基于大數(shù)據(jù)和人工智能的風電機組傳動鏈故障診斷研究

陳思羽 胡常鑫

【摘?要】經(jīng)濟的發(fā)展，城市化進程的加快，人們對電能的需求也逐漸增加。隨著風電行業(yè)的快速發(fā)展，越來越多的風電機組并網(wǎng)投運.因風電機組工作環(huán)境惡劣，風速、風向、轉(zhuǎn)速等變化大，致使機組運行工況復(fù)雜，容易導(dǎo)致機組傳動鏈的主軸、齒輪箱、聯(lián)軸器等關(guān)鍵零部件發(fā)生故障，從而損壞設(shè)備，帶來嚴重的經(jīng)濟損失，甚至危及安全.對風電機組傳動鏈進行故障診斷，可以預(yù)先了解其健康狀況，合理調(diào)整運行，對實施風電機組的狀態(tài)檢修，提高機組的可靠性和安全性，降低運行和維護費用等具有重要意義。本文就基于大數(shù)據(jù)和人工智能的風電機組傳動鏈故障診斷展開探討。

【關(guān)鍵詞】風電機組;傳動系統(tǒng);維護;故障診斷

引言

隨著我國科技的發(fā)展和經(jīng)濟水平的提升，在能源利用上為了滿足當前可持續(xù)發(fā)展的基本國情，國家更加推崇使用無污染、可再生能源來代替煤、石油、天然氣等傳統(tǒng)資源。在這樣的背景下，風力發(fā)電逐漸進入了我國新能源研究中心的視線，風能源的開發(fā)和利用都在一定程度上得到了社會的好評和人們的認可，但是對風力進行利用過程中，同樣也要意識到，風力發(fā)電系統(tǒng)中的運行和維護以及故障診斷都是很重要的，我們也應(yīng)該及時研究出相應(yīng)的系統(tǒng)維護和故障修復(fù)措施。

1風電大數(shù)據(jù)

（1）數(shù)據(jù)來源。隨著風電規(guī)模日益擴大、智能化不斷的提高，由此帶來的是越來越多先進的自動化儀表產(chǎn)生的海量數(shù)據(jù)。在日常生產(chǎn)管理中產(chǎn)生的數(shù)據(jù)如風場的歷史運行數(shù)據(jù)、電網(wǎng)OMS系統(tǒng)數(shù)據(jù)、生產(chǎn)運營報表數(shù)據(jù)、廠區(qū)內(nèi)監(jiān)控視頻數(shù)據(jù)等。在一些有條件的風場，還有第三方研發(fā)的振動系統(tǒng)采集的振動監(jiān)測數(shù)據(jù)。正是各大風電企業(yè)對狀態(tài)監(jiān)測系統(tǒng)性能要求的不斷提高使得整個風電系統(tǒng)的數(shù)據(jù)規(guī)模不斷擴大，在實際使用過程中出現(xiàn)各系統(tǒng)不兼容、數(shù)據(jù)存儲效率不同、數(shù)據(jù)格式各異、傳輸協(xié)議存有差異等，如何將這些數(shù)據(jù)統(tǒng)一化、標準化成為急需解決的問題，這些都為大數(shù)據(jù)平臺的發(fā)展提供了現(xiàn)實基礎(chǔ)。（2）風電大數(shù)據(jù)平臺。隨著狀態(tài)監(jiān)測系統(tǒng)的日益龐大和風場運行服務(wù)年限的增加，每年產(chǎn)生數(shù)據(jù)規(guī)模以TB級別的增加，如何存儲和管理成為急需解決的問題，早期風電企業(yè)為節(jié)約成本會定期對數(shù)據(jù)進行清除使得蘊含在數(shù)據(jù)內(nèi)具有價值的信息不能有效的利用。大數(shù)據(jù)技術(shù)為風電數(shù)據(jù)的存儲和利用提供了有效的解決方法，在存儲管理方面可達到設(shè)計年限20年左右風機的存儲管理需求，實現(xiàn)不同系統(tǒng)數(shù)據(jù)的標準化處理;在數(shù)據(jù)分析挖掘方面可以有效發(fā)掘蘊含在各類數(shù)據(jù)中的價值為風電企業(yè)狀態(tài)監(jiān)控、壽命預(yù)測、早期故障預(yù)警等提供了有效方法。

2風電機組傳動系統(tǒng)維修與故障診斷的意義

風電機組系統(tǒng)內(nèi)部如果發(fā)生故障未得到及時的處理，很有可能會對整個機組造成零部件的損壞，降低其使用壽命，嚴重的還可能會對齒輪組或者主軸承等大型關(guān)鍵性零件造成散落或者零碎，最終導(dǎo)致風電機組系統(tǒng)癱瘓，無法正常使用，所以，對風電機組傳動系統(tǒng)的維修與故障分析診斷工作一定要有條理性，有時效性，要嚴格控制好風電機組系統(tǒng)的穩(wěn)定程度，及時發(fā)現(xiàn)故障位置，降低故障發(fā)生風險，是對風電機組保護的重要方法，也是提高能源利用率和能源產(chǎn)生速率的有效手段。

3風電機組傳動鏈故障診斷

3.1風電機組傳動鏈的故障類型及機理分析

風電機組傳動鏈包括主軸、齒輪箱和聯(lián)軸器，其中，齒輪箱中一般含有齒輪、滾動軸承和軸.傳動鏈的故障類型主要體現(xiàn)在：（1）齒面損傷、斷齒、齒根有較大裂紋、局部齒形誤差;（2）滾動軸承內(nèi)、外圈剝落，鋼球剝落;（3）聯(lián)軸器對中不良、配合松動、不平衡;（4）軸彎曲;（5）齒輪油異常等.傳動鏈中的主要零部件失效可能由多種原因造成，同時，其產(chǎn)生的故障通常也會相互影響.因此，分析各零部件的主要不同失效形式及機理是對傳動鏈故障診斷的基礎(chǔ)。

3.2基于SVM的傳動鏈故障分類

SVM的原理是使用一個明確的非線性映射，將維度較低的樣本映射到維度較高的空間內(nèi)，建立最優(yōu)分類超平面，來對輸入樣本進行分類和識別1609-1610。

其中，σ為核函數(shù)系數(shù)。在運行過程中，對風電機組傳動鏈提取振動信號，并求取其特征值，以此來判斷故障類型。將這些特征值作為SVM模型的輸入量，通過訓(xùn)練和學(xué)習來識別故障種類。參數(shù)選擇對SVM的性能有很大影響，其中，最重要的參數(shù)為懲罰參數(shù)C和核函數(shù)系數(shù)σ。C和σ的不同取值導(dǎo)致分類模型的不同性能。SVM使用“一對多”法對傳動鏈故障類型進行分類，構(gòu)造與故障樣本類型數(shù)目相等的二分器進行分類，以測試樣本的故障類型向量作為二分器的輸入。診斷結(jié)果與訓(xùn)練樣本一致的，判定為該故障，不一致的，作為下一個二分器的輸入，繼續(xù)判斷，最終實現(xiàn)多種故障樣本的分類。

3.3風電機組傳動鏈故障樹診斷系統(tǒng)的推理機制

故障樹智能診斷推理包括2個過程：一是某層框架某節(jié)點的報警規(guī)則的推理，確定該節(jié)點是否異常;二是框架中診斷規(guī)則的推理，確定故障傳播關(guān)系，找出故障源.通過淺知識推理可獲取故障征兆，通過狀態(tài)監(jiān)測、模糊神經(jīng)網(wǎng)絡(luò)和專家診斷獲得;通過深知識推理可確定故障源，文中推理過程采用從頂上事件—中間事件—基本事件來確定故障樹上各節(jié)點的狀態(tài)，找出故障源。

4風電機組傳動系統(tǒng)的維護與保養(yǎng)

4.1齒輪箱的維護與保養(yǎng)

第一、清潔齒輪箱箱體表面，并仔細檢查齒輪箱的外觀是否存在管道或箱體滲透現(xiàn)象，箱底放油閥是否存在松動或滲漏現(xiàn)象，盡可能杜絕由于放油閥松動或滲透而引發(fā)的齒輪油大量泄漏現(xiàn)象發(fā)生。第二，檢查齒輪軸散熱器以及承溫度、壓差、壓力、油位、溫度等傳感器的接線是否正常，以及導(dǎo)線是否存在磨損現(xiàn)象。第三，采用油位窗或油標尺來檢查齒輪箱有色以及油位有無異常。如果油色較黑較深時，則應(yīng)及時檢驗油質(zhì)，并強化機組運行監(jiān)視力度。如果出現(xiàn)濾清器堵塞報警的情況，應(yīng)第一時間對其進行檢查與維護，全面清潔濾清器內(nèi)部，并更換濾芯;如果油位較低，則應(yīng)立即補充。第四，檢查齒輪箱有無異常噪音的發(fā)生。

4.2滾動軸維護和保養(yǎng)

一般軸承運轉(zhuǎn)不正常通常表現(xiàn)為軸承過熱、噪聲大、振動、軸承軸上松動、機械性能不達標、更換頻率高等問題。軸承存在著不同程度的損壞，軸承過熱通常是由于接觸型摩擦油封太緊，可以采取更換接觸型的油封，并潤滑油封表面。軸承箱內(nèi)孔不圓、軸承發(fā)生扭曲變形、箱孔內(nèi)徑過小或者支撐面不平均會導(dǎo)致軸承過熱，必須維護中檢查軸承箱、內(nèi)孔，調(diào)整底座片分布情況。由于軸承的發(fā)熱量和排熱量不穩(wěn)定，通常滾動軸承的運轉(zhuǎn)初溫速度會快速上升，達到正常狀態(tài)不太穩(wěn)定。溫度達到穩(wěn)定狀態(tài)的時候，由于滾動軸承的發(fā)熱量、冷卻面積、軸承等熱容量、潤滑油量以及周圍溫度不同而不同。

結(jié)語

風電機組傳動鏈作為整個機組能量轉(zhuǎn)化的關(guān)鍵部件，它的健康狀態(tài)關(guān)乎整個風機的健康安全運行，尤其齒輪箱安裝位置環(huán)境偏遠且處于風機頂部的機艙內(nèi)，日常維護和檢修工作困難，一旦發(fā)生故障維修成本昂極其貴，因此對其早期故障預(yù)警、精準故障診斷對降低運維成本、提高風電機組運行的可靠性顯得尤為重要。隨著一些先進傳感器的應(yīng)用，全狀態(tài)多通道的監(jiān)測系統(tǒng)逐漸完善，工業(yè)智能化進一步提高，如何在大數(shù)據(jù)時代下利用海量狀態(tài)監(jiān)測數(shù)據(jù)達到早期故障預(yù)警、精準故障診斷成為解決當前問題的關(guān)鍵。

參考文獻：

[1]辛衛(wèi)東.風電機組傳動鏈振動分析與故障特征提取方法研究[D].北京：華北電力大學(xué)，2018.

[2]崔勇.小波包變換和RBF網(wǎng)絡(luò)在風電機組傳動鏈故障診斷的應(yīng)用研究[J].組合機床與自動化加工技術(shù)，2018（10）：95-97.

[3]湯寶平，羅蕾，鄧蕾，等.風電機組傳動系統(tǒng)振動監(jiān)測研究進展[J].振動，測試與診斷，2018，37（3）：417-425.

作者簡介：

陳思羽（1993-5月-18日），民族：漢，性別：男，籍貫：黑龍江省雞西市雞東縣，學(xué)歷：碩士研究生，職稱：無，研究方向：人工智能在風電故障檢測上的應(yīng)用。

（作者單位：1黑龍江科技大學(xué) 電氣與控制工程學(xué)院;2國網(wǎng)遼寧省電力有限公司葫蘆島供電公司）