專利名稱：風力發電機組健康狀態在線監測裝置及其監測方法
技術領域：
本發明涉及一種監測裝置，特別是一種風力發電機組健康狀態在線監測裝置，屬于風力發電技術領域。本發明還涉及一種風力發電機組健康狀態在線監測的方法。
背景技術：
根據國家《新能源產業振興規劃》草案，2020年我國風電總裝機容量將達1. 5億千瓦，是2007年發布的《可再生能源中長期發展規劃》目標的5倍。根據規劃，我國將在甘肅、新疆、河北、吉林、內蒙古、江蘇和山東七個省區打造8個千萬千瓦級風電基地。甘肅酒泉千萬千瓦級風電基地建設規劃總裝機容量為3565萬千瓦；新疆哈密規劃2000萬千瓦； 內蒙古規劃建設5000萬千瓦，其中蒙西2000萬千瓦，蒙東3000萬千瓦；河北規劃在沿海和北部地區共建設1000萬千瓦；江蘇規劃建設1000萬千瓦，其中近海700萬千瓦；吉林西部地區，主要在松源和白城等市，規劃到2020年達到2300萬千瓦。截至2009年底，我國風電裝機容量已達2500萬千瓦，躍居全球第二位。我國風力發電發展迅猛，但在初級階段面臨故障多發的挑戰。風電產業期待從粗放經營向集約經營轉變，不僅需要提高裝機容量，更需實現高產高效。而風機故障多發卻成了實現這一目標的攔路虎，甚至有某風場數十臺風機安裝數年來因故障而從未發電的報告。更多的情況是風機可靠性較低，而又缺乏故障預警功能，以致較小的故障未能發現、維修而發展成重大的安全和設備事故，不僅造成停機損失，而且維修費用急劇上升，甚至可能超過其產出費用。因此，國外已經出現了某風機制造商因保修其故障多發的產品導致企業入不敷出而破產的報道。風電產業必須走出此類窘境。健康狀態監測技術為風電產業脫離上述窘境提供了技術條件。健康狀態監測的基本宗旨是及時發現故障，告警提示維修。它雖然不能防止故障發生，但能防患于未然。健康狀態監測技術不間斷地為風電設備進行健康體檢，及時發現病情并指導及時治療，能夠防止小疾發展為大病，以較小的代價恢復健康，從而保持健康和延長壽命，發揮更大的經濟效大型設備結構健康狀態監測技術目前主要應用在航空、航天、橋梁、建筑等領域， 普遍通過預埋多自由度傳感器的方式，實時監測振動加速度等信號，采用模態參數識別方法，通過識別頻率和阻尼等結構動態特性參數，診斷健康狀態，為結構安全運行提供技術保障。在風力發電領域，健康狀態監測屬于重大創新研究內容。現有的所謂健康狀態監測系統，絕大部分都是基于風機振動物理量，監測手法單一，并且監測精度較低，往往只能作為人工監測的輔助裝置。

發明內容
本發明所要解決的技術問題是提供一種可對風力發電機實時運行狀態進行在線監測風力發電機組健康狀態在線監測裝置以及風力發電機組健康狀態在線監測的方法。為了解決上述的技術問題，本發明的技術方案是一種風力發電機組健康狀態在線監測裝置，其包括信號采集模塊，所述信號采集模塊包括設置在風電機組數個部件上采集各部件的振動信號的振動傳感器；設置在風電機組部件上采集各部件的溫度信號的溫度傳感器； 設置在風電機組油箱處采集油質信號的油質傳感器；設置在風電機組部件附近采集各部件音頻信號的音頻傳感器；設置在風電機組葉片上采集葉片應力應變信號的應力應變傳感器；用于接收風電機組基本信息的風電機組基本信息采集模塊；信號預處理模塊，通過預先設定的閾值，對信號采集模塊采集的信號進行預處理 對振動信號、音頻信號和風電機組電氣電流信號進行放大和濾波；對溫度信號、油質信號、 應力應變信號和風電機組電氣功率信號進行閾值比較，若信號超過設定閾值范圍，則通過健康狀態信息輸出模塊直接向人工監測平臺發出報警信息，或者根據控制要求直接采取退出發電運行等動作；數據融合模塊，提取數據征兆信息，在推理機作用下，將數據信息與專家庫系統中的數據信息匹配，做出健康狀態診斷決策，提供給用戶；健康狀態信息輸出模塊，根據信號預處理模塊和數據融合模塊提供的信息向人工監測平臺輸出相應監測信息。所述信號采集模塊中振動傳感器包括安裝在風電機組葉片、主軸和塔架或者塔筒上，分別采集安裝位置振動信號的低頻振動傳感器；安裝在轉子軸上采集轉子振動信號的中頻傳感器；安裝在風電機組發電機和齒輪箱上，分別采集安裝位置振動信號的高頻傳感器。所述信號采集模塊中溫度傳感器安裝在齒輪箱軸承、齒輪箱油箱、發電機軸承、發電機繞組、電抗器、電容器、IGBT、整流器、控制柜或者塔基控制柜風出口處，用于采集各安裝位置的溫度信號。所述信號預處理模塊中對電流功率信號采用離散小波去除信號噪聲，再通過連續小波提取信號特征頻率。在所述專家庫系統中設置有自學習模塊，健康狀態診斷決策經自學習模塊反饋給專家庫，并對相應的置信度因子進行修改，更新專家庫；自學習模塊能根據專家庫中的信息和用戶對系統健康狀態監測結果的處理情況進行推理，以獲得新信息，總結新經驗，不斷擴充專家庫，實現專家庫系統的自學習功能，從而提高診斷決策精度。本發明一種風力發電機組健康狀態在線監測方法包括如下步驟1)采集風電機組各部件信號，包括振動信號、油質信號、溫度信號、音頻信號、應力應變信號和當前氣象狀態基本信息；2)對采集到的信號進行預處理，包括對振動信號、音頻信號和風電機組電氣電流信號進行放大和濾波；對溫度信號、油質信號、應力應變信號和風電機組電氣功率信號進行閾值比較，若信號超過設定閾值范圍，則通過健康狀態信息輸出模塊直接向人工監測平臺發出報警信息，或者根據控制要求直接采取退出發電運行等動作；3)對相關數據進行數據融合處理，提取數據征兆信息，在推理機作用下，將數據信息與專家庫中的數據信息匹配，做出健康狀態診斷決策，提供給用戶；4)根據報警信息或健康狀態診斷決策信息做出相應的動作。本發明的風力發電機組健康狀態在線監測裝置和方法，由于采用多種傳感器采集風力發電機組健康狀態信息，通過閾值控制和數據融合，能夠提前判斷故障可能發生的部件，保證了風電機組健康狀態監測診斷決策的可靠性和準確性，為風電機組健康運行提供了充分的安全保障。


下面結合附圖和具體實施方式
對本發明作進一步詳細的說明。圖1為風力發電機組健康狀態在線監測裝置的結構框圖；圖2為風力發電機組健康狀態在線監測方法流程圖；圖3為故障電流信號頻譜圖。
具體實施例方式風力發電機組健康狀態在線監測裝置，如圖1所示，包括信號采集模塊，包括振動傳感器1 Ii1，設置在風電機組數個部件上以采集各部件的振動信號；溫度傳感器1 n2，設置在風電機組數個部件上以采集各部件的溫度信號； 油質傳感器1 n3，設置在風電機組油箱處以采集油質信號；音頻傳感器1 n4，設置在風電機組數個部件附近以采集各部件的音頻信號；應力應變傳感器1 n5，設置在風電機組葉片上以采集葉片應力應變信號；風電機組基本信息采集模塊，用于接收風電機組環境信息和電氣信息。信號預處理模塊，通過預先設定的閾值，對信號采集模塊采集的信號進行預處理 對振動信號、音頻信號和風電機組電氣電流信號進行放大和濾波；對溫度信號、油質信號、 應力應變信號和風電機組電氣功率信號進行閾值比較，如信號超過設定閾值范圍，則通過健康狀態信息輸出模塊直接向人工監測平臺發出報警信息，也可根據控制要求直接采取退出發電運行等動作。數據融合模塊，提取數據征兆信息，在推理機作用下，將數據信息與專家庫中的數據信息匹配，做出健康狀態診斷決策，提供給用戶。在專家庫系統中加入自學習模塊，健康狀態診斷決策、經自學習模塊反饋給專家庫，并對相應的置信度因子進行修改，更新專家庫。同時，自學習模塊能根據專家庫中的信息和用戶對系統健康狀態監測結果的處理情況進行推理，以獲得新信息，總結新經驗，不斷擴充專家庫，實現專家庫系統的自學習功能，從而提高診斷決策精度。健康狀態信息輸出模塊，根據信號預處理模塊和數據融合模塊提供的信息向人工監測平臺輸出相應監測信息，包括報警信號和健康狀態診斷決策。所述信號采集模塊中振動傳感器包括低頻振動傳感器，安裝在風電機組葉片、主軸和塔架或者塔筒上，分別采集安裝位置的振動信號；中頻傳感器，安裝在轉子軸上，采集轉子振動信號；高頻傳感器，安裝在風電機組發電機上和齒輪箱上，分別采集安裝位置的振動信號。所述信號采集模塊中溫度傳感器安裝在齒輪箱軸承、齒輪箱油箱、發電機軸承、發電機繞組、電抗器、電容器、IGBT、整流器、控制柜、塔基控制柜風出口等處，采集各安裝位置的溫度信號。所述信號采集模塊中風電機組基本信息采集模塊采集的風電機組基本信息包括環境風速、環境溫度、相電壓、相電流、無功功率、有功功率和電網頻率。所述信號預處理模塊中對電流功率信號可采用離散小波去除信號噪聲，再通過連續小波提取信號特征頻率。本發明還提供風力發電機組健康狀態在線監測方法，如圖2所示包括以下步驟采集風電機組各所述部件信號，包括振動信號、油質信號、溫度信號、音頻信號、應力應變信號和風電機組基本信息。對采集到的信號進行預處理，包括對振動信號、音頻信號和風電機組電氣電流信號進行放大和濾波；對溫度信號、油質信號、應力應變信號和風電機組電氣功率信號進行閾值比較，如信號超過設定閾值范圍，則通過健康狀態信息輸出模塊直接向人工監測平臺發出報警信息，也可根據控制要求直接采取退出發電運行等動作。對相關數據進行數據融合處理，提取數據征兆信息，在推理機作用下，將數據信息與專家庫中的數據信息匹配，做出健康狀態診斷決策，提供給用戶。根據所述的報警信息或健康狀態診斷決策信息做出相應的動作。例如1臺IOkW風力發電機，通過在轉子附加一定質量物體來模擬機械擾動或者故障，具體為在0-120秒正常運行，在第121秒開始，在其W2kg的轉子上附加一 Ikg附加物(大約為0. 3%，造成的平衡質量等級為G7. 8，小于IS01940-1 :2003規定的低速風機傳動軸平衡等級G16)持續120秒。當前風速8米/秒，輸出有功功率3kW，轉子主軸振動信號閾值設定為
毫米/秒。信號預處理通過，進入數據融合模塊。經過數據處理，頻譜分析結果如圖3所示。 縱坐標表示機械擾動后信號的頻譜能量。由圖3可以明顯看出，頻譜在121秒發生跳變，在 121 240秒間異常，通過對比相同工況下專家庫頻譜(即圖中0 60秒頻譜)，發現出發電機轉子異常。采集的振動信號為，0 120秒為0. 05 0. 07毫米/秒(有波動)，121 240秒為0. 34 0. 38毫米/秒(有波動)，信號均在閾值范圍內。調用專家庫相關信息，在環境風速8米/秒，輸出有功功率3kW工況下，專家庫振動信息為
毫米/秒，采集到的121 240秒信息波動范圍超出專家庫閾值。 對振動信號和電氣信號進行數據融合，得出診斷結果即轉子軸故障，發出報警信號，并輸出健康狀態診斷決策。
權利要求
1.一種風力發電機組健康狀態在線監測裝置，其特征在于包括信號采集模塊，所述信號采集模塊包括設置在風電機組數個部件上采集各部件的振動信號的振動傳感器；設置在風電機組部件上采集各部件的溫度信號的溫度傳感器；設置在風電機組油箱處采集油質信號的油質傳感器；設置在風電機組部件附近采集各部件音頻信號的音頻傳感器；設置在風電機組葉片上采集葉片應力應變信號的應力應變傳感器；用于接收風電機組基本信息的風電機組基本信息采集模塊；信號預處理模塊，通過預先設定的閾值，對信號采集模塊采集的信號進行預處理對振動信號、音頻信號和風電機組電氣電流信號進行放大和濾波；對溫度信號、油質信號、應力應變信號和風電機組電氣功率信號進行閾值比較，若信號超過設定閾值范圍，則通過健康狀態信息輸出模塊直接向人工監測平臺發出報警信息，或者根據控制要求直接采取退出發電運行等動作；數據融合模塊，提取數據征兆信息，在推理機作用下，將數據信息與專家庫系統中的數據信息匹配，做出健康狀態診斷決策，提供給用戶；健康狀態信息輸出模塊，根據信號預處理模塊和數據融合模塊提供的信息向人工監測平臺輸出相應監測信息。
2.根據權利要求1所述的一種風力發電機組健康狀態在線監測裝置，其特征在于所述信號采集模塊中振動傳感器包括安裝在風電機組葉片、主軸和塔架或者塔筒上，分別采集安裝位置振動信號的低頻振動傳感器；安裝在轉子軸上采集轉子振動信號的中頻傳感器； 安裝在風電機組發電機和齒輪箱上，分別采集安裝位置振動信號的高頻傳感器。
3.根據權利要求1所述的一種風力發電機組健康狀態在線監測裝置，其特征在于所述信號采集模塊中溫度傳感器安裝在齒輪箱軸承、齒輪箱油箱、發電機軸承、發電機繞組、 電抗器、電容器、IGBT、整流器、控制柜或者塔基控制柜風出口處，用于采集各安裝位置的溫度信號。
4.根據權利要求1所述的一種風力發電機組健康狀態在線監測裝置，其特征在于所述信號預處理模塊中對電流功率信號采用離散小波去除信號噪聲，再通過連續小波提取信號特征頻率。
5.根據權利要求1所述的一種風力發電機組健康狀態在線監測裝置，其特征在于在所述專家庫系統中設置有自學習模塊，健康狀態診斷決策經自學習模塊反饋給專家庫，并對相應的置信度因子進行修改，更新專家庫；自學習模塊能根據專家庫中的信息和用戶對系統健康狀態監測結果的處理情況進行推理，以獲得新信息，總結新經驗，不斷擴充專家庫，實現專家庫系統的自學習功能。
6.一種風力發電機組健康狀態在線監測方法，其特征在于包括如下步驟1)采集風電機組各部件信號，包括振動信號、油質信號、溫度信號、音頻信號、應力應變信號和當前氣象狀態基本信息；2)對采集到的信號進行預處理，包括對振動信號、音頻信號和風電機組電氣電流信號進行放大和濾波；對溫度信號、油質信號、應力應變信號和風電機組電氣功率信號進行閾值比較，若信號超過設定閾值范圍，則通過健康狀態信息輸出模塊直接向人工監測平臺發出報警信息，或者根據控制要求直接采取退出發電運行等動作；3)對相關數據進行數據融合處理，提取數據征兆信息，在推理機作用下，將數據信息與專家庫中的數據信息匹配，做出健康狀態診斷決策，提供給用戶； 4)根據報警信息或健康狀態診斷決策信息做出相應的動作。
全文摘要
本發明公開一種風力發電機組健康狀態在線監測裝置和監測方法，本發明監測裝置包括信號采集模塊、信號預處理模塊、數據融合模塊和健康狀態信息輸出模塊。首先采集風電機組各部件信號，對采集到的信號進行預處理，以及對相關數據進行數據融合處理，提取數據征兆信息；在推理機作用下，將數據信息與專家庫中的數據信息匹配，做出健康狀態診斷決策，提供給用戶；根據所述的報警信息或健康狀態診斷決策信息做出相應的動作；本發明采用多種傳感器采集風力發電機組健康狀態信息，通過閾值控制和數據融合，提前判斷可能發生故障的部件，保證了風電機組健康狀態監測診斷決策的可靠性和準確性。
文檔編號F03D7/00GK102434388SQ20111036693
公開日2012年5月2日 申請日期2011年11月17日 優先權日2011年11月17日
發明者湯奕, 王 琦, 高丙團 申請人:高丙團