CN105179179A - 一种风力发电机组的全状态监测方法和*** - Google Patents
一种风力发电机组的全状态监测方法和*** Download PDFInfo
- Publication number
- CN105179179A CN105179179A CN201510415276.0A CN201510415276A CN105179179A CN 105179179 A CN105179179 A CN 105179179A CN 201510415276 A CN201510415276 A CN 201510415276A CN 105179179 A CN105179179 A CN 105179179A
- Authority
- CN
- China
- Prior art keywords
- blade
- generating set
- wind power
- power generating
- tower cylinder
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Wind Motors (AREA)
Abstract
本发明公开了一种风力发电机组的全状态监测方法和***,该方法包括:实时监测风力发电机组的多个部件的状态;对于每个部件,根据其状态判断该部件是否发生故障;当判断出风力发电机组的一个或多个部件发生故障时,发送报警信息。本发明针对风力发电机组的运行要求,提出了一种更先进、更全面、更准确的状态监测与故障诊断方案,该方案在不影响风力发电机组正常运行的前提下,通过对风力发电机组的多个部件的状态监控、故障诊断以及报警处理,可以实现工作人员对风力发电机组运行状态的全面、实时远程监控,提高了对风力发电机组故障响应的及时性、有效性和准确性,在保证机组可靠稳定运行、降低机组维护成本等方面具有重要的意义。
Description
技术领域
本发明涉及风力发电领域,尤其涉及一种风力发电机组的全状态监测方法和***。
背景技术
风力发电机组的故障机理十分复杂,影响因素众多,是影响风力发电机组能否长期稳定运行的关键因素。建立一套完整、全面的风力发电机组状态监测和故障诊断方案,对于正确评价机组运行状态,预防和减少机组故障的发生,实现预知性维修都有重要的意义。
发明内容
鉴于上述问题,本发明提供了一种风力发电机组的全状态监测方法和***,以解决上述问题或者至少部分地解决上述问题。
依据本发明的一个方面,提供了一种风力发电机组的全状态监测方法,该方法包括:
实时监测风力发电机组的多个部件的状态;
对于每个部件,根据其状态判断该部件是否发生故障;
当判断出风力发电机组的一个或多个部件发生故障时,发送报警信息。
可选地,所述实时监测风力发电机组的多个部件的状态,对于每个部件,根据其状态判断该部件是否发生故障包括如下一种或多种:
监测风力发电机组的各叶片的振动状态,根据各叶片的振动状态判断是否存在发生故障的叶片;
监测风力发电机组的主轴轴承的振动状态,根据主轴轴承的振动状态判断主轴是否发生故障;
监测风力发电机组的齿轮箱的振动状态,根据齿轮箱的振动状态判断齿轮箱是否发生故障;
监测风力发电机组的齿轮箱中的润滑油的油液状态,根据齿轮箱中的润滑油的油液状态判断齿轮箱中的润滑油是否存在问题;
监测风力发电机组的发电机的转子轴承的振动状态,根据发电机的转子轴承的振动状态判断发电机是否发生故障;
监测风力发电机组的塔筒的振动状态,根据塔筒的振动状态判断塔筒是否发生非正常晃动;
监测风力发电机组的塔筒的倾斜状态,根据塔筒的倾斜状态判断塔筒所处的地基是否发生非正常沉降。
可选地,所述监测风力发电机组的各叶片的振动状态,根据各叶片的振动状态判断是否存在发生故障的叶片包括:
采集各叶片的噪音信号,获得各叶片的噪音信号的频域特征;根据各叶片的噪音信号的频域特征判断是否存在发生故障的叶片;
其中,所述根据各叶片的噪音信号的频域特征判断是否存在发生故障的叶片包括如下一种或多种:
分析不同叶片的噪音信号的频域特征之间的差异,对于每个叶片,如果该叶片与其他各叶片的当前噪音信号的频域特征之间的差异均出现异常,则确定该叶片发生故障;其中,该叶片与其他任一叶片的噪音信号的频域特征之间的差异出现异常包括:二者的当前噪音信号的频域特征之间的差异超出正常范围;
如果一个叶片的噪音信号的频域范围达到啸叫频率范围,则确定该叶片发生故障;
对于每个叶片,比较该叶片的当前噪音信号的频域特征与当前转速下标准噪音信号的频域特征,如果存在异常,则确定该叶片发生故障。
可选地,所述监测风力发电机组的齿轮箱中的润滑油的油液状态,根据齿轮箱中的润滑油的油液状态判断齿轮箱中的润滑油是否存在问题包括:
采集齿轮箱中的润滑油的粘度、温度、密度、水分、颗粒数和颗粒度中的一个或多个,如果齿轮箱中的润滑油的粘度、温度、密度、水分、颗粒数和颗粒度中的一个或多个偏离正常范围,则判断齿轮箱中的润滑油的质量存在问题。
可选地,所述监测风力发电机组的塔筒的振动状态,根据塔筒的振动状态判断塔筒是否发生非正常晃动包括:采集塔筒的振动信号,获得振动信号的时域特征和频域特征,如果塔筒的振动信号的时域特征和/或频域特征的幅值和频率超出正常范围,则判断塔筒发生非正常晃动;
所述监测风力发电机组的塔筒的倾斜状态,根据塔筒的倾斜状态判断塔筒所处的地基是否发生非正常沉降包括:采集塔筒的倾角,如果塔筒的倾角超出正常范围,则判断塔筒所处的地基发生非正常沉降。
依据本发明的另一个方面,提供了一种风力发电机组的全状态监测***,该***包括:
监测处理模块,用于实时监测风力发电机组的多个部件的状态;以及用于对于每个部件,根据其状态判断该部件是否发生故障;
报警处理模块,用于当监测处理模块判断出风力发电机组的一个或多个部件发生故障时,发送报警信息。
可选地,所述监测处理模块,用于执行以下一种或多种监测处理过程:
监测风力发电机组的各叶片的振动状态,根据各叶片的振动状态判断是否存在发生故障的叶片;
监测风力发电机组的主轴轴承的振动状态,根据主轴轴承的振动状态判断主轴是否发生故障;
监测风力发电机组的齿轮箱的振动状态,根据齿轮箱的振动状态判断齿轮箱是否发生故障;
监测风力发电机组的齿轮箱中的润滑油的油液状态,根据齿轮箱中的润滑油的油液状态判断齿轮箱中的润滑油是否存在问题;
监测风力发电机组的发电机的转子轴承的振动状态,根据发电机的转子轴承的振动状态判断发电机是否发生故障;
监测风力发电机组的塔筒的振动状态,根据塔筒的振动状态判断塔筒是否发生非正常晃动;
监测风力发电机组的塔筒的倾斜状态,根据塔筒的倾斜状态判断塔筒所处的地基是否发生非正常沉降。
可选地,所述监测处理模块,用于采集各叶片的噪音信号,获得各叶片的噪音信号的频域特征;根据各叶片的噪音信号的频域特征判断是否存在发生故障的叶片;
其中,所述监测处理模块,用于执行以下一种或多种故障判断过程:
分析不同叶片的噪音信号的频域特征之间的差异,对于每个叶片,如果该叶片与其他各叶片的当前噪音信号的频域特征之间的差异均出现异常,则确定该叶片发生故障;其中,该叶片与其他任一叶片的噪音信号的频域特征之间的差异出现异常包括:二者的当前噪音信号的频域特征之间的差异超出正常范围;
如果一个叶片的噪音信号的频域范围达到啸叫频率范围,则确定该叶片发生故障;
对于每个叶片,比较该叶片的当前噪音信号的频域特征与当前转速下标准噪音信号的频域特征,如果存在异常,则确定该叶片发生故障。
可选地,所述监测处理模块,用于采集齿轮箱中的润滑油的粘度、温度、密度、水分、颗粒数和颗粒度中的一个或多个,如果齿轮箱中的润滑油的粘度、温度、密度、水分、颗粒数和颗粒度中的一个或多个偏离正常范围,则确定齿轮箱中的润滑油的质量存在问题。
可选地,所述监测处理模块,用于采集塔筒的振动信号,获得振动信号的时域特征和频域特征,如果塔筒的振动信号的时域特征和/或频域特征的幅值和频率超出正常范围,则确定塔筒发生非正常晃动;和/或,用于采集塔筒的倾角,如果塔筒的倾角超出正常范围,则确定塔筒所处的地基发生非正常沉降。
由上述可知,本发明针对风力发电机组的运行要求,提出了一种更先进、更全面、更准确的状态监测与故障诊断方案,该方案在不影响风力发电机组正常运行的前提下,通过对风力发电机组的多个部件的状态监控、故障诊断以及报警处理,可以实现工作人员对风力发电机组运行状态的全面、实时远程监控,提高了对风力发电机组故障响应的及时性、有效性和准确性,在保证机组可靠稳定运行、降低机组维护成本等方面具有重要的意义。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
图1示出了根据本发明的一个实施例的一种风力发电机组的全状态监测方法的流程图;
图2示出了根据本发明一个实施例的风力发电机组的局部示意图;
图3示出了根据本发明一个实施例的风力发电机组的侧视图;
图4示出了根据本发明另一个实施例的风力发电机组的齿轮箱的示意图;
图5示出了根据本发明一个实施例的风力发电机组的塔筒的示意图;
图6示出了根据本发明一个实施例的一种风力发电机组的全状态监测***的示意图;
图7示出了根据本发明另一个实施例的一种风力发电机组的全状态监测***的示意图;
图8示出了根据本发明一个实施例的展示风力发电机组的全状态监控结果的界面;
图9示出了根据本发明一个实施例的展示风力发电机组的一个部件的状态监测结果的界面。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
图1示出了根据本发明的一个实施例的一种风力发电机组的全状态监测方法的流程图。如图1所示,该方法包括:
步骤S110,实时监测风力发电机组的多个部件的状态。
步骤S120,对于每个部件,根据其状态判断该部件是否发生故障。
本步骤中,所述对于每个部件,根据其状态判断该部件是否发生故障的过程,通过对各部件的状态变化分析,不仅能够判断出当前已经发生故障的部件,还可以判断出虽然当前没有发生故障但已出现早期退化现象的部件,无论是当前已经发生故障的部件还是出现早期退化现象的部件,最终都会影响到风力发电机组的正常运行,因此都将被视为发生故障的部件,进行下一步的报警处理。
步骤S130,当判断出风力发电机组的一个或多个部件发生故障时,发送报警信息。
本步骤中,所述报警信息中可以包括如下一种或多种信息:发生故障的部件、该部件发生了何种故障、故障等级、建议应对措施等;此外,还可以根据故障等级选择响应敏感度不同的报警方式来发送相关的报警信息。
可见,图1所示的方法针对风力发电机组的运行要求,提出了一种更先进、更全面、更准确的状态监测与故障诊断方案,该方案在不影响风力发电机组正常运行的前提下,通过对风力发电机组的多个部件的状态监控、故障诊断以及报警处理,可以实现工作人员对风力发电机组运行状态的全面、实时远程监控,提高了对风力发电机组故障响应的及时性、有效性和准确性,在保证机组可靠稳定运行、降低机组维护成本等方面具有重要的意义。
图2示出了根据本发明一个实施例的风力发电机组的局部示意图。如图2所示,风力发电机组的核心部件包括:叶片210、主轴220、齿轮箱230、发电机240和塔筒250。风力发电机组首先将风能通过多个叶片210转换成机械能,再借助主轴220、齿轮箱230等传动***和发电机240将机械能转换为电能,从而实现风力发电。其中,叶片210是风力发电机组吸收风能的关键部件,长期露天工作在恶劣环境中,难以避免受到湿气腐蚀、阵风或雷击等因素的破坏以及长时间运行产生的疲劳裂纹等故障隐患;主轴220和齿轮箱230是连接叶片210与发电机240,实现风能转换和传递过程的主要承载部件,当风力发电机组遭遇阵风时,短暂而频繁的冲击载荷将从叶片210传递到主轴220和齿轮箱230,导致其中的轴承和齿轮发生磨损、点蚀、裂纹、表面剥落、断齿、齿面疲劳、胶合等故障;发电机240负责将机械能转换为电能并为电气***供电,长期运行于变工况和电磁环境中,容易发生发电机振动过大、发电机过热、轴承过热、转子/定子线圈短路、转子断条以及绝缘损坏等故障;而塔筒250的方位和稳定性是确保上述风力发电过程顺利进行的前提。这些部件的故障都将导致风力发电机组的非正常运行。
因此,为了更全面准确地对风力发电机组的故障进行预警,在本发明的实施例中,风力发电机组的全状态监测方法所监测的风力发电机组的多个部件包括:风力发电机组的叶片、主轴、齿轮箱、发电机和塔筒,则该方法中实时监测风力发电机组的多个部件的状态,对于每个部件,根据其状态判断该部件是否发生故障包括:
1、对风力发电机组的叶片进行监测:监测风力发电机组的各叶片的振动状态,根据各叶片的振动状态判断是否存在发生故障的叶片。
在具体的实施例中,上述监测过程为:采集各叶片的噪音信号,获得各叶片的噪音信号的频域特征,根据各叶片的噪音信号的频域特征判断是否存在发生故障的叶片。其中,噪音信号的频域特征包括:噪音信号的频域幅值、噪音信号的频域幅值的平均值、噪音信号的频域幅值的均方根值以及噪音信号的频域范围分布等参数,噪音信号的频域特征能够反映噪音信号的分贝、能量、频率分布等特性。在本实施例中,上述根据各叶片的噪音信号的频域特征判断故障的过程包括如下一种或多种:
(1)分析不同叶片的噪音信号的频域特征之间的差异,对于每个叶片,如果该叶片与其他各叶片的当前噪音信号的频域特征之间的差异均出现异常,则确定该叶片发生故障;其中,该叶片与其他任一叶片的噪音信号的频域特征之间的差异出现异常包括:二者的当前噪音信号的频域特征之间的差异超出正常范围。
对于叶片未发生故障的风力发电机组来说,理想情况下多个叶片的噪音信号的频域特征应当是相同的,但在实际情况下,由于风力发电机组在出厂装配时,多个叶片的安装角以及结构不是完全对称的,导致多个叶片在未发生故障时,其噪音信号不完全相同,噪音信号的频域特征之间存在微小差异,该差异不随外界环境的影响而变化,称为噪音信号的频域特征之间的***差异。对于每两个叶片来说,如果二者的噪音信号的频域特征之间的差异与***差异不匹配,容易推理得到,二者中存在发生故障的叶片;因此,当风力发电机组的一个叶片与其它各叶片的当前噪音信号的频域特征之间的差异与***差异均不匹配时,则确定该叶片发生故障。
(2)如果一个叶片的噪音信号的频域范围达到啸叫频率范围,则确定该叶片发生故障。一般情况下,所述啸叫频率范围在6kHz-10kHz之间,当一个叶片的噪音信号的频域频率范围达到该啸叫频率范围,并达到一定的程度时,确定该叶片发生故障。
(3)对于每个叶片,比较该叶片的当前噪音信号的频域特征与当前转速下标准噪音信号的频域特征,如果存在异常,则确定该叶片发生故障。
考虑到每个风力发电机组在出厂装配后初始运行时各部分结构正常、运行状态良好,因此采集风力发电机组在初始运行时各叶片的全转速状态的噪音信号,即正常情况下各叶片在各个不同转速下的噪音信号,作为各叶片的全转速标准噪音信号。在实时采集风力发电机组各叶片的噪音信号之后,可以根据各叶片的当前噪音信号的周期获得当前转速;从各叶片的全转速标准噪音信号中获取与当前转速下各叶片的标准噪音信号,进而获得各叶片的当前转速下标准噪音信号的频域特征。对于每个叶片,比较该叶片的当前噪音信号的频域特征与当前转速下标准噪音信号的频域特征,如果不匹配程度超出了可忽略误差范围,则确定该叶片发生故障。
例如,图3示出了根据本发明一个实施例的风力发电机组的侧视图,示出了对风力发电机组的叶片的监测。如图3所示,该风力发电机组包括:三个叶片210(由于视角原因,图3中只示出两个叶片210)、机舱260和塔筒250。为了实现对图3所示的风力发电机组的叶片状态的实时监测,将信号采集器310安装在风力发电机组的机舱260的上方部位,当然,信号采集器310也可以安装在其他能够接收到稳定、信噪比高、灵敏度高的噪音信号的位置上,其中,信号采集器310可以是拾音器或拾音器阵列,该拾音器或拾音器阵列可以放入耳蜗结构中,使其具有较强的方向性。
2、对风力发电机组的主轴进行监测:监测风力发电机组的主轴轴承的振动状态,根据主轴轴承的振动状态判断主轴是否发生故障。
3、对风力发电机组的齿轮箱进行监测:监测风力发电机组的齿轮箱的振动状态,根据齿轮箱的振动状态判断齿轮箱是否发生故障。
4、由于风力发电机组的齿轮箱中的润滑油的性能能够影响风力发电机组的正常运转,因此本发明提供的方法还对风力发电机组的齿轮箱中的润滑油进行监测:监测风力发电机组的齿轮箱中的润滑油的油液状态,根据齿轮箱中的润滑油的油液状态判断齿轮箱中的润滑油是否存在问题。
在具体的实施例中,上述监测过程为:采集齿轮箱中的润滑油的粘度、温度、密度、水分、颗粒数和颗粒度中的一个或多个,如果齿轮箱中的润滑油的粘度、温度、密度、水分、颗粒数和颗粒度中的一个或多个偏离正常范围,则判断齿轮箱中的润滑油的质量存在问题。其中,润滑油的粘度的大幅度变化表征着齿轮油的失效;润滑油的温度升高表征风力发电机组的齿轮箱温度升高,超过55℃需要停机;润滑油的密度升高,可推断混入重质油品或金属颗粒,润滑油的密度降低可推断混入了轻质油品或水;水分是润滑油的天敌,可导致润滑油化学性质变化、防锈性能降低、产生泡沫引起高液位报警、粘度降低等;润滑油中的颗粒数和颗粒度能够辅助判断齿轮、箱体、轴承的磨损情况,颗粒数和颗粒度的累积增长斜率超过一定程度将表征风力发电机组内部部件的磨损加快或故障的发生。
例如,图4示出了根据本发明另一个实施例的风力发电机组的齿轮箱的示意图,示出了对风力发电机组的齿轮箱中的润滑油的监测。如图4所示,利用油液监测传感器410在线实时监测齿轮箱230旁路油管内的油液状态,确认润滑油的性能和齿轮箱230的运行状态。该监测过程无需工作人员进行定期抽取油样,能够及时发现润滑油异常和齿轮箱异常。
5、对风力发电机组的发电机进行监测:监测风力发电机组的发电机的转子轴承的振动状态,根据发电机的转子轴承的振动状态判断发电机是否发生故障;
6、对风力发电机组的塔筒进行监测:
(1)监测风力发电机组的塔筒的振动状态,根据塔筒的振动状态判断塔筒是否发生非正常晃动。在具体的实施例中,上述监测过程为:采集塔筒的振动信号,获得振动信号的时域特征和频域特征,如果塔筒的振动信号的时域特征和/或频域特征的幅值和频率超出正常范围,则判断塔筒发生非正常晃动;其中,可以利用振动加速度传感器采集塔筒在水平方向上的振动信号。
(2)监测风力发电机组的塔筒的倾斜状态,根据塔筒的倾斜状态判断塔筒所处的地基是否发生非正常沉降。在具体的实施例中,上述监测过程为:采集塔筒的倾角,如果塔筒的倾角超出正常范围,则判断塔筒所处的地基发生非正常沉降;其中,可以利用倾角传感器采集塔筒的倾角。
例如,图5示出了根据本发明一个实施例的风力发电机组的塔筒的示意图,示出了对风力发电机组的塔筒的监测。如图5所示,一方面,利用振动加速度传感器510监测塔筒250在水平方向上的振动加速度,进而获得塔筒250在水平方向上的振动信号,分析该振动信号的时域特征和频域特征,能够发现长期低频振动导致的塔筒共振、塔筒零部件损坏、以及风力发电机组面临倒塔风险等安全隐患。另一方面,利用倾角传感器520监测塔筒250的倾角,能够发现由于塔筒所处地基的不均匀沉降导致的风力发电机组的倾斜以及风力发电机组面临倒塔风险等安全隐患。
通过对风力发电机组上述六个方面的监测,能够比较全面、准确地判断出风力发电机组的故障来源和具体信息,可以在重大故障发生前期进行及时有效的预警,进而能够针对故障制定相应的应对措施,降低由于突发事故产生的不必要损失及停机维护检修带来的发电损失,减少风力发电机组的维修维护成本,提高风力发电机组的整体可靠性、稳定性与综合效益。
图6示出了根据本发明一个实施例的一种风力发电机组的全状态监测***的示意图。如图6所示,该风力发电机组的全状态监测***600包括:
监测处理模块610,用于实时监测风力发电机组的多个部件的状态;以及用于对于每个部件,根据其状态判断该部件是否发生故障。
报警处理模块620,用于当监测处理模块判断出风力发电机组的一个或多个部件发生故障时,发送报警信息。
可见,图6所示的装置针对风力发电机组的运行要求,提出了一种更先进、更全面、更准确的状态监测与故障诊断方案,该方案在不影响风力发电机组正常运行的前提下,通过对风力发电机组的多个部件的状态监控、故障诊断以及报警处理,可以实现工作人员对风力发电机组运行状态的全面、实时远程监控,提高了对风力发电机组故障响应的及时性、有效性和准确性,在保证机组可靠稳定运行、降低机组维护成本等方面具有重要的意义。
在本发明的一个实施例中,图6所示***的监测处理模块610,用于执行以下一种或多种监测处理过程:监测风力发电机组的各叶片的振动状态,根据各叶片的振动状态判断是否存在发生故障的叶片;监测风力发电机组的主轴轴承的振动状态,根据主轴轴承的振动状态判断主轴是否发生故障;监测风力发电机组的齿轮箱的振动状态,根据齿轮箱的振动状态判断齿轮箱是否发生故障;监测风力发电机组的齿轮箱中的润滑油的油液状态,根据齿轮箱中的润滑油的油液状态判断齿轮箱中的润滑油是否存在问题;监测风力发电机组的发电机的转子轴承的振动状态,根据发电机的转子轴承的振动状态判断发电机是否发生故障;监测风力发电机组的塔筒的振动状态,根据塔筒的振动状态判断塔筒是否发生非正常晃动;监测风力发电机组的塔筒的倾斜状态,根据塔筒的倾斜状态判断塔筒所处的地基是否发生非正常沉降。
图7示出了根据本发明另一个实施例的一种风力发电机组的全状态监测***的示意图。如图7所示,该风力发电机组的全状态监测***700包括监测处理模块710和报警处理模块720,其中,监测处理模块710包括信号采集模块711和分析处理模块712。
数据采集模块711用于采集表征风力发电机组的多个部件的状态的数据,并将采集到的数据发送至分析处理模块712。
分析处理模块712用于存储表征风力发电机组的多个部件的状态的数据,并对该数据进行分析处理;对于每个部件,根据表征该部件的状态的数据判断该部件是否发生故障;当判断出风力发电机组的一个或多个部件发生故障时,通知报警处理单元;
其中,数据采集模块711安装于被监控的风力发电机组上,分析处理模块712位于中控室或远程,数据采集模块711与分析处理模块712之间可以通过局域网或互联网进行通信。
报警处理模块720,用于在接收到分析处理模块712所发送的通知后,发送报警信息。
可见,在本实施例中,分析处理模块712作为风力发电机组的全状态监测***的数据分析处理中心,承担了对所采集数据的存储、处理和故障分析相关的所有工作过程;分析处理模块712与数据采集模块711之间的通信,使得工作人员能够在远程实现对风力发电机组的核心部件运行状态的全面在线掌握,并通过分析处理模块712的分析处理过程,对风力发电机组的核心部件的运行情况施行综合诊断,在大幅减轻人工操作负担的基础上,极大地提高对风力发电机组故障诊断与预测的准确性,为实现状态检修决策提供坚实的数据基础。
依据上文所述,在优选的实施例中,风力发电机组的全状态监测***700的监测处理模块710的监测对象包括:叶片、主轴、齿轮箱、齿轮箱中的润滑油、发电机和塔筒,在此,仅以监测处理模块710监测叶片、齿轮中的润滑油以及塔筒的过程为代表进行重点说明。
监测处理模块710对风力发电机组的叶片的监测过程是:数据采集模块711采集各叶片的噪音信号并发送至分析处理模块712,分析处理模块712对各叶片的噪音信号进行时域和频域的转换,获得各叶片的噪音信号的频域特征;分析处理模块712再根据各叶片的噪音信号的频域特征判断是否存在发生故障的叶片。其中,分析处理模块712根据各叶片的噪音信号的频域特征判断是否存在发生故障的叶片包括以下三种方式:分析不同叶片的噪音信号的频域特征之间的差异,对于每个叶片,如果该叶片与其他各叶片的当前噪音信号的频域特征之间的差异均出现异常,则确定该叶片发生故障;如果一个叶片的噪音信号的频域范围达到啸叫频率范围,则确定该叶片发生故障;对于每个叶片,比较该叶片的当前噪音信号的频域特征与当前转速下标准噪音信号的频域特征,如果存在异常,则确定该叶片发生故障。
监测处理模块710对风力发电机组的齿轮箱中的润滑油的监测过程是:数据采集模块711采集齿轮箱中的润滑油的粘度、温度、密度、水分、颗粒数和颗粒度中的一个或多个,分析处理模块712对齿轮箱中的润滑油的粘度、温度、密度、水分、颗粒数和颗粒度进行分析,如果其中的一个或多个偏离正常范围,则确定齿轮箱中的润滑油的质量存在问题。
监测处理模块710对风力发电机组的塔筒的监测过程是:一方面,数据采集模块711采集塔筒的振动信号,分析处理模块712对塔筒的振动信号进行时域和频域的转换,获得振动信号的时域特征和频域特征,分析处理模块712对振动信号的时域特征和频域特征进行分析,如果其幅值和频率超出正常范围,则确定塔筒发生非正常晃动。另一方面,数据采集模块711用于采集塔筒的倾角,分析处理模块712对塔筒的倾角进行分析,如果其超出正常范围,则确定塔筒所处的地基发生非正常沉降。
在上述风力发电机组的全状态监测***700中的分析处理模块712在接收、存储数据采集模块711采集到的数据后,再对数据进行分析处理,再通知报警处理模块720进行报警,整个过程中各阶段数据均存储在分析处理模块712中,使得分析处理模块712可以响应于工作人员的需求向其展示各阶段的结果。图8示出了根据本发明一个实施例的展示风力发电机组的全状态监控结果的界面,本实施例对风电场中的多个风力发电机组均施行全状态监控,响应于工作人员查看某一个风力发电机组(图中所示为“机组编号:2”)的全状态监测结果的需求,向其展示如图8所示的界面,该界面示出了风力发电机组的结构图,并在该结构图中标识出各监测部件,该界面在左侧列表中展示了各监测部件的选择按钮,该界面下方还展示了各部件的基本工作状态(图中所示包括“恢复正常”或“峰值超过预警线”),以便工作人员初步了解各部件的工作状态。响应于工作人员选择其中一个部件想要查看具体监测结果的操作,分析处理模块712可以向其展示如图9所示的界面,图9示出了根据本发明一个实施例的展示风力发电机组的一个部件的状态监测结果的界面,该界面向工作人员展示某个部件的具体工作状态,如主轴轴承的振动趋势、振动信号的时域特征和频域特征,进一步地,该界面还可以根据信号的特征进行故障诊断,将诊断结果展示给工作人员。可见,在本实施例中,工作人员可以通过如图8-图9所示的远程监控界面查看风力发电机组的全状态监测结果,与现有的人工巡检方法相比,不仅降低了工作强度,还提高了监测灵敏度和准确度,其中,风力发电机组的全状态监控***的远程监控界面的展现形式可以是多种多样的,图8-图9示出了远程监控界面的展现形式不应当对本发明中的远程监控方案造成限制。
需要说明的是,图6-图9所示的各实施例与图1-图5所示的各实施例对应相同,在上文中已有详细说明,在此不再赘述。
综上所述,本发明针对风力发电机组的运行要求,提出了一种更先进、更全面、更准确的状态监测与故障诊断方案,该方案在不影响风力发电机组正常运行的前提下,通过对风力发电机组的多个部件的状态监控、故障诊断以及报警处理,可以实现工作人员对风力发电机组运行状态的全面、实时远程监控,提高了对风力发电机组故障响应的及时性、有效性和准确性,降低由于突发事故产生的不必要损失及停机维护检修带来的发电损失,提高风力发电机组的整体可靠性、稳定性与综合效益,减少巡检工作中的人为疏忽和安全隐患,对山区、海上等可达性差、不易巡检地区尤为适合,在保证机组可靠稳定运行、降低机组维护成本等方面具有重要的意义。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种风力发电机组的全状态监测方法,其特征在于,该方法包括:
实时监测风力发电机组的多个部件的状态;
对于每个部件,根据其状态判断该部件是否发生故障;
当判断出风力发电机组的一个或多个部件发生故障时,发送报警信息。
2.如权利要求1所述的方法,其特征在于,所述实时监测风力发电机组的多个部件的状态,对于每个部件,根据其状态判断该部件是否发生故障包括如下一种或多种:
监测风力发电机组的各叶片的振动状态,根据各叶片的振动状态判断是否存在发生故障的叶片;
监测风力发电机组的主轴轴承的振动状态,根据主轴轴承的振动状态判断主轴是否发生故障;
监测风力发电机组的齿轮箱的振动状态,根据齿轮箱的振动状态判断齿轮箱是否发生故障;
监测风力发电机组的齿轮箱中的润滑油的油液状态,根据齿轮箱中的润滑油的油液状态判断齿轮箱中的润滑油是否存在问题;
监测风力发电机组的发电机的转子轴承的振动状态,根据发电机的转子轴承的振动状态判断发电机是否发生故障;
监测风力发电机组的塔筒的振动状态,根据塔筒的振动状态判断塔筒是否发生非正常晃动;
监测风力发电机组的塔筒的倾斜状态,根据塔筒的倾斜状态判断塔筒所处的地基是否发生非正常沉降。
3.如权利要求2所述的方法,其特征在于,所述监测风力发电机组的各叶片的振动状态,根据各叶片的振动状态判断是否存在发生故障的叶片包括:
采集各叶片的噪音信号,获得各叶片的噪音信号的频域特征;根据各叶片的噪音信号的频域特征判断是否存在发生故障的叶片;
其中,所述根据各叶片的噪音信号的频域特征判断是否存在发生故障的叶片包括如下一种或多种:
分析不同叶片的噪音信号的频域特征之间的差异,对于每个叶片,如果该叶片与其他各叶片的当前噪音信号的频域特征之间的差异均出现异常,则确定该叶片发生故障;其中,该叶片与其他任一叶片的噪音信号的频域特征之间的差异出现异常包括:二者的当前噪音信号的频域特征之间的差异超出正常范围;
如果一个叶片的噪音信号的频域范围达到啸叫频率范围,则确定该叶片发生故障;
对于每个叶片,比较该叶片的当前噪音信号的频域特征与当前转速下标准噪音信号的频域特征,如果存在异常,则确定该叶片发生故障。
4.如权利要求2所述的方法,其特征在于,所述监测风力发电机组的齿轮箱中的润滑油的油液状态,根据齿轮箱中的润滑油的油液状态判断齿轮箱中的润滑油是否存在问题包括:
采集齿轮箱中的润滑油的粘度、温度、密度、水分、颗粒数和颗粒度中的一个或多个,如果齿轮箱中的润滑油的粘度、温度、密度、水分、颗粒数和颗粒度中的一个或多个偏离正常范围,则判断齿轮箱中的润滑油的质量存在问题。
5.如权利要求2所述的方法,其特征在于,
所述监测风力发电机组的塔筒的振动状态,根据塔筒的振动状态判断塔筒是否发生非正常晃动包括:采集塔筒的振动信号,获得振动信号的时域特征和频域特征,如果塔筒的振动信号的时域特征和/或频域特征的幅值和频率超出正常范围,则判断塔筒发生非正常晃动;
所述监测风力发电机组的塔筒的倾斜状态,根据塔筒的倾斜状态判断塔筒所处的地基是否发生非正常沉降包括:采集塔筒的倾角,如果塔筒的倾角超出正常范围,则判断塔筒所处的地基发生非正常沉降。
6.一种风力发电机组的全状态监测***,其特征在于,该***包括:
监测处理模块,用于实时监测风力发电机组的多个部件的状态;以及用于对于每个部件,根据其状态判断该部件是否发生故障;
报警处理模块,用于当监测处理模块判断出风力发电机组的一个或多个部件发生故障时,发送报警信息。
7.如权利要求6所述的***,其特征在于,所述监测处理模块,用于执行以下一种或多种监测处理过程:
监测风力发电机组的各叶片的振动状态,根据各叶片的振动状态判断是否存在发生故障的叶片;
监测风力发电机组的主轴轴承的振动状态,根据主轴轴承的振动状态判断主轴是否发生故障;
监测风力发电机组的齿轮箱的振动状态,根据齿轮箱的振动状态判断齿轮箱是否发生故障;
监测风力发电机组的齿轮箱中的润滑油的油液状态,根据齿轮箱中的润滑油的油液状态判断齿轮箱中的润滑油是否存在问题;
监测风力发电机组的发电机的转子轴承的振动状态,根据发电机的转子轴承的振动状态判断发电机是否发生故障;
监测风力发电机组的塔筒的振动状态,根据塔筒的振动状态判断塔筒是否发生非正常晃动;
监测风力发电机组的塔筒的倾斜状态,根据塔筒的倾斜状态判断塔筒所处的地基是否发生非正常沉降。
8.如权利要求7所述的***,其特征在于,所述监测处理模块,用于采集各叶片的噪音信号,获得各叶片的噪音信号的频域特征;根据各叶片的噪音信号的频域特征判断是否存在发生故障的叶片;
其中,所述监测处理模块,用于执行以下一种或多种故障判断过程:
分析不同叶片的噪音信号的频域特征之间的差异,对于每个叶片,如果该叶片与其他各叶片的当前噪音信号的频域特征之间的差异均出现异常,则确定该叶片发生故障;其中,该叶片与其他任一叶片的噪音信号的频域特征之间的差异出现异常包括:二者的当前噪音信号的频域特征之间的差异超出正常范围;
如果一个叶片的噪音信号的频域范围达到啸叫频率范围,则确定该叶片发生故障;
对于每个叶片,比较该叶片的当前噪音信号的频域特征与当前转速下标准噪音信号的频域特征,如果存在异常,则确定该叶片发生故障。
9.如权利要求7所述的***,其特征在于,
所述监测处理模块,用于采集齿轮箱中的润滑油的粘度、温度、密度、水分、颗粒数和颗粒度中的一个或多个,如果齿轮箱中的润滑油的粘度、温度、密度、水分、颗粒数和颗粒度中的一个或多个偏离正常范围,则确定齿轮箱中的润滑油的质量存在问题。
10.如权利要求7所述的***,其特征在于,
所述监测处理模块,用于采集塔筒的振动信号,获得振动信号的时域特征和频域特征,如果塔筒的振动信号的时域特征和/或频域特征的幅值和频率超出正常范围,则确定塔筒发生非正常晃动;和/或,用于采集塔筒的倾角,如果塔筒的倾角超出正常范围,则确定塔筒所处的地基发生非正常沉降。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510415276.0A CN105179179B (zh) | 2015-07-15 | 2015-07-15 | 一种风力发电机组的全状态监测方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510415276.0A CN105179179B (zh) | 2015-07-15 | 2015-07-15 | 一种风力发电机组的全状态监测方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105179179A true CN105179179A (zh) | 2015-12-23 |
CN105179179B CN105179179B (zh) | 2018-09-04 |
Family
ID=54901517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510415276.0A Active CN105179179B (zh) | 2015-07-15 | 2015-07-15 | 一种风力发电机组的全状态监测方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105179179B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678385A (zh) * | 2015-12-31 | 2016-06-15 | 江苏金风科技有限公司 | 用于海上风电场的运维方法及运维平台 |
CN105738806A (zh) * | 2016-02-03 | 2016-07-06 | 北京汉能华科技股份有限公司 | 一种风力发电机组故障诊断***和方法 |
CN107061183A (zh) * | 2017-01-17 | 2017-08-18 | 中山大学 | 一种海上风电机组的自动化故障诊断方法 |
CN110307125A (zh) * | 2019-05-14 | 2019-10-08 | 沈阳工程学院 | 一种风电机组主轴承内部温度间接测量方法 |
CN110322367A (zh) * | 2019-06-17 | 2019-10-11 | 中国能源建设集团广东省电力设计研究院有限公司 | 海上风电场的运维方法、装置、***和存储介质 |
CN110319798A (zh) * | 2019-07-02 | 2019-10-11 | 哈尔滨工业大学 | 用于检测电机安装故障的方法及装置 |
CN110988134A (zh) * | 2019-12-23 | 2020-04-10 | 华能国际电力股份有限公司 | 一种基于振动特征信息的高中压转子裂纹识别方法 |
CN111400959A (zh) * | 2018-12-27 | 2020-07-10 | 北京金风科创风电设备有限公司 | 风力发电机组的叶片故障诊断方法及装置 |
CN112198860A (zh) * | 2020-09-11 | 2021-01-08 | 中国航空工业集团公司成都飞机设计研究所 | 一种电动舵机监控方法 |
CN112213099A (zh) * | 2020-09-29 | 2021-01-12 | 如皋市蓝鹰齿轮制造有限公司 | 一种部分回转型阀门齿轮箱故障检测装置及方法 |
CN113124939A (zh) * | 2021-05-07 | 2021-07-16 | 陆雨轩 | 一种轮机叶片在线评估***及轮机叶片损伤预警方法 |
CN113819011A (zh) * | 2020-06-19 | 2021-12-21 | 北京金风科创风电设备有限公司 | 风力发电机组的叶轮状态检测方法、装置及*** |
CN114061934A (zh) * | 2021-11-25 | 2022-02-18 | 西安热工研究院有限公司 | 基于风力发电机组振动的叶片故障诊断方法及*** |
CN117231435A (zh) * | 2023-11-08 | 2023-12-15 | 鲁东大学 | 基于动态管控的风力发动机运维调试*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009095025A1 (en) * | 2008-01-28 | 2009-08-06 | Vestas Wind Systems A/S | Method for sensing strain in a component in a wind turbine, optical strain sensing system and uses thereof |
CN101743398A (zh) * | 2007-06-25 | 2010-06-16 | 西门子风力发电公司 | 风力涡轮机叶片频率的监控 |
CN102434388A (zh) * | 2011-11-17 | 2012-05-02 | 高丙团 | 风力发电机组健康状态在线监测装置及其监测方法 |
CN202330019U (zh) * | 2011-12-02 | 2012-07-11 | 华锐风电科技(集团)股份有限公司 | 一种风电机组的状态监测*** |
CN102588213A (zh) * | 2011-01-17 | 2012-07-18 | 孙首泉 | 风力发电机叶片智能化监测装置 |
US20120262131A1 (en) * | 2011-04-14 | 2012-10-18 | Chung Yuan Christian University | Rotating Electrical Machine Abnormal State Detection Method and Apparatus and Wind Driven Generating System Using the Same |
CN204142289U (zh) * | 2014-11-04 | 2015-02-04 | 河南柏特电气设备有限公司 | 风机机组在线监测*** |
CN104677623A (zh) * | 2015-03-16 | 2015-06-03 | 西安交通大学 | 一种风力发电机叶片故障在位声学诊断方法及监测*** |
-
2015
- 2015-07-15 CN CN201510415276.0A patent/CN105179179B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101743398A (zh) * | 2007-06-25 | 2010-06-16 | 西门子风力发电公司 | 风力涡轮机叶片频率的监控 |
WO2009095025A1 (en) * | 2008-01-28 | 2009-08-06 | Vestas Wind Systems A/S | Method for sensing strain in a component in a wind turbine, optical strain sensing system and uses thereof |
CN102588213A (zh) * | 2011-01-17 | 2012-07-18 | 孙首泉 | 风力发电机叶片智能化监测装置 |
US20120262131A1 (en) * | 2011-04-14 | 2012-10-18 | Chung Yuan Christian University | Rotating Electrical Machine Abnormal State Detection Method and Apparatus and Wind Driven Generating System Using the Same |
CN102434388A (zh) * | 2011-11-17 | 2012-05-02 | 高丙团 | 风力发电机组健康状态在线监测装置及其监测方法 |
CN202330019U (zh) * | 2011-12-02 | 2012-07-11 | 华锐风电科技(集团)股份有限公司 | 一种风电机组的状态监测*** |
CN204142289U (zh) * | 2014-11-04 | 2015-02-04 | 河南柏特电气设备有限公司 | 风机机组在线监测*** |
CN104677623A (zh) * | 2015-03-16 | 2015-06-03 | 西安交通大学 | 一种风力发电机叶片故障在位声学诊断方法及监测*** |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678385A (zh) * | 2015-12-31 | 2016-06-15 | 江苏金风科技有限公司 | 用于海上风电场的运维方法及运维平台 |
CN105738806A (zh) * | 2016-02-03 | 2016-07-06 | 北京汉能华科技股份有限公司 | 一种风力发电机组故障诊断***和方法 |
CN107061183A (zh) * | 2017-01-17 | 2017-08-18 | 中山大学 | 一种海上风电机组的自动化故障诊断方法 |
CN111400959A (zh) * | 2018-12-27 | 2020-07-10 | 北京金风科创风电设备有限公司 | 风力发电机组的叶片故障诊断方法及装置 |
CN111400959B (zh) * | 2018-12-27 | 2024-01-30 | 北京金风科创风电设备有限公司 | 风力发电机组的叶片故障诊断方法及装置 |
CN110307125A (zh) * | 2019-05-14 | 2019-10-08 | 沈阳工程学院 | 一种风电机组主轴承内部温度间接测量方法 |
CN110322367A (zh) * | 2019-06-17 | 2019-10-11 | 中国能源建设集团广东省电力设计研究院有限公司 | 海上风电场的运维方法、装置、***和存储介质 |
CN110319798A (zh) * | 2019-07-02 | 2019-10-11 | 哈尔滨工业大学 | 用于检测电机安装故障的方法及装置 |
CN110988134A (zh) * | 2019-12-23 | 2020-04-10 | 华能国际电力股份有限公司 | 一种基于振动特征信息的高中压转子裂纹识别方法 |
CN113819011A (zh) * | 2020-06-19 | 2021-12-21 | 北京金风科创风电设备有限公司 | 风力发电机组的叶轮状态检测方法、装置及*** |
CN112198860A (zh) * | 2020-09-11 | 2021-01-08 | 中国航空工业集团公司成都飞机设计研究所 | 一种电动舵机监控方法 |
CN112213099A (zh) * | 2020-09-29 | 2021-01-12 | 如皋市蓝鹰齿轮制造有限公司 | 一种部分回转型阀门齿轮箱故障检测装置及方法 |
CN113124939A (zh) * | 2021-05-07 | 2021-07-16 | 陆雨轩 | 一种轮机叶片在线评估***及轮机叶片损伤预警方法 |
CN114061934A (zh) * | 2021-11-25 | 2022-02-18 | 西安热工研究院有限公司 | 基于风力发电机组振动的叶片故障诊断方法及*** |
CN117231435A (zh) * | 2023-11-08 | 2023-12-15 | 鲁东大学 | 基于动态管控的风力发动机运维调试*** |
CN117231435B (zh) * | 2023-11-08 | 2024-02-20 | 鲁东大学 | 基于动态管控的风力发动机运维调试*** |
Also Published As
Publication number | Publication date |
---|---|
CN105179179B (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105179179A (zh) | 一种风力发电机组的全状态监测方法和*** | |
EP2585716B1 (en) | A method for performing condition monitoring in a wind farm | |
CN104142229B (zh) | 一种风力发电机组法兰螺栓在线监测及故障诊断*** | |
CN105136435B (zh) | 一种风力发电机组叶片故障诊断的方法和装置 | |
CN107061183A (zh) | 一种海上风电机组的自动化故障诊断方法 | |
CN202710100U (zh) | 风力发电机组远程在线健康状态监测与故障诊断*** | |
CN105738806A (zh) | 一种风力发电机组故障诊断***和方法 | |
CN103234585A (zh) | 一种大型风电机组在线监测及故障诊断*** | |
CN101592590A (zh) | 一种转动叶片故障间接诊断技术 | |
CN102706560A (zh) | 一种风力发电机组的状态监测方法和装置 | |
CN110445830A (zh) | 一种石油化工关键机组设备远程智能监测*** | |
CN103769425A (zh) | 减定径机振动状态在线监测方法 | |
CN106194599A (zh) | 监测风电场内风力发电机组安全的***及方法 | |
JP2017122635A (ja) | 風力発電設備の異常診断装置 | |
CN107725350B (zh) | 具有机泵在线能效评测的状态监测装置 | |
Tchakoua et al. | New trends and future challenges for wind turbines condition monitoring | |
CN104061122B (zh) | 一种皮带张力自动监测***和监测方法及风电机变桨*** | |
CN209469542U (zh) | 一种风力发电机变桨轴承及连接螺栓状态监测*** | |
CN116892489A (zh) | 一种基于声发射及振动的风机传动链状态监测方法及*** | |
Carroll et al. | Availability improvements from condition monitoring systems and performance based maintenance contracts | |
CN116537965A (zh) | 一种柴油机在线监测和故障诊断装置 | |
CN112580586B (zh) | 一种检测螺栓故障的方法、装置和计算机可读存储介质 | |
CN103256173A (zh) | 风机监控方法及***、风机组监控*** | |
CN206957877U (zh) | 一种基于光纤光栅传感技术的风机安全监测平台 | |
CN113323803B (zh) | 一种基于风机动态控制的变桨轴承检测方法 |
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 |