浅析风电机组振动检测与故障诊断系统研究发布时间：2023-01-16T07:39:03.544Z 来源：《中国科技信息》2022年18期作者：邵昌盛[导读] 本文论述了风电机组的在线振动检测与故障诊断技术，并进行了相关测试邵昌盛南方海洋科学与工程广东省实验室（湛江）摘要：本文论述了风电机组的在线振动检测与故障诊断技术，并进行了相关测试。
结合风电机组的实时振动监测资料，设计和开发了一套逐步完善的故障诊断模型，并对其进行了实时的预报，通过智能分析和故障诊断，达到预测状态检修，合理地维护调度，减少风电机组的运营费用，降低突发负荷对电网的影响。
关键词：振动检测；故障诊断；状态预警引言当前，风力发电所面对的最大问题是其运营与维修费用偏高，同时也随着风电场的规模不断增大、设备的复杂性和故障发生率不断提高；此外，风电机组大多位于较远的地方或较高的地方，给维修带来不便，同时也会导致风电机组技术人员的大量外迁，从而会对设备的故障进行及时的处置。
如果出现问题，它的维护费用要比其他的地面设施要高得多。
近年来，一些风电机组的风扇驱动装置出现了频繁地失效，导致齿轮箱、发电机和主轴承等各种失效的情况不断增多，而此类问题处理起来难度大、费用高、周期长；这些特性对风电机组的安全性和经济效益造成了极大的威胁。
因此迫切需要对风电机组进行振动检测和故障诊断，并采用内部的智能化预警策略来实现对设备的动态的预测，对设备进行维修，以减少故障损耗，增加可用资源，降低操作和维修费用。
一、风电机组振动检测根据VID3834的要求，在进行风力发电机的振动试验中，必须达到20%的全负荷，例如：2.0 MW的风机，必须在400 kW的负荷下，进行采样，转速和负荷都要保持在一个比较平稳的范围内，在测量的时候，要把风速、功率、转速等各种参数都记录下来。
同时还要对各单位的传动装置、发电机类型等进行详细的数据录入。
在采集数据时要留意仪器的工作状况，包括声音、温度、触觉等。
风力发电场中风机振动监测与故障诊断技术研究风力发电是一种环保、可再生的能源，越来越多的国家和地区开始重视风力发电的发展。
风机作为风力发电场的核心设备，其运行状态的监测和故障诊断对于风力发电场的正常运营和安全性至关重要。
本文将探讨风力发电场中风机振动监测与故障诊断技术的研究进展和应用。
一、风力发电场中风机振动监测的重要性风机是风力发电场的核心设备，其运行状态直接影响风力发电场的发电效率和安全性。
风机振动是风机故障的重要指标之一，通过对风机振动的监测，可以实时了解风机的运行状态，提前发现潜在的故障，并及时采取相应的维护措施，避免故障扩散和损失的发生。
因此，对风力发电场中风机振动进行监测具有重要的意义。
二、风力发电场中风机振动监测技术的研究进展1. 振动传感器技术振动传感器是风机振动监测的关键设备。
目前，常用的振动传感器有加速度传感器、速度传感器和位移传感器等。
这些传感器可以将风机振动信号转换为电信号，并通过电缆传输到监测系统中进行分析处理。
2. 振动信号处理技术风机振动信号具有复杂的频谱特性和变化规律，需要通过信号处理技术来提取有用信息。
目前，常用的振动信号处理技术包括时域分析、频域分析和小波分析等。
这些技术可以对振动信号进行去噪、滤波、频谱分析和特征提取，为故障诊断提供依据和指导。
3. 智能诊断技术智能诊断技术是风机振动监测与故障诊断的重要方向。
利用人工智能、模式识别和专家系统等技术，可以对风机振动信号进行自动分析和诊断，实现对风机故障的智能监测和预警。
这些技术不仅可以提高故障诊断的准确性和效率，还可以降低人工维护成本和风机损失。
三、风力发电场中风机故障诊断技术的研究进展1. 故障特征提取技术故障特征提取是风机故障诊断的关键环节。
通过对风机振动信号的分析，可以提取出与故障相关的特征参数，如峰值、能量、频率等。
这些特征参数可以用于故障类型的判别和诊断。
2. 故障诊断模型建立技术故障诊断模型是进行风机故障诊断的数学模型。
风机振动检测与故障诊断技术研究随着风力发电在可再生能源领域中的不断发展，风机振动检测与故障诊断技术的研究变得越来越重要。
本文将探讨现有的风机振动检测技术以及故障诊断方法，并展望未来的发展方向。
一、风机振动检测技术1. 传感器技术：风机振动检测通常采用加速度传感器、速度传感器或位移传感器等来监测风机的振动情况。
这些传感器能够实时测量风机各个部件的振动参数，并将数据传输到中央监测系统进行分析。
2. 频谱分析：频谱分析是一种常用的风机振动检测方法，可以通过将振动信号转换为频域信号，进而识别可能存在的故障。
通过分析振动频谱图，我们可以确定故障类型以及其对风机的影响程度。
3. 振动信号处理：振动信号处理是对原始振动信号进行滤波、降噪、特征提取等处理的技术。
利用滤波技术可以减少杂散干扰，提高信号的清晰度和准确性。
同时，通过特征提取算法，我们可以提取出与故障相关的特征参数，从而实现故障的诊断与预测。
二、故障诊断方法1. 振动特征分析：风机振动特征分析可以通过分析风机各个部件振动的频率、幅值等参数，来识别故障类型。
例如，当风机叶片出现撞击故障时，其振动频率会发生明显变化，通过对比分析可以判断是否存在故障。
2. 统计学方法：统计学方法通过统计、归纳和推理来分析风机的振动数据，从而诊断故障。
例如，利用多元统计方法可以将振动信号与已知故障样本进行对比，以确定故障类型。
3. 机器学习技术：机器学习技术通过构建模型并对数据进行训练，可以实现自动化的故障诊断。
通过大量振动数据的学习，机器可以准确判断风机是否存在故障，并提供相应的维修建议。
三、未来展望1. 基于物联网的振动监测系统：随着物联网技术的发展，未来可以通过将风机的振动传感器与云平台相连接，实现实时的远程监测和诊断。
这种系统可以对大规模的风机进行集中管理，并提供更精准的故障诊断结果。
2. 高精度振动传感器的研发：当前，振动传感器的测量精度还有待提高。
未来的研究可以着重于开发更加精确和稳定的振动传感器，以提高故障诊断的准确性。
动力与电气工程DOI：10.16661/ki.1672-3791.2018.33.054基于振动分析的风力发电机故障诊断方法李靖(南京安维士传动技术股份有限公司 江苏南京 210019)摘 要：随着社会的不断发展，风能作为一种可以再生的清洁型新能源，在能源危机和环境污染日益严重的今天，具有着巨大的发展空间和环保力。
所以近年来风力发电在电力市场中占有的比例日益增高，但是风电机组高额的运行维护成本在很大程度上限制了风电产业的经济效益，风力发电装置的运行环境恶劣，复杂多样，传统的人工维修成本既高昂又易发生安全问题，因此，关于风力发电机的故障诊断方法的研究意义重大。
关键词：振动 风力发电机 故障诊断中图分类号：TM315 文献标识码：A 文章编号：1672-3791(2018)11(c)-0054-021 风电机组概述1.1 风电机组的基本结构风力发电机组的使用原理是通过风轮叶片将风的动能转化为机械能，从而带动机组内的发电机运转产生电能；风力发电机组由：轮毅、主轴、主轴轴承、齿轮箱、高速轴、发电机等一系列部件组成，叶片的主要功能是捕获风能，轮毅的功能是连接叶片与主轴，包含变桨距系统，主轴负责传递风轮扭矩至齿轮箱；主轴轴承用以支撑风轮与主轴齿轮箱的作用是；将低速旋转扭矩转化为高速旋转扭矩，高速轴是传递高速旋转扭矩至发电机；发电机将机械能转化为电能。
1.2 风力发电机组的常见故障类型风力发电机组在运行过程中，收到的力是自然力，是不可控的风力，输出频率并不是一成不变的，不断变化带来的冲击力是风力发电机组的叶片、主轴、齿轮箱、高速轴等都极易发生故障，部件发生故障以后势必会造成发电机组停机，从而影响到电力的生产。
由于风机发电机组装置多建造于偏远的山区或近海地区，风力较大的环境中，再加上风力发电机组往往都建设在高空，所以存在着维护困难、维护成本高昂等问题，因此建立起全面的监测检验系统是十分必要的[1]。
2 风力发电机组状态监测与故障诊断状态检测主要内容分为3个部分：(1)对风力发电机组的设备运行状态进行检测；(2)是当设备状态异常时对故障内容部位进行诊断；(3)设备故障的早期诊断与预报。
