振动加速度信号,与SCADA数据结合进行风电机组关键部件的状态监测及故障诊断。实验数据为某风电机组连续6个月SCADA数据,振动建模方法采用非线性状态估计技术,在风电机组故障高发部位——齿轮箱、发电机、主轴承等处加装振动加速度传感器,通过对各部位振动特性的分析,分别建立相应部位的振动模型进行故障监测与诊断,并验证其可行性。研究表明,利用非线性估计的方法建立风电机组关键部位的振动预测模型简单有效,预测精度高,为后续风电机组振动分析提供了新的思路。 监测和早期故障诊断打下基础。1参数选择本文所研究的风电机组为某风场36号机组组振动建模研究-数控滚圆机滚弧机折弯机张家港电动滚圆机滚弧机折弯机倒角机。该机组为GE1．5MW变桨变速机组，额定功率为1．5MW。该机组的SCADA系统每30s记录一次机组各重要部件传感器的测量参数，记录的内容包括风速、齿轮箱油温、机舱温度、有功功率、无功功率 本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name、叶轮转速、发电机转速、齿轮箱轴承温度、桨距角、时间标签等共计40多个参数。振动传感器分别安装在齿轮箱、发电机、主轴承的相应位置上，其测点分布如图1所示，传感器类型及位置见表1。图1传感器安装位置示意图F传感器位置及类型T序号传感器名称数量传感器安装位置1齿轮箱传感器11齿轮箱行星级2齿轮箱传感器21齿轮箱中间级3齿轮箱传感器31齿轮箱高速级4发电机内侧轴传感器1发电机内侧轴承5发电机外侧轴传感器1发电机外侧轴承6主轴承传感器1主轴承本文所用于建模的SCADA数据为36号机组2015年1月至6月所记录的6个月的监测数据。此期间36号机组无故障运行。组振动建模研究-数控滚圆机滚弧机折弯机张家港电动滚圆机滚弧机折弯机倒角机振动传感器在机组处于正常发电状态时随机采集了10485组数据。为明确地描述各监测项目彼此之间的相互关系，本文引入相关系数，其定义如下:Ｒj=∑ni=1(Xji－Xj)(Yi－Y)∑ni=1(Xji－Xj)槡2∑ni=1(Yi－Y)槡2，(1)式中，Ｒj为第j个监测项目与参考对象的相关系数。Xji为第j个监测项目的第i个监测值。Yi为参考对象的第的风电机组振动建模研究333组运行状态是否异常的标尺。图2传感器1振动有效值与不同SCADA参数的相关系数Fi由上述建模原理本文将机组无故障运行时的振动变量(如齿轮箱振动、发电机振动、主轴承振动)和影响其振幅变化的SCADA监测量(如风速、功率、转矩、转速)组成一个关联组，采用非线性状态估计技术建立机组无故障运行时的振动模型。模型建成后，将某一时刻一个关联组中的多个变量的值记为一个观测向量。当向模型输入一个观测向量值时，模型就能够输出与其对应的振动预测值。振动预测值与实际测量值之间的残差可以作为衡量风机运行状态的标准，选定合适的阈值，当预测值与实际值之间的偏离程度超过阈值时，就可以初步断定相关组件是否发生了异常。2．2振动的建模方法设风电系统的总体观测矩阵可用一个大小为n×b的矩阵Pn×b表示，表达式为P=［X(1)X(2)…)其中，n表示时间状态，b表示每个时间的观测变量数，矩阵的行向量可表示为Xi=其含义是某一给定观测参数Xi在某个观测时间段内的所有观测值。矩阵中的列向量可表示为X(tj)=［x1(tj)x2(tj)…xb(tj)］T(4)其含义是某一时刻tj所有观测参数的观测值。从总体观测矩阵P中?组振动建模研究-数控滚圆机滚弧机折弯机张家港电动滚圆机滚弧机折弯机倒角机 本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name