CN212110553U - 一种风电机组振动故障状态监测和智能诊断系统 - Google Patents
一种风电机组振动故障状态监测和智能诊断系统 Download PDFInfo
- Publication number
- CN212110553U CN212110553U CN202021000175.XU CN202021000175U CN212110553U CN 212110553 U CN212110553 U CN 212110553U CN 202021000175 U CN202021000175 U CN 202021000175U CN 212110553 U CN212110553 U CN 212110553U
- Authority
- CN
- China
- Prior art keywords
- wind turbine
- turbine generator
- sensor
- vibration
- data
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Wind Motors (AREA)
Abstract
本实用新型公开了一种风电机组振动故障状态监测和智能诊断系统,包括风电机组,风电机组上设有传感器且连有能够采集传感器数据的SCADA系统,风电机组还外接有振动传感器,SCADA系统、振动传感器均与数据采集箱相连,数据采集箱与中控室交换机相连并将其进行A/D转换后的数据送至中控室交换机,中控室交换机与能够对数据进行储存、整合、推理的诊断服务器相连,诊断服务器与远程监控中心相连并通过Internet网络或无线网络GPRS实现数据远程传送。本实用新型同时具备对风电机组状态检测、故障诊断功能,实现了风电机组振动故障的智能识别与诊断,为风电场现场运维人员提供针对性的运行维修建议,提高了电网运行的安全稳定性。
Description
技术领域
本实用新型涉及故障监测和诊断,具体涉及一种风电机组振动故障状态监测和智能诊断系统。
背景技术
随着时代的进步,能源短缺和环境问题日益凸显,可再生清洁能源的开发和利用越来越受到国际社会的重视,大力发展清洁、可再生能源已成为世界各国的战略性选择。风能作为一种清洁、可再生能源,因其技术较为成熟且具备大规模开发潜力而受到世界各国的广泛关注。
近年来,风电的发展在改善环境污染、缓慢气候变暖和缓解能源压力等方面做出了重大贡献。为实现节能减排、保护环境的目标,各国相继制定了一系列促进风电发展的政策方针,使得风电的开发利用取得了显著的成果。全球风电近10年来累计装机容量增长迅速,中国在风电新增装机和累计装机上都居世界第一,继续领跑全球;美国装机容量和2015年一样,保持强劲的增长速度,累计装机达82GW;印度新增装机容量创下新增装机新纪录,使得印度累计装机居世界第四;巴西新增装机达2014MW,继续引领拉丁美洲的风电市场;德国累计装机容量增加到5443MW,使其成为第三个累计装机超过50GW里程碑的国家,欧洲风电市场仍延续快速的增长。截止到2016年底,全球风电累计装机容量已经达到了486.7GW,风力发电已经成为了世界各国着重发展的能源之一。
我国风电自20世纪90年代开始起步,2000年后进入高速发展期,特别是2006年《可再生能源法》颁布实施以来,并网风电总装机容量已连续多年实现高速增长,2010年底已成为世界上风电装机第一大国。2014年11月,国务院办公厅发布《能源发展战略行动计划(2014-2020年)》的通知,要求不断促进能源发展转型,着重发展清洁可再生能源,实现2020年非化石能源占一次能源消费比重达到15%。2016年3月3日,国家能源局发布《国家能源局关于建立可再生能源开发利用目标引导制度的指导意见》中明确指出,在可再生能源发电西部地区饱和、东部和南部地区转移的情况下,风电厂的开发利用成为了重要选择。我国风电近10年来累计装机容量增长迅速,累计装机容量呈指数上涨,截止2016年底,全国风电累计装机量达到169GW,并网发电达到150GW,占全国电力总装机结构的9%,成为我国继火电和水电之后的第三大电力来源。由此,风力发电已经成为解决我国能源问题中不可或缺的重要力量。
风力发电已在我国电力结构中占据重要的地位,然而作为风力发电的风电机组常年工作于交变载荷、多工况和大温差等复杂环境下,机组各设备极易出现各种故障,不仅严重影响了机组和电网的安全稳定运行,而且造成了巨额的经济损失,甚至人员伤亡。例如2016年2月19日,山西偏关水泉风电场发生了一起重大风电机组倒塌事故,不仅将相邻的箱式变压器和集成线路铁塔压损,而且造成了一定的人员伤亡。
这些风电场重大事故的发生给我们敲响了警钟,风电场运维管理人员应充分重视风电机组的状态监测和故障诊断,在风电机组的正常使用寿命20年内,对机组的运行状态进行实时监测,及时分析风电机组的状态参数,准确发现和判断出机组的早期故障和潜在故障,从而采取合理有计划的检修维护,能够有效避免事故的发生,降低机组的维修损失。据统计分析,对电气设备的运行状态进行有效的监测和故障诊断,大约可以减少75%的电气设备事故和降低25%~50%的维护费用。
振动是风电机组中较为常见的问题,在机组各部件均易发生,各种类型的风电机组在运行中都存在着不同程度的振动,风电机组中的重要故障是不平衡、磨损、疲劳损伤、断裂等机械部件的振动引起的,风电机组发生的大多数事故或故障都与其机械部件的振动有关,都能通过振动信号反映出来。风电机组的振动信号中包含了机组运行状态的大量信息,能够有效反映的风电机组运行工况。
因此,若能从监测风电机组的振动信号着手,研究开发出一套风电机组振动故障状态监测与智能诊断系统,来进行风电机组振动故障的状态监测与故障诊断,则对避免设备故障、避免安全事故的发生具有重要意义:一方面可以增加运行单位人员对风电机组故障停机原因的准备把握,以便快速做好维护工作,进而提高风电机组运行的可靠性,另一方面能够提前发现机组存在的安全隐患,做到防患于未然,避免机组停电事故的发生,减少机组的维修成本和提高电网的安全稳定运行。
实用新型内容
本实用新型的目的在于提供一种具备对风电机组状态检测、故障诊断的关键性功能的风电机组振动故障状态监测和智能诊断系统。
本实用新型的目的通过以下技术方案来实现:
一种风电机组振动故障状态监测和智能诊断系统,包括风电机组,风电机组上设有传感器且连有能够采集传感器数据的SCADA系统,风电机组还外接有振动传感器,SCADA系统、振动传感器均与能够进行A/D转换的数据采集箱相连,数据采集箱与中控室交换机相连并将其进行A/D转换后的数据送至中控室交换机,中控室交换机与能够对数据进行储存、整合、推理的诊断服务器相连,诊断服务器与远程监控中心相连并通过Internet网络或无线网络GPRS实现数据远程传送。
进一步的,所述风电机组上设置的传感器均为具有测温功能的加速度传感器。
进一步的,所述风电机组上设置的传感器包括低频振动温度集成传感器,低频振动温度集成传感器分别设置在风电机组的叶轮主轴径向处、低速轴轴向处。
进一步的,所述风电机组上设置的传感器包括振动温度集成传感器,振动温度集成传感器分别设置在风电机组的叶轮主轴轴向处、一级行星轮径向处、一级行星轮轴向处、高速轴径向处、发电机工作端、发电机自由端。
进一步的,所述风电机组上设置的传感器包括设置在高速轴上的E2E-X5E1-M1-Z转速传感器。
相比于现有技术,本实用新型具有以下有益效果:
本实用新型通过将具有数据采集与监测功能的SCADA系统和具有储存、整合、推理功能的诊断服务器构建在同一平台的状态监测与故障诊断系统中,使得本实用新型同时具备对风电机组状态检测、故障诊断的关键性功能,实现了风电机组振动故障的智能识别与诊断,为风电场现场运维人员提供针对性的运行维修建议,提高了电网稳定的安全运行性。
进一步的,在风电机组上选择合适的测点安装传感器,能够使得测量的数据更精准可靠,能够满足风电机组工作运行的特殊工作环境从而保持性能稳定。
附图说明
图1为本实用新型的整体系统结构示意图;
图2为风电机组工作原理图;
图3为传感器布置结构图;
图中:1-风电机组;2-SCADA系统;3-振动传感器;4-数据采集箱;5-中控室交换机;6-诊断服务器。
具体实施方式
下面结合附图和具体实施例对本实用新型作进一步详细的描述。
如图1所示,本实用新型的风电机组振动故障状态监测和智能诊断系统,包括风电机组1,风电机组1上设有传感器,传感器的测点主要针对风力发电机组叶轮、齿轮箱、传动轴、发电机部分,传感器包括振动类传感器、温度传感器、转速传感器。根据机械部分运行工况的监测要求,传感器选型应严格按照现场监测要求进行选型,根据风力发电机组监测部位不同,首先需要确定传感器的类型,针对风力发电机组齿轮箱和发电机这两个高速旋转部件的监测,本实施例采用加速度传感器对其进行测量,同时考虑风机齿轮箱和发电机的温度参数也是反映机组运行状况的重要指标,所以传感器选用同时具有测温功能的加速度传感器,传感器稳定性要好,能满足风力发电机组工作运行的特殊工作环境,且性能保持稳定,具备长期正常进行信号采集的功能。
基于以上考虑,本实施例在风电机组1上的传感器振动测点分布如表1所示。
表1
风电机组1还且连有能够采集传感器数据的SCADA系统2,风电机组1还外接有振动传感器3,振动传感器3用于测量实际工况下工作人员还需要的一些数据,SCADA系统2、振动传感器3均与能够进行A/D转换的数据采集箱4相连,数据采集箱4与中控室交换机5相连并将其进行A/D转换后的数据送至中控室交换机5,中控室交换机5与能够对数据进行储存、整合、推理的诊断服务器6相连,诊断服务器6与远程监控中心相连并通过Internet网络或无线网络GPRS实现数据远程传送。
本实用新型的工作原理:
1)风力发电
在我国已安装投运的并网风电机组中,齿轮箱升速型双馈感应异步风电机组由于技术相对成熟,占较大比例,本实施例采用此风电机组,进行机组状态监测和故障诊断。如图2所示,齿轮箱升速型双馈感应异步风电机组主要由风轮、轮毂、主轴、齿轮箱、发电机、偏航系统、测风系统、电气控制柜、机舱和塔架等构成,风轮通过轮毂与主轴相连,当实际风速达到机组所设定的启动风速时驱动风轮转动,风轮吸收风的动能并将其转换成风轮的旋转机械能,机械能通过联接在轮毂上的主轴传入齿轮箱输入端,齿轮箱将风轮输入的大扭矩、低转速能量转化成小扭矩、高转速的形式后,通过联轴器传递给发电机进行发电,从而实现风力发电。
2)系统测点及传感器设置
传感器是风力发电机组振动故障状态监测与智能诊断系统功能实现的基础,是获得风力发电机组各项运行参数的前提,风力发电机组的测点设置应充分结合机组的实际特点和运行方式,以及已发生故障和异常的部位和状态,同时也要根据风力发电机组振动故障状态监测与智能诊断系统的功能需要,进行设置和安装,本实施例传感器的布置结构如图3所示。
3)现地数据采集系统
SCADA系统2中的现地数据采集系统主要是依靠从设备上的安装的传感器采集相关风力发电机组运行工作信号,经调理电路送入数据采集箱4,在数据采集箱4上进行A/D转换后,最后通过中控室交换机5传到诊断服务器6,进行进一步处理和分析。
现地数据采集系统选择时还应考虑通道数、最大采样频率、信噪比、分辨率、接口类型等因素,同时还需综合考虑如输入输出阻抗、输入增益的种类、存储容量等多重因素。
4)数据通信网络系统
SCADA系统2通过现地数据数据采集系统来获取中控室系统已经在风机上安装的传感器的信号,诊断服务器6还需要的信号可通过重新安装的振动传感器3采集,中控室SCADA系统2中的数据和数据采集箱中的数据通过中控室交换机传输到诊断服务器系统中。最后诊断服务器6可将诊断和处理结果通过Internet网络,将数据传给风电场运行维护人员,或是传给远方管理人员,也可利用目前常规的通用无线网络GPRS技术将故障信息和处理决策数据以短信的方式发送至运行维护人员的手机中,以提高整个风力发电机组振动故障状态监测与智能诊断系统的功能响应速度。
5)诊断服务器系统
诊断服务器6可以远程通讯并存储现地数据采集系统收集的信息数据。
Claims (5)
1.一种风电机组振动故障状态监测和智能诊断系统,其特征在于:包括风电机组(1),风电机组(1)上设有传感器且连有能够采集传感器数据的SCADA系统(2),风电机组(1)还外接有振动传感器(3),SCADA系统(2)、振动传感器(3)均与能够进行A/D转换的数据采集箱(4)相连,数据采集箱(4)与中控室交换机(5)相连并将其进行A/D转换后的数据送至中控室交换机(5),中控室交换机(5)与能够对数据进行储存、整合、推理的诊断服务器(6)相连,诊断服务器(6)与远程监控中心相连并通过Internet网络或无线网络GPRS实现数据远程传送。
2.根据权利要求1所述的风电机组振动故障状态监测和智能诊断系统,其特征在于:所述风电机组(1)上设置的传感器均为具有测温功能的加速度传感器。
3.根据权利要求1所述的风电机组振动故障状态监测和智能诊断系统,其特征在于:所述风电机组(1)上设置的传感器包括低频振动温度集成传感器,低频振动温度集成传感器分别设置在风电机组(1)的叶轮主轴径向处、低速轴轴向处。
4.根据权利要求1所述的风电机组振动故障状态监测和智能诊断系统,其特征在于:所述风电机组(1)上设置的传感器包括振动温度集成传感器,振动温度集成传感器分别设置在风电机组(1)的叶轮主轴轴向处、一级行星轮径向处、一级行星轮轴向处、高速轴径向处、发电机工作端、发电机自由端。
5.根据权利要求1所述的风电机组振动故障状态监测和智能诊断系统,其特征在于:所述风电机组(1)上设置的传感器包括设置在高速轴上的E2E-X5E1-M1-Z转速传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202021000175.XU CN212110553U (zh) | 2020-06-04 | 2020-06-04 | 一种风电机组振动故障状态监测和智能诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202021000175.XU CN212110553U (zh) | 2020-06-04 | 2020-06-04 | 一种风电机组振动故障状态监测和智能诊断系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN212110553U true CN212110553U (zh) | 2020-12-08 |
Family
ID=73614324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202021000175.XU Expired - Fee Related CN212110553U (zh) | 2020-06-04 | 2020-06-04 | 一种风电机组振动故障状态监测和智能诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN212110553U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112483334A (zh) * | 2020-12-11 | 2021-03-12 | 重庆科凯前卫风电设备有限责任公司 | 基于边缘计算的风电机组智能控制方法 |
-
2020
- 2020-06-04 CN CN202021000175.XU patent/CN212110553U/zh not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112483334A (zh) * | 2020-12-11 | 2021-03-12 | 重庆科凯前卫风电设备有限责任公司 | 基于边缘计算的风电机组智能控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pérez et al. | Wind turbine reliability analysis | |
US8180498B2 (en) | System and method for monitoring and controlling a wind turbine farm | |
CN202645852U (zh) | 一种垂直轴风力发电机组的控制系统 | |
CN202710100U (zh) | 风力发电机组远程在线健康状态监测与故障诊断系统 | |
CN202326011U (zh) | 一种风电机组的状态监测与故障诊断系统 | |
CN104392082A (zh) | 一种基于振动监测的风力发电机组齿轮箱早期故障诊断方法 | |
CN112177863A (zh) | 振动监控系统、风力发电系统及风电场 | |
CN104515677A (zh) | 风电机组叶片故障诊断与状态监控系统 | |
CN202793793U (zh) | 大型风力机组轴承故障诊断系统 | |
CN104533730A (zh) | 一种风力发电机组状态监测系统 | |
CN212110553U (zh) | 一种风电机组振动故障状态监测和智能诊断系统 | |
CN104792520A (zh) | 风力发电机组齿轮箱故障诊断方法 | |
CN105527568A (zh) | 一种风力发电机组故障试验台 | |
CN115013259A (zh) | 一种风机叶片健康监测系统 | |
CN202994473U (zh) | 风力发电机组振动在线监测与故障诊断系统 | |
Sayed et al. | Wind power plants control systems based on scada system | |
CN103852255A (zh) | 基于神经网络风力发电机组典型传动故障智能诊断方法 | |
CN203117391U (zh) | 一种风力发电机状态监控与智能分析系统 | |
CN202453182U (zh) | 一种风电机组齿轮箱故障诊断装置 | |
CN201740642U (zh) | 2.5mw风电齿轮箱的故障检测装置 | |
CN102878023A (zh) | 大兆瓦风力发电机组实时状态监控系统 | |
El-Shimy | Wind Energy Conversion Systems: Reliability Perspective | |
CN115757569A (zh) | 基于国产化结构的新能源多类型数据调配方法及系统 | |
CN205138630U (zh) | 一种风电设备振动在线监测仪 | |
CN205141830U (zh) | 一种风电场监控装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201208 Termination date: 20210604 |