电机组的主控系统可将轴承的温度变化趋势数据为判断依据,判断一段时间内主轴轴承出现的温度变化趋势不一致现象的次数,确认主轴轴承是否健康,实现对风电机组主轴轴承健康状况的准确监测,易于发现主轴轴承的早期故障,进而利于延长主轴轴承的使用寿命,具有实际应用价值,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 (1)
1.基于温度变化趋势判断风电机组主轴轴承健康状况的方法,其特征在于,包括以下步骤:
1)将PT100采集的原始数据按照升序的方式进行排序;
2)按照原始数据的顺序求出每个原始数据所在位置与排序后数据所在位置的差值;
3)按照下式计算每个主轴轴承的变化趋势,如下:
式中:rs为规定时间内温度变化趋势,取值在+1和-1之间,取值为正时表示上升,取值为负时为趋势下降,绝对值越大说明上升或下降的趋势越明显;di为每个数据在原始数据和排序后的数据中位置之差;n为数据样本的容量;
4)判断规定时间内两个主轴轴承的温度变化趋势,该时间为主轴轴承温度变化的一个短周期,随环境温度变化调节,环境温度高时该时间周期变短,环境温度低时该时间周期变长;若该段时间内两个主轴轴承温度的变化趋势不一致,则将该段时间的结果记为1,表明主轴轴承可能存在异常,若两个主轴轴承温度变化趋势一致,则将该段时间变化趋势计为0,表明主轴轴承不存在异常;通过对两个主轴轴承温度变化趋势的连续监测,当主轴轴承在一个长的时间周期内出现多次温度变化趋势不一致的情况时,则认定主轴轴承健康状况出现异常,应安排停机检查并缩短主轴轴承的维护周期,以延长主轴轴承的使用寿命。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911355993.3A CN111075661B (zh) | 2019-12-25 | 2019-12-25 | 基于温度变化趋势判断风电机组主轴轴承健康状况的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911355993.3A CN111075661B (zh) | 2019-12-25 | 2019-12-25 | 基于温度变化趋势判断风电机组主轴轴承健康状况的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111075661A CN111075661A (zh) | 2020-04-28 |
CN111075661B true CN111075661B (zh) | 2021-11-09 |
Family
ID=70317589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911355993.3A Active CN111075661B (zh) | 2019-12-25 | 2019-12-25 | 基于温度变化趋势判断风电机组主轴轴承健康状况的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111075661B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114576102A (zh) * | 2020-12-02 | 2022-06-03 | 新疆金风科技股份有限公司 | 风电机组轴承状态的预测方法、装置、设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096771A (zh) * | 2011-01-24 | 2011-06-15 | 华北电力大学 | 汽轮发电机组轴承瓦温变化趋势实时分析方法 |
WO2014021236A1 (ja) * | 2012-07-31 | 2014-02-06 | 日揮株式会社 | 気象再現方法、気象再現装置及び空気利用装置 |
WO2015036027A1 (en) * | 2013-09-13 | 2015-03-19 | Aktiebolaget Skf | Device & method for testing an acoustic emission sensor |
CN105205569A (zh) * | 2015-10-15 | 2015-12-30 | 华侨大学 | 风机齿轮箱状态在线评估模型建立方法及在线评估方法 |
CN106017932A (zh) * | 2016-08-02 | 2016-10-12 | 哈尔滨理工大学 | 电机轴承在线监测及智能预警系统 |
CN106053089A (zh) * | 2016-08-22 | 2016-10-26 | 中国船舶重工集团公司第七�三研究所 | 一种燃气轮机的排序异常检测系统 |
WO2017072635A1 (en) * | 2015-10-29 | 2017-05-04 | Camozzi Digital S.R.L. | Method for monitoring a rolling bearing used for supporting a rotating component of a machine |
CN106870297A (zh) * | 2017-02-10 | 2017-06-20 | 国电联合动力技术有限公司 | 一种基于时间序列聚类诊断风力发电机主轴承故障的方法 |
CN107725286A (zh) * | 2017-11-02 | 2018-02-23 | 北京三力新能科技有限公司 | 一种基于反时限控制的风力发电机组结冰检测控制方法 |
CN109209785A (zh) * | 2018-10-25 | 2019-01-15 | 北京国电思达科技有限公司 | 一种基于Matlab的风电机组智能状态检修方法 |
CN110414155A (zh) * | 2019-07-31 | 2019-11-05 | 北京天泽智云科技有限公司 | 一种带有单测点的风机部件温度异常检测和报警方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8845064B2 (en) * | 2011-11-29 | 2014-09-30 | Canon Kabushiki Kaisha | Printing apparatus |
-
2019
- 2019-12-25 CN CN201911355993.3A patent/CN111075661B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096771A (zh) * | 2011-01-24 | 2011-06-15 | 华北电力大学 | 汽轮发电机组轴承瓦温变化趋势实时分析方法 |
WO2014021236A1 (ja) * | 2012-07-31 | 2014-02-06 | 日揮株式会社 | 気象再現方法、気象再現装置及び空気利用装置 |
WO2015036027A1 (en) * | 2013-09-13 | 2015-03-19 | Aktiebolaget Skf | Device & method for testing an acoustic emission sensor |
CN105205569A (zh) * | 2015-10-15 | 2015-12-30 | 华侨大学 | 风机齿轮箱状态在线评估模型建立方法及在线评估方法 |
WO2017072635A1 (en) * | 2015-10-29 | 2017-05-04 | Camozzi Digital S.R.L. | Method for monitoring a rolling bearing used for supporting a rotating component of a machine |
CN106017932A (zh) * | 2016-08-02 | 2016-10-12 | 哈尔滨理工大学 | 电机轴承在线监测及智能预警系统 |
CN106053089A (zh) * | 2016-08-22 | 2016-10-26 | 中国船舶重工集团公司第七�三研究所 | 一种燃气轮机的排序异常检测系统 |
CN106870297A (zh) * | 2017-02-10 | 2017-06-20 | 国电联合动力技术有限公司 | 一种基于时间序列聚类诊断风力发电机主轴承故障的方法 |
CN107725286A (zh) * | 2017-11-02 | 2018-02-23 | 北京三力新能科技有限公司 | 一种基于反时限控制的风力发电机组结冰检测控制方法 |
CN109209785A (zh) * | 2018-10-25 | 2019-01-15 | 北京国电思达科技有限公司 | 一种基于Matlab的风电机组智能状态检修方法 |
CN110414155A (zh) * | 2019-07-31 | 2019-11-05 | 北京天泽智云科技有限公司 | 一种带有单测点的风机部件温度异常检测和报警方法 |
Non-Patent Citations (1)
Title |
---|
风力发电机组轴承常见故障诊断与振动检测;陈艳;《中国新技术新产品》;20180325;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111075661A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10527520B2 (en) | Operating wind motors and determining their remaining useful life | |
Fischer et al. | Condition monitoring of wind turbines: State of the art, user experience and recommendations | |
KR20070012680A (ko) | 구름 베어링의 잔여수명 진단방법 및 이 잔여수명진단장치 | |
CN114878172B (zh) | 一种船舶主机气缸温度信号特征提取方法及系统 | |
CN111075661B (zh) | 基于温度变化趋势判断风电机组主轴轴承健康状况的方法 | |
JP2005017128A (ja) | 機械設備の状態監視方法及び装置 | |
JP7383367B1 (ja) | 回転機器の振動データ分析方法及び分析システム | |
CN115165326A (zh) | 通过机械传动链润滑油(脂)杂质分析的风机故障诊断方法 | |
CN107218180B (zh) | 一种基于振动加速度测量的风力发电机组传动系统故障报警方法 | |
RU2668852C1 (ru) | Способ и система учета остаточного ресурса компонентов турбоагрегата | |
CN116644672A (zh) | 一种基于残差网络的航空发动机滚动轴承故障诊断方法 | |
CN110794683A (zh) | 基于深度神经网络和峭度特征的风电齿轮箱状态评估方法 | |
CN115326393A (zh) | 一种基于温度信息的风电机组轴承对故障诊断方法 | |
Koulocheris et al. | Vibration signals and condition monitoring for wind turbines | |
CN114061934A (zh) | 基于风力发电机组振动的叶片故障诊断方法及系统 | |
CN114295367A (zh) | 一种风电机组齿轮箱工况在线监测方法 | |
CN114151291B (zh) | 一种风电机组早期故障监测方法 | |
Tutiv'en et al. | Wind turbine main bearing condition monitoring via convolutional autoencoder neural networks | |
Paul et al. | Residual Signature Analysis for Wind Turbine Failure Prognosis | |
Kareem et al. | A condition based model for maintenance planning on critical equipment in the petrochemical industry | |
Bergua Archeli et al. | Up-tower investigation of main bearing cage slip and loads | |
CN114791357B (zh) | 一种风电齿轮箱的传动故障监测方法及系统 | |
CN117128143A (zh) | 一种叶片故障检测方法和相关装置 | |
CN117167258A (zh) | 管道燃驱压缩机组健康管理评价系统及方法 | |
CN116701372A (zh) | 一种可视化的桥梁历史检测数据表现方法 |
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 |