淺析風電機組振動監(jiān)測與故障診斷系統(tǒng)研究

趙海平

（國電南京自動化股份有限公司，江蘇 南京 210032）

隨著我國綠色發(fā)展理念的不斷深化，作為綠色能源的風能正在逐漸受到重視。

在我國，風能主要集中在中西部或地形相對較差的山區(qū)，因此，很難安裝風力渦輪機，而在這些風力渦輪機的正常運行期間，機械結構或電子組件可能由于環(huán)境和其他因素而損壞。但是，如果我們加大日常的維護，能夠極大地降低風力渦輪機故障的發(fā)生率，提高了風力渦輪機的運行效率和經濟效益。簡而言之，在風力發(fā)電中，風力渦輪機的振動監(jiān)測和故障預測對風能的廣泛使用非常重要。

1 風電機組振動信號分析與故障預測

風力發(fā)電機組主要由主軸加齒輪箱和發(fā)電機方式的傳統(tǒng)驅動，也有采用永磁直驅電機連接負載端，比傳統(tǒng)驅動少了齒輪箱，整體驅動性能提高故障點減少。目前，為監(jiān)測機組運行狀態(tài)，主要以人借助工具初步判斷，運行中的電機在某些部件出現振動、擺動異常增大或內部有金屬摩擦、撞擊聲等情況，通常是依靠緊急停機進行檢查判斷，難以完成設備安全監(jiān)測和早期預警的重任。此外，設備的故障原因識別過分依賴于專業(yè)技術人員的診斷分析，僅靠溫度檢測等不能完成及時報警的現場要求，此次檢測即采用對機器設備各位置振動的檢測，目前采用的監(jiān)測方式主要分為兩種：永磁直驅風機監(jiān)測和傳統(tǒng)雙饋風機監(jiān)測。

1.1 振動信號分析

采集模塊采集的振動信號是一個時間序列，在該時間序列中，提取信號的振動峰值和頻率特征參數，然后，可以分析時域和頻域以確定風機的運行狀態(tài)。在分析過程中，系統(tǒng)可以使用諸如峰值振動、有效值、波峰因數和峰度系數之類的參數來確定關鍵零件（如變速箱）的運行狀態(tài)。

1.2 故障預測

當預測風力渦輪機的故障時，可以通過隨機子空間的方法分析所收集的振動信號，然后，可以預測風力渦輪機的可能的故障：（1）首先，建立風力發(fā)電機齒輪箱的隨機狀態(tài)空間模型。（2）使用最初計算出的穩(wěn)態(tài)振動數據，導出模型所需的參數，并將其用作齒輪箱線性動態(tài)系統(tǒng)的參考參數。如果齒輪箱運行異常，則計算出的數據可能會偏離當前的原始參考參數，并且可能會預先確定變速箱發(fā)生了故障。（3）如果預先確定了風力發(fā)電機的缺陷部件，則應確保維護人員可以進行現場檢查，并提早警告更換和修理可能損壞的部件。

2 系統(tǒng)組成及應用

風電廠風機振動監(jiān)測及故障診斷系統(tǒng)主要由分布式數據采集器、數據服務器、狀態(tài)監(jiān)測分析軟件系統(tǒng)、遠程診斷中心數據通信等組成。

2.1 分布式數據采集器

為基于嵌入式系統(tǒng)平臺設計的振動數據采集模塊，實現設備振動信號的數據采集、特征參數計算與提取，并通過以太網絡或CAN通信接口將主輔機設備狀態(tài)數據傳送至振動數據服務器。

2.2 數據服務器

基于MySQL/SQLServer/Oracle等數據庫管理系統(tǒng)，建立電廠設備長期狀態(tài)數據庫，集中存貯主輔機設備工況狀態(tài)數據，并為電廠設備狀態(tài)監(jiān)測、報警、分析、診斷等提供數據接口及網絡服務。針對設備故障分析與診斷需求，數據服務器可連接后臺系統(tǒng)，可提取部分重要的設備狀態(tài)數據，進行深入挖掘和分析。

2.3 遠程診斷平臺的數據通信

為更好地實現電廠設備故障分析與診斷，系統(tǒng)基于振動特征計算及特征數據壓縮/恢復技術，借助企業(yè)專用網或公網通道，實現機組振動狀態(tài)數據實時遠程傳輸，接入遠程監(jiān)測與診斷平臺。風電廠風機振動監(jiān)測及故障診斷系統(tǒng)為設備管理提供了豐富的功能，不但能夠實時監(jiān)測設備運行狀態(tài)，預警可能發(fā)生的故障，而且能對設備的健康進行實時評價和智能診斷。本系統(tǒng)集狀態(tài)監(jiān)測、基本分析、綜合評價、專家系統(tǒng)、大數據預警、手機app、電機診斷、啟停統(tǒng)計、全矢譜分析、啟停車分析、動平衡等功能于一體。

（1）全信息故障診斷技術。基于模糊推理機的智能專家系統(tǒng)，匯集領域內多位資深專家經驗，可診斷轉子、軸承、齒輪和基礎類故障，支持自動生成診斷報告，診斷結果準確性高。

（2）多維智能預警預測技術。基于ISO國際或GB國家標準，提供振動統(tǒng)計量報警，窄帶報警，包絡值報警和自定義報警等多維度報警機制，能夠滿足現場多種機組不同工況下的報警情況，降低機組誤報成本和減少漏報損失，為客戶帶來潛在的經濟價值。

（3）綜合評價技術。基于多指標的設備綜合評價技術，以機組為單位，將多個評價指標進行加權融合，為機組提供更全面、客觀和準確的健康狀態(tài)評價結果。

（4）健康評價直觀形象。運用多信息融合綜合評價技術，以紅/黃/綠三種顏色標記機組健康狀態(tài)，提供給用戶直觀、可靠的評價結果。

（5）大數據技術。基于海量歷史運行數據的挖掘建模的大數據預警技術，對設備的在線健康狀態(tài)進行實時量化評估。預警系統(tǒng)可以實時分析所有運行模式，包括穩(wěn)定工況和變工況，可盡可能早地從當前狀態(tài)與正常運行狀態(tài)的偏差提供早期預警。

下面主要介紹該系統(tǒng)的在線監(jiān)測功能。在線監(jiān)測是為加強對設備運行狀態(tài)的管理，監(jiān)測的關鍵設備主要包括：風機齒輪箱、發(fā)電機轉子、變速箱軸承等，在線數據采集的內容主要包括振動、設備啟停、轉速等信息。通過在設備上安裝傳感器，將設備運行數據通過采集器上傳到服務器，進行實時監(jiān)測。系統(tǒng)可以發(fā)布OPCServer采集控制系統(tǒng)數據，將采集到的數據發(fā)送至關系數據庫，為設備監(jiān)控、評估、管理、處置提供準確的、全面的數據資源。通過多種監(jiān)測及分析手段，使用戶能迅速準確了解設備運行狀況，及時調整對設備的維護方法。在線采集數據頻率為2～10s，可自定義設置，系統(tǒng)實時記錄設備的運行時間，并參與后續(xù)系統(tǒng)其他功能模塊的運算。

2.4 振動情況分析

（1）振動分析。振動分析：主要對振動數據提供人工分析工具，包括波形分析、頻譜分析、自功率譜分析、倒譜分析、細化譜分析、包絡分析、自相關分析、短時FFT分析、Winger分析、相位差譜分析、相干分析、全矢譜分析、軸心位置及軌跡分析、啟停機分析、瀑布圖等。

（2）多趨勢分析。多趨勢分析可將機組中數據量通道進行趨勢對比。多趨勢分析具有如下特點：多達4個通道數據趨勢對比，各趨勢分別用不同顏色區(qū)分；多趨勢分析時間包括：最近2年；每小時1組；報警數據：全部存儲；所選通道既可以是本機組的各通道，也可以將不同機組相同通道進行對比顯示。

（3）啟停分析。統(tǒng)計分析設備啟停記錄，包括啟停時間、啟停次數、啟停原因、累計運行時間等。

2.5 故障診斷分析

設備智能診斷系統(tǒng)采用多源信息融合的智能診斷專家系統(tǒng)技術，根據電廠的機器故障機理特性將機器故障劃分為轉子類、軸承類、齒輪類、電氣故障類等類別。充分利用成熟的故障機理信息建立征兆到故障之間的多維映射關系，通過產生式規(guī)則、決策樹、專家推理等技術實現故障診斷。本方法存在診斷過程自解釋、推理過程可追溯、故障征兆可自定義的特點。針對電廠，系統(tǒng)內置診斷知識庫的自動診斷故障范圍如下表所示，可在試運行中增加相應的規(guī)則庫以提高系統(tǒng)的診斷能力，并且系統(tǒng)自動生成圖文并茂的診斷報告，其中，系診斷故障類別如圖1所示。

圖1 系統(tǒng)診斷故障類別

3 結語

通過不斷將風能用作綠色能源在電力方面進行應用，振動監(jiān)測和故障預測系統(tǒng)對專家也很有價值。使用該系統(tǒng)，可以分析風力渦輪機的振動特性，以實現遠程監(jiān)控的目的。同時，該系統(tǒng)還可以提高設備的運行效率和運行時間，這對風能的廣泛使用具有積極意義。