电厂风机设备状态监控与故障预警系统研究

电厂风机设备状态监控与故障预警系统研究

张磊

（新疆华电苇湖梁新能源有限公司，新疆 乌鲁木齐 830000）

摘要：当前，能源的结构在不断的转型和调整，推动风力发电的快速发展，因此风力发电也成为当前主要的发电形式之一。但是风电结构比较复杂，自身的运行环境也比较恶劣，为了能够有效的降低风电自身的检修成本，需要通过风机状态监控进行分析。基于此，本文分析电厂风机设备状态监控与故障预警系统，为保证电厂风机设备的安全运行提供参考。

关键词：风机设备状态监控；故障预警系统；风力发电

引言：对电厂风机监测数据进行分析，并且确定引起风机设备运行状态时发生改变的一些因素，进而对关键系统的运行状态进行判断。通过对运行状态的判断，能够及时作出处理，有效提高风机设备的运行可靠性。有利于避免因为故障造成的设备损坏等故障。对提高工业制造的整体水平以及电厂的发展具有重要的意义。

一、电厂风机设备常见故障分析

（一）齿轮箱故障分析

齿轮箱在风机的机舱内部，链接着发电机和浆液主轴，齿轮箱的作用是能够在风速比较低的情况下能够提高风轮的旋转，对主轴增速，有效提高转子的转速，齿轮箱的主要部分就是箱体，具有支撑的作用。可以进行设备的传动。齿轮箱在不断变化的工作环境以及负载运行下会出现一些故障，而齿轮箱最常见的故障有两种，一个是齿轮故障，一个是轴承故障。轴承是变速箱的核心部件，在出现故障的时候就会低变速箱造成损坏。比较常见的故障主要有断齿，齿面疲劳以及胶合等，比较常见的轴承故障主要有磨损，点蚀，裂纹以及表面剥落等故障。

（二）发电机轴承故障分析

发电机轴承能够保障发电机和齿轮箱的安全，受到风机设备的工作环境和所承载负荷特点，就会导致风机设备在自身运行的过程中会出现很多发电机轴承故障，例如，疲劳剥削，磨损，胶合等[1]。轴承运转的过程中，如果滚道和滚动体之间有异物，那么就会引起滚体和内外圈之间原有的摩擦增强，如果轴承润滑不良，那么产生的摩擦就会比较剧烈，从而导致更加严重的磨损。

（三）风轮故障分析

风轮是由叶片和轮毂组成的，利用空气动力的原理，同时也是捕获风能的核心部件，叶片组需要固定在轮毂转轴上，风轮能够通过选装产生力矩，之后传递到传动轴上，风轮内部还需要安装用于变桨相关的机械设备以及相应的电气设备。工作环境比较复杂，所以导致风轮的叶片被侵蚀。

二、电厂风机设备状态监控

（一）监测系统构成

由于风力发电场在人口密集区域状态逐步饱和，风电企业被迁移至非常偏远的区域中，这部分区域通常的网络状况都是不稳定的。传统型风机设备监测体系通常使用的是C/S模式，这种模式体系通常都是于PC端口运行的，对那些普遍需要外业维修的管理员工来说，若想查阅系统状态，那么仅能够利用便携式电脑进行，这无疑不是加大了整个体系的成本花销[2]。运用B/S架构，利用研发移动APP端口进行在线勘测，利用访问数据库模式，实时勘测风机设备的运行状况。

风机设备的运行状态监测体系是在发电机温度、风场功率、风速和发电量方式对数据进行实时监控变电站接收容量、接收功率等信息，利用此类信息进行总和、集成至系统数据库中，通过大数据研究与可视化手段，搭建在B/S结构下的监测系统，完成风机的监控与预警模式，给管理人员和运营人员带来更为便利的功能与决策性功能。最后提升整个风力发电机组状态监测的运行成效与预警精准率，保障风机设备能够稳定运行。

（二）监测技术架构

依照互联网大数据体系方案，依照风机设备业务特征与详细需求成立了一个能够帮助风机设备正常运行的监测体系构架图，总体上使用采集数据、储存数据、处理数据、研究数据与数据处理思路的方式对风机设备运行状态监测体系实行总体勘测。在大数据背景下，融合大数据分析结果与风机设备状态监测特征，搭建风机设备大数据的技术框架，包含收集数据，储存数据、处理数据、研究数据和数据可视化等技术。数据集成体系包含SCADA、GIS、传感器实时数据与故障知识库数据等[3]。对数据实行分布式收集、整理与传输。利用数据配置、数据传输渠道和数据目的地，完成数据的采集工作；与此同时，能够完成监控、跟踪、数据收集和处理数据的全部过程。对于数据处理上，时间通常为业务里最为特殊条件。最快捷的运算方式，是在最短周期中算出结论，这也是全部流式计算处理方式的相同目的。

（三）数据采集及数据库

现在大部分的数据收集方式是，先需要研究必要的较小体积信息、预先收集到手机内存里，对于数据较多的形态所采用的是实时收集的形态。大部分的实时信息应该采集顺利，这对于手机APP的性能与收集方式来说有较高的需求。利用下面几种方式能够对收集方案实现优化处理：（1）对于较大容量的信息、需要运用缓冲体制，数据较少的信息传输速率会使得I/O出现拥堵状况；（2）需要设定合理化的数据故障种类，利用数据优化种类能够提升数据库的读取速率；（3）需要把数据压缩处理、再利用数据打包形式上传，能够降低数据的容量，从而提升数据的传递速率；（4）提升服务器与手机APP端口的网络运行状况，规避由于网络因素引发的数据传输速率影响。对于风机设备运行形态的监测体系数据库里，对于差异化的客户应该分划至不同组别里，接着对于这些组别给予差异化的权限设置，系统会根据组别的权限规定进一步把控、勘察实时的风力发电机温度种类，接着对数据实行研究与处理。

三、电厂风机设备故障预警系统

（一）SCADA数据准备及影响风机设备温度因素

因为风力发电机在工作里会遇到许多内部环境与外部环境的扰乱，这时 Apriori关联分析算法是依照内外部因素间的相同处与差异之处加以研究，可运用这种方式当成勘测风机设备的温度影响条件关联性的研究方式。风力发电机会于两种模式下进行转换，若风力发电机的风速比其额定风速要大时，那么这时桨距的角度和风向之间的夹角会旋转为90°，这种做法是为了获得最大的风能同时它的运行功率会根据风速的改变而随之改变；若风机设备的风速比额定风速要小时，为了能够保障输出功率保持稳定，令转子转速维持不变的态势。那么运用Apriori关联分析算法对SCADA的数据实行研究，找出能够制约风力发电机温度的影响因素，包含冷却风温、风速、功率等内容。

（二）风机设备故障预警模型构建

选取相应的收集数据用具实行数据采集、转换与加载步骤，因为设施会出现异常状况或是出现人为条件的影响，会进一步导致风机设备的勘测信息质量不统一，出现大幅度的空白、异常与问题状况，所以数据预处理便变成了风机设备大数据研究探讨的重要手段。利用数据的探究与变量的选取，实现描述性分析与探究性建模研究、从而了解变量间的关联。通过Matlab等传统形式的统计研究用具对小规模的样本信息实行统计分析、搭建模型。依照大规模的海量信息实现数据的探究与研究，利用Mabout和RHadoop等新型研究用具里的分布式算法，实现模型的运算。在研究和探究的进程里，许多机器学习算法应该实现优化处理、强化改造，现在这也是学术界面对的一大挑战。风机设备的温度与每个部件是不是常规运行是相互关联的、利用对风机设备温度预警模型的分析看到，外部条件下的风速，运行功率、和冷却风温等条件与风电机温度中有着一定的关联性。与此同时，通过风速的运用、温度、功率和冷却风温等信息，也能够预估风机齿轮箱与液压体系的运行状况，依照阈值实现预警模式。所以，对风机设备来说，大型部件的预警模型分析能够被用到之后的讨论方向上。

结束语：综上所述，利用大数据分析的方法能够对风机设备运行状态进行监测，并且能够及时的进行故障预警以及进行诊断。有效保证了风机设备状态系统的设计。实现了风机设备运行状态监测的可靠性，同时帮助电厂提高风力发电的能源产量，促进风电系统的稳定运行。

参考文献：

[1]贾利峰,李洪泉,曹军. 一种火电厂风机设备状态监控与故障预警系统[J]. 设备管理与维修,2022,(10):131-133.

[2]黄云梦. 温室设备的状态检测及其在远程监控中的应用[D].中国科学技术大学,2020.

[3]刘波. 面向风机状态监控与故障诊断的数据采集与存储系统研究[D].西南科技大学,2017.