论文部分内容阅读
摘要：针对风力发电机组地处偏远、人工巡检排故困难，利用物联网技术开发了远程状态实时监测和故障诊断系统，分析了总体框架，构建了故障诊断规则库，阐述了工作流程。该系统可实现对风机齿轮箱运行状态的远程实时监测，通过分析风机齿轮箱运行状态信息触发自动故障诊断系统和基于规则的故障诊断，生成故障诊断报告，并将其导入专家经验库。经风电机组齿轮传动实验台实验检验，系统界面友好，能为维修工程师进行故障排查提供解决方案，提高排故效率，缩短排故时间，降低排故难度。
关键词：新能源发电;风电机组;齿轮箱维护
1 引言
当前国家对于新能源的开发非常重视，特别是风力发电的发展，由于风力发电多建立在一些环境较为恶劣的地方，因此对其进行维护时比较困难。本文探讨风机齿轮箱进行阶段性機会的维护，能够平衡维护不足、过度维护的相关问题。
2 系统总体架构与实现功能设计
2.1 风机齿轮箱状态远程监控子系统
该子系统对风机组各个关键部位状态信息进行采集，处理，打包，利用GPRS实现信息文件的无线远程发送，故障诊断中心接收数据，并对文件中信息进行识别判断，当状态信息超出正常范围情况则触发故障诊断子系统，同时状态信息会在远程显示控制中心显示在技术专家面前。该子系统由四个部分组成，从底层到高层依次是风机组状态信息采集、处理、打包模块，利用GPRS实现信息保远程发送模块，接收数据文件并解析判断模块，以及风机状态信息远程现实与控制中心。
2.2 故障诊断子系统
故障规则管理模块为故障诊断专家提供对故障规则进行查询、修改、增加和删除操作功能。维修工程师可根据需要直接对故障进行查询。故障诊断专家可以根据新增案例对故障规则进行更新修改或直接新增、删除。故障规则由专家知识形成，根据故障现象推断故障原因和给出对应解决方案。故障推理诊断模块是指运用故障规则诊断库里的专家知识，通过规则匹配和故障推理对风机异常状态文件信息进行推理诊断，为风机维护人员高效的提供基于专家知识的诊断结果。
3 对于风电机组齿轮箱运维工作的管理要求
3.1 质保
约定主机（含大部件）质保（代维）期为5年，可较好规避质保期较短情况下因机组设计或制造、材料缺陷引起出保后设备故障频发带来损失的风险，平衡初始投资和运维成本。对于拟采用2年及以内或5年以上质保期等特殊情况应做经济技术评估，对于新机型或复杂应用环境质保期不宜太短。风机主机设备采购合同中应明确齿轮箱等大部件范围，并约定因卖方责任（如存在设计、材料、制造缺陷等）造成的大部件故障，应由卖方负责免费修复，并在修复验收合格后重新计算该台风机质保期。如为超过一定比例（如1/10或1/8以上）的共性问题，则该项目所有风机质保期从最近一台风机故障修复验收合格后计算并顺延。如因此故障停机时长超过规定时间，卖方应同时承担停机造成的电量（利润）损失。
3.2 磨损颗粒分析
机械设备应用化学成分分析发现异常情况，评估磨损类型;浓度含量分析可直接判断机械设备磨损情况;尺寸大小对机械设备的磨损和类型发挥了决定性作用;设备的磨损机理容易被几何形貌影响。风电机组齿轮箱磨损引发齿面裂纹，从而折断轮齿，而在线动态监测齿轮箱振动，对这种长期发挥作用，且不改变故障信号的磨损失效模式科学区别。对磨损带来的固体颗粒物分析，特别是金属颗粒有利于及时预警动力机械设备的运行状态。磨损带来的金属颗粒有不同的直径和种类，可以得到动力机械设备运行的丰富信息，通常这部分设备有复杂的构造，运行时可利用金属颗粒判断初期故障。
3.3 智能监控系统
一般风电场所在地区较偏远，容易被地理因素、风机数量、风机间距等限制，故有必要结合风电齿轮箱磨损状况，设计分布式测量的智能监控系统。单一或几台风机可采取低成本方式，把监测数据传递至中央控制室。若上百台风机同时监测，则设计更合理的方式。本文采取传感器无线网络技术，根据风电机组齿轮箱磨损状态建立智能监控系统，最大程度发挥单机的通信传输性能。风电齿轮箱润滑油金属在线监测传感器是1个传感器节点，各个节点组成无线网络系统，向中央控制室科学传输数据，根据风场有效整合有线、无线或基站。
3.4 验证和分析
（1）退化实验的分析。为了能够分析出齿轮箱发生退化的过程，因此通过构建相关的实验平台，分析其退化的过程。本次实验共收集900组，然后一组切取样本三个，然后分解，并提取能量谱为退化矩阵，由Scat-Sep指标分析不同聚类数目的特征向量。总结果显示出退化主要为四个阶段，而平衡的函数最小为0.5310。（2）模型验证。通过根据某兆瓦级的风电进行研究，设定传动主轴和主轴的轴承以及齿轮副和从动轴的轴承作为机会维护组，然后以四个阶段开展维护，设定各个类别的参数。与传统的机会维护对比而言，以零件维护的回报率来看，分阶段机会维护的ROI更小，进而表明，运用相同的资源其能更好地改善可靠度。
4 结束语
以风电场对远程实时故障监测与故障诊断的需求为背景，设计并开发了风力机远程故障监测与故障诊断系统，阐述了系统架构和工作流程，通过解析风机状态信息，异常状态信息触发故障诊断功能，生成相应故障报告，为维修工程师进行故障排查提供解决方案，提高排故效率，缩短排故时间，降低排故难度。
参考文献
[1] 邢美玲. 风电机组的故障检测与老化状态评估研究[D].燕山大学，2020.
[2] 刘佳媛. 基于深度学习的风电机组剩余寿命预测研究[D].太原科技大学，2020.
[3] 邹剑晖. 风电机组齿轮箱故障诊断方法研究[D].广东工业大学，2020.
[4] 刘俊华. 风电机组轴承性能退化趋势预测研究[D].华北电力大学（北京），2020.
[5] 马丽. 风电机组能效状态异常检测及预警研究[D].华北电力大学（北京），2020.
关键词：新能源发电;风电机组;齿轮箱维护
1 引言
当前国家对于新能源的开发非常重视，特别是风力发电的发展，由于风力发电多建立在一些环境较为恶劣的地方，因此对其进行维护时比较困难。本文探讨风机齿轮箱进行阶段性機会的维护，能够平衡维护不足、过度维护的相关问题。
2 系统总体架构与实现功能设计
2.1 风机齿轮箱状态远程监控子系统
该子系统对风机组各个关键部位状态信息进行采集，处理，打包，利用GPRS实现信息文件的无线远程发送，故障诊断中心接收数据，并对文件中信息进行识别判断，当状态信息超出正常范围情况则触发故障诊断子系统，同时状态信息会在远程显示控制中心显示在技术专家面前。该子系统由四个部分组成，从底层到高层依次是风机组状态信息采集、处理、打包模块，利用GPRS实现信息保远程发送模块，接收数据文件并解析判断模块，以及风机状态信息远程现实与控制中心。
2.2 故障诊断子系统
故障规则管理模块为故障诊断专家提供对故障规则进行查询、修改、增加和删除操作功能。维修工程师可根据需要直接对故障进行查询。故障诊断专家可以根据新增案例对故障规则进行更新修改或直接新增、删除。故障规则由专家知识形成，根据故障现象推断故障原因和给出对应解决方案。故障推理诊断模块是指运用故障规则诊断库里的专家知识，通过规则匹配和故障推理对风机异常状态文件信息进行推理诊断，为风机维护人员高效的提供基于专家知识的诊断结果。
3 对于风电机组齿轮箱运维工作的管理要求
3.1 质保
约定主机（含大部件）质保（代维）期为5年，可较好规避质保期较短情况下因机组设计或制造、材料缺陷引起出保后设备故障频发带来损失的风险，平衡初始投资和运维成本。对于拟采用2年及以内或5年以上质保期等特殊情况应做经济技术评估，对于新机型或复杂应用环境质保期不宜太短。风机主机设备采购合同中应明确齿轮箱等大部件范围，并约定因卖方责任（如存在设计、材料、制造缺陷等）造成的大部件故障，应由卖方负责免费修复，并在修复验收合格后重新计算该台风机质保期。如为超过一定比例（如1/10或1/8以上）的共性问题，则该项目所有风机质保期从最近一台风机故障修复验收合格后计算并顺延。如因此故障停机时长超过规定时间，卖方应同时承担停机造成的电量（利润）损失。
3.2 磨损颗粒分析
机械设备应用化学成分分析发现异常情况，评估磨损类型;浓度含量分析可直接判断机械设备磨损情况;尺寸大小对机械设备的磨损和类型发挥了决定性作用;设备的磨损机理容易被几何形貌影响。风电机组齿轮箱磨损引发齿面裂纹，从而折断轮齿，而在线动态监测齿轮箱振动，对这种长期发挥作用，且不改变故障信号的磨损失效模式科学区别。对磨损带来的固体颗粒物分析，特别是金属颗粒有利于及时预警动力机械设备的运行状态。磨损带来的金属颗粒有不同的直径和种类，可以得到动力机械设备运行的丰富信息，通常这部分设备有复杂的构造，运行时可利用金属颗粒判断初期故障。
3.3 智能监控系统
一般风电场所在地区较偏远，容易被地理因素、风机数量、风机间距等限制，故有必要结合风电齿轮箱磨损状况，设计分布式测量的智能监控系统。单一或几台风机可采取低成本方式，把监测数据传递至中央控制室。若上百台风机同时监测，则设计更合理的方式。本文采取传感器无线网络技术，根据风电机组齿轮箱磨损状态建立智能监控系统，最大程度发挥单机的通信传输性能。风电齿轮箱润滑油金属在线监测传感器是1个传感器节点，各个节点组成无线网络系统，向中央控制室科学传输数据，根据风场有效整合有线、无线或基站。
3.4 验证和分析
（1）退化实验的分析。为了能够分析出齿轮箱发生退化的过程，因此通过构建相关的实验平台，分析其退化的过程。本次实验共收集900组，然后一组切取样本三个，然后分解，并提取能量谱为退化矩阵，由Scat-Sep指标分析不同聚类数目的特征向量。总结果显示出退化主要为四个阶段，而平衡的函数最小为0.5310。（2）模型验证。通过根据某兆瓦级的风电进行研究，设定传动主轴和主轴的轴承以及齿轮副和从动轴的轴承作为机会维护组，然后以四个阶段开展维护，设定各个类别的参数。与传统的机会维护对比而言，以零件维护的回报率来看，分阶段机会维护的ROI更小，进而表明，运用相同的资源其能更好地改善可靠度。
4 结束语
以风电场对远程实时故障监测与故障诊断的需求为背景，设计并开发了风力机远程故障监测与故障诊断系统，阐述了系统架构和工作流程，通过解析风机状态信息，异常状态信息触发故障诊断功能，生成相应故障报告，为维修工程师进行故障排查提供解决方案，提高排故效率，缩短排故时间，降低排故难度。
参考文献
[1] 邢美玲. 风电机组的故障检测与老化状态评估研究[D].燕山大学，2020.
[2] 刘佳媛. 基于深度学习的风电机组剩余寿命预测研究[D].太原科技大学，2020.
[3] 邹剑晖. 风电机组齿轮箱故障诊断方法研究[D].广东工业大学，2020.
[4] 刘俊华. 风电机组轴承性能退化趋势预测研究[D].华北电力大学（北京），2020.
[5] 马丽. 风电机组能效状态异常检测及预警研究[D].华北电力大学（北京），2020.