摘要：当今时代科技发展飞快，随着可持续发展理念的提出，大量的风力发电设备被投入使用，并已形成集群化的风电场。而风电机组作为风电场中的关键设备，其检修技术是风力发电发展的关键性技术之一。本文介绍了一种通过振动信号采集软件对风电机组中的关键设备进行实时振动监测，而后使用信号分析软件对数据进行分析处理的方法。通过对测试数据的分析能够有效的判断风电机组的健康状态，并依照健康状态对风电机组进行分类，制定有针对性的维修计划，能够有效的提高风电机组运行的安全稳定性和降低维修的经济成本，实现风电机维护向预防性检修体制的转变。
关键词：风电机维护；预防性检修；数据分析；实时监测
引言：
随着我国大型风电场的不断建立，作为关键设备的风电机组的维护保养也成为重中之重。由于风电机组设备中的零件较为精细，故障发生区也越来越多，常见故障多发生在主轴及其轴承、齿轮箱和发电机等三个区域。风电机组维护一般都使用计划检修或者发生故障后维修的方法，这两种方法不能够根据风电机组的实际情况进行维护，而且消耗时间较长，维护成本较高。本文介绍方法可以通过对风电机组振动检测的结果和其他运行参数进行分析处理，来掌握风电机组的健康情况。在提高效率和降低成本的同时，还能够有效的保证风电机组运行的安全稳定性，能够有效的避免盲目维修造成不必要的浪费和事故的发生。
一、检测对象与分析方法
1.1检测对象
一般只有价值昂贵或维修成本高昂的设备或大部件才需要使用预防性检修技术，例如双馈式风力发电机组的主要传动部件，包括低速主轴、齿轮箱、齿轮箱高速轴、发电机主轴等。通常情况下风电场风力发电机组振动信号采用8通道同步采集。
1.2分析方法
常用的分析方法包括统计分析、时域分析、频域分析三种方法，其中统计分析又包括幅域统计、概率密度函数、概率分布函数等常用方法，其中幅域统计在时域中对信号的幅值进行各种处理与统计分析，该方法计算简单、结果显示直观，在简单的振动检测中应用较为广泛常用的信号幅域参数包含最大值、最小值、平均值、有效值等。
振动信号的时域分析通过观察原始信号的时间历程，对其周期性及随机性给出判断，从而评估状态所处的状态，它是工程信号分析中最常用的方法之一，具有显示直观、易于理解、包含的信息量大、保存信息完整等优势。
频域分析的基础是频谱分析，频谱分析把具有复杂时间历程的时域波形经由某种变换，分解为简单信号的叠加，以获取信号的频率构成与各阶谐波的相位和幅值信息，其最终结果是频谱图，可以分为幅值谱、相位谱、功率谱、倒频谱等类型。
二、振动信号分析与设备状态诊断
利用上述设备及测点布置方法，对某风电场风力发电机组运行情况进行了振动数据采样。通过对这些数据信号进行初步分析处理，可以对风力发电机组运行状态进行分类分析。
2.1普通振动，运行状态良好
对发电机轴承进行振动检测时，若发现时域图谱中振动信号呈周期性变化，且正常谐波明显，周围可见稀疏的多次谐波，可以判断振动主要是由电磁干扰引起的。这种状态下的风电机组基本不存在故障隐患，只需要进行定期的轴承润滑保养维护，并保持正常运行状态下的参数监控就好。这类状态所占比例约为90%。
2.2需要缩短监测周期的振动故障
当发现时域图谱可见机组存在一定的周期性冲击且观察频域信号图发有峰丘时，需要
对该信号做带通滤波并作包络谱。对于此类要密切的关注该风机电机轴承的振动发展情况，减短振动监测的周期，并根据检测数据的实际情况采取相应的措施。
以某额定功率为1200kW，额定转速为1600r/min的风电机组为例进行说明。对该信号做4000~7000Hz带通滤波并作包络谱。分析包络谱图可以发现132.8Hz及其多次谐波，与该轴承（型号6324）内环故障特征频率132.7Hz非常接近，说明电机前轴承内环有可能出现了故障（磨损），需要适当减短振动的周期。
2.3需适时处理的振动
对于时域图谱中可见周期性冲击、频域图谱中可见频率峰丘的情况，如果没有其他的明显异常，可以判定仅是由零部件松动、对中性能较差或者轻微磨损引起的。这种转频冲击一旦发现也要及时重视，轻微的磨损不会影响发电机组的正常运行，但长时间搁置则会发展成严重故障。以某额定功率为600kW，额定转速为1519r/min的风电机组为例进行说明。齿轮旋转频率为周期性的冲击脉冲，振动幅值均值达5mm/s；频域表现为啮合频率525Hz附近，以及正常啮合频率外525Hz±10Hz的周边频率丘峰。由此可以判断，高速齿轮表面存在着轻微异常，停机检查发现，齿面较光亮同时有轻微的拉毛现象，与诊断结论一致。
2.4需及时处理的振动
如果时、频域信号包络图中出现周期外的峰丘以及多次谐波，就可以确定轴承处于严重磨损状态，这种情况下需要立即进行停机检修，防止故障扩大。振动检测信息分析模块可以提供故障源的锁定和故障原因分析技术。以某额定功率为1500kW，发电机额定转速为1750r/min的风电机组为例进行说明。按照频域的观察发现，轴承的特征频率及其多次谐波处于71.8Hz附近，后面还有100Hz与150Hz附近的丘峰，较大的偏离了正常值。由此可以确定发电机轴承存在严重损伤，应该及时进行停机维护。
期刊文章分类查询,尽在期刊图书馆
三、风电机组振动故障常见的检修方法
在检修过程中发电机将会出现很多的问题，这对检修维护工作而言具有极大的困难。因此，可以制定合理的策略以确保检修工作可以顺利进行。在风电机组故障诊断方面，通常采用三种方法来进行诊断，它们分别是模糊诊断法、神经网络诊断法和模糊神经诊断法。
1、模糊诊断方法，在检修诊断过程中它是一种基于知识的一种自动诊断的方法，是采用模糊逻辑来分析故障的现象和原因，用一些模糊函数或关系方程来确定故障问题的原因所在，在面对更复杂的系统诊断时，一部分故障现象和故障原因之间并没有对应关系，多种原因可能会引起一种故障现象。与此同时，一种故障原因也有可能导致各种各样的现象出现，在检修诊断的过程中主要的优势就在于可以对不确定的问题进行诊断。许多发电机在运行过程中会出现一些不能确定情况的故障，使用这种方法来诊断，成本非常低，效率也很高，但是，在诊断过程中使用这种方法需要诊断人员的专业素质比较高，在诊断中经常会出现很大局限的情况。
2、神经网络诊断方法，该方法要求在应用前建立一个诊断程序，然后依据发电机出现的问题和样本建立一个神经网络，选择合适的参数和算法。但这种方法仍有一定的局限性，在样本选取时，可能会有不合格的情况出现，将会对诊断的准确性产生很大的影响。神经网络诊断方法知识表达层面也是很难理解的，对知识掌握不够深刻的人来说，比较缺乏对问题的解释能力。
3、模糊神经网络诊断方法，这种诊断方法结合了模糊诊断方法和神经网络诊断方法，综合了两种方法的优点，在神经框架下利用定性知识，使其诊断性增强。模糊神经网络诊断方法在推理速度、知识存储以及知识表达方面发挥了很大的作用，能够集合联想、识别、学习和信息处理这几方面，增强了数据处理能力和学习能力，可以在现实中得到广泛的应用。
四、机组健康状态分类
使用本文所介绍的风电机组振动检测预防性检修技术，通过对风电场运行机组的振动检测数据的分析处理，依照分析结果，可以将风电场运行机组的状态大致分为以下4类。
（1）风电场运行机组运行状态良好，不必进行过度维护和频繁的检查，只需在一定周期内进行检测即可。在通常情况下，此类机组在集群风电场中会占据90%以下的比例，若按照传统方法，在较短的周期内定期检修的办法进行逐个维护排查，在人力、物力以及经济成本上都会造成极大的浪费。
（2）风电场运行机组存在一定程度上的磨损，但磨损情况并不严重，不会影响机组的正常运行。对于此类运行机组需要在一个较短的周期内定期检测，根据检测结果判断机组的磨损程度，而后再确定是否需要停机进行维修，此类机组在集群风电场中通常会占据5%左右的比例。
（3）风电场运行机组存在较为严重的故障隐患，对于此类机组，需要在较短时间内进行检修，否则可以会造成机组出现故障。对于此类风机如果不能在较短时间内进行检修维护，极可能造成更大的故障，给企业带来较大损失。如果能够及时发现并在较短时间内处理完毕，既可以节约人力、物力和经济成本，又能够避免出现更大的故障，造成严重损失。
（4）风电场运行机组已经存在非常严重的故障，需要在发现时就进行维修。通过对风电机组的振动检测，可以为此类风机的检修工作提供数据依据，能够在短时间内就确定故障产生原因及产生部位。可以通过对停机时间进行合理的安排，来降低检查维修成本，既可以保证零部件的最小库存量，也可以保证部件更换工作具有足够的准备时间，可以避免进盲目维修，减少事故突发的可能性，从而提高机组的安全可靠性、稳定性以及经济性。
五、风电机组预防性振动检测技术的发展趋势
近年来，人们对于电能质量的需求和要求都在不断的提高，我国大型发电机组快速发展，传统的计划检修模式已经不能适应设备检修要求。通过预防性检修的应用，制定详细的预防性检修方案，能够节省大量的人力和物力成本在检修过程中被耗费，导致了不必要的浪费。对于发现的这些问题可以及时进行控制并检修，保证发电机的安全，同时确保其正常运行。利用时域、频域图谱诊断振动的方法计算量小、灵敏度高，但是在较为剧烈的振动检测中极易出现误判。因此，研究人员开始将神经网络、模糊理论和人工免疫等人工智能控制算法引入风电机组的振动检测技术之中，以提高检测的诊断精度，建立起有效的风电机组运行评价指标体系。目前，我国在人工智能振动检测技术上已经取得了一定的成就，在未来的风电行业发展中能够发挥更大的作用，促进我国风电行业快速健康的发展。
结语：
在大型风电场的风电机组检修工作中，采用本文所介绍的振动检测预防性检修技术，可实时的掌握风电机组的运行情况，并可以快速便捷的发现风电机组存在的问题，提前准备具有针对性的维修计划，有效的避免了过度维修和维修不足。此项技术有效的将电气化监测和机器故障检查结合到一起，在满足了风电场运行机组检修要求的同时，又大大减轻了技术人员的负担。如果能够熟练使用此技术并形成一定的体制，依照风电机组的健康状态进行分类，并按照分类等级去指导制定维修计划，既可以保持风电场安全稳定的运行，又降低了机组检修成本以及技术人员的工作量，从而提高企业的经济效益。
参考文献：
[1]邬春明，银海燕，唐杰.风电机组振动故障的检测方法[J].沈阳大学学报(自然科学版)，2015，27(01):：69-71.
[2]张照煌，丁显，刘曼.基于小波变换的风电机组传动系统故障诊断与分析[J].应用基础与工程科学学报，2011
[3]曾承志.大型双馈风电机组传动系统故障诊断与故障失效预测技术研究[D].沈阳工业大学，2016.
[4]时璟丽.世界风电发展形势及我国风电制造业面临的机遇[J].可再生能源.2009(03)
[5]孔屹刚，王志新.风电机组可靠性建模和动态过程分析[J].太阳能学报.2008(06)
论文作者:赵鑫
论文发表刊物:《电力设备》2018年第4期
论文发表时间:2018/6/25
标签：机组论文; 风电论文; 故障论文; 方法论文; 信号论文; 预防性论文; 时域论文; 《电力设备》2018年第4期论文;