CN112985578B - 一种风电机组共振诊断方法及装置 - Google Patents
一种风电机组共振诊断方法及装置 Download PDFInfo
- Publication number
- CN112985578B CN112985578B CN201911281691.6A CN201911281691A CN112985578B CN 112985578 B CN112985578 B CN 112985578B CN 201911281691 A CN201911281691 A CN 201911281691A CN 112985578 B CN112985578 B CN 112985578B
- Authority
- CN
- China
- Prior art keywords
- resonance
- wind turbine
- under
- target
- abnormal
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000002159 abnormal effect Effects 0.000 claims abstract description 47
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 230000001133 acceleration Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 3
- 238000002405 diagnostic procedure Methods 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H13/00—Measuring resonant frequency
-
- 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
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/0296—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor to prevent, counteract or reduce noise emissions
-
- 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
- F05B2260/96—Preventing, counteracting or reducing vibration or noise
- F05B2260/964—Preventing, counteracting or reducing vibration or noise by damping means
-
- 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
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/334—Vibration measurements
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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明公开一种风电机组共振诊断方法及装置，该方法步骤包括：S1.对目标风电机组在各个工况下的运行状态进行监测，输出监测到的运行数据；S2.根据监测到的运行数据辨识出目标风电机组各个部件和整机的固有频率；S3.判断辨识得到的各固有频率是否存在异常，以及判断各工况下指定运行指标是否存在异常，以及判断振动频率与各所述固有频率之间关系，根据判断结果诊断目标风电机组是否存在共振；该装置包括运行监测模块、频率辨识模块以及共振诊断模块。本发明具体实现方法简单、成本低、能够在初期及时准确的诊断出共振，且能够实现风电机组各类共振诊断等优点。
Description
技术领域
本发明涉及风力发电设备技术领域，尤其涉及一种风电机组共振诊断方法及装置。
背景技术
风力发电机组零部件众多、结构复杂，容易发生共振的问题，因而在进行设计时必须避开部件和整机的固有频率，以免引起共振。然而在零部件选型、制造和装配过程中，实际产品的固有频率可能因多种原因发生偏移，使得仍然会发生共振。风电机组中发生共振时，在共振发生初期，通常会因现象不明显而被忽略，随着时间的推移振动指标不断升高才会被引起注意，但此时往往已导致零部件的损坏。
目前针对风电机组的共振问题，通常即是在发现零部件损坏后，进行共振问题的排查，再采用相应的控制方法以降低振动水平，无法在共振发生初期及时的检测出该共振问题而避免零部件的损坏，影响机组的运行安全可靠性。有从业者提出针对风电机组中部件的特性来设计相应的共振检测方法，但是该类方法仅能够实现某特定部件位置处发生的共振，而风电机组由于零部件众多、结构复杂，各部件均可能会发生共振问题，上述方法无法及时诊断出风电机组各种不同类型的共振问题。
发明内容
本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现方法简单、成本低、诊断精度及效率高，能够在初期及时诊断出共振且能够实现风电机组各类共振诊断的风电机组共振诊断方法及装置。
为解决上述技术问题，本发明提出的技术方案为：
一种风电机组共振诊断方法，步骤包括：
S1.运行监测：对目标风电机组在各个工况下的运行状态进行监测，输出监测到的运行数据；
S2.频率辨识：根据监测到的运行数据辨识出目标风电机组各个部件和整机的固有频率；
S3.共振诊断：判断辨识得到的各所述固有频率是否存在异常，以及判断各工况下指定运行参数是否存在异常，以及判断振动频率与各所述固有频率之间关系，根据判断结果诊断目标风电机组是否存在共振。
进一步的，所述步骤S3中，具体先判断辨识得到的各所述固有频率是否存在异常，根据判断结果初步判定是否存在共振风险，若判定存在共振风险再判断各工况下的指定运行指标是否存在异常，如果目的工况下的指定运行指标存在异常，且判断到振动频率与目标机组中部件或者整机的固有频率相差在指定范围内，则判定目的工况下存在共振。
进一步的，具体通过判断辨识得到的各所述固有频率与对应的理论值之间的偏差状态以及各所述固有频率之间的交叠状态初步判定是否存在共振风险。
进一步的，所述初步判定是否存在共振风险的具体步骤包括：
S31.将辨识得到的各部件的所述固有频率与对应的理论值进行对比，如果与理论值之间的偏差超过正常范围，则转入步骤S32；
S32.将各部件在各个理论固有频率段对应的理论幅值，与辨识得到的各所述固有频率对应的实际幅值进行对比，如果所述理论幅值与实际幅值之间的偏差超出正常范围，则转入步骤S33；
S33.根据各所述固有频率之间的交叠状态判定是否存在共振风险。
进一步的，所述步骤S33中，具体如果有两项以上的所述固有频率的实际值之间的差值在预设范围内或者存在交叠，且在交叠频段的实际幅值高出理论幅值超过预设阈值，则判定存在共振风险。
进一步的，所述判断各工况下指定运行指标是否存在异常的具体步骤包括：获取各个工况下的多项运行参数进行统计，形成对应各运行参数的多个所述运行指标，如果在目的工况下，存在所述运行指标持续指定时长均超过正常范围，则判定目的工况下对应运行指标存在异常。
进一步的，所述判断各工况下指定运行指标是否存在异常时，具体将目标风电机组各工况下指定运行指标分别与其他正常运行风电机组的运行指标进行比较，如果目标风电机组在目的工况下存在运行指标相对于预设数量的正常运行风电机组的对应运行指标均持续偏高，则判定目的工况下对应运行指标存在异常。
进一步的，所述步骤S2中，具体通过对各工况下目标风电机组的多项运行参数的频域分析结果，辨识出所述目标风电机组各个部件以及整机的固有频率。
进一步的，所述运行参数包括发电机转速、风轮转速、有功功率、转矩和加速度中一种或多种。
一种风电机组共振诊断装置，包括：
运行监测模块，用于对目标风电机组在各个工况下的运行状态进行监测，输出监测到的运行数据；
频率辨识模块，用于根据监测到的运行数据辨识出目标风电机组各个部件和整机的固有频率；
共振诊断模块，用于判断辨识得到的各所述固有频率是否存在异常，以及判断各工况下指定运行指标是否存在异常，以及判断振动频率与各所述固有频率之间关系，根据判断结果诊断目标风电机组是否存在共振。
进一步的，所述共振诊断模块包括：
初步判定单元，用于先判断辨识得到的各所述固有频率是否存在异常，根据判断结果初步判定是否存在共振风险；
共振判定单元，用于若所述初步判定单元判定存在共振风险，再判断各工况下的指定运行指标是否存在异常，如果目的工况下的指定运行指标存在异常，且判断到振动频率与目标机组中部件或者整机的固有频率相差在指定范围内，则判定目的工况下存在共振。
进一步的，所述初步判定单元包括：
第一比较子单元，用于将辨识得到的各部件的所述固有频率与对应的理论值进行对比，如果与理论值之间的偏差超过正常范围，则转入第二比较子单元；
第二比较子单元，用于将各部件在各个理论固有频率段对应的理论幅值，与辨识得到的各所述固有频率对应的实际幅值进行对比，如果所述理论幅值与实际幅值之间的偏差超出正常范围，则转入判定子单元；
判定子单元，用于根据各所述固有频率之间的交叠状态判定是否存在共振风险。
进一步的，还包括与所述共振诊断模块连接的报警模块，用于当诊断存在共振时触发警告信号。
一种风电机组共振诊断装置，包括处理器，所述处理器中存储有可执行的计算机程序，所述处理器被配置以执行上述的方法。
与现有技术相比，本发明的优点在于：
1、本发明风电机组共振诊断方法及装置，通过对风电机组的各个工况下的运行状态进行监测，基于运行数据辨识出目标风电机组各个部件和整机的固有频率后，由辨识得到的各固有频率、各工况下的运行参数以及振动频率与各固有频率之间的关系来进行综合判断，能够自动、有效的识别出共振特征，从而在共振发生初期即可及时诊断出各种不同类型的共振问题，降低机组的运行风险。
2、本发明风电机组共振诊断方法及装置，进一步通过先对风电机组中各部件、整机的固有频率进行判断，基于固有频率的比较判断可以快速的初步判定出存在共振风险的机组，如果存在共振风险再进一步依据各工况下运行指标确认是否存在共振问题，能够确保共振诊断精度，同时有效提高诊断的效率。
3、本发明风电机组共振诊断方法及装置，进一步利用共振发生时固有频率的变化特性，通过判断风电机组中各部件、整机的固有频率的实际值与理论值之间的偏差状态，以及各固有频率之间的交叠状态，可以准确的筛选出存在共振风险的可疑机组。
4、本发明风电机组共振诊断方法及装置，进一步通过同时对风电场所有待诊断的风电机组的运行状态进行监测，筛选出可疑机组后，如果可疑机组相对其他大多数机组振动指标持续偏高，且振动频率与机组的部件或者整机的固有频率相符，则判定该可疑机组在对应工况下存在共振问题，可以实现批量风电机组共振诊断，将风电场中所有存在共振问题的风电机组批量筛选出来，大大提高诊断效率，减少诊断成本。
附图说明
图1是本实施例风电机组共振诊断方法的实现流程示意图。
图2是本实施例实现风电机组共振诊断的详细流程示意图。
图3是在具体应用实施例中得到的不同变量的频域分析结果示意图。
图4是在具体应用实施例中得到的固有频率实际频域分析结果与理论分析结果的对比示意图。
图5是在具体应用实施例中得到的可疑机组与正常机组之间加速度指标的对比结果示意图。
图6是本实施例风电机组共振诊断装置的结构原理示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。
如图1所示，本实施例风电机组共振诊断方法的步骤包括：
S1.运行监测：对目标风电机组在各个工况下的运行状态进行监测，输出监测到的运行数据；
S2.频率辨识：根据监测到的运行数据辨识出目标风电机组各个部件和整机的固有频率；
S3.共振诊断：判断辨识得到的各固有频率是否存在异常，以及判断各工况下指定运行参数是否存在异常，以及判断振动频率与各固有频率之间关系，根据判断结果诊断目标风电机组是否存在共振。
本实施例通过对风电机组的各个工况下的运行状态进行监测，基于运行数据辨识出目标风电机组各个部件和整机的固有频率后，由辨识得到的各固有频率、各工况下的运行参数以及振动频率与各固有频率之间的关系来进行综合判断，能够综合风电机组各部件固有频率的状态、运行状态自动识别出共振特征，从而在共振发生初期即可及时诊断出各种不同类型的共振问题，降低机组的运行风险。
在具体应用实施例中，可以将能够实现上述诊断方法的软件模块嵌入至控制系统中，以实现风电机组共振诊断功能，或者对控制系统的软件进行升级配置以实现上述共振诊断功能，仅需简单的软件配置，无需增加任何额外的硬件设备，实现成本低、可靠性高，且不会影响风电机组本身的保护功能。
本实施例步骤S1中对目标风电机组在各个工况下的运行状态进行监测时，具体包括监测风电机组在各工况下运行过程中发电机转速、风轮转速、有功功率、转矩和加速度等运行参数的数据，具体可根据实际需求配置所需的各类型工况以及所需采集的运行数据。
本实施例步骤S2中，具体通过对各工况下目标风电机组的多项运行参数的频域分析结果，辨识出目标风电机组各个部件以及整机的固有频率，其中运行参数具体包括发电机转速、风轮转速、有功功率、转矩和加速度等，各个部件具体可根据实际需求配置，如配置为需要重点关注的风轮、塔架部件等。
在具体应用实施例中，先采用仿真软件对风电机组基于如上述发电机转速、风轮转速、有功功率、转矩和加速度等不同运行参数(变量)进行建模计算，得到各部件的固有频率理论值，由不同运行参数所得到的固有频率值不同，基于多个运行参数(变量)的建模计算可得到各个部件、整机多个固有频率理论值，例如基于风轮转速、加速度等得到的风轮理论频率1、风轮理论频率2、塔架理论频率1、塔架理论频率2、传动链理论频率1；同时对仿真数据进行统计分析，将各运行参数在各个理论固有频段对应的理论幅值作为监测指标，存储在数据库中，后续通过调用数据库中数据即可直接获取各部件、整机的固有频率的理论值以及理论幅值；风电机组运行过程中，对实际运行的风电机组进行各种工况下的测试，根据采集到的发电机转速、风轮转速、有功功率、转矩和加速度等运行参数的频域分析结果，测算出各部件的固有频率实际值，得到如风轮实际频率1、风轮实际频率2、塔架实际频率1、塔架实际频率2、传动链实际频率1等，在具体应用实施例中使用三个不同变量得到的频域分析结果如图3所示，其中图3(a)、(b)、(c)分别对应不同变量的分析结果，各变量相应得到一组风轮、塔架以及传动链的实际频率值(固有频率的实际值)。
本实施例步骤S3中，具体先判断辨识得到的各固有频率是否存在异常，根据判断结果初步判定是否存在共振风险，若判定存在共振风险再判断各工况下的指定运行指标是否存在异常，如果目的工况下的指定运行指标存在异常，且判断到振动频率与目标机组中部件或者整机的固有频率相差在指定范围内，则判定目的工况下存在共振。当风电机组中存在共振问题时，对应部件的固有频率以及运行参数均会发生改变。本实施例通过先对风电机组中各部件、整机的固有频率进行判断，基于固有频率的比较判断可以快速的初步判定出存在共振风险的机组，如果存在共振风险再进一步依据各工况下运行指标确认是否存在共振问题，能够确保共振诊断精度，同时有效提高诊断的效率。
本实施例中，具体通过判断辨识得到的各固有频率与对应的理论值之间的偏差状态以及各固有频率之间的交叠状态初步判定是否存在共振风险。若风电机组中两个以上部件的固有频率相符或存在交叠，且交叠频段的实际幅值明显高于理论值，则表明存在共振风险，对于存在共振的部件，相应的固有频率的实际值、实际幅值将明显高于理论值。本实施例利用上述特性，通过判断风电机组中各部件、整机的固有频率的实际值与理论值之间的偏差状态，以及各固有频率之间的交叠状态，可以准确的筛选出存在共振风险的可疑机组。
本实施例中，初步判定是否存在共振风险的具体步骤包括：
S31.将辨识得到的各部件的固有频率与对应的理论值进行对比，如果与理论值之间的偏差超过正常范围，则转入步骤S32；
S32.将各部件在各个理论固有频率段对应的理论幅值，与辨识得到的各固有频率对应的实际幅值进行对比，如果理论幅值与实际幅值之间的偏差超出正常guy范围，则转入步骤S33；
S33.根据各固有频率之间的交叠状态判定是否存在共振风险。
本实施例判定是否存在共振风险时，先比较机组各部件的固有频率的实际值与对应的理论值，若偏差超过正常范围，则进一步比较实际幅值与理论幅值，偏差超过正常范围时再进一步判断各固有频率之间的交叠状态，最终判定是否存在共振风险，按照上述顺序可以尽可能准确的筛选出存在共振风险的机组。
本实施例上述步骤S33中，具体如果有两项以上的固有频率的实际值之间的差值在预设范围内或者存在交叠，且在交叠频段的实际幅值高出理论幅值超过预设阈值，则判定存在共振风险。
在具体应用实施例中，初步判断是否存在共振风险时，首先将各部件的固有频率理论值和实际值进行对比，如果固有频率实际值与其理论值存在一定偏差，则进一步判断，将各部件在各个理论固有频段对应的理论幅值，与各个实际固有频段对应的实测幅值进行对比，如果偏差超出正常范围，再进一步判断；根据实测数据的频域分析结果，如果有两项或以上固有频率实际值相距较近或者存在交叠，且在交叠频段的实测幅值明显高于理论幅值例，则判断存在共振风险。在具体应用实施例中得到的各部件实际频率(固有频率的实际值)与理论频率(固有频率的理论值)的对比结果如图4所示。
当初步判断存在风电机组存在共振风险时，进一步判断各工况下指定运行指标的状态。本实施例中，判断各工况下指定运行指标是否存在异常的具体步骤包括：获取各个工况下的多项运行参数进行统计，形成对应各运行参数的多个运行指标，如果在目的工况下，存在运行指标持续指定时长均超过正常范围，则判定目的工况下对应运行指标存在异常。本实施例具体在初步判定存在共振风险后，对在各个工况下的加速度水平、转矩波动等指标进行统计，如果这些机组的在某些工况下，相比于正常振动指标持续偏高，且振动频率与机组的部件或者整机的固有频率相符，则判定在该工况下存在共振问题。
上述判断各工况下指定运行指标是否存在异常时，是将可疑机组的运行指标与正常范围进行比较，该正常范围可以根据仿真实验、统计数据以及经验数据等进行配置，超过该正常范围即认为存在异常。实际风场中大部分的风电机组均为正常状态，存在共振的机组通常为其中少部分，因此上述判断各工况下指定运行指标是否存在异常时，还可以通过将可疑机组与其他正常机组进行比较来判别，如果可疑机组的运行指标超过多数(具体可配置)正常机组，则可以判定可疑机组的该运行指标异常，可以无需进行指标正常范围的配置，以避免由于正常范围的配置误差造成最终诊断误差。
本实施例具体将目标风电机组各工况下指定运行指标分别与其他正常运行风电机组的运行指标进行比较，如果目标风电机组在目的工况下存在运行指标相对于预设数量的正常运行风电机组的对应运行指标均持续偏高，则判定目的工况下对应运行指标存在异常。在具体应用实施例中得到的可疑共振机组与正常机组的加速度指标对比结果如图5所示，从图中可知，上侧曲线对应的可疑共振机组的加速度指标明显高于其他正常机组，则可判定该可疑机组在该工况下加速度指标存在异常。
在具体应用实施例中，如图2所示，可以配置同时对风电场所有待诊断的风电机组的运行状态进行监测，监测风电场所有待诊断风电机组各个工况下的功率、转矩、转速、风速、桨距角等运行数据，按照上述诊断方法辨识出各风电机组中各部件以及整机的固有频率后，将各风电机组的各部件、整机的固有频率的实际值与理论值按照上述方法进行比较，将存在共振风险的机组筛选出来后，对在各个工况下的加速度水平、转矩波动等指标进行统计；如果可疑机组在某些工况下，相对其他大多数机组振动指标持续偏高，且振动频率与机组的部件或者整机的固有频率相符，则判定该可疑机组在对应工况下存在共振问题，发出相应的警告信息以便于现场维护人员及时进行维护，可以实现批量风电机组共振诊断，将风电场中所有存在共振问题的风电机组批量筛选出来，大大提高诊断效率，减少诊断成本。
在具体应用实施例中，还可基于不同变量(风轮转速、功率、加速度、发电机转速、转矩和桨距角等)构建多个不同的诊断模型，由各模型辨识出风电机组各个部件和整机的固有频率，以及基于辨识的固有频率、运行指标诊断是否存在共振，可以实现多模型共振诊断，实现各种不同类型共振的精确诊断。
本发明在具体应用实施例中采用上述方法实现风电机组共振诊断的详细步骤包括：
步骤1：采用仿真软件对风电机组进行建模计算，得到各部件的固有频率理论值，同时对仿真数据进行统计分析，将各变量在各个理论固有频段对应的理论幅值作为监测指标，存储在频率数据库中；
步骤2：对实际运行的风电机组进行各种工况下的测试，根据采集到的发电机转速、风轮转速、有功功率、转矩和加速度等数据的频域分析结果:，测算出各部件的固有频率实际值；
步骤3：将各部件的固有频率理论值和实际值进行对比，如果固有频率实际值与:对应的理论值之间的偏差超过预设阈值，则转入步骤3进一步判断；
步骤4：将各部件在各个理论固有频段对应的理论幅值，与各个实际固有频段对应的实测幅值进行对比，如果偏差超出正常范围，则转入步骤5进一步判断；
步骤5：根据实测数据的频域分析结果，结合步骤3、4的分析，如果有两项或以上固有频率实际值相距较近或者存在交叠，且在交叠频段的实测幅值明显高于理论幅值，则判断存在共振风险；
步骤6：对上述步骤筛选出的存在共振风险的机组在各个工况下的加速度水平、转矩波动等指标进行统计，如果可疑机组的在某些工况下，相对其他大多数机组振动指标持续偏高，且振动频率与机组的部件或者整机的固有频率相符，则判定在该工况下存在共振问题。
通过上述步骤，可以批量实现风电机组的共振诊断，且诊断精度高，能够尽可能减少诊断误差。
本实施例风电机组共振诊断装置，包括：
运行监测模块，用于对目标风电机组在各个工况下的运行状态进行监测，输出监测到的运行数据；
频率辨识模块，用于根据监测到的运行数据辨识出目标风电机组各个部件和整机的固有频率；
共振诊断模块，用于判断辨识得到的各固有频率是否存在异常，以及判断各工况下指定运行指标是否存在异常，以及判断振动频率与各固有频率之间关系，根据判断结果诊断目标风电机组是否存在共振。
本实施例中，共振诊断模块包括：
初步判定单元，用于先判断辨识得到的各固有频率是否存在异常，根据判断结果初步判定是否存在共振风险；
共振判定单元，用于若初步判定单元判定存在共振风险，再判断各工况下的指定运行指标是否存在异常，如果目的工况下的指定运行指标存在异常，且判断到振动频率与目标机组中部件或者整机的固有频率相差在指定范围内，则判定目的工况下存在共振。
本实施例中，初步判定单元包括：
第一比较子单元，用于将辨识得到的各部件的固有频率与对应的理论值进行对比，如果与理论值之间的偏差超过正常范围，则转入第二比较子单元；
第二比较子单元，用于将各部件在各个理论固有频率段对应的理论幅值，与辨识得到的各固有频率对应的实际幅值进行对比，如果理论幅值与实际幅值之间的偏差超出正常范围，则转入判定子单元；
判定子单元，用于根据各固有频率之间的交叠状态判定是否存在共振风险。
本实施例风电机组共振诊断装置与上述风电机组共振诊断方法为一一对应，在此不再一一赘述。
本实施例风电机组共振诊断装置，进一步还包括与共振诊断模块连接的报警模块，用于当诊断存在共振时触发警告信号，可以在诊断出共振问题时进行自动报警。
如图6所示，本实施例具体将能够实现上述运行监测模块功能的软件模块嵌入风电机组监控系统中，将上述共振诊断模块嵌入在PHM(故障预测和健康管理)系统中，经过频率识别模块辨识得到的部件、整机固有频率的理论值等存储在频率数据库中，通过监控系统监测风电场所有风电机组各个工况下的功率、转矩、转速、风速、桨距角等运行数据，传输到PHM系统中进行，由PHM系统自动诊断出其中存在共振的风电机组，当诊断出存在风电机组发生共振异常时报出相应警告，便于现场维护人员及时排查，降低机组的运行风险。
在另一实施例中，本发明风电机组共振诊断装置还可以为包括处理器，处理器中存储有可执行的计算机程序，其特征在于，处理器被配置以执行上述风电机组共振诊断装置方法。
上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。
Claims (12)
1.一种风电机组共振诊断方法，其特征在于，步骤包括：
S1.运行监测：对目标风电机组在各个工况下的运行状态进行监测，输出监测到的运行数据；
S2.频率辨识：根据监测到的运行数据辨识出目标风电机组各个部件和整机的固有频率；
S3.共振诊断：判断辨识得到的各所述固有频率是否存在异常，以及判断各工况下指定运行参数是否存在异常，以及判断振动频率与各所述固有频率之间关系，根据判断结果诊断目标风电机组是否存在共振；
所述步骤S3中，具体先判断辨识得到的各所述固有频率是否存在异常，根据判断结果初步判定是否存在共振风险，若判定存在共振风险再判断各工况下的指定运行指标是否存在异常，如果目的工况下的指定运行指标存在异常，且判断到振动频率与目标机组中部件或者整机的固有频率相差在指定范围内，则判定目的工况下存在共振。
2.根据权利要求1所述的风电机组共振诊断方法，其特征在于，具体通过判断辨识得到的各所述固有频率与对应的理论值之间的偏差状态以及各所述固有频率之间的交叠状态初步判定是否存在共振风险。
3.根据权利要求2所述的风电机组共振诊断方法，其特征在于，所述初步判定是否存在共振风险的具体步骤包括：
S31.将辨识得到的各部件的所述固有频率与对应的理论值进行对比，如果与理论值之间的偏差超过正常范围，则转入步骤S32；
S32.将各部件在各个理论固有频率段对应的理论幅值，与辨识得到的各所述固有频率对应的实际幅值进行对比，如果所述理论幅值与实际幅值之间的偏差超出正常范围，则转入步骤S33；
S33.根据各所述固有频率之间的交叠状态判定是否存在共振风险。
4.根据权利要求3所述的风电机组共振诊断方法，其特征在于：所述步骤S33中，具体如果有两项以上的所述固有频率的实际值之间的差值在预设范围内或者存在交叠，且在交叠频段的实际幅值高出理论幅值超过预设阈值，则判定存在共振风险。
5.根据权利要求1～4中任意一项所述的风电机组共振诊断方法，其特征在于，所述判断各工况下的指定运行指标是否存在异常的具体步骤包括：获取各个工况下的多项运行参数进行统计，形成对应各运行参数的多个所述运行指标，如果在目的工况下，存在所述运行指标持续指定时长均超过正常范围，则判定目的工况下对应运行指标存在异常。
6.根据权利要求5所述的风电机组共振诊断方法，其特征在于：所述判断各工况下指定运行指标是否存在异常时，具体将目标风电机组各工况下指定运行指标分别与其他正常运行风电机组的运行指标进行比较，如果目标风电机组在目的工况下存在运行指标相对于预设数量的正常运行风电机组的对应运行指标均持续偏高，则判定目的工况下对应运行指标存在异常。
7.根据权利要求1～4中任意一项所述的风电机组共振诊断方法，其特征在于，所述步骤S2中，具体通过对各工况下目标风电机组的多项运行参数的频域分析结果，辨识出所述目标风电机组各个部件以及整机的固有频率。
8.根据权利要求1～4中任意一项所述的风电机组共振诊断方法，其特征在于：所述运行参数包括发电机转速、风轮转速、有功功率、转矩和加速度中一种或多种。
9.一种风电机组共振诊断装置，其特征在于，包括：
运行监测模块，用于对目标风电机组在各个工况下的运行状态进行监测，输出监测到的运行数据；
频率辨识模块，用于根据监测到的运行数据辨识出目标风电机组各个部件和整机的固有频率；
共振诊断模块，用于判断辨识得到的各所述固有频率是否存在异常，以及判断各工况下指定运行指标是否存在异常，以及判断振动频率与各所述固有频率之间关系，根据判断结果诊断目标风电机组是否存在共振；
所述共振诊断模块包括：
初步判定单元，用于先判断辨识得到的各所述固有频率是否存在异常，根据判断结果初步判定是否存在共振风险；
共振判定单元，用于若所述初步判定单元判定存在共振风险，再判断各工况下的指定运行指标是否存在异常，如果目的工况下的指定运行指标存在异常，且判断到振动频率与目标机组中部件或者整机的固有频率相差在指定范围内，则判定目的工况下存在共振。
10.根据权利要求9所述的风电机组共振诊断装置，其特征在于，所述初步判定单元包括：
第一比较子单元，用于将辨识得到的各部件的所述固有频率与对应的理论值进行对比，如果与理论值之间的偏差超过正常范围，则转入第二比较子单元；
第二比较子单元，用于将各部件在各个理论固有频率段对应的理论幅值，与辨识得到的各所述固有频率对应的实际幅值进行对比，如果所述理论幅值与实际幅值之间的偏差超出正常范围，则转入判定子单元；
判定子单元，用于根据各所述固有频率之间的交叠状态判定是否存在共振风险。
11.根据权利要求9～10中任意一项所述的风电机组共振诊断装置，其特征在于，还包括与所述共振诊断模块连接的报警模块，用于当诊断存在共振时触发警告信号。
12.一种风电机组共振诊断装置，包括处理器，所述处理器中存储有可执行的计算机程序，其特征在于，所述处理器被配置以执行权利要求1～8中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911281691.6A CN112985578B (zh) | 2019-12-13 | 2019-12-13 | 一种风电机组共振诊断方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911281691.6A CN112985578B (zh) | 2019-12-13 | 2019-12-13 | 一种风电机组共振诊断方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112985578A CN112985578A (zh) | 2021-06-18 |
| CN112985578B true CN112985578B (zh) | 2023-09-26 |
Family
ID=76332522
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911281691.6A Active CN112985578B (zh) | 2019-12-13 | 2019-12-13 | 一种风电机组共振诊断方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112985578B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113217303B (zh) * | 2021-06-21 | 2022-06-24 | 华能新能源股份有限公司 | 一种基于寿命评估的自适应共振转速控制方法 |
| CN114087136A (zh) * | 2021-11-22 | 2022-02-25 | 西安热工研究院有限公司 | 一种风电机组共振诊断方法 |
| CN114674417A (zh) * | 2022-02-14 | 2022-06-28 | 华能(浙江)能源开发有限公司玉环分公司 | 一种复杂轴系各转动部分固有动频率监测方法 |
| EP4428365A1 (en) * | 2023-03-06 | 2024-09-11 | General Electric Renovables España S.L. | Determination of oscillation frequencies of wind turbines and related methods |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002286542A (ja) * | 1999-02-02 | 2002-10-03 | Toshiba Corp | 軸ねじれ振動監視保護装置 |
| CN102829977A (zh) * | 2012-08-23 | 2012-12-19 | 天津瑞能电气有限公司 | 一种风力发电机组低频振动的监测方法 |
| CN102890165A (zh) * | 2012-10-19 | 2013-01-23 | 华锐风电科技(集团)股份有限公司 | 风机加速度传感器检测方法及装置 |
| CN102914357A (zh) * | 2012-10-10 | 2013-02-06 | 江苏银佳企业集团有限公司 | 风力发电机机械零部件异常共振预警装置及方法 |
| CN102980651A (zh) * | 2012-11-02 | 2013-03-20 | 华锐风电科技(集团)股份有限公司 | 风电机组状态监测方法、装置及系统 |
| CN104298266A (zh) * | 2014-10-08 | 2015-01-21 | 北京金风科创风电设备有限公司 | 用于风力发电机组的共振控制方法及控制系统 |
| CN104632522A (zh) * | 2015-01-04 | 2015-05-20 | 国电联合动力技术有限公司 | 一种风电机组振动的监测和控制方法及系统 |
| CN105518295A (zh) * | 2013-09-04 | 2016-04-20 | Ntn株式会社 | 风力发电装置的状态监视装置 |
| CN106286127A (zh) * | 2015-05-20 | 2017-01-04 | 上海电气风电设备有限公司 | 一种风力发电机组部件振荡监测方法 |
| CN109296506A (zh) * | 2018-10-26 | 2019-02-01 | 许昌许继风电科技有限公司 | 一种风电机组的振动检测方法、控制方法及装置 |
| CN109973325A (zh) * | 2017-12-20 | 2019-07-05 | 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 |
| CN110332080A (zh) * | 2019-08-01 | 2019-10-15 | 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 |
-
2019
- 2019-12-13 CN CN201911281691.6A patent/CN112985578B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002286542A (ja) * | 1999-02-02 | 2002-10-03 | Toshiba Corp | 軸ねじれ振動監視保護装置 |
| CN102829977A (zh) * | 2012-08-23 | 2012-12-19 | 天津瑞能电气有限公司 | 一种风力发电机组低频振动的监测方法 |
| CN102914357A (zh) * | 2012-10-10 | 2013-02-06 | 江苏银佳企业集团有限公司 | 风力发电机机械零部件异常共振预警装置及方法 |
| CN102890165A (zh) * | 2012-10-19 | 2013-01-23 | 华锐风电科技(集团)股份有限公司 | 风机加速度传感器检测方法及装置 |
| CN102980651A (zh) * | 2012-11-02 | 2013-03-20 | 华锐风电科技(集团)股份有限公司 | 风电机组状态监测方法、装置及系统 |
| CN105518295A (zh) * | 2013-09-04 | 2016-04-20 | Ntn株式会社 | 风力发电装置的状态监视装置 |
| CN104298266A (zh) * | 2014-10-08 | 2015-01-21 | 北京金风科创风电设备有限公司 | 用于风力发电机组的共振控制方法及控制系统 |
| CN104632522A (zh) * | 2015-01-04 | 2015-05-20 | 国电联合动力技术有限公司 | 一种风电机组振动的监测和控制方法及系统 |
| CN106286127A (zh) * | 2015-05-20 | 2017-01-04 | 上海电气风电设备有限公司 | 一种风力发电机组部件振荡监测方法 |
| CN109973325A (zh) * | 2017-12-20 | 2019-07-05 | 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 |
| CN109296506A (zh) * | 2018-10-26 | 2019-02-01 | 许昌许继风电科技有限公司 | 一种风电机组的振动检测方法、控制方法及装置 |
| CN110332080A (zh) * | 2019-08-01 | 2019-10-15 | 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 |
Non-Patent Citations (2)
| Title |
|---|
| 张娅等.叶片裂纹故障早期监测预警方法研究.风机技术.2017,(第04期),第48-53、76页. * |
| 李颖峰等.风电机组刚性塔架共振分析及其控制策略.《热力发电》.2019,第48卷(第7期),第122-125页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112985578A (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112985578B (zh) | 一种风电机组共振诊断方法及装置 | |
| US9678845B2 (en) | Abnormality diagnostic system and industrial machinery | |
| EP2585716B1 (en) | A method for performing condition monitoring in a wind farm | |
| CN108731921B (zh) | 一种设备连接件故障监测方法及系统 | |
| KR101307526B1 (ko) | 실시간 진동 모니터링 장치 | |
| KR102040179B1 (ko) | 제조 설비의 이상 감지 및 진단 방법 | |
| CN110766277A (zh) | 用于核工业现场的健康评估及诊断系统和移动终端 | |
| CN103792087A (zh) | 并联试车故障监测与诊断方法 | |
| AU2019244842B2 (en) | System and method for monitoring health and predicting failure of an electro-mechanical machine | |
| US10895873B2 (en) | Machine health monitoring of rotating machinery | |
| CN103675355A (zh) | 风速仪监测方法和系统 | |
| US9243615B2 (en) | Systems and procedures for wind turbine self-diagnosis | |
| KR102545672B1 (ko) | 기계고장 진단 방법 및 장치 | |
| KR20140072331A (ko) | 이상진단 사전감시 방법 | |
| CN111795824B (zh) | 机械动力系统故障诊断方法及系统 | |
| KR20110072123A (ko) | 설비 구동부 고장 감시 장치 | |
| KR101456589B1 (ko) | 고장 원인 스펙트럼 분석을 통한 기계 설비의 상태 관리 시스템 | |
| CN113557420B (zh) | 基于专家知识的用于旋转机器的自动健康状态分类器 | |
| CN114577470A (zh) | 用于风机主轴承的故障诊断方法及系统 | |
| US11339763B2 (en) | Method for windmill farm monitoring | |
| CN112983750B (zh) | 一种风电机组叶片安装错位诊断方法及装置 | |
| JP7199179B2 (ja) | 診断装置および診断方法 | |
| CN116490933A (zh) | 使用神经网络模型跟踪异常状态判断依据的装置和方法 | |
| CN112983736B (zh) | 一种风电机组传动链多模控制保护方法及装置 | |
| CN112596551B (zh) | 电子调速器的功能验证方法及系统 |
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 |