风电齿轮箱常见故障及原因分析

根据多年风电齿轮箱制造、检修经验,总结了风电齿轮箱常见故障,并对各种失效形式进行了分析,旨在为风电齿轮箱运维服务人员快速准确判定故障点,并采取相应的处理方法提供技术指导。     

新能源发电企业风电机组齿轮箱运维管理研究

DJXNY公司成立十几年来,装机规模迅速发展,电厂运营管理部门一直致力于搭建公司风电运维管理、技术的交流和服务平台,组织、指导各风电场持续提高风电机组管理水平,保证其设备可靠性,减少设备故障损失,为公司发电收入、利润的快速增长保驾护航。本文重点对风电机组中相对故障恢复时间较长、损失费用较高的齿轮箱等大部件故障和运维情况进行了调研分析,组织各风电场从齿轮箱设计与制造、质量与可靠性和齿轮箱等大部件运维情况等进行了研讨交流,共同对风电机组齿轮箱的选型、质保、理赔、检修维护等工作从运维角度开展研究,提出管理要求。     

风电齿轮箱健康状态远程监测系统

风电齿轮箱是风力发电机组中的关键核心部件,也是风电机组中故障率较高的部件。对风电齿轮箱健康状态进行远程监测并及时发送维护预警信息,对防止风电齿轮箱部件的二次损坏,降低维护成本具有重要的现实意义。系统以风电齿轮箱运行过程中各种传感器的数据值为基础建立多信息融合的评价机制,通过评价机制实时监测评价当前工况下的健康状态得分,健康状态得分低于下限值时通过GSM网络信号以手机短信形式远程发送维护预警信息,避免了单一传感器报警阈值的误报,提高了维护预警信息的准确性。疲劳寿命台架运行试验结果表明,该系统能较好地对风电齿轮箱健康状态进行监测,预警准确,具有广阔的应用前景。     

基于EEMD-CC和PCA的风电齿轮箱状态监测方法

齿轮箱是风力发电机组的核心传动部件,不仅结构复杂制造成本高,而且故障率高维修费用巨大,对其进行状态监测具有重要意义。针对风电齿轮箱在复杂工况下运行所产生的非线性、非平稳振动信号,提出了一种基于EEMD-CC和PCA的风电齿轮箱状态监测方法。该方法先对含有大量噪声的风电齿轮箱振动信号进行集合经验模态分解和相关系数(EEMD-CC)降噪处理。然后,将降噪后的正常信号数据进行主分量分析(PCA)建模,并以T~2统计量和SPE统计量作为信号异常的评判指标。最后,把降噪后的测试数据带入PCA模型中,分别判断T~2和SPE值是否超出阈值,实现风电齿轮箱的状态监测。试验结果证明,该方法能够有效地监测风电齿轮箱的状态。     

风力发电机组的故障及维护策略

重点阐述了风力发电机组的主要故障模式、故障发生机理及维护措施,通过对风电机组故障系统化分析,并结合当前大数据分析、在线监测及物联网应用等先进技术,提出了更科学、合理、高效的风电机组维护策略,对于风电企业提高运维技术、突破当前运维困局具有重大的意义。     

风电齿轮箱的发展及技术分析

风电产业的飞速发展促成了风电装备制造业的繁荣,风电齿轮箱作为风力机组中最重要的部件,倍受国内外风电相关行业和研究机构的关注。介绍了国内风电齿轮箱的发展现状,对风电齿轮箱的市场前景做了分析,在技术上从齿轮箱的设计、轴承、润滑系统、状态监测以及制造工艺等方面分析了国内风电齿轮箱存在的问题并提出建议。     

风机齿轮箱故障诊断与预警方法的研究进展

风机运行环境恶劣,工况复杂多变,造成风电机组故障频发。齿轮箱作为风机的关键性部件,故障率达到40%~50%。因此,风机齿轮箱的故障诊断与预警一直是国内外专家学者研究的重点及热点。综述了现阶段风机齿轮箱的故障诊断与预警的三大主要方法,包括振动分析、仿真模拟以及油品性能检测(包括在线监测与离线检测)。详细地阐述了这三种方法的优缺点以及相关改进建议。最后,对齿轮箱故障诊断及预警方法进行了总结及展望。     

融合可靠性指标分析的风电机组齿轮箱故障诊断方法研究

风电机组长期处于交变工况下运行,因此齿轮箱故障率较高,需要更加有效的方式进行故障诊断。提出一种将可靠性指标融入风电机组齿轮箱故障诊断当中的方法。建立复合参数可靠性模型对齿轮箱进行可靠性分析,在传统振动指标训练BP神经网络的同时加入可靠性指标对网络进行训练,增加神经网络输入端参数维度,从而提高故障诊断的有效性与实用性。为风电厂提高经济性提供重要参考。     

基于在线油液磨粒检测的风电机组齿轮箱磨损状态监控

针对风电机组齿轮箱的早期磨损故障监测需求及降低维护成本诉求,提出基于在线油液磨粒检测的磨损状态监控技术。设计适用于风机的大孔径油管的金属磨粒检测传感器,开发适用于风电场所有风电齿轮箱磨损状况分布式测量的智能监控系统。试验及数据分析表明该技术和产品具有灵敏度高、抗干扰能力强、颗粒检出正确率高等优点,满足风电机组齿轮箱磨损监测的实际应用需求。     

太重3.6MW风电增速齿轮箱试制成功

太重集团2012年1月15日宣布:为大唐华创研发的3.6MW风电增速齿轮箱样机已试制成功,并顺利通过了用户验收。3.6MW风电增速齿轮箱采用一级行星+一级平行轴结构,属于海陆两用机型。2010年6月,因具有传动结构紧凑、结构合理、传动平稳等特点,太重3.6MW风电增速齿轮箱技术方案     

风力发电机叶片状态监测与故障诊断技术近况

风力发电技术是新能源发电技术领域的重要研究方向,也是目前风能的主要利用方式,故风力发电机叶片稳健工作是风力发电过程的关键保障,对风力发电机叶片状态的实时在线监测技术也成为该领域的重要研究内容。该文回顾了风力发电机叶片机械故障的产生原理、现有的风力发电机叶片状态监测技术,对比了现有各技术的优势和劣势,分析了未来叶片检测技术的发展趋势。     

大型风力发电机组状态监测与控制技术研究

实现大型风力发电机组的状态监测与控制是确保大型风力发电场安全、有效运行的手段。文章论述了大型风力发电机组的状态监测、控制技术参数与特点,分析、设计了大型风力发电机组的状态监测与控制系统,包括该系统的功能与实现方法等。     

风电机组轴承的状态监测和故障诊断与运行维护

对风电机组轴承的故障原因,已实际应用的轴承运行状态监测系统与方法进行了综述,并提出了维护的建议,预测了风电机组轴承故障诊断研究的方向和前景。     

风电机组可靠性研究现状与发展趋势

对国内外风电机组失效模式和可靠性研究进展进行分析,对风电机组增速齿轮箱、轴承、发电机、叶片和润滑系统等关键零部件失效模式、失效原因及其检测方法进行归纳总结;分析了风电机组可靠性研究的常用方法和可靠性研究现状,给出了提高风电机组可靠性的研究重点、研究方法和措施。结合工程需求和研究现状,对风电机组可靠性研究趋势进行了分析,提出风电机组智能健康管理技术路线,该技术对降低风场运行维护成本和提高风电机组运行安全性具有重要意义。     

大型风电叶片模具远程监控管理系统的设计与应用

根据大型风电叶片模具设备生产工作的特点,设计了专门用于大型风电叶片模具设备生产工作的远程监控管理系统。运用CAN总线技术、移动GPRS远程无线通讯技术、人机界面以及基于C／S模式的数据库共享技术构建整个监控管理系统,并对监控管理系统的关键技术做了分析。     

基于混合编程的风力发电机组轴承故障诊断系统

为了保障风力发电机组的安全可靠运行,结合风力发电机组中轴承故障特性,研发了一套针对风力发电机组轴承的故障诊断软件。该软件利用Visual C++和Matlab混合编程实现,可以对风机轴承进行数据采集和故障诊断。根据诊断结果可以对机组工作状态做出判断,针对异常情况可以帮助工作人员查明故障原因,提前做好预警和维护计划,提高风力发电效益。最后在模拟实验台上采集了故障轴承的振动信号并用该软件进行了时频分析、解调分析和倒谱分析,分析结果与实际故障吻合良好。     

基于DSP和神经网络的风力发电机齿轮箱远程故障诊断系统

风力发电机齿轮箱是风力发电机组中发生故障频率最多的部件.为了满足对风力发电机齿轮箱的远程状态监测和故障诊断要求,设计了以C 2000系列DSP-TMS320F2812(简称F2812)为核心处理器的风力发电机齿轮箱远程故障诊断系统.系统可以脱离上位机独立运行,利用F2812丰富的外设模块构建了系统的硬件,可以对模拟信号、转速频率信号、数字信号进行数据采集,并具有以太网、全球移动通信系统(GSM)通信功能.针对风力发电机齿轮箱常见的轴承和齿轮故障,采用了有限脉冲响应(FIR)数字滤波、快速傅里叶变换(FFT)、倒频谱、小渡分析等方法提取出故障特征.将提取的特征向量输入训练好的BP神经网络进行嵌入式故障分类和识别,得出故障的类型、部位和程度.测试表明本系统能够实现长时间在线监测,并能正确的识别出故障,特别适用于风力发电机远程在线监测和故障诊断.     

A combined mono- and multi-turbine approach for fault indicator synthesis and wind turbine monitoring using SCADA data

The monitoring of wind turbines using SCADA data has received lately a growing interest from the fault diagnosis community because of the very low cost of these data, which are available in number without the need for any additional sensor. Yet, these data are highly variable due to the turbine constantly changing its operating conditions and to the rapid fluctuations of the environmental conditions (wind speed and direction, air density, turbulence, …). This makes the occurrence of a fault difficult to detect. To address this problem, we propose a multi-level (turbine and farm level) strategy combining a mono- and a multi-turbine approach to create fault indicators insensitive to both operating and environmental conditions. At the turbine level, mono-turbine residuals (i.e. a difference between an actual monitored value and the predicted one) obtained with a normal behavior model expressing the causal relations between variables from the same single turbine and learnt during a normal condition period are calculated for each turbine, so as to get rid of the influence of the operating conditions. At the farm level, the residuals are then compared to a wind farm reference in a multi-turbine approach to obtain fault indicators insensitive to environmental conditions. Indicators for the objective performance evaluation are also proposed to compare wind turbine fault detection methods, which aim at evaluating the cost/benefit of the methods from a production manager’s point of view. The performance of the proposed combined mono- and multi-turbine method is evaluated and compared to more classical methods proposed in the literature on a large real data set made of SCADA data recorded on a French wind farm during four years : it is shown than it can improve the fault detection performance when compared to a residual analysis limited at the turbine level only.     

适应于多种类型风力发电机的在线监测系统的开发

风力发电机由于其恶劣的工作环境以及其复杂多变的工况,在运行时经常出现故障,导致停机维修,造成了很大的经济损失。而当前已经有开发了一些在线监测系统,大多是只针对一种形式结构的风力发电机,而往往风场中会存在多种类型的风机：如双馈式的、直驱式的、还有半直驱式的,而每种风机的内部结构存在着很大的差别,各有优异。针对当前的实际情况,开发了一套针对多种类型的风力机在线监测系统。系统在数据库设计、参数设置、监测界面都融合了多种形式的风力发电机,在自制的模拟风力发电机的台架上试运行已经取得了理想的效果。     

风机齿轮箱状态监测与故障诊断系统设计研究

针对风力发电机组地处偏远、人工巡检排故困难,利用物联网技术开发了远程状态实时监测和故障诊断系统,分析了总体框架,构建了故障诊断规则库,阐述了工作流程。该系统可实现对风机齿轮箱运行状态的远程实时监测,通过分析风机齿轮箱运行状态信息触发自动故障诊断系统和基于规则的故障诊断,生成故障诊断报告,并将其导入专家经验库。经风电机组齿轮传动实验台实验检验,系统界面友好,能为维修工程师进行故障排查提供解决方案,提高排故效率,缩短排故时间,降低排故难度。