风力发电机组在线故障预警与诊断一体化系统设计与应用

风力发电机组在线故障预警与诊断一体化系统设计与应用

郭艳平,颜文俊,包哲静

(浙江大学电气工程学院,浙江省杭州市310027)

摘要:目前,风力发电机组缺乏一个面向整机所有重要部件关键参数的综合性监测系统,且现有系统的分析和诊断功能较薄弱。因此,设计了一种风力发电机组在线故障预警和诊断一体化系统,分别从系统的结构、功能和特点3个方面阐述了整个系统的硬件和软件实现。在对现有故障诊断方法和振动信号特点分析的基础上,阐述和论证了故障预警系统的工作原理和故障诊断方法的步骤,并重点对故障诊断系统自学习能力的具体功能和实现方法进行了说明。实际风电场运行情况表明,该一体化系统稳定、可靠、高效,完全能够满足实际的需要。关键词:风力发电机组;在线监测;故障预警;故障诊断;一体化系统

0󰀁引言

风电场一般位于条件恶劣的环境,工况极不稳定,因此,对风力发电机的运行状态进行在线监测、实时了解风力发电机的关键参数和重要部件的运行状态极其必要。目前,已有很多关于风电机组监控

[1󰀁7]

系统及其各个环节的设计或改进。现在已有一些通用状态监测系统应用到风力发电领域,但缺乏一个面向整机所有重要部件关键参数的综合性监测系统。另外,现有监测系统的分析和诊断功能较薄弱,通过对测量数据进行趋势分析,仅能看到其在一段时间内的总体水平,如果发现了某些测量点的数值超出报警限值,也仅能做出一个早期故障的判断。

本文设计了一种风力发电机组在线故障预警和故障诊断一体化系统,除了监测常规的电力参数、风力参数和机组运行状态参数外,还对风电机重要部件振动情况进行监测。一旦风电机重要零部件出现机械性异常,故障预警系统会发出预警信号,随即转入故障诊断系统,故障诊断系统通过相应的算法给出故障部位、类型。

图1󰀁风电场监测系统结构

Fig.1󰀁Structureofmonitoringsystemforwindpowerplant

1󰀁系统整体框架

1.1󰀁系统结构

系统以风力发电机组为监测对象,集故障预警和故障诊断于一体,实现数据采集、设备控制、参数设置、故障预警、故障诊断功能。系统结构见图1。

收稿日期:2010󰀁03󰀁11;修回日期:2010󰀁06󰀁07。

国家高技术研究发展计划(863计划)资助项目(2007AA05Z432926);国家自然科学基金资助项目(60804045)。

整个系统分为3个部分:

1)就地监控部分。由传感器和布置在每台风力发电机的控制柜内的前置通信子系统组成。前置通信子系统由数据采集模块和NIcRIO󰀁9022实时控制器组成,完成对传感器输出信号的抗混叠滤波和16bitA/D转换,控制器内安装NIRIO系统软件,其扫描引擎以100󰀁s为周期自动监测数据输入/输出模块,并立即读写输入/输出数据。整个项目是在LabVIEWReal󰀁Time扫描模式下开发完成的。

2)监控部分。布置在风电场控制室内,监控服务器接收就地监控部分上传的数据,并存入数据库,数据分析模块对数据进行分析和整理后显示在人机界面上,Web服务器负责网络发布。

3)远程监控部分。远程终端在输入相应的网页地址后,可通过InternetExplorer(IE)浏览器查看监控器的界面,并进行远程控制。

系统的通信主要包括现场通信和远程通信。现

󰀂

83󰀂2010,34(16)󰀁

场通信主要是就地监控部分的前置通信子系统和监控服务器之间的通信,前置通信子系统中的控制器集成了信号调理、A/D转换、实时控制器和RJ45接口,使用动态主机配置协议(DHCP)自动获取IP地址,通过监控服务器的MAX(measurement&automationexplorer)软件可进行前置通信子系统的网络配置、设备驱动和Real󰀁Time软件安装,监控服务器通过标准以太网与前置通信子系统连接。在CompactRIO扫描模式下,可直接在监控服务器LabVIEWReal󰀁Time中访问前置通信子系统及其数据采集模块;对于远程通信,通过在监控服务器端配置并启动LabVIEWWeb服务器,在远程终端可通过网页连接监控服务器端的人机界面,也可获取控制权进行参数修改和控制操作。1.2󰀁系统功能

系统除了对常规的电力参数、风力参数和机组运行状态进行监控以外,还对风电机组重要部件(如主轴、齿轮箱、发电机)的运行状态进行振动故障预警和故障诊断。系统功能结构如图2所示。系统除包含普通风电场在线监测系统的功能外,还具有以下特点: 将风电场在线故障预警系统和故障诊断系统融合为一体;!故障诊断系统具有自学习能力。

󰀁󰀁基于LabVIEW开发的人机界面与基于MATLAB的振动信号处理算法的交互通过MathScript节点实现,通过对振动信号的分析实现风力发电机关键部件的故障预警和故障诊断。LabVIEW人机界面对Sybase数据库的访问通过基于ActiveX数据对象(ADO)技术的LabVIEW数据库访问包LabSQL实现。

2󰀁故障预警子系统

为了对风力发电机组重要部件的振动情况进行准确监测,特将加速度传感器布置在每一个风力发电机主轴轴承、齿轮箱前轴承、齿轮箱后轴承、发电机前后轴承的轴向和径向,如图4所示。

图4󰀁振动加速度传感器布置

Fig.4󰀁Layoutofvibrationaccelerometers

图2󰀁系统功能结构

Fig.2󰀁Structureofsystemfunction

传感器的安装方式使用螺纹连接,采样频率为10kHz,传感器可监测的频率范围为0.5kHz~12kHz,灵敏度为100mV/g。系统5s计算一次振动数据时域统计值:均方根值、峰值、峭度、峰值因子,如果任意一个值连续3次超过事先设置的阈值时,则转入故障诊断系统并发出预警信号,同时将此故障发生的时间和内容记录到数据库,方便今后查阅和复检;另一方面,将故障信息显示到界面以提醒工作人员。根据采集数据的时域统计值,绘制劣化趋势图,据此安排设备的检修计划。

本文采用绝对判断标准值和相对判断标准值相结合的方式确定阈值。阈值初值根据德国工程师协会标准VDI3834设置。在后期的运行过程中,把同测点、同方向、同工况下正常运行的振动统计值作为相对标准值。考虑到不同的风机类型和气候条件,将根据相对标准值对初始阈值作出调整后的值作为最终的阈值标准值。

1.3󰀁系统软件结构

系统基于Windows平台基础开发,其软件结构如图3所示。

图3󰀁LabVIEW,Sybase数据库和MATLAB的交互示意图

Fig.3󰀁AschematicdiagramamongLabVIEW,

SybasedatabaseandMATLAB

3󰀁故障诊断子系统

在监控服务器中建立故障诊断系统,故障诊断系统从数据库中获取数据,通过小波分析、解调分析、细化谱分析等方法诊断故障类型及故障部位。

󰀂84󰀂

∀绿色电力自动化∀󰀁郭艳平,等󰀁风力发电机组在线故障预警与诊断一体化系统设计与应用

目前,国内外有很多对风电机组零部件故障诊断方法的研究。在分析风力发电机振动信号特点和各种诊断方法优缺点的基础上,本文提出一种基于离散小波变换的故障诊断方法,具体流程见图5。

[8󰀁12]

图5󰀁振动监测故障预警和故障诊断流程Fig.5󰀁Flowchartoffaultwarninganddiagnosis

byanalyzingvibrationsignal

传统的故障诊断方法(包括频域分析和时域分析)对于机械部件的分布性故障有很好的诊断效果。但当发生局部性故障时,测得的机械振动信号会包含非平稳成分或时变成分。基于平稳信号处理的传统方法(如频谱分析)无法全面反映信号的时变特性,因而应用效果不太理想。小波分析是一种时间窗和频率窗都可改变的时频局部化分析方法,特别适合于非稳定信号的分析。例如,当发生齿轮点蚀、断齿、轴轻度弯曲以及滚动轴承的疲劳剥落等故障时,会产生周期性的脉冲冲击力,从而产生振动信号的调制现象,在频谱上表现为在啮合频率或固有频率两侧出现间隔均匀的调制边频带。边频带反映了故障源信息,边频带的间隔反映了故障源的频率,幅值的变化反映了故障的程度。因此,在齿轮箱的故障诊断中,对调制信号进行解调是一项重要的工作。解调分析可以从信号中提取调制信息;细化谱可分析调制边频带的细微结构。

要实现故障的自动诊断,首先需在数据库中建立故障特征频率库,包括主轴和齿轮箱各轴的转频、齿轮啮合频率,主轴轴承和发电机各轴承在运动学

和动力学上的特征频率,如轴承内环通过频率、轴承外环通过频率、轴承滚动体通过频率、轴承保持架频率、啮合频率、轴承内环固有频率、轴承外环固有频率和上述各特征频率的倍频共32个故障特征频率。

断齿是齿轮失效的一种严重形式,也比较常见。断齿齿轮的一阶啮合频率为460Hz,断齿齿轮所在轴的转频为10Hz,断齿齿轮固有频率为980Hz。下面以断齿这种故障类型来说明故障诊断系统的工作流程和系统自学习能力的实现过程。

1)系统每5s实时计算一次时域特征值,与阈值比较进行初步预警判断。当时域特征值超过预先设置的阈值时,系统发出报警信号;当系统连续3次报警时,则转入故障诊断系统。当齿轮发生断齿故障时,系统计算的时域特征值(均方根值和峭度)会有较大幅度的增加而超过阈值,系统报警并转入故障诊断系统,

2)选取Daubechies10小波基对数据进行3级小波多分辨分析,对低频段进行信号重构,并对此频段进行Fourier频谱变换。基于LabVIEW循环实现的扫描引擎子VI以1kHz的频率对分析结果进行扫描,可得到的特征频率有:齿轮啮合频率(460Hz)及其谐波(920Hz);以齿轮啮合频率及其谐波为载波频率;齿轮所在轴转频及其倍频为调制频率的啮合调制频率。

3)对低频段重构信号进行解调分析,扫描引擎子VI可得到的特征频率有:齿轮所在轴的转频及其多次高阶谐波。

4)对小波变换结果的中频段进行细化谱分析,扫描引擎子VI可得到的特征频率有:以齿轮固有频率为载波频率;齿轮所在轴的转频及其倍频为调制频率的齿轮共振调制频率。

5)将扫描得到的特征频率与事先在数据库中建立的故障特征频率库对照,可得到故障类型及故障部位。如果没有对应的故障特征频率,而系统又报警,可请现场维护人员亲自观察谱线图,判断可能的故障类型,并现场检查确认后,将此故障类型和故障频率特征写入故障特征频率库,如果风电机再次出现此类故障时,系统可通过将扫描得到的特征频率与数据库中的故障特征频率对应,自动给出故障类型和部位。这样,系统可通过自我学习,不断增加可诊断出的故障类型,不断增强故障诊断的准确性。

4󰀁结语

系统的人机界面如附录A图A1、图A2、图A3所示。系统面向整个风力发电机组所有重要部件关键参数,融合风力发电机组在线故障预警和故障诊

󰀂

85󰀂2010,34(16)󰀁

ConditionMonitoringandDiagnosis,Beijing,China:1358󰀁1361.

[6]王松,姚兴佳,李春影.风电场过程数据采集与监控系统的开发.

节能,2001(5):10󰀁12.

WANGSong,YAOXingjia,LIChunying.Developmentofremotecontrolanddataacquisitionsystemforwindfarm.EnergyConservation,2001(5):10󰀁12.

[7]叶杭冶.风力发电机组的控制技术.北京:机械工业出版社,

2006.

[8]MOHANTYAR,KARC.Faultdetectioninamultistage

gearboxbydemodulationofmotorcurrentwaveform.IEEETransonIndustrialElectronics,2006,53(4):1285󰀁1297.[9]TSAICS,HSIEHCT,HUANGSJ.Enhancementof

damage󰀁detectionof776󰀁781.

[10]ERENL,DEVANEYMJ.Bearingdamagedetectionvia

waveletpacketdecompositionofthestatorcurrent.IEEETransonInstrumentationandMeasurement,2004,53(2):431󰀁436.

[11]WANGWenyi,WONGAK.Autoregressivemodel󰀁basedgear

faultdiagnosis.JournalofVibrationandAcoustics,2002,124(2):172󰀁179.

[12]YAOXingjia,GUOChangchun,ZHONGMingfang.Turbine

gearboxfaultspectrum//

diagnosis

usingof

adaptive

Morlet

wavelet

on

Proceedings

International

Conference

windturbineblades

viaCWT󰀁based

approaches.IEEETransonEnergyConversion,2006,21(3):

April21󰀁24,

2008,

断于一体,除具有数据采集和监控的功能外,还具有

对风力发电机组重要零部件振动情况故障预警和故障诊断功能。此外,故障诊断系统具有自学习能力,可不断增加能诊断出的故障类型,不断增强故障诊断的准确性。目前,系统已在张北风电场平稳运行近半年,效果良好。

附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。

参考文献

[1]宋晓萍,廖明夫.基于Internet的风电场SCADA系统框架设计.

电力系统自动化,2006,30(17):󰀁93.SONGXiaoping,

LIAOMingfu.

DesignofInternet󰀁based

SCADAsystemframeforwindpowerplant.AutomationofElectricPowerSystems,2006,30(17):󰀁93.

[2]路小俊,冬大龙,宋斌,等.基于OPC技术的风电厂数据采集和

监控系统方案.电力系统自动化,2008,32(23):90󰀁93.LUXiaojun,

DONGDalong,SONGBin,

etal.AnOPC

technologybasedSCADAsystemdesignforwindpowerplants.AutomationofElectricPowerSystems,2008,32(23):90󰀁93.[3]段斌,林媛源,黄凌翔,等.风电场监控通信安全解决方案.电力

系统自动化,2009,33(12):97󰀁102.

DUANBin,LINYuanyuan,HUANGLingxiang,etal.Asecuritysolutionformonitoringandcontrolcommunicationinwindfarms.AutomationofElectricPowerSystems,2009,33(12):97󰀁102.

[4]文本颖,谈顺涛,袁荣湘.SCADA系统中主动实时数据库技术的

研究与应用.电力系统自动化,2004,28(6):85󰀁87.

WENBenying,TANShuntao,YUANRongxiang.Astudyontheactivereal󰀁timedatabaseanditsapplicationtotheSCADAsystem.AutomationofElectricPowerSystems,2004,28(6):85󰀁87.

[5]SWISZCZG,CRUDENA,BOOTHC,etal.Adataacquistion

platformforthedevelopmentofawindturbineconditionmonitoringsystem//ProceedingsofInternationalConferenceon

IntelligentComputationTechnologyandAutomation:Vol2,October10󰀁11,2009,Changsha,China:580󰀁583.

郭艳平(1983󰀂),女,博士研究生,主要研究方向:风力

发电机在线监测系统。E󰀁mail:guoyanping1983@163.com

颜文俊(1965󰀂),男,通信作者,教授,主要研究方向:复杂系统建模与智能控制。E󰀁mail:yanwenjun@zju.edu.cn包哲静(1974󰀂),女,副研究员,主要研究方向:复杂系统建模与智能控制。E󰀁mail:zjbao@zju.edu.cn

DesignandApplicationofOnlineFaultWarningandDiagnosisIntegratedSystemforWindTurbines

GUOYanping,YANWenjun,BAOZhejing(ZhejiangUniversity,Hangzhou310027,China)

Abstract:Atmomentthereareveryfewsystemwhichcanmonitorthekeyoperatingparametersofwindturbineimportantcomponents,andfaultdiagnosiscapabilityintheexistingsystemisverypoor.Anintegratedsystemisdesigned,whichcombinestheon󰀁linefaultwarningandfaultdiagnosis.Thehardwareandsoftwareimplementationisfirstlydemonstratedfromsystemstructure,systemfunctionandintegratedsystemcharacters.Basedontheanalysisoffaultdiagnosismethodsandvibrationsignalcharacters,theprincipleoffaultwarningsystemandthestepsoffaultdiagnosisareexpoundedandproved,speciallythefunctionandimplementationoffaultdiagnosisself󰀁learningfunction.PracticaloperationinZhangbeiwindpowerplantshowsthatthismonitoringsystemcansatisfytheactualapplicationwithhighreliabilityandefficiency.

ThisworkissupportedbyNationalHighTechnologyResearchandDevelopmentProgramofChina(No.2007AA05Z432926)andNationalNaturalScienceFoundationofChina(No.60804045).Keywords:windturbines;on󰀁linemonitoring;faultwarning;faultdiagnosis;integratedsystem

󰀂86󰀂