CN104407291A - 一种风电机组故障诊断***与方法 - Google Patents
一种风电机组故障诊断***与方法 Download PDFInfo
- Publication number
- CN104407291A CN104407291A CN201410637980.6A CN201410637980A CN104407291A CN 104407291 A CN104407291 A CN 104407291A CN 201410637980 A CN201410637980 A CN 201410637980A CN 104407291 A CN104407291 A CN 104407291A
- Authority
- CN
- China
- Prior art keywords
- signal
- module
- resampling
- vibration
- fault diagnosis
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003745 diagnosis Methods 0.000 title claims abstract description 28
- 238000012952 Resampling Methods 0.000 claims abstract description 56
- 238000001914 filtration Methods 0.000 claims abstract description 31
- 230000001360 synchronised effect Effects 0.000 claims abstract description 16
- 238000004088 simulation Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 36
- 230000008859 change Effects 0.000 claims description 18
- 239000000523 sample Substances 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 230000002194 synthesizing effect Effects 0.000 claims description 13
- 230000005611 electricity Effects 0.000 claims description 10
- 238000010183 spectrum analysis Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 206010038743 Restlessness Diseases 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000009429 distress Effects 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 3
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了一种风电机组故障诊断***与方法,该***包括风力发电机组、振动传感器、转速传感器、信号采集卡与计算机信号处理***,该方法包括步骤:(1)生成风电机组振动仿真信号;(2)设置初始化参数;(3)用转轴基频信号的过零点代表实际风电的键相信号;(4)选择是否对合成振动信号进行变上限的跟踪抗混叠滤波;(5)时间重采样;(6)振动信号幅值重采样;(7)时域同步平均计算;(8)重复步骤(4)到(7);(9)对比上述不同的结果。本发明实现了较好的抗混叠跟踪滤波效果,能为风电机组的故障诊断提供有效的数据处理方法,为风电机组安全接入电网以及含风电机组的智能微电网的安全运行提供保障。
Description
技术领域
本发明涉及信号滤波领域,特别涉及一种基于变上限抗混叠跟踪滤波阶次分析的风电机组故障诊断***与方法。
背景技术
在国家大力发展智能电网的背景下,风电作为智能电网的重要组成部分得到快速发展。随着风电容量在地区电网中所占比例的日趋增大,风电在给我们带来诸多利益的同时,也带来了一些不利的影响,包括:可能严重影响电能质量和电力***的安全稳定运行,并有可能危及常规发电方式,其主要表现为电压和频率的大幅度波动。更为严重的是:当风电机组由于风速过大或者电网电压瞬时大幅度降低而大规模退出运行时,会给电力***造成难以承受的大幅度功率波动冲击。建造合适的蓄能设施可有助于解决这一问题,但要付出额外的投资费用。因此,要建设智能电网,必须要改善风电的随机性变化对电网的冲击,而保障风电机组的稳定可靠运行是首要任务。
同时,我国在实施海洋/海岛开发战略,积极推进海岛型智能微电网的建设。为充分利用丰富的海岛风资源,海岛型微电网普遍配置了风力发电***,而风力发电机组是风力发电***的关键设备。由于风电机组在室外运行,日晒雨淋,尤其是在高温高盐高湿的海岛环境中,在变风速、变负载环境下和控制***的延迟响应等因素影响下,即使要求机组工作在额定转速下,其实际输出转速也总是处于波动的状态。而且,偏远的海岛型微电网大多数情况下为孤网运行,风力发电渗透率均比较高,风电机组的稳定运行直接影响海岛供电可靠性。因此,运行在复杂环境、复杂工况下的风电机组,其故障诊断技术是保障风电机组安全运行和智能微电网稳定的关键技术。
在智能微电网中,对风电机组的故障信号进行分析与诊断时,传统的傅里叶分析能将信号分析的视角从时域转换为频域,进而揭示信号含有的频率和能量信息。但是,传统的傅里叶分析是假设信号历经的各态平稳,对于在智能微电网中运行的风电机组而言,即使要求***工作在额度转速状态,但由于实际输出的波动,已不能满足傅里叶分析对信号的要求,会造成频谱能量分散、频率特征模糊的情况。当风电机组处于启动或停机过程时,由于转速的快速变化,更会导致傅里叶分析结果出现频率特征不可辨识的情况。
针对傅里叶分析在智能微电网的风电机组故障诊断领域的局限性,采用阶次分析方法是有效的解决办法。阶次分析能适应输出转速的变化,辨识出原始信号中含有的各阶相关同步信号。与传统的傅里叶分析类似,阶次分析也存在截止阶次和阶次分辨率的问题。由于输出转速可能存在的剧烈变化,导致某些频率的信号,在一定转速范围内属于混叠信号,在其余转速范围内则不属于混叠信号的棘手情况,传统的定上限低通滤波不能解决上述抗混叠问题。因此,在利用阶次分析时,如何实现较好的跟踪抗混叠滤波是一个难点。
另外,传统的故障诊断***无法准确地对进行风电机组的故障诊断,而国内目前市场上的风电机组故障诊断***及方法仍存在诸多缺陷:1、***算法复杂;2、采样得到的频谱含有高阶量的混叠,滤波效果差;3、信号频率变化大,采样上限频率不能变化,存在不满足采样定理的情况,采样定理表明采样频率必须大于被采样信号频率的两倍。
发明内容
本发明的目的是为了改进上述方法存在的不足,提供一种基于变上限抗混叠跟踪滤波阶次分析的风电机组故障诊断***与方法。
一种风电机组故障诊断***,其特征在于,包括风力发电机组、振动传感器、转速传感器、信号采集卡与计算机信号处理***;其中,计算机信号处理***包含过零点提取模块、数字变上限抗混叠跟踪滤波器、等角度重采样模块和阶次频谱分析模块;
所述数字变上限抗混叠跟踪滤波器包含阶次设定模块、周期滤波模块和信号合成模块;
所述等角度重采样模块包含等角度时钟和信号重采样模块;
所述风力发电机组与所述振动传感器和所述转速传感器连接,所述振动传感器和所述转速传感器与所述信号采集卡连接,所述信号采集卡的转速信号输出端与所述过零点提取模块连接,所述信号采集卡的振动信号输出端与所述周期滤波模块连接,所述过零点提取模块与所述周期滤波模块和所述等角度时钟连接,所述阶次设定模块与所述周期滤波模块连接,所述周期滤波模块与所述信号合成模块连接,所述信号合成模块与所述信号重采样模块连接,所述等角度时钟与所述信号重采样模块连接,所述信号重采样模块与所述阶次频谱分析模块连接。
进一步的,所述振动传感器采用AC192-1D加速度传感器,所述转速传感器采用PR-870光电传感器,所述振动传感器和所述转速传感器的输入端均接所述风力发电机上,输出端分别接信号采集卡第一输入端口和信号采集卡第一输入端口。
进一步的,所述信号采集卡采用型号为MPS-140801信号采集卡,其转速信号输出端口接所述过零点提取模块输入端口,振动信号输出端口接所述周期滤波模块的第一输入端口。
进一步的,所述过零点提取模块输出端口接所述周期滤波模块的第二输入端口和所述等角度时钟输入端口。
进一步的,所述阶次设定模块输出端口接所述周期滤波模块第三输入端口,所述周期滤波模块输出端口接所述信号合成模块输入端口。
进一步的,所述信号合成模块输出端口接所述信号重采样模块第一输入端口,所述等角度时钟的输出端口接所述信号重采样模块第二输入端口。
进一步的,所述信号重采样模块输出端口接所述阶次频谱分析模块输入端口。
一种风电机组故障诊断方法,其特征在于,包括以下步骤:
S1:生成风电机组振动仿真信号;
S2:设置时间重采样、幅值重采样、信号长度、采样率、每转信号重采样个数、阶次分辨率初始化参数;
S3:用转轴基频信号的过零点代表实际风电的键相信号;
S4:选择是否对合成振动信号进行变上限的跟踪抗混叠滤波,如果选择“是”,则进行变上限理想跟踪抗混叠滤波处理,如果选择“否则”,直接进入到下一步骤;
S5:根据键相信号,进行时间重采样
S6:进行振动信号幅值重采样;
S7:利用重采样的时间和重采样的幅值,进行时域同步平均计算,得出时域同步平均结果;
S8:重复步骤S4到S7,分别得出不进行变上限理想跟踪抗混叠滤波的时域同步平均结果和进行变上限理想跟踪抗混叠滤波的时域同步平均结果以及各自的传统FFT分析结果;
S9:对比上述不同的结果,结合原始振动仿真信号的特点,具体分析处理转速快速变化、背景噪声强烈、混叠现象明显、含有转轴相关/非相关信号的典型风电机组振动信号的不同。
进一步的,步骤S1中,所述风电机组振动仿真信号包含有转轴的基频和0.5、2、3及其余倍频信号、齿轮故障及其调制信号、分析截止阶次前的信号、超过分析截止阶次的混叠信号、轴承的相关非同步信号以及背景噪声信号。
进一步的,步骤S6中,振动信号幅值重采样时需要利用原始等时间间隔的采样信号幅值,加上步骤S5求出的重采样时间进行处理。
本发明与现有技术相比,其有益效果为:
本发明的***能适应输出转速快速变化的情况,实现了较好的抗混叠跟踪滤波效果,***算法简单,信号频率变化小,能有效地提取风电机组故障特征,进行数据处理,为风电机组安全接入电网以及含风电机组的智能微电网的安全运行提供保障。
本发明的方法克服了传统傅里叶分析在风电故障诊断领域的缺点,能很好的适用于风电故障诊断领域的信号处理、信号分离,可用于故障征兆提取等,实现截止阶次前信号保留,截止阶次后信号锐止,能为风电机组的故障诊断提供有效的数据处理方法。
附图说明
图1是本发明的***结构方框图;
图2是本发明的方法流程图;
图3是本发明实施例中变转速的不含噪声(信噪比很高)的转轴基频信号图;
图4是含有强烈背景噪声的原始的仿真信号时域图;
图5是不进行本发明提出的变上限理想跟踪抗混叠滤波处理的重采样信号的时域同步平均结果时域图;
图6是图5信号的直接傅里叶分析结果;
图7是图5信号的阶次分析结果;
图8是本发明实施例中经过变上限理想跟踪抗混叠滤波处理的重采样信号的时域同步平均结果时域图;
图9是图8信号的直接傅里叶分析结果;
图10是图8信号的阶次分析结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明提供一种基于变上限抗混叠跟踪滤波阶次分析的风电机组故障诊断***及方法。
图1是本发明的***结构方框图。本发明的***,包括风力发电机组、振动传感器、转速传感器、信号采集卡与计算机信号处理***。
其中,计算机信号处理***包含过零点提取模块、数字变上限抗混叠跟踪滤波器、等角度重采样模块和阶次频谱分析模块。数字变上限抗混叠跟踪滤波器包含阶次设定模块、周期滤波模块和信号合成模块。等角度重采样模块包含等角度时钟和信号重采样模块。
优选的,所述的振动传感器输入端口接所述的风力发电机上,振动传感器输出端口接信号采集卡第一输入端口。
优选的,所述的转速传感器采用PR-870光电传感器。所述的转速传感器输入端口接所述的风力发电机上,转速传感器输出端口接信号采集卡第二输入端口。
优选的,所述的信号采集卡采用型号为MPS-140801信号采集卡,所述信号采集卡转速信号输出端口接过零点提取模块输入端口,所述信号采集卡振动信号输出端口接周期滤波模块的第一输入端口。
优选的,所述的过零点提取模块输出端口接所述的周期滤波模块的第二输入端口,所述过零点提取模块输出端口接所述的等角度时钟输入端口。
优选的,所述的阶次设定模块输出端口接所述的周期滤波模块第三输入端口。
优选的,所述的周期滤波模块输出端口接所述的信号合成模块输入端口。
优选的,所述的信号合成模块输出端口接所述的信号重采样模块第一输入端口。
优选的,所述的等角度时钟的输出端口接所述的信号重采样模块第二输入端口。
优选的,所述的信号重采样模块输出端口接所述的阶次频谱分析模块输入端口。
综上所述,本发明具有能适应输出转速快速变化的情况,实现了较好的抗混叠跟踪滤波效果,有效地提取风电机组故障特征,进行数据处理,为风电机组安全接入电网以及含风电机组的智能微电网的安全运行提供保障。
图2是本发明方法流程图。其包括一下步骤:
(1)生成风电机组振动仿真信号,该信号包含有转轴的基频和0.5、2、3及其余倍频信号,齿轮故障及其调制信号,分析截止阶次前(用于验证算法优势)的信号,超过分析截止阶次的混叠信号,轴承的相关非同步信号,以及强烈背景噪声信号。
(2)设置时间重采样、幅值重采样、信号长度、采样率、每转信号重采样个数、阶次分辨率等初始化参数。
(3)由于转轴基频信号随着转轴每转一圈,相位变化360度,并且由于在仿真时产生的转轴基频信号不含噪声(信噪比很高)。因此,可用转轴基频信号的过零点代表实际风电的键相信号。
(4)选择是否对合成振动信号进行变上限的跟踪抗混叠滤波。如果选择“是”,则利用本专利提出的变上限理想跟踪抗混叠滤波方法进行滤波处理;如果选择“否”,则直接进入到下一步骤。
(5)根据键相信号,进行时间重采样。
(6)利用原始等时间间隔的采样信号幅值,加上步骤5求出的重采样时间,进行振动信号幅值重采样。
(7)利用重采样的时间和重采样的幅值,进行时域同步平均计算,得出时域同步平均结果。
(8)重复步骤(4)到(7),分别得出不进行变上限理想跟踪抗混叠滤波的时域同步平均结果和进行变上限理想跟踪抗混叠滤波的时域同步平均结果以及各自的传统FFT分析结果。
(9)对比上述不同的结果,结合原始振动仿真信号的特点,具体分析本发明提供的方法在处理转速快速变化、背景噪声强烈、混叠现象明显、含有转轴相关(齿轮)/非相关(轴承)信号的典型风电机组振动信号的优势。
具体实施例如下:
从图3可见转轴基频信号的频率是快速变化的,用以模拟实际风电机组启动、停机时的转速变化情况(快速变化)和恒定转速控制条件下的实际转速波动情况。图3中每一个从0-到0+的时刻点模拟的就是实际转轴每精确转过一圈的时刻点。由于相邻的0-到0+时刻点的间隔是不一样的(因为转速发生变化),因此,转轴每转过一圈的时间也是变化的。
从图4可以看出,由于原始仿真信号中含有强烈的背景噪声和多种相关同步/非同步信号,加上转速的快速变化,导致时域图较难分辨出原始信号中含有的规律性信息。
图5是图4信号经过等角度重采样后的结果。从图5可以看出原始仿真信号随着转轴角度的变化情况:转轴每转一圈(相位变化360度),振动信号“重复一次”,即振动信号的重复周期为转轴转一圈的时间,规律性很明显。
图6是图4的直接傅里叶分析结果,可以得出结论:背景噪声很强烈;转频的快速变化导致无法从傅里叶分析图中分辨出原始信号含有的特征信息。
图7是图5的阶次分析结果,其中标注信号为混叠成分。可见,在42、63、179、179.5阶处,均存在着混叠信号产生的尖峰。其中,42阶信号处的尖峰由原始信号中的318阶信号折返到低阶次产生,同理,63阶信号尖峰由原始信号的197阶混叠产生。此外,179阶尖峰由原始的179阶信号和181阶信号产生的混叠成分构成,179.5阶尖峰由原始的179.5阶信号和180.5阶信号产生的混叠成分构成。
图8是图4信号经过本专利的变上限理想跟踪抗混叠滤波处理后,再经过等角度重采样后的信号。
图9是图4信号经过本专利的变上限理想跟踪抗混叠滤波处理后,再用传统的FFT分析得出的结果。对比图8和图6可知,实现了变上限的低通滤波。
图10是图8信号的阶次分析结果,结合原始的仿真信号,可得出如下结论:0.5、1、2、3,21、22、23,43、44、45,65、66、67阶信号幅值清晰,不存在特征信号模糊不可辨识的情况,证明该方法能适应转速剧烈变化的情况;极大的抑制了噪声,有效的提高了分析结果的信噪比;有效的保留了同步相关信号(其阶次分析结果的幅值基本跟仿真信号中给定的幅值一样),有效的抑制了同步非相关信号(8.3阶、37.2阶、55.33阶信号的幅值经过多次平均后变得很小),成功的实现了同步相关/非相关信号的分离;原始信号中含有的超过180阶次而折返到低阶的混叠信号,被有效的滤除(42、63阶信号尖峰消失,其幅值均接近0;179阶、179.5阶信号的幅值基本跟仿真信号中给定的179阶、179.5阶信号的幅值一样,由180.5阶、181阶信号折返到低阶的混叠信号幅值部分接近0);由于180阶是本次仿真分析的截止阶次,为了验证算法的锐止效果,在原始信号中特意加入了179、179.5、180.5、181阶的信号,结果表明:179、179.5阶信号很好的保留了下来,其幅值基本跟仿真信号中幅值一样;而刚超过截止阶次的180.5、181阶信号,其混叠信号幅值被抑制为0。
仿真计算结果表明,本发明提出的变上限理想跟踪抗混叠滤波方法能有效地根据转速的变化情况自动调整滤波上限,并且达到了较好的抗混叠跟踪滤波效果。
最后应当说明的是:以上具体实施方式仅用于以上实施例,仅用以说明本发明的技术方案而非对其进行限制,尽管参照上述实施方式对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种风电机组故障诊断***,其特征在于,包括风力发电机组、振动传感器、转速传感器、信号采集卡与计算机信号处理***;其中,计算机信号处理***包含过零点提取模块、数字变上限抗混叠跟踪滤波器、等角度重采样模块和阶次频谱分析模块;
所述数字变上限抗混叠跟踪滤波器包含阶次设定模块、周期滤波模块和信号合成模块;
所述等角度重采样模块包含等角度时钟和信号重采样模块;
所述风力发电机组与所述振动传感器和所述转速传感器连接,所述振动传感器和所述转速传感器与所述信号采集卡连接,所述信号采集卡的转速信号输出端与所述过零点提取模块连接,所述信号采集卡的振动信号输出端与所述周期滤波模块连接,所述过零点提取模块与所述周期滤波模块和所述等角度时钟连接,所述阶次设定模块与所述周期滤波模块连接,所述周期滤波模块与所述信号合成模块连接,所述信号合成模块与所述信号重采样模块连接,所述等角度时钟与所述信号重采样模块连接,所述信号重采样模块与所述阶次频谱分析模块连接。
2.根据权利要求1所述的风电机组故障诊断***,其特征在于,所述振动传感器采用AC192-1D加速度传感器,所述转速传感器采用PR-870光电传感器,所述振动传感器和所述转速传感器的输入端均接所述风力发电机上,输出端分别接信号采集卡第一输入端口和信号采集卡第一输入端口。
3.根据权利要求1所述的风电机组故障诊断***,其特征在于,所述信号采集卡采用型号为MPS-140801信号采集卡,其转速信号输出端口接所述过零点提取模块输入端口,振动信号输出端口接所述周期滤波模块的第一输入端口。
4.根据权利要求1所述的风电机组故障诊断***,其特征在于,所述过零点提取模块输出端口接所述周期滤波模块的第二输入端口和所述等角度时钟输入端口。
5.根据权利要求1所述的风电机组故障诊断***,其特征在于,所述阶次设定模块输出端口接所述周期滤波模块第三输入端口,所述周期滤波模块输出端口接所述信号合成模块输入端口。
6.根据权利要求1所述的风电机组故障诊断***,其特征在于,所述信号合成模块输出端口接所述信号重采样模块第一输入端口,所述等角度时钟的输出端口接所述信号重采样模块第二输入端口。
7.根据权利要求1所述的风电机组故障诊断***,其特征在于,所述信号重采样模块输出端口接所述阶次频谱分析模块输入端口。
8.一种风电机组故障诊断方法,其特征在于,包括以下步骤:
S1:生成风电机组振动仿真信号;
S2:设置时间重采样、幅值重采样、信号长度、采样率、每转信号重采样个数、阶次分辨率初始化参数;
S3:用转轴基频信号的过零点代表实际风电的键相信号;
S4:选择是否对合成振动信号进行变上限的跟踪抗混叠滤波,如果选择“是”,则进行变上限理想跟踪抗混叠滤波处理,如果选择“否则”,直接进入到下一步骤;
S5:根据键相信号,进行时间重采样
S6:进行振动信号幅值重采样;
S7:利用重采样的时间和重采样的幅值,进行时域同步平均计算,得出时域同步平均结果;
S8:重复步骤S4到S7,分别得出不进行变上限理想跟踪抗混叠滤波的时域同步平均结果和进行变上限理想跟踪抗混叠滤波的时域同步平均结果以及各自的传统FFT分析结果;
S9:对比上述不同的结果,结合原始振动仿真信号的特点,具体分析处理转速快速变化、背景噪声强烈、混叠现象明显、含有转轴相关/非相关信号的典型风电机组振动信号的不同。
9.根据权利要求8所述的风电机组故障诊断方法,其特征在于,步骤S1中,所述风电机组振动仿真信号包含有转轴的基频和0.5、2、3及其余倍频信号、齿轮故障及其调制信号、分析截止阶次前的信号、超过分析截止阶次的混叠信号、轴承的相关非同步信号以及背景噪声信号。
10.根据权利要求8所述的风电机组故障诊断方法,其特征在于,步骤S6中,振动信号幅值重采样时需要利用原始等时间间隔的采样信号幅值,加上步骤S5求出的重采样时间进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410637980.6A CN104407291B (zh) | 2014-11-12 | 2014-11-12 | 一种风电机组故障诊断***与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410637980.6A CN104407291B (zh) | 2014-11-12 | 2014-11-12 | 一种风电机组故障诊断***与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104407291A true CN104407291A (zh) | 2015-03-11 |
CN104407291B CN104407291B (zh) | 2017-05-03 |
Family
ID=52644936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410637980.6A Active CN104407291B (zh) | 2014-11-12 | 2014-11-12 | 一种风电机组故障诊断***与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104407291B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104808141A (zh) * | 2015-04-27 | 2015-07-29 | 苏州工业园区聚博精密设备有限公司 | 现场智能异音振动性能测试*** |
CN104913355B (zh) * | 2015-06-29 | 2017-10-27 | 珠海格力电器股份有限公司 | 吸油烟机的噪音处理***、方法及装置 |
CN107976304A (zh) * | 2016-10-21 | 2018-05-01 | 计算***有限公司 | 基于对信号的周期性信息进行分析的机器故障预测 |
CN108317052A (zh) * | 2017-01-17 | 2018-07-24 | 神华集团有限责任公司 | 齿轮的损伤因子的检测方法及装置、风力发电机组 |
CN108459237A (zh) * | 2017-12-29 | 2018-08-28 | 天津瑞源电气有限公司 | 一种基于变采样的旋转体故障域判定方法 |
CN109580221A (zh) * | 2018-11-30 | 2019-04-05 | 电子科技大学 | 一种机械传动振动频谱去混叠技术 |
CN110594097A (zh) * | 2019-09-10 | 2019-12-20 | 许昌许继风电科技有限公司 | 一种风电机组的控制方法及控制*** |
CN110630436A (zh) * | 2019-08-29 | 2019-12-31 | 华电电力科学研究院有限公司 | 一种风电机组机舱内瓦振横向振动加速度超标控制装置及逻辑设计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156043A (zh) * | 2010-12-31 | 2011-08-17 | 北京四方继保自动化股份有限公司 | 风力发电机组在线状态监测与故障诊断*** |
CN102175439A (zh) * | 2011-01-25 | 2011-09-07 | 上海交通大学 | 针对旋转机械的阶次分析实现方法 |
CN102748214A (zh) * | 2012-07-10 | 2012-10-24 | 国电联合动力技术有限公司 | 耦合于控制***的风电机组状态监测与故障诊断*** |
CN103176128A (zh) * | 2013-03-28 | 2013-06-26 | 华南理工大学 | 一种风力发电机组状态预报及智能故障诊断方法及*** |
CN204422723U (zh) * | 2014-11-12 | 2015-06-24 | 南方电网科学研究院有限责任公司 | 一种风电机组故障诊断*** |
-
2014
- 2014-11-12 CN CN201410637980.6A patent/CN104407291B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156043A (zh) * | 2010-12-31 | 2011-08-17 | 北京四方继保自动化股份有限公司 | 风力发电机组在线状态监测与故障诊断*** |
CN102175439A (zh) * | 2011-01-25 | 2011-09-07 | 上海交通大学 | 针对旋转机械的阶次分析实现方法 |
CN102748214A (zh) * | 2012-07-10 | 2012-10-24 | 国电联合动力技术有限公司 | 耦合于控制***的风电机组状态监测与故障诊断*** |
CN103176128A (zh) * | 2013-03-28 | 2013-06-26 | 华南理工大学 | 一种风力发电机组状态预报及智能故障诊断方法及*** |
CN204422723U (zh) * | 2014-11-12 | 2015-06-24 | 南方电网科学研究院有限责任公司 | 一种风电机组故障诊断*** |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104808141A (zh) * | 2015-04-27 | 2015-07-29 | 苏州工业园区聚博精密设备有限公司 | 现场智能异音振动性能测试*** |
CN104913355B (zh) * | 2015-06-29 | 2017-10-27 | 珠海格力电器股份有限公司 | 吸油烟机的噪音处理***、方法及装置 |
CN107976304A (zh) * | 2016-10-21 | 2018-05-01 | 计算***有限公司 | 基于对信号的周期性信息进行分析的机器故障预测 |
CN107976304B (zh) * | 2016-10-21 | 2019-09-20 | 计算***有限公司 | 基于对信号的周期性信息进行分析的机器故障预测 |
CN108317052A (zh) * | 2017-01-17 | 2018-07-24 | 神华集团有限责任公司 | 齿轮的损伤因子的检测方法及装置、风力发电机组 |
CN108459237A (zh) * | 2017-12-29 | 2018-08-28 | 天津瑞源电气有限公司 | 一种基于变采样的旋转体故障域判定方法 |
CN109580221A (zh) * | 2018-11-30 | 2019-04-05 | 电子科技大学 | 一种机械传动振动频谱去混叠技术 |
CN110630436A (zh) * | 2019-08-29 | 2019-12-31 | 华电电力科学研究院有限公司 | 一种风电机组机舱内瓦振横向振动加速度超标控制装置及逻辑设计方法 |
CN110594097A (zh) * | 2019-09-10 | 2019-12-20 | 许昌许继风电科技有限公司 | 一种风电机组的控制方法及控制*** |
Also Published As
Publication number | Publication date |
---|---|
CN104407291B (zh) | 2017-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104407291A (zh) | 一种风电机组故障诊断***与方法 | |
Cheng et al. | Fault diagnosis of wind turbine gearboxes based on DFIG stator current envelope analysis | |
CN103116059B (zh) | 适用于并网发电***低电压穿越功能的电压快速检测算法 | |
CN107453401B (zh) | 一种双馈风力发电机参数辨识方法 | |
CN101977008A (zh) | 双馈风电机组关键传感器故障的判断方法 | |
CN105223418A (zh) | 次同步和超同步谐波相量的测量方法及测量装置 | |
Li et al. | Imbalance fault detection based on the integrated analysis strategy for variable-speed wind turbines | |
CN106055734A (zh) | 一种风电齿轮箱故障诊断方法 | |
Fan et al. | A novel universal grid voltage sag detection algorithm | |
CN103454537A (zh) | 基于小波分析的风力发电低电压穿越检测设备及方法 | |
CN204422723U (zh) | 一种风电机组故障诊断*** | |
Shahriar et al. | Performance analysis of electrical signature analysis-based diagnostics using an electromechanical model of wind turbine | |
CN102981082B (zh) | 基于虚拟电网仿真的风电机组闪变模拟测试***及方法 | |
CN108278184A (zh) | 基于经验模态分解的风电机组叶轮不平衡监测方法 | |
CN109063387B (zh) | 利用时间序列峰值搜索的风电齿轮振动信号阶次分析方法 | |
CN101504442B (zh) | 双srf下双馈风力发电机转子电流正负序量的实时检测方法 | |
CN102130665B (zh) | 一种基于坐标变换的风电机组轴系模态信号的求取方法 | |
CN102661787B (zh) | 一种变转速风电机组转子振动信号的变换分析方法 | |
CN205388488U (zh) | 基于嵌入式双服务器的火电厂旋转机械状态监测*** | |
CN202444281U (zh) | 一种带有励磁电流控制***的同步风力发电模拟装置 | |
CN206159059U (zh) | 一种离心泵空化诊断装置 | |
Ibrahim et al. | Stator winding fault diagnosis in synchronous generators for wind turbine applications | |
Hu et al. | Fault diagnosis of wind turbine gearbox at different operating zones | |
Yonggang et al. | Blade mass imbalance fault diagnosis using rotor and stator current based on coordinate transformation and HED | |
Xie et al. | Marine current turbine imbalance fault detection method based on angular resampling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |