CN202330019U

CN202330019U - 一种风电机组的状态监测系统

Info

Publication number: CN202330019U
Application number: CN2011204966200U
Authority: CN
Inventors: 梁志敏; 朱玉斌; 荣浩天; 荆海斌; 汪峰
Original assignee: Sinovel Wind Group Co Ltd
Current assignee: Sinovel Wind Group Co Ltd
Priority date: 2011-12-02
Filing date: 2011-12-02
Publication date: 2012-07-11
Anticipated expiration: 2021-12-02

Abstract

本实用新型涉及一种风电机组的状态监测系统。该系统包括：振动监测服务器、数据处理器、存储器以及设置于风电机组的塔筒、轴承、齿轮箱、发电机上的振动传感器；其中，振动传感器均接数据处理器；数据处理器接振动监测服务器；振动监测服务器与存储器具有通信连接。本实用新型能提高风电机组的状态监测效率，降低监测的劳动强度。

Description

一种风电机组的状态监测系统

技术领域

本实用新型涉及风电机组的状态监测领域，特别是涉及一种风电机组的状态监测系统。

背景技术

风能是一种清洁能源，储量极为丰富，并且其在转换和利用过程中对环境的影响很小，因而风能作为一种可再生能源越来越受到重视，各国都在大力发展风力发电，风电产业高速增长。

风力发电机组(简称风电机组)发电量的多少与其运行时间直接相关，因而保证风电机组的正常运行对于提升风电经济效益起着至关重要的作用。风场的自然条件恶劣，风电机组本身的结构也很复杂，这使得风电机组的某些关键部分会在运行过程中不断振动，该振动所引起的轴承等部件的损坏是造成风电机组停机的主要原因，如果不加处理的话，故障会继续恶化，带来更多的衍生故障，这缩短了风电机组的正常运行时间，也增加了维修成本。

目前在风电领域，主要依靠从业人员的经验来对风电机组的运行状态进行监测，从而及时发现隐藏的故障，对风电机组进行运行中的维护，这种方式不仅效率比较低，而且劳动强度也比较大。

发明内容

本实用新型所要解决的技术问题是提供一种风电机组的状态监测系统，能提高风电机组的状态监测效率，降低监测的劳动强度。

本实用新型解决上述技术问题的技术方案如下：一种风电机组的状态监测系统，该系统包括：振动监测服务器、数据处理器、存储器以及设置于所述风电机组的塔筒、轴承、齿轮箱、发电机上的振动传感器；其中，

所述振动传感器均接所述数据处理器；

所述数据处理器接所述振动监测服务器；

所述振动监测服务器与所述存储器具有通信连接。

在上述技术方案的基础上，本实用新型还可以做如下改进：

进一步，所述数据处理器包括顺次相连的滤波器、功率放大器和模数转换器。

进一步，还包括与所述振动监测服务器具有通信连接的客户端。

进一步，所述客户端包括显示器。

进一步，所述客户端包括输入设备。

进一步，所述振动监测服务器还与所述风电机组的主控制器相连。

本实用新型的有益效果是：本实用新型中，振动传感器可将风电机组的塔筒、轴承、齿轮箱、发电机等位置的振动情况以电信号的形式传送到数据处理器，数据处理器将该电信号处理为振动监测服务器能准确识别和处理的数据，振动监测服务器实时对这些数据进行分析后，可判断各振动传感器所在位置的振动情况、振动趋势以及轴心轨迹等，从而获知风电机组的运行状态，并将这些数据存储到存储器中。另外，存储器中还可以存储风电机组的故障知识库，这样，振动监测服务器可根据该故障知识库中的规则来自动进行故障诊断，遇有故障实时报警，不仅提高了该系统对风电机组的状态监测以及故障判断效率，防止发生停机事件影响电力生产，而且还降低了监测的劳动强度。同时，由于故障信息不断被保存到存储器中，该系统可被作为神经网络来进行管理，利用故障知识库的自学习能力、自适应性和容错能力，振动监测服务器可以不断完善推理结果，提高故障判断的准确度。

附图说明

图1为本实用新型提出的风电机组的状态监测系统的结构图。

具体实施方式

以下结合附图对本实用新型的原理和特征进行描述，所举实例只用于解释本实用新型，并非用于限定本实用新型的范围。

图1为本实用新型提出的风电机组的状态监测系统的结构图。如图1所示，该系统包括：振动监测服务器103、数据处理器102、存储器104以及设置于风电机组的塔筒、轴承、齿轮箱、发电机上的振动传感器101。

如图1所示，振动传感器101的数量为一个以上，通常的做法是在塔筒、轴承、齿轮箱和发电机上需要监测振动情况的位置各设置至少一个振动传感器。振动传感器是一种能够感受机械振动的参量(如振动速度、频率、加速度等)并将其转换成电信号输出的传感器，该电信号含有上述的机械振动的参量信息，振动传感器101将其传送到数据处理器102，进而到达振动监测服务器103，就可以由振动监测服务器103获得振动传感器101所在位置的振动信息了。

图1中，各振动传感器101均接数据处理器102，数据处理器102接振动监测服务器103。振动监测服务器103与存储器104相连，且该连接为通信连接。

这里的数据处理器102承担着将振动传感器101送来的电信号转换为振动监测服务器103能够识别和处理的数据的功能，由于振动传感器101连接数据处理器102的线路有很强的干扰，因而数据处理器102中应包括滤波器；由于振动传感器101向数据处理器102传输电信号的线路会有一定的损耗，因而数据处理器102应包括功率放大器对电信号进行放大；此外，振动传感器101送到数据处理器102的电信号为模拟信号，而振动监测服务器103则是数字设备，只能处理数字信号，因而数据处理器102应包括模数转换器，可见，数据处理器102应包括顺次相连的滤波器、功率放大器和模数转换器。

图1中的振动监测服务器103可用计算机或其他具有数据处理、判断功能的电路来实现，其与存储器104具有通信连接，可将从数据处理器102接收的数据、自身分析判断出的振动情况、振动趋势以及轴心轨迹等信息送到存储器104，也可从存储器104中读取故障知识库等规则来对风电机组的当前运行状况进行分析，判断风电机组的故障情况。当然，如果振动监测服务器103判断出风电机组的某个器件发生了某种故障，可实时报警，以及时进行检修，防止衍生故障，减少停机事件，保障电力生产。

存储器104除了保存各种数据之外，还可以保存故障知识库。该故障知识库是故障信息与故障判断规则的集合，可利用技术人员的经验来作为其最初的数据来源，随着该系统的不断运行，各种数据被不断存储进来，该故障知识库也就不断得到更新，这样，整个状态监测系统就有了自学习能力和自适应性，另外，预先为故障知识库设置一定的容错能力，该状态监测系统就成为能够自动实现风电机组的状态监测、故障判断与报警的神经网络。

由此可见，本实用新型中，振动传感器可将风电机组的塔筒、轴承、齿轮箱、发电机等位置的振动情况以电信号的形式传送到数据处理器，数据处理器将该电信号处理为振动监测服务器能准确识别和处理的数据，振动监测服务器实时对这些数据进行分析后，可判断各振动传感器所在位置的振动情况、振动趋势以及轴心轨迹等，从而获知风电机组的运行状态，并将这些数据存储到存储器中。另外，存储器中还可以存储风电机组的故障知识库，这样，振动监测服务器可根据该故障知识库中的规则来自动进行故障诊断，遇有故障实时报警，不仅提高了该系统对风电机组的状态监测以及故障判断效率，防止发生停机事件影响电力生产，而且还降低了监测的劳动强度。同时，由于故障信息不断被保存到存储器中，该系统可被作为神经网络来进行管理，利用故障知识库的自学习能力、自适应性和容错能力，振动监测服务器可以不断完善推理结果，提高故障判断的准确度。

如图1所示，该系统还包括与振动监测服务器103具有通信连接的客户端106，通过客户端106，该状态监测系统就可以将风电机组的运行状态信息和报警信息实时反馈给维护人员，从而通过人机交互来提高监测与维护的效率。另外，监测人员通过客户端106对风机状态进行监测和管理，可以实时查看时域频域图、趋势图、轴心轨迹和棒图等信息，还可以进行用户管理。

客户端106可以包括显示运行状态信息和报警信息等的显示器，也可以包括键盘、鼠标、触摸屏等输入设备来实现参数、信息的输入。

风电机组都设有主控制器105，该主控制器105可对风电机组运行中的一些辅助信号(如发电机转速、齿轮箱轴承温度、风速、发电机功率以及轮毂转速等)进行调控。由于振动不仅仅会造成风电机组的磨损，还伴随着轴承温度的升高(造成润滑脂的升温)等现象，因此，本实用新型可将风电机组的主控制器105与振动监测服务器103相连，风电机组的主控制器105就可以实时、定期或不定期地将这些辅助信号发送到振动监测服务器103，进一步提高上述的故障知识库的信息量，从而提高振动监测服务器103对故障进行判断的准确度。

由此可见，本实用新型具有以下优点：

(1)本实用新型中，振动传感器可将风电机组的塔筒、轴承、齿轮箱、发电机等位置的振动情况以电信号的形式传送到数据处理器，数据处理器将该电信号处理为振动监测服务器能准确识别和处理的数据，振动监测服务器实时对这些数据进行分析后，可判断各振动传感器所在位置的振动情况、振动趋势以及轴心轨迹等，从而获知风电机组的运行状态，并将这些数据存储到存储器中。另外，存储器中还可以存储风电机组的故障知识库，这样，振动监测服务器可根据该故障知识库中的规则来自动进行故障诊断，遇有故障实时报警，不仅提高了该系统对风电机组的状态监测以及故障判断效率，防止发生停机事件影响电力生产，而且还降低了监测的劳动强度。同时，由于故障信息不断被保存到存储器中，该系统可被作为神经网络来进行管理，利用故障知识库的自学习能力、自适应性和容错能力，振动监测服务器可以不断完善推理结果，提高故障判断的准确度。

(2)本实用新型可被作为神经网络来进行管理，利用故障知识库的自学习能力、自适应性和容错能力，振动监测服务器可以不断完善推理结果，提高故障判断的准确度。

(3)本实用新型将风电机组的主控制器与振动监测服务器相连，风电机组的主控制器就可以实时、定期或不定期地将辅助信号发送到振动监测服务器，进一步提高故障知识库的信息量，从而提高振动监测服务器对故障进行判断的准确度。

以上所述仅为本实用新型的较佳实施例，并不用以限制本实用新型，凡在本实用新型的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实用新型的保护范围之内。

Claims

1.一种风电机组的状态监测系统，其特征在于，该系统包括：振动监测服务器、数据处理器、存储器以及设置于所述风电机组的塔筒、轴承、齿轮箱、发电机上的振动传感器；其中，

所述振动传感器均接所述数据处理器；

所述数据处理器接所述振动监测服务器；

所述振动监测服务器与所述存储器具有通信连接。

2.根据权利要求1所述的系统，其特征在于，所述数据处理器包括顺次相连的滤波器、功率放大器和模数转换器。

3.根据权利要求1或2所述的系统，其特征在于，还包括与所述振动监测服务器具有通信连接的客户端。

4.根据权利要求3所述的系统，其特征在于，所述客户端包括显示器。

5.根据权利要求3所述的系统，其特征在于，所述客户端包括输入设备。

6.根据权利要求1所述的系统，其特征在于，所述振动监测服务器还与所述风电机组的主控制器相连。