風力發電系統的風機齒輪箱故障預測研究

朱振海

摘要：隨著經濟的發展，人們生活水平的提高，人們逐漸意識到可持續發展的重要。隨著能源危機及環境惡化雙重壓力的影響，世界能源供應戰略發生了重大變化，風能作為一種可再生的清潔能源，在許多國家能源戰略中起到重要的作用。風力發電機是實現風能與電能轉化的主要設備，其裝機容量逐年增加國發展更為迅猛，但同時也暴露出故障頻發、維護費用昂貴等問題。，尤其在我齒輪箱作為風電機組的關鍵部件，護費用占總維護費用的制約著風電機組的工作狀態，據統計因齒輪箱故障引起維40%以上。本文就風力發電系統的風機齒輪箱故障預測展開探討。

關鍵詞：風機齒輪箱;統計過程控制;故障預測

引言

風電機組中的齒輪箱是一動力傳送部件，也是一高故障發生率部件，進行風電機組齒輪箱故障診斷的研究，對保證風力發電機組的正常運行具有重要意義。

1風機齒輪箱故障預測難點及原理

（1）風機齒輪箱故障預測難點。SCADA是風場設備管理、監測、和控制的重要系統，通過實時收集風機運行的環境參數、工況參數、狀態參數和控制參數實時了解風機的運行狀態，每天都產生大量的相關部件的數據，采樣頻率為10min/次，其中包括：風速，有功功率，發電機轉速、對風角、風機低速軸承溫度，風機高速軸承溫度，齒輪箱冷卻水溫度，風機驅動端軸承溫度，風機自由端軸承溫度，齒輪箱油溫度等眾多量化特征變量，特征變量之間是非線性，所以風電機組參數眾多且復雜，屬于高維度、非線性系統。風機齒輪箱故障預測模型的特征變量的選取、回歸模型的選擇和預報警閾值的確定等是直接關系到預測模型的準確性，因此風機齒輪箱故障預測研究的難點在于如何設計一個有效的回歸預測模型來解決風機齒輪箱高維度、非線性系統等故障預測問題。（2）風機齒輪箱故障預測原理。針對上述難點問題，風力發電系統的風機齒輪箱故障預測原理為：從風機齒輪箱油溫度與風機故障之間有著特定關系的角度出發，基于數據驅動進行故障預測，首先篩選出能反映齒輪箱工作狀態的特征變量，然后對齒輪箱油溫度的正常狀態建立回歸模型，預測模型建立后便可預測風機下一刻的齒輪箱油溫度，然后對比齒輪箱的實際值與模型的預測值之間的殘差，應用殘差控制若發現殘差幅值長時間超過預警范圍且越過報警線，則認為齒輪箱出現異常狀態，出現故障，達到故障預測的效果。

2風力發電系統的風機齒輪箱故障預測

2.1振動監測

風機齒輪箱本質上就是一個機械系統，其狀態的劣化是一個漸變的過程，其一旦發生異常，都會隨之出現振動加大并引起工作狀況的變化，如效率降低、磨損加劇等，繼而又進一步加劇了振動，造成惡性循環，直至齒輪箱故障或損壞。振動監測的實施方案有連續監測（也稱在線監測）、定期監測和故障監測，由于技術和經濟因素的限制，目前較為常用的是后兩種方案。振動監測優于其它狀態量監測的原因在于：（1）對于機械設備，振動是普遍存在的，據統計，60%以上的機械故障都是通過機械振動反映出來的;（2）振動信號的采集回路與風電機組的電氣回路（電壓、電流等）無直接聯系，不影響其正常工作。振動監測不用停機和拆解，即可判斷齒輪箱內部的狀態;（3）分析振動信號的理論和方法都比較成熟。風力發電機組正常運行時，處于變風速、變風向的條件下，在多種不平衡力的作用下，總會產生一定的振動，在分析振動信號時，需要去除這部分振動的干擾，下一章將對振動信號的去噪理論進行論述。

2.2齒輪箱SCADA監測變量分析

SCADA系統是針對風力發電機整機的數據采集與監測的系統，對風機關鍵部件齒輪箱的監測主要從溫度、壓力和振動3個方面進行。（1）溫度監測。SCADA系統對齒輪箱的溫度監測變量主要有：齒輪箱油溫、齒輪箱前軸溫度、齒輪箱后軸溫度和齒輪油入口溫度等監測參數。齒輪箱是風力發電機的葉輪與發電機之間的橋梁，作用是將葉輪的低轉速，通過齒輪箱內部行星齒輪運行，轉化為發電機需要的高轉速。而齒輪箱是機械藕合部件，在齒輪箱運行過程中會產生大量的摩擦熱量，而齒輪箱內部的潤滑油不僅起到機械潤滑、減小摩擦的作用，且能夠帶走摩擦熱量，使齒輪箱溫度處于一定的波動范圍。當齒輪箱部件出現故障，如齒輪磨損、內圈剝落、軸不對中等故障，這將產生多余的故障摩擦熱量，而齒輪箱冷卻系統無法帶走這部分多余的熱量，隨著時間的推移，導致齒輪箱溫度升高，因此對于這些參量的監測，能夠有效的監測到齒輪箱故障的發生。（2）壓力監測。SCADA系統對齒輪箱壓力監測變量主要有：齒輪油泵壓力、齒輪油入口壓力等監測參數。齒輪箱油泵的作用是通過油液對齒輪箱內部部件進行潤滑，同時帶走齒輪箱內部部件摩擦產生的熱量，因此對齒輪箱油泵壓力的監測時為了更好的保障齒輪箱的正常工作狀態。當監測壓力大于預警范圍，最常見的故障就是輸油管道阻塞，而產生此類故障的主因是齒輪箱內部部件運行過程中，機械設備疲勞損傷或非正常摩擦產生大量碎屑造成的。當監測壓力小于預警范圍時，最常見的故障是油液泄露，齒輪箱內部部件潤滑不足，加大內部部件之間摩擦阻力，增加摩擦產生的熱量，同時由于油液泄露導致油液循環帶走的齒輪箱內部部件摩擦產生的熱量減少，進一步加快齒輪箱內部溫度的升高。（3）振動監測。SCADA系統對齒輪箱振動監測變量主要有：齒輪箱X方向振動、齒輪箱Y方向振動等監測參量。齒輪箱內部若出現的異常情況，的現象，導致的。在零部件及設備表面就可感受到設備的振動，隨后就會出現振動的加大這是振動源在設備內傳播SCADA系統同是監測齒輪箱X方向與Y方向振動，能夠對振動源進行精確的定位，便于設備故障的快速檢測與維護。

2.3基于小波變換的降噪預處理

在風電機組齒輪箱的故障診斷中，齒輪箱的振動信號含有大量的噪聲，從混有噪聲的振動信號中提取有效的特征信息是故障診斷的重要內容，而提取故障特征前對含噪的振動信號進行降噪處理是必須的。降噪方法的選擇直接關系到故障特征提取的準確性與有效性。目前有許多降噪算法，如傳統的濾波降噪法及現在新興的基于神經網絡的方法等等。但傳統的濾波降噪法僅在時域或頻域分析，無法表述信號的時域局部性質，而新興的基于神經網絡的方法，算法比較復雜，計算量太大。小波變換是一種信號的時頻分析方法，它作為一種全新的數學工具，以其分析處理非平穩時變信號獨有的優越性，己經在很多領域里獲得了廣泛的運用。小波變換具有多分辨多分析的特點，在時一間和頻率兩個領域都有表征信號局部特征的能力，是一種窗口大小固定不變但形狀可以改變的時一頻局部分析方法，它可以把振動信號的特性信息分配到不同尺度相對應的小波系數上。利用小波技術降噪是小波分析應用于工程實際的一個重要方面。

結語

風電機組中的齒輪箱是一個動力傳送部件，同時也是一個高故障發生率部件，因此開展對其故障診斷的研究，及時發現其故障并進行維修，對保證風力發電機組的正常運行具有十分突出的實際意義與經濟意義。然而，在風電機組齒輪箱故障診斷的研究中，最關鍵、最重要同時也是最困難的問題便是對其故障振動信號特征信息的提取。從某種意義上來講，風電機組齒輪箱故障特征的提取直接影響了風機齒輪箱故障診斷的準確性、有效性以及故障早期預警的可靠性。因此，對齒輪箱故障特征提取技術的研究及改進是一項十分必要且重要的課題。

參考文獻：

[1]王瑞闖，林富洪.風力發電機在線監測與診斷系統研究[J].華東電力，2018，37（1）：190-193.

[2]王斐斐.基于狀態監測信息的風電機組齒輪箱故障預測研究[D].華北電力大學，2019.