一种风电机组齿轮箱远程在线状态监测及寿命评估方法
【专利摘要】一种风电机组齿轮箱远程在线状态监测及寿命评估方法，它有七大步骤：一、远程中心计算机通过SCADA实时采集各风机的实时运行参数、温度数据和振动数据；二、通过对信号时域和频域的特征值进行分析，诊断振动传感器是否存在故障；三、对数据进行归一化处理，降低数据之间的差异，提高诊断精度；四、在对风力发电机组齿轮箱的故障进行诊断时，针对不同算法采用不同的滤波方式提取相应的特征；五、对采集的数据进行特征提取；六、故障诊断将给出故障有无以及故障的程度；七、通过灰色理论模型估计故障齿轮箱的残余寿命，对其预测结果的残差建立自回归模型，来提高预测精度。本发明实现了残余寿命的实时估计，给风电机组的计划维护提供了依据。
【专利说明】一种风电机组齿轮箱远程在线状态监测及寿命评估方法
【技术领域】
[0001 ] 本发明涉及一种风电机组齿轮箱远程在线状态监测及寿命评估方法，属于风力发电机组齿轮箱运行状态评估【技术领域】。具体涉及风力发电机组齿轮箱的状态监测、故障程度评估及残余寿命预估方法。
【背景技术】
[0002]随着我国的风电装机容量的增长以及风力发电机组运行时间的增长，需要对风力发电机组的齿轮箱的运行状态进行评估，以便更好的提高风电机组的传动效率，减小相应的维护费用。由于风力发电机组的驱动和负载不稳定导致传统的故障监测方法诊断的误差大。如果故障不能够及时的发现和处理，会造成很大的事故，损失巨大；齿轮箱的运行状态不能正确评估，会造成过早维护或事后维护，对风场的运营和维护造成巨大的影响。因此，风力发电机组齿轮箱的状态监测和寿命评估对提高齿轮箱的可靠性，降低维护费用，具有重要的实际意义和经济价值。
[0003]风力发电机组齿轮箱由传动轴、轴承和轮齿等部件组成。这些部件的故障是由于固有缺陷、润滑不好或者过载引起，并且能够通过风力发电机组的运行参数以及相应部件的振动和温度等工况参数反映出来。目前风力发电机组的状态评估主要集中在状态监测和故障的定性分析，能够识别出设备的故障以及故障的类型和位置，缺少对故障的定量评价和运行工况下残余寿命评估。
【发明内容】
:
[0004]本发明旨在提供一种风电机组齿轮箱远程在线状态监测及寿命评估方法。通过对齿轮箱的状态进行远程实时监测和故障诊断，提取历史数据和实时监测数据的故障因子，进而对齿轮箱的残余寿命进行实时的估计和修正。它克服了以往基于历史数据的模型估计不能及时修正计算结果的特点，是一种更准确的寿命评估方法。
[0005]本发明的技术解决方案如下:
[0006]本发明公开的风电机组齿轮箱在线状态监测及寿命评估方法，其特征在于:远程中心计算机通过SCADA采集各个风电场中风力发电机组的实时运行参数、温度数据以及齿轮箱上的振动数据。通过相应的算法实时分析，给出故障的分析报告及其可靠性。远程中心计算机的数据处理过程如下:
[0007](1)将采集的振动数据进行有效性判断，将传感器故障的数据剔除。然后将其和实时运行参数、温度数据等一起存储到状态数据库中，以便后续的数据处理。
[0008](2)存储的实时数据需要经过预处理后才能进行故障分析。预处理主要采用归一化的方法，进而降低采集设备不同而造成不同采集点或不同风机数据之间的差异，同时将数据限制到故障分析所需要的输入数据范围。
[0009](3)对数据进行分析处理，判断齿轮箱是否存在故障。故障分析包括数据的滤波、特征值提取和故障判断。数据滤波主要是提出数据中的干扰成分。特征值提取是提取信号的有效成分，形成故障诊断的特征向量。根据特征向量来进行故障诊断，给出故障的分析报告以及故障因子的数值。然后通过对故障报告和故障因子来进行部件的残余寿命分析。
[0010](4)残余寿命预测是根据设备的实时诊断报告以及历史诊断报告进行的趋势分析，进而判断该故障发展的趋势和可靠性运行的寿命，以便安排合理的维护。
[0011]综上所述，见图1，本发明一种风电机组齿轮箱远程在线状态监测及寿命评估方法，该方法具体步骤如下:
[0012]步骤一:远程中心计算机通过SCADA实时采集各风机的实时运行参数、温度数据和振动数据。实时运行参数包括:风机叶轮的转速、发电机转速、有功功率和无功功率。温度数据包括齿轮箱油温、散热片温度、机舱温度、齿轮箱轴承温度以及发电机的前后轴承温度。振动数据主要包括齿轮箱输入轴的振动、行星轮的振动、齿轮箱低速轴的振动、齿轮箱高速轴的振动等。数据得到后需要对采集的振动数据需要进行有效性判断。
[0013]步骤二:对采集的振动数据进行数据有效性判断是为了剔除振动传感器故障时采集的数据。通过对信号时域和频域的特征值进行分析，诊断振动传感器是否存在故障。当诊断出传感器存在故障时，将该数据剔除，减小错误数据进行齿轮箱故障的诊断精度影响。
[0014]步骤三:对数据进行归一化处理，降低数据之间的差异，提高诊断精度。采用的归一化处理的方法有幅值归一化、统计归一化、能量归一化以及基频归一化。在采用不同的故障诊断方法是需要采用不同的归一化方法。
[0015]步骤四:在对风力发电机组齿轮箱的故障进行诊断时，针对不同算法采用不同的滤波方式，然后提取相应的特征。应用小波滤波的方法对数据进行软阈值降噪，减小白噪声对数据的干扰。采用梳状滤波器对振动信号进行提取得到相应频率范围内容数据。
[0016]步骤五:对采集 的数据进行特征提取。振动数据的特征包括时域特征、频域特征以及其他算法提取的特征向量。温度数据的特征包括变化率、幅值等。然后根据提取的数据特征对齿轮箱进行故障诊断。
[0017]步骤六:故障诊断将给出故障有无以及故障的程度。故障诊断采用的方法包括:基于模型的方式，通过风机参数以及特征向量计算正常情况下某个特征值的理论数值，然后通过测量值与理论值比较进行故障诊断。当判断齿轮箱存在故障时，提取幅值、有效值、峭度、峰峰值、波形指标、脉冲指标、转频、1/3倍频、1/2倍频、2倍频、3倍频等故障因子。
[0018]步骤七:残余寿命预估是根据历史数据的诊断结果和故障因子，通过灰色理论模型估计故障齿轮箱的残余寿命，对其预测结果的残差建立自回归模型，来提高预测精度。系统默认采用有效值作为状态参量进行残余寿命预测，可以通过设置相应参数来改变状态参量。残余寿命预测步骤框图如图2所示。
[0019]灰色建模的步骤如图3所示。设预测的原始序列为x(0) (k)，k=l, 2，...，N。N是原始序列的个数。灰色生成是对该序列作累加生成，一次正向累加生成序列(1-AG0) χω (k)，k=l, 2，...，N。
[0020]
【权利要求】
1.一种风电机组齿轮箱远程在线状态监测及寿命评估方法，其特征在于:该方法具体步骤如下:步骤一:远程中心计算机通过SCADA实时采集各风机的实时运行参数、温度数据和振动数据；实时运行参数包括:风机叶轮的转速、发电机转速、有功功率和无功功率；温度数据包括齿轮箱油温、散热片温度、机舱温度、齿轮箱轴承温度以及发电机的前后轴承温度；振动数据包括齿轮箱输入轴的振动、行星轮的振动、齿轮箱低速轴的振动和齿轮箱高速轴的振动；数据得到后需要对采集的振动数据需要进行有效性判断； 步骤二:对采集的振动数据进行数据有效性判断是为了剔除振动传感器故障时采集的数据；通过对信号时域和频域的特征值进行分析，诊断振动传感器是否存在故障；当诊断出传感器存在故障时，将该数据剔除，减小错误数据进行齿轮箱故障的诊断精度影响；步骤三:对数据进行归一化处理，降低数据之间的差异，提高诊断精度；采用的归一化处理的方法有幅值归一化、统计归一化、能量归一化以及基频归一化；在采用不同的故障诊断方法是需要采用不同的归一化方法；步骤四:在对风力发电机组齿轮箱的故障进行诊断时，针对不同算法采用不同的滤波方式，然后提取相应的特征；应用小波滤波的方法对数据进行软阈值降噪，减小白噪声对数据的干扰，采用梳状滤波器对振动信号进行提取得到相应频率范围内容数据；步骤五:对采集的数据进行特征提取；振动数据的特征包括时域特征、频域特征以及其他算法提取的特征向量；温度数据的特征包括变化率、幅值，然后根据提取的数据特征对齿轮箱进行故障诊断；步骤六:故障诊断将给出故障有无以及故障的程度；故障诊断采用的方法包括:基于模型的方式，通过风机参数以及特征向量计算正常情况下某个特征值的理论数值，然后通过测量值与理论值比较进行故障诊断；当判断齿轮箱存在故障时，提取幅值、有效值、峭度、峰峰值、波形指标、脉冲指标、转频、1/3倍频、1/2倍频、2倍频、3倍频故障因子；步骤七:残余寿命预估是根据历史数据的诊断结果和故障因子，通过灰色理论模型估计故障齿轮箱的残余寿命，对其预测结果的残差建立自回归模型，来提高预测精度；系统默认采用有效值作为状态参量进行残余寿命预测，通过设置相应参数来改变状态参量；设预测的原始序列为x(°) (k)，k=l, 2，…，N ；N是原始序列的个数，灰色生成是对该序列作累加生成，一次正向累加生成序列(1-AGO) x(1) (k)，k=l, 2，…，N ;
【文档编号】G01M13/02GK103645052SQ201310671317
【公开日】2014年3月19日 申请日期:2013年12月11日 优先权日:2013年12月11日
【发明者】钱政, 田双蜀, 申烛, 周继威, 王栋, 张波, 李闯, 张 林 申请人:北京航空航天大学, 中能电力科技开发有限公司