一种海上风力发电机故障检测系统

技术领域

本发明属于故障检测技术领域，具体涉及一种海上风力发电机故障检测系统。

背景技术

风电机组的故障率随着技术的发展而逐渐降低，但是相对于传统的风电系统，其故障率还是相对较高。工作环境的恶劣以及负载的复杂使得风电机组易发生故障。而海上风电机组由于风暴、海浪、盐雾等影响，比陆地风电机组更容易发生故障。并且相对于陆地风电机组，海上风电机组检修维护困难，因此，需要对风电机组进行检测，来提高风电机组的利用率以及减少维修费用。

发明内容

本发明的目的在于提出一种海上风力发电机故障检测系统，远程对海上风力发电机进行故障检测，解决其检修维护困难的问题。

为实现上述目的，本发明提供了如下方案：

一种海上风力发电机故障检测系统，包括：监测端、传输设备以及控制端；

所述监测端用于实时监测风力发电机运行状态，得到监测数据；并将所述监测数据传输至所述控制端；

所述控制端用于基于所述监测数据进行运算，得到运算结果，并基于所述运算结果对风力发电机进行故障检测；

所述传输设备用于所述监测端和所述控制端进行信息交互。

优选地，所述监测端包括：监测设备和存储设备；

所述监测设备安装于风力发电机，用于对风力发电机进行运行状态监测，得到监测数据；

所述存储设备与所述监测设备连接，所述存储设备用于存储所述监测数据。

优选地，所述控制端包括：处理系统、计算系统、分析系统和预警系统；

所述处理系统用于对所述监测数据进行预处理，得到处理数据；

所述计算系统与所述处理系统连接，所述计算系统用于对所述处理数据进行运算，得到所述运算结果；

所述分析系统与所述计算系统连接，所述分析系统用于对所述运算结果进行分析，得到分析结果，并基于所述分析结果对风力发电机进行故障检测，得到检测结果；

所述预警系统与所述分析系统连接，所述预警系统用于基于所述检测结果进行状态预警。

优选地，所述监测数据包括：风速、振动信号、声学信号、图像数据、转速、电压、电流、温度、机械转矩、力矩。

优选地，所述计算系统包括：第一计算模块、第二计算模块和第三计算模块；

所述第一计算模块用于基于所述监测数据计算风力发电机第一运行状况；

所述第二计算模块用于基于所述监测数据计算风力发电机第二运行状况；

所述第三计算模块用于基于所述监测数据计算风力发电机第三运行状况。

优选地，所述第一运行状况包括：叶片运行状况；

计算所述第一运行状况的方法包括：

基于所述监测数据计算叶片的波动数据；

将各叶片的所述波动数据进行比较，判断是否发生故障；得到所述第一运行状况，并将所述第一运行状况传输至所述分析系统。

优选地，所述第二运行状态包括：传动轴运行状况；

计算所述第二运行状况的方法包括：

基于所述监测数据进行特征量提取，得到时域特征量、频域特征量和节点能量；

构建神经网络模型，以所述时域特征量、所述频域特征量和所述节点能量为所述神经网络模型的输入，得到所述第二运行状况，并将所述第二运行状况传输至所述分析系统。

优选地，所述第三运行状态包括：发电机运行状况；

计算所述第三运行状况的方法包括：

基于所述监测数据得到发电机运转声音；

对所述运转声音进行傅里叶变换，得到时频频谱；

对所述时频频谱进行转换，得到边际频谱；

将所述边际频谱与标准参考曲线进行对比，得到所述第三运行状况，并将所述第三运行状况传输至所述分析系统。

与现有技术相比，本发明的有益效果为：

本发明公开了一种海上风力发电机故障检测系统，通过合理布设传感器实现对海上风力发电机中叶片、传动轴以及发电机的实时监测，通过对监测数据进行处理、运算和分析得到其运行状态，并基于其运行状态对故障进行预测。

附图说明

为了更清楚地说明本发明的技术方案，下面对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例海上风力发电机故障检测系统结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例一

如图1所示，本发明提供一种海上风力发电机故障检测系统，包括：监测端、传输设备以及控制端；其中，监测端用于实时监测风力发电机运行状态，得到监测数据；并将监测数据传输至控制端；控制端用于基于监测数据进行运算，得到运算结果，并基于运算结果对风力发电机进行故障检测；传输设备用于监测端和控制端进行信息交互。

本实施例中，监测端包括：监测设备和存储设备；监测设备安装于风力发电机上，用于对风力发电机进行运行状态监测，得到监测数据；存储设备与监测设备连接，存储设备用于存储所述监测数据。

具体的，由于海上与陆地之间的通信不稳定，会出现通信不畅的情况，因此本实施例中监测设备采集到的监测数据首先存储与存储设备中，由存储设备通过传输设备将监测数据传输至控制端，当通信不稳定或者断开时，存储设备先存储监测数据，直到通信稳定或者通信恢复后，再传输至控制端。因此，存储设备需要存储大量的监测数据。在本实施例中，存储设备采用由若干SD卡组合形成存储阵列的形式，以FPGA作为切换中介，普通管脚CTRL1-4作为访问SD卡的地址控制线，4根地址线使得低功耗FPGA将MCU的SDIO接口扩展，从而使得MCU能够访问SD卡的中的任意一张。本实施例中，监测设备采用各种传感器，根据实际情况需要将传感器布设到合适位置进行数据采集。监测数据包括：风速、振动信号、声学信号、图像数据、转速、电压、电流、温度、机械转矩、力矩等。

控制端包括：处理系统、计算系统、分析系统和预警系统；处理系统用于对监测数据进行预处理，得到处理数据；计算系统与处理系统连接，计算系统用于对处理数据进行运算，得到运算结果；分析系统与计算系统连接，分析系统用于对运算结果进行分析，得到分析结果，并基于分析结果对风力发电机进行故障检测，得到检测结果；预警系统与分析系统连接，预警系统用于基于检测结果进行状态预警。

具体的，处理系统对监测数据进行预处理包括：数据透视和数据重采样等；通过对监测数据进行上述处理后在一定程度上减少了后续计算量。

计算系统包括：第一计算模块、第二计算模块和第三计算模块；第一计算模块用于基于监测数据计算风力发电机第一运行状况；第二计算模块用于基于监测数据计算风力发电机第二运行状况；第三计算模块用于基于监测数据计算风力发电机第三运行状况。

其中，第一运行状况包括：叶片运行状况；计算第一运行状况的方法包括：

基于监测数据计算叶片的波动数据；

将各叶片的波动数据进行比较，判断是否发生故障；得到第一运行状况，并将第一运行状况传输至分析系统。

具体的，首先通过图像数据(或者视频数据)获取叶片转动过程中的振动波形，即上述波动数据；然后通过比较各个叶片的振动波形判断是否出现振动差异，当存在振动差异时，判断振动差异是否大于设定的阈值，当振动差异超过阈值时，则叶片存在故障；若不存在振动差异或者振动差异小于阈值时，则判断叶片正常。同时通过对风速和叶片转速进行实时监测，辅助判断叶片状态。

第二运行状态包括：传动轴运行状况；计算第二运行状况的方法包括：

基于监测数据进行特征量提取，得到时域特征量、频域特征量和节点能量；

构建神经网络模型，以时域特征量、频域特征量和节点能量为神经网络模型的输入，得到第二运行状况，并将第二运行状况传输至分析系统。

具体的，首先，采用小波包变换对传动轴振动数据进行多层分解，设定阈值(根据经验或者实际需要进行设定)，分解后的振动数据去除噪声部分，得到去噪振动数据。

之后对上述去噪振动数据进行特征提取，得到时域特征量、频域特征量和节点能量；对时域特征量进行筛选，选取：峰值因子、脉冲因子、峭度系数作为时域故障诊断特征量；对频域特征量进行筛选，选取功率谱重心指标、功率谱方差和谐波因子作为频域故障诊断特征量；当传动轴发生故障时，在冲击力的影响下振动数据在各个频段内的能量分布会发生很大差异，因此通过辨别不同故障发生时对应频段内能量的分布差异即可辨别出传动轴的故障类型。因此选取能量比例变化最大的节点作为节点故障判断特征量。

对上述选取的故障判断特征量进行组合以及归一化处理，得到神经网络模型的输入特征向量。

本实施例中，神经网络模型包括两部分，分别为并行处理部分以及故障诊断部分；并行处理部分由3个处理网络组成。每个处理网络包括一层输入层、一层隐含层和一层输出层；其中输入层包括3个神经元、隐含层包括8个神经元、输出层包括3个神经元。分别将时域特征量、频域特征量和节点能量输入到3个处理网络中，将3个处理网络的输出进行融合，并将融合结果作为故障诊断网络的输入，最终孤战诊断网络得出第二运行状况。本实施例中，故障诊断网络与处理网络结构相同。本实施例中，传动轴运行状况包括：正常、内圈损坏、外圈损坏和滚珠损坏。

第三运行状态包括：发电机运行状况；计算第三运行状况的方法包括：

首先，基于监测数据中声学信号得到发电机运转声音；然后对运转声音进行傅里叶变换，得到时频频谱；采用希尔伯特黄变换对时频频谱进行转换，得到边际频谱；将边际频谱与标准参考曲线进行对比，得到第三运行状况，并将第三运行状况传输至分析系统。

分析系统接收到上述运算结果后，对发电机运行状态进行分析，以辅助控制端工作人员作出判断，并对出现的故障类型进行综合，并将故障类型发送至预警模块进行预警，以起到提醒作用。

以上所述的实施例仅是对本发明优选方式进行的描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。