风电机组状态监测系统现状研究

董昱廷，王海云，唐新安

（1.新疆大学电气工程学院，乌鲁木齐 830049；2.金风科技股份有限公司，乌鲁木齐 830026）

风能作为一种清洁的永续能源，逐渐成为许多国家可持续发展战略的重要组成部分。我国的风能开发更是飞速发展，已经成为全球最大的风电市场。2012年3月，中国可再生能源学会风能专业委员会正式公布《2011年中国风电装机容量统计》。2011年中国（不包括台湾地区）新增安装风电机组11409台[1]，装机容量17630.9 MW，累计安装风电机组45894台，装机容量62364.2 MW，年增长39.4%。年发电量达到800亿kW·h。预计到2020年，风电装机容量将达到1.5×105MW。在风电迅猛发展的同时，风力机高额的运行维护成本影响了风电场的经济效益。由于风资源分布的限制，风力发电场多分布在远离城市的荒漠、山区、草原，远离监控中心。受恶劣的自然环境以及复杂的发电机组和电力电子装置等因素影响，风力发电设备很容易损坏。为了合理地运营和完善地维护风电场，提高风力发电机组的运行效率和可靠性，对每台风力发电机组运行状况的监测必不可少。风电场要求有可靠的远程监测和无人值守运行控制系统作为风电设备正常运行及其故障诊断的必要手段。状态监测技术通过对风力机各个部件的实时观测，能及时发现故障隐患，采取有效措施来避免重大事故的发生，同时改定期维护和事后维护为预测维护，可以有效降低运行维护成本，提高风电的经济效益。

1 风电机组状态监测概述

状态监测[2]是指利用各种监测与分析仪器（在线的或离线的）、采用各种检测、分析和处理方法，通过对设备运行状态参数的采集、处理和分析，判断设备的运行状态，对异常或故障状态及时做出报警，并为进一步进行的故障分析、性能评估等提供信息和数据，是进行有效故障诊断的重要基础。风电机组的状态监测技术主要分为以下几种[3]：振动分析、油液监测、热成像技术、过程参数监视、性能参数检查，其他还包括材料的物理状态检查、应变测量、声学监测、电学效应、目视检查、传感器自我诊断等技术,其中，应变测量、声发射和振动监测可用于检测叶片故障趋势；基于不同传感器的振动分析主要用于齿轮箱的状态监测，最常用的传感器有加速度传感器和位移传感器，后者的作用是检查主轴在低速运行时的情况；声发射技术还可用于检测由摩擦引起的部件表面应力的突变，尤其能提早发现齿轮出现点蚀、裂缝等潜在故障；温度监测可用于检查发电机定子和转子绕组的运行情况，转矩测量可用于传动系统的故障检测。由于振动故障发生概率最高，振动信号所包含的信息量最大，因此振动分析法是转动设备故障诊断中运用最广泛、最有效的方法。在实际进行转动设备状态监测与故障诊断时，往往是以振动分析法为主、相应配合以上一些方法、连同工艺及运行参数一起进行综合分析的。

2 风电机组状态监测系统

2.1 状态监测系统构成

风电机组状态监测系统主要包括硬件和软件两部分[4]。硬件部分包括振动传感器、数据采集仪、现场服务器和中心服务器。软件部分包括前置机数据传输软件和诊断分析软件,其中数据传输软件包括数据采集；数据存储；数据上传。诊断分析软件结构见图1。

图1 诊断分析软件系统流程图Fig.1 Flow chart of the diagnosis and analysis software system

随着计算机技术、网络技术的发展，状态监测系统由分布在现场的下位机进行数据采集[5]，通常是微处理控制器如PLC、DSP等。通过网络将数据传送到中央控制服务器的上位机，对数据进行统一的存储、分析和处理，形成统一监诊网络，具有数据采集的独立性，分析监控的统一性以及结构的开放性等特点，成为当今风力发电机组状态监测研究和发展的主要方向。风电场中央监控系统与风力机就地控制系统之间的通信属于较远距离的一对多通信。目前风电场网络通信主要分为有线和无线两种，其中以有线为主,包括RS-485总线、Profibus现场总线和以太网[6]，也有使用无线方式或者无线、有线混合使用的方式,但随着风电场容量的增大以及海上风电场对视频监控需求的提高，尤其考虑到有线介质不可预知的破坏，目前的系统很难同时兼顾可靠性、安全性和性价比的高要求。

2.2 测量点及传感器

根据国内外目前风电机组的实际运行情况,通常齿轮箱齿轮及其轴承、发电机及其轴承是较容易发生故障的部件，因此在常规的监测中，可将齿轮箱前后轴承、发电机前后轴承分别作为测量点。从信号频段的角度来考虑[7]，由于不同的故障、不同的频段在测试方向上的敏感程度不同，故在旋转机械振动信息的采集上，对于低频信号（工频5倍以上）分垂直、水平、轴向3个方向；对高频信号对高频信号（1 kHz以上），由于对方向性不太敏感,故只测垂直或水平一个方向即可。这是因为低频信号的方向性较强,而高频信号对方向不敏感的缘故。

进行准确振动分析必须遵循如下的测点选择原则[8]：一是能够反映真实振动情况的部位；二是尽可能靠近轴承的承载区，轴承到传感器之间有坚实金属。风电机组机械传动部分主要由主轴、齿轮箱、发电机组成,在各部件轴承位置安放振动加速度传感器采集它们的加速度信号，同时在主轴叶轮端安放转速传感器采集机组的转速信号。

根据风力发电机组振动状态监测导则[9]，风电机组监测系统所需的最少测量点见表1。

表1 风电机组监测系统所需测量点Tab.1 Measuring points for monitoring system of wind turbine

振动状态监测可采用以下3种类型的传感器：

1）加速度传感器，主要用于高温或强磁场环境振动状态监测和风电机组滚动轴承和齿轮箱的状态监测；

2）速度传感器，主要用于风电机组机舱和塔架的状态监测；

3）位移传感器，主要用于风电机组主轴在低速运行时轴向位移的状态监测。

3 国内外状态监测系统

由于兆瓦级以上风电机组的大量安装，目前国内外已经开展了针对大型风电机组状态监测系统的研究，并有实际应用的报道。例如通用电气公司的Bently Nevada系统[10]、SKF公司的SKF WindCon系统、德国SCHENCK VIBROGMBH公司的VIBRO-IC系统等。国内目前也有相关单位开始研发针对风力发电机组的状态监测系统产品，应用到风电机组上的主要有：北京唐智科技有限公司的JK10460风力发电机故障诊断系统；西北工业大学旋转机械与风能装置测控研究所的CAMD-6100；浙江中自庆安新能源技术有限公司的CS2000风电机组远程在线振动监测与分析系统等。下面对几种厂家的状态监测系统进行介绍。

3.1 基于共振解调技术的监测系统

共振解调技术[11]就是利用传感器及电路的谐振，将故障冲击引起的衰减振动放大，从而提高故障检测的灵敏度，利用解调技术将故障信息提取出来，通过对解调后的信号进行频谱分析，诊断出故障的部位。唐智科技研发的JK10460风电诊断系统[12]就是以“共振解调故障诊断技术”为理论基础，实现对风电机组关键机械部件的在线自动诊断。系统机载装置安装在每台风机的机舱与塔架内，通过安装的振动冲击复合、位移、双坐标振动传感器实时获取监测对象的故障信息，辅以转速信息和偏航信息，实现对监测对象的自动实时诊断。同时把实时诊断故障特征与部分原始数据通过风场构建的光纤环网发送到风场的数据服务器，再经过数据服务器上的故障专家诊断系统综合决策后输出报警。风场监控终端和企业监控中心以及远程授权用户可以通过访问数据服务器获取报警结果，并进行声光报警。结构示意图如图2所示。

图2 JK10460风电诊断系统结构示意图Fig.2 Structure diagram of JK10460 wind diagnosis system

为保证机载监测数据能可靠的传送到中控数据服务器，各风机上的机载主机与中控数据服务器通讯采用光纤环网方案。单台风机接入光纤环网示意如图3所示。

图3 单台风机连接示意图Fig.3 Connection diagram of the single wind generator

该诊断系统实现的可选功能如下：

1）在线监测发电机接地电刷接触异常以及电刷、滑环的磨损情况；

2）在线监测齿轮箱高速轴的轴向窜动或齿轮箱整体的轴向位移；

3）在能够获取偏航角的前提下，在线监测塔筒顶部的晃度以及倾斜角度，并通过故障诊断专家系统软件自动报警或提示。在能够获取风速或功率的前提下，具备塔架晃度与风速或功率的相关趋势分析功能；

4）在线监测塔架紧固螺栓松动、裂纹、叶轮、叶片等重大故障；

5）具备轴向位移原始和趋势数据分析功能。

3.2 基于最优滤波解调技术的监测系统

北京化工大学诊断与自愈工程中心研发了一种最优滤波解调技术[13]，将其运用在与博华信智公司联合开发的风电动设备监测产品BH5000-W中。该系统在主轴承、齿轮箱体、发电机两侧轴承等6个监测点装了加速度传感器和电涡流传感器，对采集的加速度振动信号进行包络解调分析，从而进行故障诊断。当滚动轴承与齿轮间发生故障时，属于刚性部件之间的接触故障，会产生冲击性调制信号，传统的频谱分析快速傅里叶变换适合处理平稳的周期信号，往往会失效，因此采用包络解调技术[14]。对信号的高频部分进行包络解调，加强了高频段瞬态畸变小信号的能量,同时也克服了传统解调方法滤波器设置的困难，用户可以不必设置滤波器频率，系统会自动计算出最优频率。将包络解调技术与传统的频谱分析技术相结合,能在轴承、齿轮严重损坏之前就及时检测到他们的早期缺陷及润滑问题，同时根据加速度幅值谱和3D包络谱预测故障的趋势和周期等。系统功能：

1）远程监测，多通道功能实时同步采集、存储及远程传输；

2）能够检测显示通频幅值趋势、加速度幅值趋势、加速度幅值包络谱、速度功率谱等；

3）被测物理量实时显示、历史回放；

4）具有自动报警功能，具备轴向位移原始和趋势数据分析功能。

3.3 基于无线通信的远程监测诊断系统

阿尔斯通创为实技术发展有限公司[15]是全球领先的机组在线状态监测产品及服务提供商，其S8100泵群在线监测系统已在风电机组投入应用。系统拓扑图如图4所示。

图4 S8100泵群在线监测系统拓扑图Fig.4 The topological graph of S8100 pump group in the online monitoring system

无线现场采集站（WFAS）或现场采集站（FAS）采集风机上关键部件的振动信号[16]络转换模块（NTM）与风电场局域网连接。振动数据被存储到现场服务器，有条件的还可以通过CDMA（远程）传输到公司总部的中心服务器。该中心服务器具有Web发布功能。授权用户只要登陆网站，就可以随时查看机组振动数据。系统具有机组总貌图、棒图、波形频谱图、历史趋势图等多种诊断图谱，还可以实现远程专家会诊。该系统自带一个“特征频率计算器”，可以通过用户输入的齿轮或轴承参数计算出特征频率，为分析诊断提供依据，并且系统安装简便，可以不停机、不断电进行安装,完全独立于已有的中央监控系统及就地电控系统，不会对日常监控产生影响。

文献[17]提出一种基于IEEE802.16d无线Mesh网络的风力发电机在线监控诊断系统。系统依托无线Mesh网络将采集得到的信息发送到监控诊断中心，监控中心对监控数据进行分析处理，断风电机的故障趋势，从而实现风电机的在线监控诊断。该系统具有组网快速、自组、抗干扰及传输速率高等特点。且系统采用B/S（Browser/Server）三层开放模式和软件复用技术的编程模式，具有良好的集成性和安全性。

4 结论

随着全世界风力发电产业的发展,风力发电机组的状态监测系统将会变得越来越重要。就目前发展而言,状态监测的方法越来越多元化，像无线网络、无线数据传输等更多的技术被用于状态监测系统的开发。虽然国内外针对风电机组提出了各种状态监测方法，但大部分还处在试验和模拟阶段，国内只有少数风力机开始测试安装在线振动监测系统。目前存在的问题有以下几个方面。

1）风电机组各部件监测机制的完善。风电机组是一个复杂的机电综合系统，发电机、齿轮箱、轴承通常是发生故障概率较多的部件，也是各个厂家的监测重点，在叶片的监测与故障诊断方面，国内虽然在风力机叶片的设计制造技术方面取得了一定的研究成果，但现有文献对其运行过程中的状态检测技术研究得较少，国外研究人员用光纤光栅传感器实现风力机叶片的光栅传感器捕捉应变信号，评判叶片健康状态，但叶片损伤容限准则尚未有效建立，基于光纤光栅传感器获得的信号难以与叶片损伤模式对应。虽然国外在风力机叶片故障诊断方面取得了一定的研究成果，但主要还是处于试验阶段，应用到实际中还需要一定的时间。

2）专家系统的建立。专家系统通过现有的数据，自动判断机组的状态，若机组故障，可以自动给出故障的类型，为机组检修提供建设性意见。但是目前大部分专家系统存在缺陷，主要表现在：建立知识库及验证其完备性比较困难；容错能力较差，缺乏有效的方法识别错误信息；大型专家系统知识库的维护难度很大；在复杂故障诊断任务中会出现组合爆炸和推理速度慢的问题。

3）报警阈值的设置。报警阈值设置困难，需要综合考虑风电机组转速、载荷、风速等多种因素进行设置，这也需要有足够的数据积累。

4）新技术在监测系统软件中的应用。在监测系统中，采用光纤网络传输的方式，能极大的提高信息处理和传输的效率。同时加入视频、音频监控功能，能减少巡检次数和强度，同时设备巡视的及时性大大提高，对于现场生产调度和指挥具有极大的帮助。

5）研发有效可行的软硬件系统。虽然国内外针对风电机组提出了各种状态监测方法，但大多处于试验阶段并没有大规模投入使用，目前风机还没有成熟的振动监测系统，瑞典SKF以及国内几家公司均在研发风机诊断系统。

目前，进一步研发新的状态监测系统和故障诊断方法，降低软硬件的开发成本，是完善风电机组状态监测系统的关键，利用风场光纤系统或开发无线传输系统等新技术，将会形成状态监测系统新的发展方向。

[1] 黄霞.中国风能协会发布2011年风电装机容量[J].风能产业观察，2012（5）:18-19.HUANG Xia.Wind power installed capacity released by China’s wind energy association in 2011[J].Observe on Wind Power Industry，2012（5）:18-19（in Chinese）.

[2] 张来斌，王朝晖，张喜廷，等.机械设备故障诊断技术及方法[M].北京:石油工业出版社，2000:55-87.

[3] 彭华东，陈晓清，任明，等.风电机组故障智能诊断技术及系统研究[J].电网与清洁能源，2011，27（2）:45-49.PENG Hua-dong，CHEN Xiao-qing，REN Ming，et al.Intelligent fault diagnosis technology and system for wind turbines[J].Power System and Clean Energy，2011，27（2）:45-49（in Chinese）.

[4] 盛迎新，周继威.风电机组在线振动监测系统及现场应用[J].振动、测试与诊断，2010，30（6）:704-706.SHENG Ying-xin，ZHOU Ji-wei.Online vibration monitoring system and field application of wind turbines[J].Journal of Vibration，Measurement&Diagnosis，2010，30（6）:704-706（in Chinese）.

[5] 周维国.汽轮发电机组振动在线监测系统失真原因分析及处理[J].陕西电力，2011，39（9）:78-80.ZHOU Wei-guo.Cause analysis and treatment of distortion in turbine vibration online monitoring system[J].Shaanxi Electric Power，2011，39（9）:78-80（in Chinese）.

[6] 白永祥，房大中，侯佑华，等.大规模风电场监控智能通信管理终端[J].电力电子技术，2010，44（6）:26-28.BAI Yong-xiang，FANG Da-zhong，HOU You-hua，et al.Intelligent communication management terminal for large-scale wind farms monitoring and control[J].Power Electronics，2010，44（6）:26-28（in Chinese）.

[7] 汤三，李娜.电力设备外绝缘监测系统研究[J].西北水电，2010（1）:60-63.TANG San，LI Na.Study of external insulation monitoring system of electricity equipment[J].Northwest Hydropower,2010（1）:60-63（in Chinese）.

[8] 黄晋英.履带车辆振动谱测试与分析方法研究[J].振动、测试与诊断，2009，29（4）:457-461.HUANG Jin-ying.Vibration spectrum measurement and study of analysis method of caterpillar vehicle[J].Journal of Vibration，Measurement&Diagnosis，2009，29（4）:457-461（in Chinese）.

[9] 申烛，周继威，张宝全，等.风力发电机组振动状态监测导则[K].2009.

[10]吕跃刚，关晓慧，刘俊承.风力发电机组状态监测系统研究[J].自动化与仪器仪表，2012（1）:18-23.L譈 Y ue-gang，GUAN Xiao-hui，LIU Jun-cheng.Research on condition monitoring system of wind turbine[J].Automation ＆ Instrumentation，2012（1）:18-23（in Chinese）.

[11]司德亮，祁东婷，朱占利，等.基于LAbVIEW的光伏电站发电设备温度监测系统[J].能源工程，2011（5）:34-37.SI De-liang，QI Dong-ting，ZHU Zhan-li，et al.Research on temperature monitoring system for generating equipments in PV plant based on LABVI EW[J].Energy Engineering，2011（5）:34-37（in Chinese）.

[12]风电机组在线故障诊断系统技术方案说明书[K].北京唐智科技发展有限公司，2011.

[13]冯坤.风电动设备监测诊断技术交流 [R].北京：北京化工大学诊断与自愈工程中心，2010.

[14]唐贵基，蔡伟.应用小波包和包络分析的滚动轴承故障诊断[J].振动、测试与诊断，2009，29（2）:201-204.TANG Gui-ji，CAI Wei.Fault diagnosis of rolling bearing of wavelet packet and envelope[J].Journal of Vibration，Measurement&Diagnosis，2009，29（2）:201-204 （in Chinese）.

[15]S8100机泵群网络化在线状态监测和分析系统使用手册[K].阿尔斯通创为实技术发展有限公司，2007.

[16]陈明泽，于刚.基于无线数据传输及远程功能的风电机组监测诊断系统[J].现代电子技术，2008（13）:19-22.CHEN Ming-ze，YU Gang.Wireless-based remote monitoring and diagnosis system for wind turbines[J].Modern Electronics Technique，2008(13):19-22（in Chinese）.

[17]王惠中，刘广，王小鹏.基于无线网的风电机在线监测诊断系统设计[J].中国电力，2010（10）:58-61.WANG Hui-zhong，LIU Guang，WANG Xiao-peng.Design of wind turbine online monitoring and fault diagnosis system based on wireless network[J].Electric Power，2010（10）:58-61（in Chinese）.