王莉娟
(上海电气风电集团股份有限公司,上海 200241)
近几年来,我国的风电行业得到了迅猛的发展,风力发电机组智能运维发展迅速。
发电机轴承故障率占据风机传动链日常运维的绝大多数,所以对于风机发电机轴承的智能运维在风电行业起着决定性的作用。文献[1-4]显示学者使用智能运维算法应用于风机发电机机组,但尚缺乏足够的实际案例样本进行论证,且与工业实际环境还有一定偏差。
鉴于此,基于工业实际运维状况,本文提出了一种结合时域、频域和MEWMA算法用于风机发电机组发电机轴承智能诊断,并提供一组真实闭环案例进行验证,用于缩小相关学界研究与工业实际问题之间的距离。
本文的结构如下:算法结构部分描述本文所提出的算法细节及对应公式,用于分析风机发电机轴承状态运维的问题;实际案例部分使用一组闭环实际发电机轴承案例,通过展示所提出算法的效果及提前量,用于解决风机发电机轴承状态的问题。
1.1 时域指标
时域指标是指使用原始的发电机轴承振动信号作为输入源{x1,x2,…xn},在时域内对其进行统计算法,达到特征提取的目的。
在风机发电机状态运维中,时域特征具有计算简单的优点,可广泛应用于工业使用,且不同时域指标有不同的对应功能和使用场景。
其中,xi代表某时间点的数据,n为采样个数。
不同时域信号的作用及数学公式如表1 所示。
表1 时域指标
1.2 频域指标
频域指标是指使用原始的发电机轴承振动信号经过傅里叶变换后的频域数据作为输入源,在频域内对其进行统计算法,达到特征提取的目的。
其中,s(k)是信号x(t)的频谱,k=1,2,…,K,K是谱线数;fk是第k条谱线的频率;A是幅值。
在风机发电机状态运维中,频域特征具有强机理的优点,且不同频域指标有不同的对应功能和使用场景,可广泛应用于工业使用。
不同频域信号的作用及数学公式如表2 所示。
表2 频域指标
1.3 MEWMA 算法
Lowry[5]等于1992 年提出的多元指数加权平均(Multivariate Exponentially Weighted Moving Average,MEWMA)控制图通过将当前和历史信息以加权的形式进行组合的方式将小波动累计放大,能监测微小且缓慢的波动。
设t时刻采样数据为Xt=[X1tX2t…Xpt],Xt服从多元正态i分布,均值向量为μ0,协方差矩阵为∑0,p为过程变量维数。
设MEWMA 控制图的统计量为Z,其表达式为:
当Qt ＞H时,过程出现异常。
在工业上,式(1) 中的r一般取0.1,H一般使用3-sigma 准则。
在风机发电机状态运维中,MEWMA 具有不需要海量历史数据及不需要很多计算资源的优点,可广泛应用于工业使用。
1.4 算法逻辑
本文所提的模型流程如图1 所示。
图1 算法框架
其步骤及解决步骤如下:
(1)获取原始风机发电机轴承数据。
(2)将数据进行时域特征和频域特征计算,计算出原始数据中的有效特征。
(3)将已计算特征,使用max-min(最大-最小)方法进行归一化,用于解决不同指标维度的问题。
(4)将步骤3 的数据分为测试集和训练集,用于后续验证算法有效性。
(5)构建MEWMA 模型,详细参数见式(1—3)。
(6)将训练集输入步骤5 的模型,进行训练,构建MEWMA 指标。
(7)将测试集输入已训练好的模型,进行智能运维,分析及验证算法有效性。
本研究选择某风场2 MW 机型265 笔发电机轴承数据用来验证模型,为减小数据波动,仅选择转速大于500 rpm 的数据,共234 条。
选取前100 笔作为训练集,后134 笔作为测试集。
本研究通过表1 时域P1 ～P6 计算公式,表2 频域f1～f6 计算公式,计算相关特征指标。
同时,将前100 个数据作为训练集,用于计算式1—3 中的MEWMA 算法构建及归一化计算。
本研究使用3-sigma 算法用于阈值的计算,超过3-sigma 阈值为红色报警,超过2-sigma 阈值为黄色报警。
图2 为某风场2 MW 机型闭环案例应用于时域-频域-MEWMA 算法的结果。
其中,图2(a)为MEWMA 趋势,横坐标为时间,纵坐标为MEWMA(无量纲);图2(b)为报警状态显示。
其中,0 为健康状态,1 为黄色报警状态,2 为红色报警状态。
图2 MEWMA 智能算法
通过图2(a)可以看出,时域-频域-MEMWA 算法指标单调性佳,走势显著。
根据图2(b)可以看出,实际故障发生时间为2019 年5 月28 日,时域-频域-MEWMA 算法黄色预警点为2019 年5 月12 日,红色报警点位2019 年5 月21 日,黄色报警与实际故障相比提前了14 天,红色报警与实际故障相比提前了7 天,证明该算法具有一定的工业应用性。
本文提出一种基于时域-频域-MEWMA 算法对风机发电机组发电机轴承进行监测,首先使用原始振动数据提取时域特征6 个、频域特征6 个。
使用MEWMA算法将提取的特征融合为风机发电机轴承状态指标。一个实际的2 MW 风机闭环案例验证所提算法的有效性,报警提前量最大可达到14 天,证明该案可有效地对其进行智能运维。
若风电场的运行维护人员根据算法结果,及时对风机状态进行校正处理,可提高风电场的发电量。
猜你喜欢 频域时域风机 轴流冷却风机电机频繁烧毁的处理过程及原因分析机电信息(2022年9期)2022-05-07基于自升式平台的某海上风电场风机安装施工方案中国水运(2022年4期)2022-04-27晚霞浅淡少年糖花火彩版B(2020年5期)2020-09-10一种海上浮式风电基础频域动力响应分析新技术振动工程学报(2019年2期)2019-05-13船舶风机选型研究分析中国化工贸易·中旬刊(2018年6期)2018-10-21智慧农业物联网节点故障处理分析物联网技术(2016年11期)2017-01-12计算机网络技术在电子信息工程中的运用科学与财富(2016年18期)2016-12-22基于MATLAB 的信号时域采样及频率混叠现象分析电脑知识与技术(2016年13期)2016-06-29两种常用漂浮式风力机平台动态特性分析能源研究与信息(2015年3期)2015-11-18漳山600MW机组正常运行中单台一次风机停运和并列总结城市建设理论研究(2014年37期)2014-12-25