一种风力发电机组稳态振动在线趋势预测方法及趋势预测
系统
技术领域
[0001] 本
发明涉及
风力发电机组稳态振动监测技术，尤其是涉及
一种风力发电机组稳态振动在线趋势预测方法及趋势预测系统。
背景技术
[0002]
风能是一种清洁的、可再生的
能源。可以说是取之不尽用之不竭。随着风力发电技术的不断进步，风机的数量不断增加，世界各国对风电行业变得更加重视，进一步的促进了风电行业的发展。
[0003] 风力发电机组的结构日趋复杂，风场的自然环境条件恶劣，这使得风机某一重要部位出现故障时，需要长时间去维护。然而风电机组的发电量与其发电时间有着至关重要的联系。减少风电机组的维护时间，提高风电机组的发电时间，有利于增加风
电场的经济效益。为了保证风电机组运行在安全稳定的范围内，需要对风电机组的运行状态进行在线监测，同时对可能出现的故障进行趋势
预测分析。
[0004] 目前，现有的振动采集策略，是没有对风机的工况进行分析，直接采用定点时间进行
数据采集监测。利用监测的振动
频率与所设定的故障报警
阈值进行比较，若超出报警阈值，则报警。根据现有的振动采集策略，不能从风机的多方面信息反映报警的运行状况。不能确定风机什么时候发生的故障报警，对故障报警事故分析不能提供更加有效的信息。
发明内容
[0005] 本发明的目的在于，为克服
现有技术的不足，本发明公开了一种风力发电机组稳态振动在线趋势预测方法，通过该方法实现了在同一工况下的振动数据采集，从而实现了对风电机组运行状态的准确判断，为后续机组调整和维护提供了高
质量的初始判断数据。同时，通过对风电机组振动数据进行处理，可以在线准确分析风电机组故障
位置、故障程度以及故障发展趋势性预测分析。提高了状态监测系统的及时性和准确性，保障了风电机组的安全稳定运行。
[0006] 本发明目的通过下述技术方案来实现：
[0007] 一种风力发电机组稳态振动在线趋势预测方法，所述在线监测方法至少包括如下步骤：S1：数据采集步骤，于风力发电机组正常运行时，通过稳态振动采集策略，实时完成风电机组的振动数据采集；S2：数据预处理步骤，对步骤S1中采集的振动数据进行滤波预处理，完成有效数据筛选；S3：运行状态判断步骤，对步骤S2获得的有效数据进行数据分析并获得分析数据，完成分析数据与报警阈值的比较，从而实现风电机组是否处于安全稳定运行状态判断，同时，将针对每次采集的振动数据的分析数据储存至稳态振动
数据库；S4：稳态振动趋势分布分析，基于稳态数据库所存储的数据，以时间延展维度获得风力发电机组稳态振动趋势分布情况；S5：振动趋势预测，基于稳态振动趋势分布情况与风机常见故障状态振动情况对比分析，实现对风力发电机组的前瞻性预测。
[0008] 根据一个优选的实施方式，所述步骤S4中，分离发电机组稳态振动趋势分布情况包括对预警评估值、峰峰值、通频有效值、峭度、歪度、裕度形指标和脉冲指标进行的散点分析、趋势分析及瀑布图分析。
[0009] 根据一个优选的实施方式，所述步骤S3中，对步骤S2获得的有效数据进行数据分析的分析维度包括：时域分析、频域分析、阶次分析、时频域分析和时域同步平均分析。
[0010] 根据一个优选的实施方式，所述时域分析包括有效值、峭度和峰峰值分析；所述频域分析包括FFT
频谱分析、
功率谱分析、原始包络谱分析、包络谱分析和
倒谱分析；所述阶次分析包括阶次谱、阶次功率谱和阶次包络谱的分析；所述时频域分析包括短时傅里叶变换和连续
小波变换的数据分析。
[0011] 根据一个优选的实施方式，所述步骤S1中的稳态振动采集策略为：
信号采集装置与风电机组主控装置联动，当风速、风向及机组的转速达到预设值时，由风电机组主控装置进行定转速控制，实现风电机组进入稳态。
[0012] 根据一个优选的实施方式，所述步骤S1中还包括，当风电机组运行状态不满足稳态振动采集策略时，不进行风电机组的振动数据采集。
[0013] 根据一个优选的实施方式，所述步骤S1中振动数据采集过程包括：以振动
传感器采集发电机
轴承及
齿轮箱振动信息,
采样频率不小于12.8kHz,以
转速传感器采集机组
主轴转速,每周期至少4个转速脉冲采集。
[0014] 根据一个优选的实施方式，所述步骤S2中，通过对步骤S1中采集的数据进行偏移量、有效值范围和频率分布的分析，实现将
干扰信号或传感器故障引起的无效数据的滤除。
[0015] 一种风力发电机组稳态振动在线趋势预测系统，所述在线监测系统至少包括：风电机组、风电机组主控装置、信号采集装置、
数据处理装置、振动检测装置和数据存储与管理装置，所述风电机组主控装置与所述风电机组相连，所述信号采集装置设置于所述风电机组之上并与所述风电机组主控装置电性连接，所述信号采集装置与所述数据处理装置相连，所述数据处理装置与所述振动检测装置相连，所述振动检测装置分别与所述数据储存与管理装置和风电机组主控装置相连；风电机组主控装置，用于风力发电机组的工况控制和故障预警时对风力发电机组的安全稳定控制；信号采集装置，基于稳态振动采集策略对风电机组进行实时振动信号采集；数据处理装置，用于对采集的振动信号进行滤波预处理，完成有效数据筛选；振动检测装置，通过对所获得的振动数据进行包括时域分析、频域分析、阶次分析、时频域分析和时域同步平均分析的对比分析，在线监测风电机组的运行状态，判断是否出现故障报警；同时，所述振动检测装置基于稳态数据库所存储的数据，以时间延展维度获得风力发电机组稳态振动趋势分布情况，并基于稳态振动趋势分布情况与风机常见故障状态振动情况对比分析，实现对风力发电机组的前瞻性预测；数据存储与管理装置，建立稳态振动数据库，对每一次的振动数据分析情况进行存储管理，为故障报警事故分析提供数据
支撑。
[0016] 根据一个优选的实施方式，所述信号采集装置包括振动传感器和转速传感器。
[0017] 前述本发明主方案及其各进一步选择方案可以自由组合以形成多个方案，均为本发明可采用并要求保护的方案；且本发明，(各非冲突选择)选择之间以及和其他选择之间也可以自由组合。本领域技术人员在了解本发明方案后根据现有技术和公知常识可明了有多种组合，均为本发明所要保护的技术方案，在此不做穷举。
[0018] 本发明的有益效果：通过本发明公开的在线趋势预测方法和/或在线趋势去测系统，实现了在同一工况下的振动数据采集，从而实现了对风电机组运行状态的准确判断，为后续机组调整和维护提供了高质量的初始数据。同时，通过对风电机组振动数据进行处理，可以在线准确分析风电机组故障位置、故障程度以及故障发展趋势性预测分析。提高了状态监测系统的及时性和准确性，保障了风电机组的安全稳定运行。
附图说明
[0019] 图1是本发明在线趋势预测方法的流程示意图；
[0020] 图2是本发明在线趋势去测系统的系统模
块连接关系示意图。
具体实施方式
[0021] 以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本
说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下
实施例及实施例中的特征可以相互组合。
[0022] 需要说明的是，为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
[0023] 因此，以下对本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的
选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0024] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后不需要对其进行进一步定义和解释。
[0025] 在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“
水平”、“内”、“外”等指示的方位或位置关系为该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0026] 此外，术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
[0027] 在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0028] 另外，本发明要指出的是，本发明中，如未特别写出具体涉及的结构、连接关系、位置关系、动力来源关系等，则本发明涉及的结构、连接关系、位置关系、动力来源关系等均为本领域技术人员在现有技术的
基础上，可以不经过创造性劳动可以得知的。
[0029] 实施例1：
[0030] 风电机组在正常运行过程中，由于风力发电机组某部件出现故障，会引发振动监测值的改变。现有的定时间振动采集策略，一方面不能够提高采集的准确度，另一方面对风力发电机组出现故障报警事故分析不能够提供及时和有效的信息。因此，改变现有的振动采集策略，实时在线监测风力发电机组的运行状态，对风力发电机组的振动趋势进行预测，及时的采取相应的措施，对风力发电机组进行前瞻性的维护，进一步提高风力发电机组的安全稳定。
[0031] 参考图1所示，本发明公开一种风力发电机组稳态振动在线趋势预测方法，所述在线监测方法至少包括如下步骤。
[0032] 步骤S1：数据采集步骤，于风力发电机组正常运行时，通过稳态振动采集策略，实时完成风电机组的振动数据采集。
[0033] 优选地，所述步骤S1中还包括，当风电机组运行状态不满足稳态振动采集策略时，不进行风电机组的振动数据采集。
[0034] 优选地，所述步骤S1中振动数据采集过程包括：以振动传感器采集发电机轴承及齿轮箱振动信息,
采样频率不小于12.8kHz,以转速传感器采集机组主轴转速,每周期至少4个转速脉冲采集。
[0035] 进一步地，所述步骤S1中的稳态振动采集策略为：信号采集装置与风电机组主控装置联动，当风速、风向及机组的转速达到预设值时，由风电机组主控装置进行定转速控制，实现风电机组进入稳态。
[0036] 本发明的风力发电机组稳态振动采集策略与传统振动采集策略的区别在于：
[0037] 1、传统的振动信号采集策略是按照每一天定时间采集的。初始设置好采集的时间，它不会随风力发电机组的工况发生变化，只会定时间就开始采集。因此，存在着许多问题。例如，风机停机状态，也会进行振动数据的采集；风机已经发生故障，滞后采集振动数据后报警，在对故障报警事故分析时，不能提供及时和有效的信息。
[0038] 2、本发明的风力发电机组稳态采集策略，是依据风力发电机组在同一工况状态下进行振动数据采集的，可随风力发电机组的运行状态来确认是否进行振动数据的采集，使得振动数据采集的
精度大大的提高，减少了无用数据的采集。通过对振动数据的在线分析，能够很好的对风力发电机组的状态运行情况进行很好的
感知，从而实现风力发电机组的前瞻性维护。
[0039] 步骤S2：数据预处理步骤，对步骤S1中采集的振动数据进行滤波预处理，完成有效数据筛选。
[0040] 优选地，所述步骤S2中，通过对步骤S1中采集的数据进行偏移量、有效值范围和频率分布的分析，实现将干扰信号或传感器故障引起的无效数据的滤除。
[0041] S3：运行状态判断步骤，对步骤S2获得的有效数据进行数据分析并获得分析数据，完成分析数据与报警阈值的比较，从而实现风电机组是否处于安全稳定运行状态判断。同时，将针对每次采集的振动数据的分析数据储存至稳态振动数据库。
[0042] 优选地，所述步骤S3中，对步骤S2获得的有效数据进行数据分析的分析维度包括：时域分析、频域分析、阶次分析、时频域分析和时域同步平均分析。
[0043] 其中，时域
波形反映了采集的振动信号的幅值随时间的变化情况。
[0044] 频谱分析反映了振动幅值随振动频率的变化情况。从信号的频谱图上可以判断并识别出信号中的几个周期分量和它们的大小，是信号分析、故障诊断中最常用的手段。倒谱分析亦称二次频谱分析，它可以很清楚地检测和分离出复杂频谱图中的周期分量，包括边频带和谐波，并有助于突出周期性的小信号。包络解调法(或称共振解调法)可以用来在轴承元件发生故障的初期诊断轴承故障。它利用的是轴承元件的表面损伤类故障激起轴承座、轴承元件或传感器的共振。
[0045] 阶次分析：对于速度变化的机器，其振动和噪声信号的频率随着转速变化而变化，阶次分析是一种根据信号的频率变化对信号进行变速率采样的技术。
[0046] 时频域分析：瀑布图展示的是整个频谱图的趋势，亦称为三维频谱图，以三维立体的方式，将同一个
节点下多条数据的频谱在一个图形上显示出来。显示了机组在某一段时间内振动通道的各频率成分的大小随时间的变化趋势，是一段时间内连续测得的一组频谱图顺序组成的三维谱图。
[0047] 时域同步平均：对一条完整的长时域波形进行滤波处理，滤波的方式可选择低通、高通、带通等。通过波形再处理工具可对原始数据进行深度分析，展现数据中的周期性，直观反映低速运转状态下轴承或齿轮的
缺陷特征。
[0048] 进一步地，所述时域分析包括有效值、峭度和峰峰值分析。所述频域分析包括FFT频谱分析、功率谱分析、原始包络谱分析、包络谱分析和倒谱分析。所述阶次分析包括阶次谱、阶次功率谱和阶次包络谱的分析。所述时频域分析包括短时傅里叶变换和连续小波变换的数据分析。
[0049] 步骤S4：稳态振动趋势分布分析，基于稳态数据库所存储的数据，以时间延展维度获得风力发电机组稳态振动趋势分布情况。
[0050] 优选地，所述步骤S4中，分离发电机组稳态振动趋势分布情况包括对预警评估值、峰峰值、通频有效值、峭度、歪度、裕度形指标和脉冲指标进行的散点分析、趋势分析及瀑布图分析。
[0051] 步骤S5：振动趋势预测，基于稳态振动趋势分布情况与风机常见故障状态振动情况对比分析，实现对风力发电机组的前瞻性预测。
[0052] 本发明公开的在线趋势预测方法通过对每一组采集的稳态振动信号进行数据分析，可以在线准确的确定风电机组运行状态，是否处于容差运行，从而确定风电机组的故障位置以及故障程度。进一步的，通过获得风电机组稳态振动状态趋势分布情况，分析其中的趋势分布规律，实现了预测风电机组未来一段时间内的运行状态情况。提高了状态监测系统的及时性和准确性。
[0053] 实施例2
[0054] 如图2所示，在实施例1的基础上，本发明还公开了一种风力发电机组稳态振动在线趋势预测系统，该在线监测系统采用实施例1中涉及的方法完成风电机组的运行状态监测。
[0055] 优选地，所述在线监测系统至少包括：风电机组、风电机组主控装置、信号采集装置、数据处理装置、振动检测装置和数据存储与管理装置。
[0056] 优选地，风电机组主控装置，用于风力发电机组的工况控制和故障预警时对风力发电机组的安全稳定控制。
[0057] 优选地，信号采集装置，基于稳态振动采集策略对风电机组进行实时振动信号采集。进一步地，所述信号采集装置包括振动传感器和转速传感器。
[0058] 优选地，数据处理装置，用于对采集的振动信号进行滤波预处理，完成有效数据筛选。
[0059] 优选地，振动检测装置，通过对所获得的振动数据进行包括时域分析、频域分析、阶次分析、时频域分析和时域同步平均分析的对比分析，在线监测风电机组的运行状态，判断是否出现故障报警。同时，所述振动检测装置基于稳态数据库所存储的数据，以时间延展维度获得风力发电机组稳态振动趋势分布情况，并基于稳态振动趋势分布情况与风机常见故障状态振动情况对比分析，实现对风力发电机组的前瞻性预测。
[0060] 优选地，数据存储与管理装置，建立稳态振动数据库，对每一次的振动数据分析情况进行存储管理。
[0061] 优选地，所述风电机组主控装置与所述风电机组相连，所述信号采集装置设置于所述风电机组之上并与所述风电机组主控装置电性连接，所述信号采集装置与所述数据处理装置相连，所述数据处理装置与所述振动检测装置相连，所述振动检测装置分别与所述数据储存与管理装置和风电机组主控装置相连。
[0062] 通过本发明公开的在线趋势预测方法和/或在线趋势去测系统，实现了在同一工况下的振动数据采集，从而实现了对风电机组运行状态的准确判断，为后续机组调整和维护提供了高质量的初始数据。同时，通过对风电机组振动数据进行处理，可以在线准确分析风电机组故障位置、故障程度以及故障发展趋势性预测分析。提高了状态监测系统的及时性和准确性，保障了风电机组的安全稳定运行。
[0063] 前述本发明基本例及其各进一步选择例可以自由组合以形成多个实施例，均为本发明可采用并要求保护的实施例。本发明方案中，各选择例，与其他任何基本例和选择例都可以进行任意组合。本领域技术人员可知有众多组合。
[0064] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何
修改、等同替换和改进等，均应包含在本发明的保护范围之内。
