宋金成
五家渠京能新能源有限责任公司，新疆 奇台 831800
摘要：近年来，随着我国城市化进程脚步的逐步加快，促进了经济经济的高速发展，与此同时，我国越来越重视绿色能源，而风能是非常清洁的能源。风能设备可以将风能转换为电能，这种绿色能源得到了广泛的应用。为了确保风力涡轮机的正常和安全运行，必须开发用于风力涡轮机振动的监视系统，并且必须预测可能的故障。整个系统的主要部分包括振动信号的感知模块、振动信号采集模块、远程监测和诊断模块以及风电厂监测中心。该系统可以通过振动信号确定风力涡轮机的运行状态，通过特定算法预测故障，可以满足操作人员的预定要求。
关键词：风电机组；振动监测；故障诊断系统
引言
大部分风力发电机组运行的工作环境恶劣，加之风速、风向具有较高的不稳定性与不确定性，因此风力发电机组主要运行在交变负载作用状态中，这样一来，很容易造成对机组的传统系统等部件的损坏。同时由于风电机组所在的地区相对偏远，所以会相应的增加检修的困难度。因此必须加强对风电机组的振动监测及故障诊断工作，基于此本文进行深入的分析。
1风力发电机组振动检测系统设计
风力发电机组振动检测系统设计原则如下:首先，完整的振动检测系统由硬件、软件及诊断人员三部分组成。其次，系统能够实现数据存储及实时数据分析。最后，软件系统既要接受硬件的数据，实时显示波形数据、测量结果，又要发送命令对硬件系统的采集方式、放大倍数等参数进行控制。振动检测系统共包括3个模块：振动检测模块、PC机配置模块和数据分析模块。检测模块首先通过传感器采集振动信号，然后利用调理单元对振动信号进行抗干扰、滤波等处理，最后将信号传入数据采集器。在信号采集阶段，PC机配置模块首先通过PC机设置各项参数从而实现振动信号的采集控制，然后将采集到的信号自动存储于PC机。在信号分析阶段，数据分析模块利用软件对振动信号做时频域分析。振动检测系统硬件部分由武汉uTek公司开发的uT34系列数据采集模块、数据存储及信号调理模块、uTekSs系列数据动态分析模块组成。uT34系列数据采集及数据存储模块配有抗混滤波器，可以实现多通道振动信号采集。信号调理单元主要起到信号放大作用。在检测过程中，数据采集模块采集各测试点的振动数据后存入计算机进行数据分析，通过人工诊断出机组故障。
2振动检测诊断方法
振动厂家一般将风机振动状态分为五个等级，分别为：正常（传动链运行状态处于正常状态，机组可照常运行）、注意（存在一定的故障特征，机组可照常运行，应有针对性的采取维护措施）、警告（有较明显的故障特征，机组可继续运行，应关注机组运行状况，加强日常检查和维护；一旦发现异常，首先对此处问题进行检查）、报警（故障特征明显，故障处于快速劣化期，需要现场维护人员检查确认故障，准备备件，提前安排维修计划，择机进行维修）、危险（机组部件故障严重，如继续运行，可能会连带其它部件损坏，机组必须停机进行检查，采取维修措施以保障机组运行安全）。
3系统组成及应用
3.1分布式数据采集器
为基于嵌入式系统平台设计的振动数据采集模块，实现设备振动信号的数据采集、特征参数计算与提取，并通过以太网络或CAN通信接口将主辅机设备状态数据传送至振动数据服务器。
3.2远程诊断平台的数据通信
为更好地实现电厂设备故障分析与诊断，系统基于振动特征计算及特征数据压缩/恢复技术，借助企业专用网或公网通道，实现机组振动状态数据实时远程传输，接入远程监测与诊断平台。风电厂风机振动监测及故障诊断系统为设备管理提供了丰富的功能，不但能够实时监测设备运行状态，预警可能发生的故障，而且能对设备的健康进行实时评价和智能诊断。本系统集状态监测、基本分析、综合评价、专家系统、大数据预警、手机app、电机诊断、启停统计、全矢谱分析、启停车分析、动平衡等功能于一体。（1）全信息故障诊断技术。基于模糊推理机的智能专家系统，汇集领域内多位资深专家经验，可诊断转子、轴承、齿轮和基础类故障，支持自动生成诊断报告，诊断结果准确性高。（2）多维智能预警预测技术。基于ISO国际或GB国家标准，提供振动统计量报警，窄带报警，包络值报警和自定义报警等多维度报警机制，能够满足现场多种机组不同工况下的报警情况，降低机组误报成本和减少漏报损失，为客户带来潜在的经济价值。（3）综合评价技术。基于多指标的设备综合评价技术，以机组为单位，将多个评价指标进行加权融合，为机组提供更全面、客观和准确的健康状态评价结果。（4）健康评价直观形象。运用多信息融合综合评价技术，以红/黄/绿三种颜色标记机组健康状态，提供给用户直观、可靠的评价结果。（5）大数据技术。基于海量历史运行数据的挖掘建模的大数据预警技术，对设备的在线健康状态进行实时量化评估。预警系统可以实时分析所有运行模式，包括稳定工况和变工况，可尽可能早地从当前状态与正常运行状态的偏差提供早期预警。下面主要介绍该系统的在线监测功能。在线监测是为加强对设备运行状态的管理，监测的关键设备主要包括：风机齿轮箱、发电机转子、变速箱轴承等，在线数据采集的内容主要包括振动、设备启停、转速等信息。通过在设备上安装传感器，将设备运行数据通过采集器上传到服务器，进行实时监测。系统可以发布OPCServer采集控制系统数据，将采集到的数据发送至关系数据库，为设备监控、评估、管理、处置提供准确的、全面的数据资源。通过多种监测及分析手段，使用户能迅速准确了解设备运行状况，及时调整对设备的维护方法。在线采集数据频率为2～10s，可自定义设置，系统实时记录设备的运行时间，并参与后续系统其他功能模块的运算。
3.3故障诊断分析
设备智能诊断系统采用多源信息融合的智能诊断专家系统技术，根据电厂的机器故障机理特性将机器故障划分为转子类、轴承类、齿轮类、电气故障类等类别。充分利用成熟的故障机理信息建立征兆到故障之间的多维映射关系，通过产生式规则、决策树、专家推理等技术实现故障诊断。本方法存在诊断过程自解释、推理过程可追溯、故障征兆可自定义的特点。针对电厂，系统内置诊断知识库的自动诊断故障范围如下表所示，可在试运行中增加相应的规则库以提高系统的诊断能力，并且系统自动生成图文并茂的诊断报告。
结语
综上所述，目前我国风力发电机组发生的故障的部件主要为风机传动系统，其中包括主轴、齿轮箱、风机发电系统、叶片等，而目前国内风电机组发生的故障中，大部分是以齿轮箱、发电机故障为主，而除了电气原因导致的故障以外，故障产生的与机组结构振动有关的故障异常更为突出，造成的经济损失也更高。因此，风力发电机组齿轮箱，发电机的振动特性及振动检测研究对提前预警风机故障，以及提高风电机组可靠性也十分重要。
参考文献
[1]王海云，唐新安．风电机组状态监测系统现状研究[J].电网与清洁能源，2015(3)．85:89．
[2]龙泉，刘永前，杨勇平.状态监测与故障诊断在风电机组上的应用[J].现代电力，2013（12）.
[3]王震.试论水轮发电机组振动监测与故障诊断系统的设计与应用[J].工程技术:全文版:2015，(09):191.
[4]龙磊,邓艾东.基于FPGA的风电机组振动监测系统设计[J].自动化仪表,2018,39(2):29-32.
[5]王海明,李红刚,董志宝,等.基于PowerPC的风电机组在线振动状态监测系统设计[J].电子设计工程,2017,25(19):170-173.