振動加速度信號,與SCADA數據結合進行風電機組關鍵部件的狀態監測及故障診斷。實驗數據為某風電機組連續6個月SCADA數據,振動建模方法采用非線性狀態估計技術,在風電機組故障高發部位——齒輪箱、發電機、主軸承等處加裝振動加速度傳感器,通過對各部位振動特性的分析,分別建立相應部位的振動模型進行故障監測與診斷,并驗證其可行性。研究表明,利用非線性估計的方法建立風電機組關鍵部位的振動預測模型簡單有效,預測精度高,為后續風電機組振動分析提供了新的思路。 監測和早期故障診斷打下基礎。1參數選擇本文所研究的風電機組為某風場36號機組組振動建模研究-數控滾圓機滾弧機折彎機張家港電動滾圓機滾弧機折彎機倒角機。該機組為GE1．5MW變槳變速機組，額定功率為1．5MW。該機組的SCADA系統每30s記錄一次機組各重要部件傳感器的測量參數，記錄的內容包括風速、齒輪箱油溫、機艙溫度、有功功率、無功功率 本文由公司網站滾圓機網站采集轉載中國知網資源整理!www.gunyuanji.name、葉輪轉速、發電機轉速、齒輪箱軸承溫度、槳距角、時間標簽等共計40多個參數。振動傳感器分別安裝在齒輪箱、發電機、主軸承的相應位置上，其測點分布如圖1所示，傳感器類型及位置見表1。圖1傳感器安裝位置示意圖F傳感器位置及類型T序號傳感器名稱數量傳感器安裝位置1齒輪箱傳感器11齒輪箱行星級2齒輪箱傳感器21齒輪箱中間級3齒輪箱傳感器31齒輪箱高速級4發電機內側軸傳感器1發電機內側軸承5發電機外側軸傳感器1發電機外側軸承6主軸承傳感器1主軸承本文所用于建模的SCADA數據為36號機組2015年1月至6月所記錄的6個月的監測數據。此期間36號機組無故障運行。組振動建模研究-數控滾圓機滾弧機折彎機張家港電動滾圓機滾弧機折彎機倒角機振動傳感器在機組處于正常發電狀態時隨機采集了10485組數據。為明確地描述各監測項目彼此之間的相互關系，本文引入相關系數，其定義如下:Ｒj=∑ni=1(Xji－Xj)(Yi－Y)∑ni=1(Xji－Xj)槡2∑ni=1(Yi－Y)槡2，(1)式中，Ｒj為第j個監測項目與參考對象的相關系數。Xji為第j個監測項目的第i個監測值。Yi為參考對象的第的風電機組振動建模研究333組運行狀態是否異常的標尺。圖2傳感器1振動有效值與不同SCADA參數的相關系數Fi由上述建模原理本文將機組無故障運行時的振動變量(如齒輪箱振動、發電機振動、主軸承振動)和影響其振幅變化的SCADA監測量(如風速、功率、轉矩、轉速)組成一個關聯組，采用非線性狀態估計技術建立機組無故障運行時的振動模型。模型建成后，將某一時刻一個關聯組中的多個變量的值記為一個觀測向量。當向模型輸入一個觀測向量值時，模型就能夠輸出與其對應的振動預測值。振動預測值與實際測量值之間的殘差可以作為衡量風機運行狀態的標準，選定合適的閾值，當預測值與實際值之間的偏離程度超過閾值時，就可以初步斷定相關組件是否發生了異常。2．2振動的建模方法設風電系統的總體觀測矩陣可用一個大小為n×b的矩陣Pn×b表示，表達式為P=［X(1)X(2)…)其中，n表示時間狀態，b表示每個時間的觀測變量數，矩陣的行向量可表示為Xi=其含義是某一給定觀測參數Xi在某個觀測時間段內的所有觀測值。矩陣中的列向量可表示為X(tj)=［x1(tj)x2(tj)…xb(tj)］T(4)其含義是某一時刻tj所有觀測參數的觀測值。從總體觀測矩陣P中?組振動建模研究-數控滾圓機滾弧機折彎機張家港電動滾圓機滾弧機折彎機倒角機 本文由公司網站滾圓機網站采集轉載中國知網資源整理!www.gunyuanji.name