风力发电系统的风机齿轮箱故障预测研究

朱振海

摘要：随着经济的发展，人们生活水平的提高，人们逐渐意识到可持续发展的重要。随着能源危机及环境恶化双重压力的影响，世界能源供应战略发生了重大变化，风能作为一种可再生的清洁能源，在许多国家能源战略中起到重要的作用。风力发电机是实现风能与电能转化的主要设备，其装机容量逐年增加国发展更为迅猛，但同时也暴露出故障频发、维护费用昂贵等问题。，尤其在我齿轮箱作为风电机组的关键部件，护费用占总维护费用的制约着风电机组的工作状态，据统计因齿轮箱故障引起维40%以上。本文就风力发电系统的风机齿轮箱故障预测展开探讨。

关键词：风机齿轮箱;统计过程控制;故障预测

引言

风电机组中的齿轮箱是一动力传送部件，也是一高故障发生率部件，进行风电机组齿轮箱故障诊断的研究，对保证风力发电机组的正常运行具有重要意义。

1风机齿轮箱故障预测难点及原理

（1）风机齿轮箱故障预测难点。SCADA是风场设备管理、监测、和控制的重要系统，通过实时收集风机运行的环境参数、工况参数、状态参数和控制参数实时了解风机的运行状态，每天都产生大量的相关部件的数据，采样频率为10min/次，其中包括：风速，有功功率，发电机转速、对风角、风机低速轴承温度，风机高速轴承温度，齿轮箱冷却水温度，风机驱动端轴承温度，风机自由端轴承温度，齿轮箱油温度等众多量化特征变量，特征变量之间是非线性，所以风电机组参数众多且复杂，属于高维度、非线性系统。风机齿轮箱故障预测模型的特征变量的选取、回归模型的选择和预报警阈值的确定等是直接关系到预测模型的准确性，因此风机齿轮箱故障预测研究的难点在于如何设计一个有效的回归预测模型来解决风机齿轮箱高维度、非线性系统等故障预测问题。（2）风机齿轮箱故障预测原理。针对上述难点问题，风力发电系统的风机齿轮箱故障预测原理为：从风机齿轮箱油温度与风机故障之间有着特定关系的角度出发，基于数据驱动进行故障预测，首先筛选出能反映齿轮箱工作状态的特征变量，然后对齿轮箱油温度的正常状态建立回归模型，预测模型建立后便可预测风机下一刻的齿轮箱油温度，然后对比齿轮箱的实际值与模型的预测值之间的残差，应用残差控制若发现残差幅值长时间超过预警范围且越过报警线，则认为齿轮箱出现异常状态，出现故障，达到故障预测的效果。

2风力发电系统的风机齿轮箱故障预测

2.1振动监测

风机齿轮箱本质上就是一个机械系统，其状态的劣化是一个渐变的过程，其一旦发生异常，都会随之出现振动加大并引起工作状况的变化，如效率降低、磨损加剧等，继而又进一步加剧了振动，造成恶性循环，直至齿轮箱故障或损坏。振动监测的实施方案有连续监测（也称在线监测）、定期监测和故障监测，由于技术和经济因素的限制，目前较为常用的是后两种方案。振动监测优于其它状态量监测的原因在于：（1）对于机械设备，振动是普遍存在的，据统计，60%以上的机械故障都是通过机械振动反映出来的;（2）振动信号的采集回路与风电机组的电气回路（电压、电流等）无直接联系，不影响其正常工作。振动监测不用停机和拆解，即可判断齿轮箱内部的状态;（3）分析振动信号的理论和方法都比较成熟。风力发电机组正常运行时，处于变风速、变风向的条件下，在多种不平衡力的作用下，总会产生一定的振动，在分析振动信号时，需要去除这部分振动的干扰，下一章将对振动信号的去噪理論进行论述。

2.2齿轮箱SCADA监测变量分析

SCADA系统是针对风力发电机整机的数据采集与监测的系统，对风机关键部件齿轮箱的监测主要从温度、压力和振动3个方面进行。（1）温度监测。SCADA系统对齿轮箱的温度监测变量主要有：齿轮箱油温、齿轮箱前轴温度、齿轮箱后轴温度和齿轮油入口温度等监测参数。齿轮箱是风力发电机的叶轮与发电机之间的桥梁，作用是将叶轮的低转速，通过齿轮箱内部行星齿轮运行，转化为发电机需要的高转速。而齿轮箱是机械藕合部件，在齿轮箱运行过程中会产生大量的摩擦热量，而齿轮箱内部的润滑油不仅起到机械润滑、减小摩擦的作用，且能够带走摩擦热量，使齿轮箱温度处于一定的波动范围。当齿轮箱部件出现故障，如齿轮磨损、内圈剥落、轴不对中等故障，这将产生多余的故障摩擦热量，而齿轮箱冷却系统无法带走这部分多余的热量，随着时间的推移，导致齿轮箱温度升高，因此对于这些参量的监测，能够有效的监测到齿轮箱故障的发生。（2）压力监测。SCADA系统对齿轮箱压力监测变量主要有：齿轮油泵压力、齿轮油入口压力等监测参数。齿轮箱油泵的作用是通过油液对齿轮箱内部部件进行润滑，同时带走齿轮箱内部部件摩擦产生的热量，因此对齿轮箱油泵压力的监测时为了更好的保障齿轮箱的正常工作状态。当监测压力大于预警范围，最常见的故障就是输油管道阻塞，而产生此类故障的主因是齿轮箱内部部件运行过程中，机械设备疲劳损伤或非正常摩擦产生大量碎屑造成的。当监测压力小于预警范围时，最常见的故障是油液泄露，齿轮箱内部部件润滑不足，加大内部部件之间摩擦阻力，增加摩擦产生的热量，同时由于油液泄露导致油液循环带走的齿轮箱内部部件摩擦产生的热量减少，进一步加快齿轮箱内部温度的升高。（3）振动监测。SCADA系统对齿轮箱振动监测变量主要有：齿轮箱X方向振动、齿轮箱Y方向振动等监测参量。齿轮箱内部若出现的异常情况，的现象，导致的。在零部件及设备表面就可感受到设备的振动，随后就会出现振动的加大这是振动源在设备内传播SCADA系统同是监测齿轮箱X方向与Y方向振动，能够对振动源进行精确的定位，便于设备故障的快速检测与维护。

2.3基于小波变换的降噪预处理

在风电机组齿轮箱的故障诊断中，齿轮箱的振动信号含有大量的噪声，从混有噪声的振动信号中提取有效的特征信息是故障诊断的重要内容，而提取故障特征前对含噪的振动信号进行降噪处理是必须的。降噪方法的选择直接关系到故障特征提取的准确性与有效性。目前有许多降噪算法，如传统的滤波降噪法及现在新兴的基于神经网络的方法等等。但传统的滤波降噪法仅在时域或频域分析，无法表述信号的时域局部性质，而新兴的基于神经网络的方法，算法比较复杂，计算量太大。小波变换是一种信号的时频分析方法，它作为一种全新的数学工具，以其分析处理非平稳时变信号独有的优越性，己经在很多领域里获得了广泛的运用。小波变换具有多分辨多分析的特点，在时一间和频率两个领域都有表征信号局部特征的能力，是一种窗口大小固定不变但形状可以改变的时一频局部分析方法，它可以把振动信号的特性信息分配到不同尺度相对应的小波系数上。利用小波技术降噪是小波分析应用于工程实际的一个重要方面。

结语

风电机组中的齿轮箱是一个动力传送部件，同时也是一个高故障发生率部件，因此开展对其故障诊断的研究，及时发现其故障并进行维修，对保证风力发电机组的正常运行具有十分突出的实际意义与经济意义。然而，在风电机组齿轮箱故障诊断的研究中，最关键、最重要同时也是最困难的问题便是对其故障振动信号特征信息的提取。从某种意义上来讲，风电机组齿轮箱故障特征的提取直接影响了风机齿轮箱故障诊断的准确性、有效性以及故障早期预警的可靠性。因此，对齿轮箱故障特征提取技术的研究及改进是一项十分必要且重要的课题。

参考文献：

[1]王瑞闯，林富洪.风力发电机在线监测与诊断系统研究[J].华东电力，2018，37（1）：190-193.

[2]王斐斐.基于状态监测信息的风电机组齿轮箱故障预测研究[D].华北电力大学，2019.