薩錦煒
福建龍源風力發電有限責任公司
風能是自然界中常見的自然現象,特別是在經濟不發達,風能資源豐富的山地地區。增加本地風力發電機的數量不僅可以增加我國的經濟價值,而且可以提供本地能源供應??紤]到風能對當前社會結構的重要性,它提高了風力發電機運行的可檢測性,并允許在整個發電機組運行期間及時發現問題,使整個風力發電機運行更平穩和安全。
為了解決這個問題,有必要更好地了解設備信息,例如每個組件的電壓、電流、溫度和振動。一旦從風機健康監測和故障診斷系統獲得了相關信息,就可以根據測試結果,采取一些措施來促進維護計劃的實施。風力發電機狀態監視系統和故障診斷系統的使用可以減少事故的可能性,從而減少維護成本并節省成本。機械故障和電氣故障是發電機運行過程中的常見故障,其中機械損壞的主要癥狀是與轉子質量不平衡相關的故障,轉子偏心距的故障,軸未對準的違反以及發電機的振蕩頻率過大。電氣故障的主要癥狀是齒輪箱的磨損、偏航變槳等液壓系統故障、電氣元器件的腐蝕、發電機變壓器故障、絕緣故障、線圈短路和氣隙不平衡。而對于齒輪箱來說油液監測、在線或離線振動監測容易出現故障,在風力發電機中,風力發電機是非常重要的組件,其運行條件會影響整個風力發電機。風力發電機在運行期間的故障將影響所有工作的進度。因此,維護工作對于防止故障并節省成本尤為重要。
第一,需要測試一些參量信號,發送的信號包括發電機定子繞組溫度,定子電壓、定子和轉子電流、發電機輸出功率、轉子速度等,然后對其進行處理并最終確定??梢允褂枚ㄗ与娏鳈z測方法,小放電控制方法和振動檢測方法來查找電氣故障的原因并進行處理,轉子或定子繞組中的短路是由發電機轉子絕緣和定子繞組的損壞引起的,包括匝間、相間和層間短路。要監視發電機的狀態,可以確定轉子的電壓、電流和轉矩。如果想對發電機的狀態進行更全面的監控,則還可以測量溫度和大氣壓。在轉子電流信號中,會出現短路諧波,發生這樣的現象是因為發電機的定子在繞組之間短路,定子電流的對稱性被破壞,并且相反地產生旋轉磁場。每個發電機繞組之間的短路檢測包括負序電流,電流諧波和停車電流波形。當短路匝數相對較少時,定子電流的變化量較小,并且在這種情況下,難以檢測諧波。三相、兩相和三相定子短路稱為相間短路現象??梢允占T如發電機電流,溫度和振動之類的信息,以更好地識別發電機中的相間故障。組裝與線間短路密切相關,并且當線間短路發生時,設置將發生變化。故障特征也與短路時間密切相關,發電機相間故障的診斷方法主要有功率譜密度故障診斷法,離散小波變換故障診斷法,BP神經網絡法等,還有Elman和概率神經網絡(PNN)的方法,其中速度更快的是BP神經網絡方法,更簡單的網絡結構-Elman神經網絡,而PNN神經網絡的優點是其高抗破壞性。
如果發電機的電流、電壓和功率不匹配,則這一定與發電機的機械故障有關。
高頻振動通常是由于軸承故障而發生的。高頻故障的發生率非常高,可達上千。如果要接收軸承故障信號,可以從振動傳感器接收軸承振動信號,然后處理該信號以消除由于機械故障引起的軸承故障。軸承故障診斷可以使用峰值能量方法,包絡解調方法、小波分析方法和基于FFT 的故障診斷方法。較低的振動頻率是由于軸未對準和轉子質量不平衡引起的,框架變弱等引起的。要獲得此信息,必須對振動信號進行濾波和放大,然后必須進行傅立葉交換。在運行過程中,還會由于磨損和溫度升高而導致發電機轉子的偏心誤差和發電機定子和轉子之間的氣隙不穩定。諧波有著關鍵作用,因為它們監視發電機定子的諧波輸出電流、電壓、功率和其他信號,可以診斷偏心電動機的轉子故障。當發電機轉子和軸承無法正常運行時,發電機的輸出功率可以通過連續小波變換傳輸。當發生機械故障時,發電機軸的振動也會導致氣隙振動,從而使發電機的轉子和定子之間的氣隙磁通量不均衡,定子的連續分析可以解決旋轉軸的振動問題。
監視風力發電機運行狀況的一種廣泛使用的方法是從風力發電機的不同運行參數啟動,并觀察監視設備運行參數的改變來確定設備運行狀態。風力發電機具有幾個重要參數,可以將其大致分為兩類:測量參數和計算參數。一,計算參數是指需要讀取可測量的參數并使用特定算法進行計算并將計算結果用作操作參數的需要。取決于單元的當前狀況,選擇合適的測量設備或算法以滿足需求是確定風力發電機狀態的重要條件。風扇的功率由用于通過測量電壓,電流等來獲取電力的模塊來實現。如果算法使用不正確或編寫不正確,則會得到錯誤的計算參數,這會直接影響了設備的常規運行,但是,不同類型和制造商的測量設備和算法各有優缺點,應根據設備的實際需求進行選擇。
風力發電機中的計算參數需要選擇適當的監視技術和檢測方法。在實際操作中,請注意以下幾點:第一,在確定計算參數的過程中,有不同類型的風力發電機。在某些風力發電機中的許多地方都需要運用不一樣的算法,并且每種類型的算法都有許多策略可供選擇。有必要針對風力發電機的現狀和要求選擇合適的算法,由于不同的算法直接影響最后的計算結論,因此選擇正確的算法可以大大提高監視計算參數的計算精度和效率。其次,選擇正確的硬件來運行算法。所謂的工具適用于:(1)路由算法穩定并且可以長時間工作。設備的完整性需要硬件支持。(2)風力發電機應配備可靠,穩定的傳輸和測量設備,以計算和輸出數據的算法操作提供基本通道。
對風力發電機的測量參數進行監測時,必須掌握一些方法和原理,應注意以下幾點:(1)風扇的測量參數通常為電壓、電流、頻率、液壓、溫度等。應根據類型選擇不同的測量儀器和測量參數,是必須一起工作的眾多測量儀器;(2)分析并確定測量參數的上限和下限,并根據范圍選擇適當的范圍;(3)分析并確定測量值的正常∕異常值的范圍測量參數導致采取措施的措施和條件。
風力發電機中的測量儀器可能會發生故障,因此必須實施適當的監控機制來防止這種情況的發生典型處理方法:(1)某些測量儀器具有敏感觸點,通常在常開下為常態∕在常開異常下為常閉,可以通過觸點狀態的變化來判斷設備狀態;(2)從儀表的輸入和輸出側連接另一組信號。與主控制器同時,與計量設備關聯的算法被預先存儲在主控制器中,并且讀取和比較輸入和輸出值。如果輸出值與輸入值不匹配,則認為檢查設備有故障。
在對風力發電廠進行故障排除時,需要根據設備的設計復雜性和設備運行條件的特定條件來詳細分析許多因素,以提高診斷結果的準確性。風力發電機具有許多活動部件,其設計的復雜性使其難以排除故障。傳統的診斷技術需要改進,新的技術和概念已經被引入,各種故障的準確診斷以及解決問題的基礎。為了診斷風機故障,有必要準確地捕捉各種故障現象,并根據風機功率、振動、壓力、變形、磨損和溫度等性能參數進行綜合分析,以進行故障判斷。
使用振動分析的原理是在組件的振動傳感器安裝在主要部件上(例如變速箱支架,發電機支架,主軸支架和車架)。這些傳感器可以準確地測量主機部件的振動。通過處理和分析來自傳感器的振動反饋,可以快速而準確地評估設備中每個組件的振動狀況和運行趨勢,并由此可以分析振動的原因,并確定設備是否有缺陷。
風力發電機的熱參數分析是通過分析風力發電機運行過程中溫度和濕度的變化來確定運行條件。大多數風力渦輪機的溫度包括:主要組件的內部溫度,(例如發電機,齒輪箱,發電機,驅動電動機,變頻器等),機艙和控制箱的溫度與機油和液壓油的溫度不同。風力發電機中的大多數空氣濕度包括機艙中的濕度,和控制箱中的濕度。通過監視風力發電機的熱參數,可以有效地監視發電機的工作狀態。并且根據熱參數的趨勢和建議,能夠精準地識別設備中的故障設備,并為故障原因分析提供足夠的基礎數據。
傳統的風機監測診斷設備主要用于檢測,分析和診斷風機的基本參數。但是,隨著大信息技術的不斷發展,已經使用了大數據的各種分析方法來確定風力渦輪機的狀態并診斷缺陷。
傳統的風力發電機狀態檢測和故障排除方法基于少量數據,需要靠工程師自身積累的技術經驗以及檢測和診斷設備狀態所需的相關設計。這種方法有一定風險:首先,缺乏分析數據或缺乏工程經驗會影響測試和診斷結果。其次,在收集和傳輸期間,傳感器干擾,通信介質和外部噪聲會影響使用常規技術接收的數據。通過分析此類數據獲得的測試和診斷結果通常無法反映實際情況。大數據分析技術可以通過收集,分析和處理大量數據來有效糾正這些缺陷。并使用數據挖掘技術消除潛在的故障。通常很難找到可靠的解決方案。此外,大數據技術可以檢測到風機運行過程中的微小狀態變化,并及時檢測和消除潛在的風機故障,從而降低了風機故障的可能性。有效并提高安全性和操作穩定性。
它是指使用算法從大量不完整、嘈雜、模糊和隨機的生產數據中提取隱藏在數據背后的有價值的規律周期。大數據技術在風能中的應用包括使用數據挖掘和分析技術來匯總和分析特定區域或特定類型的風力渦發電中的巨大運行數據,以匯總數據背后的重要統計因素及其用途,統計因素可以進一步評估可能發生的情況。風機故障類型和最大故障概率,確定正確的區域或類型的風力發電機故障模型并基于故障模型定義預處理策略,有很多技術方法可以用來研究和分析大數據。傳統方法使用最小二乘或多元回歸模型對大數據進行建模,然后進行回歸分析以獲得影響變量的關鍵因素。
總而言之,受到工作環境和內部設計的影響,與傳統的電氣設備相比,風力渦輪機容易發生故障,其故障原因復雜多樣。在這方面,對風力發電機的實時監控是全面而系統的,并且引入有效的故障排除方法以消除發電機的運行故障并保護能源公司的經濟和社會利益。