風電機組振動監(jiān)測與故障診斷系統(tǒng)研究.pdf

1、隨著世界許多國家大規(guī)模發(fā)展風電計劃的制定及實施，風電行業(yè)經(jīng)過幾年高速增長之后，也迎來了成長的煩惱。雖然風力發(fā)電機的設計及制造技術(shù)已日臻完善，但是風電機組的運行維護卻提出了巨大的挑戰(zhàn)，成為當前急需解決的關鍵問題。
　　由于風力發(fā)電機組地處高山、海灘、海島等風口處，在強陣風的沖擊以及極端溫差的影響下，風力發(fā)電機組故障時有發(fā)生。研究表明齒輪箱、傳動鏈和發(fā)電機等部件的故障是導致停機時間最長，經(jīng)濟損失最大的原因。目前大型風力發(fā)電機組都帶有數(shù)

2、據(jù)采集與監(jiān)視控制SCADA(Supervisory Control And Data Acquisition)系統(tǒng)，SCADA系統(tǒng)可以對風電機組進行數(shù)據(jù)采集、參數(shù)調(diào)節(jié)、設備控制及報警等，為風電場的可靠運行提供了有力的技術(shù)平臺，但是SCADA系統(tǒng)缺乏對傳動鏈的有效監(jiān)測及精確診斷功能。國外的風電機組狀態(tài)監(jiān)測與故障診斷產(chǎn)品價格昂貴，報警閾值沒有統(tǒng)一的行業(yè)標準，大部分機組狀態(tài)需由專家結(jié)合經(jīng)驗分析得出，而國內(nèi)尚無成形的風電機組狀態(tài)監(jiān)測與故障診斷產(chǎn)

3、品?；谏鲜銮闆r，論文開展了針對風電機組傳動系統(tǒng)的振動監(jiān)測與故障診斷的研究。論文的主要工作如下:
　　(1)介紹了一般風電機組的組成結(jié)構(gòu)和工作原理，并對風電機組常見故障形式進行統(tǒng)計分析。統(tǒng)計結(jié)果表明，電氣系統(tǒng)和控制系統(tǒng)的故障率較高，而齒輪箱和發(fā)電機等故障是導致停機時間最長，經(jīng)濟損失最大的原因。重點對齒輪、軸承、軸系等部件的故障機理及其表現(xiàn)形式、典型故障與信號特征進行了分析。
　　(2)在風電機組振動信號特征提取方面，分別介紹

4、了振動信號的時域分析、頻域分析方法的特點，并結(jié)合實例驗證了頻域分析可以有效地確認齒輪箱振動信號中的故障頻率成分。詳細介紹了小波包能量譜分析技術(shù)，采用小波包對風電機組齒輪箱振動信號進行能量特征提取，將能量特征向量作為支持向量機故障診斷模型的輸入，為后續(xù)支持向量機對風機齒輪箱故障模式識別打下堅實的基礎。
　　(3)針對齒輪箱振動信號信噪比低、非線性及小樣本等特點，提出了一種基于小波包(Wavelet Packet，WP)分解、遺傳算法

5、(Genetic Algorithm，GA)和支持向量機(Support Vector Machine，SVM)的齒輪箱故障診斷模型，即WP-GA-SVM模型。首先對齒輪箱振動信號進行小波包消噪預處理，然后對消噪后的信號進行小波包分解與重構(gòu)并提取頻帶能量，作為支持向量機分類器的輸入特征向量。采用遺傳算法來實現(xiàn)支持向量機徑向基核函數(shù)參數(shù)g和懲罰因子C的自動快速最優(yōu)選擇。最后通過齒輪箱故障診斷的實例分析，驗證了該模型的有效性。
　　(

6、4)基于本文介紹的振動信號特征提取及故障診斷方法，應用面向?qū)ο缶幊碳夹g(shù)及模塊化結(jié)構(gòu)，采用C＃語言結(jié)合SQL Server2008數(shù)據(jù)庫，初步研究開發(fā)了一套風電機組振動監(jiān)測與故障診斷系統(tǒng)。該系統(tǒng)包括用戶管理模塊、設備管理模塊、狀態(tài)監(jiān)測模塊、頻譜分析診斷模塊、支持向量機診斷模塊和數(shù)據(jù)查詢模塊等，每個模塊又細分成多個相對獨立的子系統(tǒng)?？梢詫崿F(xiàn)對風機振動信號的預處理（如濾波、零均值化）、特征提取及故障診斷等功能，為實現(xiàn)風機的狀態(tài)監(jiān)測與診斷決策提