基于云霧協同的風電齒輪箱運行狀態監測系統

刁修慧

(河南工學院機械工程學院，河南新鄉 453003)

0 前言

隨著環保壓力的增大，風電作為一種低碳能源得到了快速發展。但是風電機組長年工作在野外，運行環境惡劣，會發生多種機械故障。如果早期設備故障發現不及時則會導致嚴重故障，對風電經濟效益影響很大。在大型風電機組的多個關鍵部件中，齒輪箱是故障多發部件，維修困難且成本很高。因此，對風電機組齒輪箱進行有效監測及故障預判、及時維護維修，對企業降低運行維護成本、提高經濟效益具有重要意義。

風電機組的建設地大多較偏遠，由監測人員對風電機組進行大范圍巡回監測比較困難。因此，現代信息技術對于風齒輪箱的在線實時綜合監測越來越重要。在當前大數據的深入應用背景下，傳統的集中式網絡監測已經無法滿足風電齒輪箱的綜合監測需求。同時，隨著大數據、云計算、霧計算技術的出現，更加全面的實時監測與數據分析對于齒輪箱的故障診斷、遠程運維、風力發電經濟性評價等方面均有重要意義。

目前，云計算憑借強大的數據處理能力，成為大數據分析和計算的重要平臺。但是，一般云服務器遠離終端設備，終端設備到云服務器的傳輸距離遠、通信開銷較大，還會導致一定的延遲。而霧計算提倡“智能前端化”，即在云服務器和終端設備之間，利用網絡設備或者專用設備提供計算、存儲和網絡通信服務，使得計算和數據更靠近終端設備，進而節省大量網絡帶寬，減輕數據中心的負擔，提高在線監測系統的整體響應速度。因此，通過適當劃分云計算和霧計算的界線，采用云霧協同的工作方式可以提高大數據背景下風電齒輪箱綜合監測系統的整體性能。

1 系統分析

風電機組齒輪箱的工況一般為變速變載，同時會受到風力推力、扭矩、彎矩等不同作用，并形成一定的結構應力作用于齒輪、軸承等重要零部件上，從而造成一定的故障隱患。對隱患的提前預警可以降低機組的故障發生率及不可逆損壞。運行過程中重要零部件的機械變形、斷裂或疲勞會引起油液溫度、壓力以及機械傳動部件溫度、振動、轉速或聲音的異常。其中，振動信號是重要的監測信號，可作為故障診斷的重要數據。機械振動按頻率可分為基頻振動、倍頻振動、超低頻振動和超高頻振動等。齒輪箱中各部件的結構不同導致各部件產生的振動信號也有相應的差異，對應的頻域分析也會得到不同的結果。因此，當某一組件出現故障時就會產生異常的振動信號，所以通過分析振動信號的特征可以診斷出齒輪箱的機械故障。

齒輪箱的另一個重點監測對象是齒輪箱油液。油液監測一般通過傳感器實時監測在用潤滑油的性能變化及其中的磨損微粒狀態，以獲得齒輪箱的磨損情況和設備潤滑狀態。對齒輪箱油液的監測可以預測設備主要摩擦副的故障情況，診斷故障部位、原因和程度，為針對性維護、修理提供豐富的數據依據。

該系統的監測對象為WF2000A4型風電齒輪箱，主要由齒輪傳動系統、潤滑冷卻系統、外部加熱系統和密封系統等部分組成，其主要性能參數如表1所示。在齒輪箱不同部位選取合適的測量點是獲取有效信號的關鍵，測量點要滿足安裝傳感器所需的剛度和空間要求，盡可能接近信號源，避開或減少干擾源。例如，測量齒輪箱振動信號的加速度傳感器通常需要對水平、垂直和軸向3個方向進行測量。

表1 WF2000A4型風電齒輪箱主要性能參數

齒輪箱的狀態綜合監測系統主要有數據采集、處理、傳輸和分析等功能，基礎功能是連續地進行現場實時數據采集。云計算中心與釆集現場一般距離較遠，傳感器釆集的信號不可能遠距離傳輸。而且風機數量多，監測數據量大，直接傳輸至云數據中心勢必造成云計算中心性能下降。為合理利用網絡及計算能力，在數據采集終端和云數據中心中應用霧計算節點，分擔部分數據計算與存儲任務。

數據傳輸可采用兩種方式：基于移動通信網的4G模塊和基于物聯網的窄帶物聯網(Narrow Band Internet of Things,NB-IOT)模塊。4G無線通信模塊傳輸的數據量大，可以與現場的數據采集終端相連，將采集到的現場數據通過TCP/IP協議傳輸至霧節點服務器。NB-IOT技術具有待機時間長、覆蓋范圍廣、容量大的特點，可用于頻率不高的數據傳輸。經過初步分析的齒輪箱運行狀態結論性數據及預警數據等，可通過NB-IOT模塊由霧節點傳給其他霧節點或云計算中心。另一方面，霧節點也可以將云服務器上的數據緩存在本地，與其他霧節點共同完成必要的分布式計算任務。為增強系統在極端條件下的安全信息傳輸能力，可增加北斗衛星系統的短報文通信模塊，在移動通信網失效時介入數據傳輸。

數據處理及計算的劃分是云霧協同的基礎。云計算數據中心用于高延遲、長周期的大數據應用計算，霧計算節點用于風電機組運行監測與控制的現場計算。

2 系統架構設計

根據云計算和霧計算的特點，將大量與特定環境相關的信息直接在本地接入點進行存儲和計算，提出如圖1所示的基于云霧協同的分層分布式齒輪箱綜合監測系統框架，上層為云計算中心，下層為霧計算節點和數據采集終端。

圖1 基于云霧協同的分層分布式齒輪箱綜合監測系統框架

數據采集終端主要實現信號采集和處理功能。首先,得到振動、溫度、油液磨粒、噪聲等傳感器監測信號；然后，對信號進行前期處理，包括放大和濾波等；最后，將信號數據通過網絡傳輸至風電機組霧計算節點。

霧計算節點布置于風電塔架內，接收來自數據采集終端的數據，并進一步對數據進行分析與存儲，實現對現場數據的實時監測與管理，最后通過4G、NB-IOT、短報文通信形式將數據傳入云計算中心。霧節點可以接收多個數據采集終端的數據。

云計算中心負責提供基于私有云的云服務，負責協調霧節點計算、接收并存貯霧節點的現場監測數據，對組網風電機組進行基于大數據的故障診斷分析與計算，提供系統級監測與管理功能，并對數據進行封裝提供云端訪問接口。

系統各部分間數據傳輸如圖2所示。

圖2 系統各部分間數據傳輸示意

3 數據終端設計

3.1 傳感器

系統依靠安裝在各個部位的傳感器對風電機組齒輪箱多個工況參數進行全面監測，特殊的工況條件需要傳感器具有較大測量范圍、較小體積、低功耗和抗電磁干擾等特點。風電機組齒輪箱的傳動部件是機械故障的主要來源，故障主要是部件間的相對運動產生的疲勞、磨損、變形等原因造成的，一般通過振動、油液壓力、溫度等特征表現出來。因此，風電齒輪箱一般安裝有振動、壓力、溫度等傳感器，可以進行一般性運行狀態監測。通過增加對振動、噪聲及齒輪磨損的監測可以更全面地監測齒輪箱。

在實際工程測量中，振動量的大小一般用加速度的值來度量。利用加速度傳感器測量齒輪故障引起的中、高頻振動信號，可以得到穩定的數據。傳感器在拾取振動信息時，必須與齒輪箱緊密地貼合在一起，這樣才能采集到齒輪箱對應的振動信號。該系統采用緊固件連接的方法固定傳感器，選用通用型加速度振動傳感器。

齒輪箱油液中磨粒的尺寸可以反映磨損程度和故障狀態，通過監測油液中顆粒的尺寸和數目可以得到磨損程度并及時發現早期故障。在進行油液監測時，潤滑系統中存在大量設備磨損產生的鐵磁性和非鐵磁性的磨粒、灰塵、水分等雜物，這些雜質都會降低潤滑的質量。可以通過在線鐵譜圖像采集系統、水分儀和體外循環過濾設備等對油液進行監測。其中，齒輪箱體外循環過濾設備可以過濾油液雜質，減輕齒輪磨損，同時可連續監測齒輪的磨損程度，分析結果有助于齒輪壽命估計。油液中磨粒尺寸與齒輪磨損程度的關系如表2所示。

表2 油液中磨粒尺寸與齒輪磨損程度的關系

3.2 終端結構

由于系統是在惡劣工況下對傳動設備進行信號采集，設計系統時必須考慮設備的微型化、抗干擾性、低功耗以及傳輸的可靠性等問題。終端系統所有組成單元采用模塊化設計，可根據現場數據采集需求任意組合使用，也可分別獨立使用。系統硬件主要由微處理器、電源、遠程通信、傳感器等組成。終端主要結構及信號傳輸如圖3所示。

圖3 數據采集終端主要結構及信號傳輸

3.3 軟件設計

為保證系統的可擴展性和可靠性，終端采用μC/OS-Ⅱ系統。該系統具有多任務、搶占式實時的特點，可移植性強、代碼體積小。軟件按照模塊化、可移植性、可裁剪性的原則設計，采用分層結構設計思想，并根據系統實時性能要求，合理安排任務的優先級。采用系統內核提供的相關通信機制，保證任務同步，以提高數據采集和無線通信任務的實時性。系統總體架構設計如圖4所示。

圖4 系統總體架構

終端可實現對齒輪箱多通道數據的同步采集功能，并可將采集到的現場數據實時傳輸到霧節點，由霧節點完成對齒輪箱工作狀態的分析計算并存儲數據。

4 云霧協同

基于云霧協同的分析計算在電力行業已得到應用，美國Cisco公司與ITRON公司基于云霧協同計算合作開發了針對電力行業的高級計量架構(AMI)系統。由于云霧協同具有充分利各種計算資源、有效降低業務時延、提高實時分析與優化的能力，齒輪箱運行狀態綜合監測系統可以利用云霧協同構建分層分布式系統架構，進而可以對整個風場甚至多個風場進行優化規劃和實時調整。

由于齒輪箱運行數據屬于風電企業私有數據，綜合監測系統架構可采用“私有云”模式，在企業內部構建云數據中心，配合分布式存儲、霧節點和數據采集終端并實現綜合監測系統的構建。云數據中心與霧節點比較結果如表3所示。

表3 云數據中心與霧節點比較

云數據中心可最大程度節省計算資源和成本，主要由數據庫、應用層和中間層組成。數據庫可實時存儲海量數據，并進行集中管理。應用層包含企業信息化的多種場景應用軟件，可實現基于現場大數據的計算與分析，并通過各種顯示終端呈現數據。中間層由定制化的應用服務群組成，可提供面向霧節點和最終數據用戶的多種服務接口。

云數據中心的高性能服務器集群具有強大的計算及存儲能力，能夠將采集的齒輪箱監測大數據存儲在云服務器上，經過計算挖掘得出分析結果，并用于齒輪箱故障診斷、制定維護及檢修方案等。云計算層使用WebService技術實現開放接口,XML、SOAP(簡單對象訪問協議)、WSDL是WebService實現的關鍵。SOAP屬輕量級的協議，它和XML相結合可避免協議之間的轉換，便于應用程序通信。

霧節點接收并存儲來自數據終端的監測數據，經過一定的數據處理與分析，通過4G、NB-IOT和短報文將處理結果上傳到云數據中心服務器，實現全局信息共享。由于現場監測數據量大，通過分布式霧計算可以均衡負載，在較短的時間內得出全面監測分析結果，并迅速反饋給風電控制和管理系統。霧節點將本地處理的通用性數據上傳給云數據中心進行處理后可形成更高級別的分析結果，為上層應用開發提供數據支撐。霧節點也可獲取云數據中心的服務并接收其指令。

5 結論

該系統具有采用基于ARM的數據終端對風電齒輪箱的機械振動、油液的多參數進行在線監測，通過4G、NB-IOT和短報文的方式將現場數據傳入霧節點，通過云霧協同的架構處理監測數據。霧節點與云數據中心的協作實現了云霧結合，中樞計算與邊緣計算的兩級架構實現了現場監測數據的分層處理。各級架構處理所屬范圍的監測數據形成不同層次的風電機組齒輪箱數據分析結果，既能實現實時快速智能監測的目的，又能在數據中心實現對風電系統的整體統籌。

該系統具有降低數據延遲、合理分配計算的能力，可提高監測系統的整體響應速度與整體性能。云霧協同架構為風電行業客戶提供了更高效的齒輪箱綜合監測方案，對企業降低運行風電齒輪箱維護成本、提高風電經濟效益具有積極意義。