风电机组故障诊断预警系统研发与应用

☆项目详细内容

本产品采用的非参数建模方法为非线性多变量状态估计理论和统计特性滑动窗口技术。非线性多变量状态估计理论（Nonlinear State Estimate Technique, NSET）具有建模算法简单、物理意义明确等优点，非常适合对复杂随机过程进行建模。通过相关性分析，建立正常运行状态下多个相关变量间的内在非线性模型。当机组运行异常时，多个相关变量间的内在联系被破坏，非线性多变量状态估计值与机组实际测量值发生偏离，预测残差增大。

而统计特性滑动窗口技术则能够消除风电机组运行中的不确定因素和随机干扰（如传感器测量误差等），提高监测和早期故障诊断的可靠性。该产品采用的建模方法同时具有自适应能力，对不同的机组以及同一机组的不同运行状态具有很好的建模能力，完成状态监测的任务。

该产品采用的新状态监测方法对风电机组的SCADA 数据进行在线分析和信息提取，不需要对现有的风电机组进行硬件改造，成本低，适用范围广，便于工程实现，能够对不同重要部件的不同运行异常状态进行早期检测，是运行人员了解掌握机组运行状态及早发现设备故障隐患的得力助手。

☆主要技术创新

（1）海量实时数据挖掘与机组快速建模。充分利用风电机组本身的运行数据与新增加的振动、冲击与噪音等数据，从海量数据中自动挖掘出各参数信号之间的耦合关联与各工况下的运行规律，并自动生成机组的在线状态模型。

（2）方便直观的机组状态智能监测。通过风电机组模型生成的综合相似度曲线直观查看机组的实时运行状态，与传统的在线监测系统不同，系统不再通过单参数的方式查看设备的单点状态，而是通过一根0-100%的相似度曲线综合查看风电机组的安全状态，方便直观，极大提高运行维护人员的工作效率。

（3）关键设备潜在故障早期预警。提前发现风电机组运行时主传动链（包括主轴、齿轮箱、发电机、联轴器）上各轴承、齿轮以及其他各个子系统等关键设备的潜在早期故障征兆，并能够精确定位故障部件。潜在故障种类包括但不局限于：风机叶片的不平衡、传动轴连接不对中、轴弯曲、机械松动、轴承磨损、齿轮缺陷和破损、发电机定子和转子故障、共振问题、润滑不良等。

（4）重要设备实时监测。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；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；在线监测塔筒顶部的晃度以及倾斜角度，塔架晃度与风速或功率的相关趋势分析功能； 在线监测塔架紧固螺栓松动、裂纹等重大故障； 在线监测叶轮、叶片重大故障。

（5）方便主动的信息查看与分析。FD-300 系统通过标准的WEB 服务和客户端软件提供风电机组的状态智能监测与故障早期预警信息查询、分析和趋势分析等功能，自动生成用户定义周期的设备状态监测报表，并支持Email、短消息等主动信息推送模式，及时发送相关设备预警信息。

☆项目应用情况

风电机组故障诊断预警系统于2012 年6 月投入使用，已成功应用于赛罕坝风场、东山风场、大黑山风场、达里风场、道德风场、查干哈达风场、大水菠萝风场和西场风场等8个风场。系统运行稳定可靠，故障预警准确率95%，维修工作效率相比之前提高了10%，大幅降低维护成本，提高风电机组运行的经济性。

☆企业效益情况

研发总投资额：300 万元（人民币），回收期：1 年。

2012 年，该系统提高了风场风机年可利用率0.3%，增加效益300 万元。

社会效益：

风电机组故障诊断预警系统建设与运行使公司“精细化”管理显著提高，检修、维护业务流程的优化提高了工作效率。这些成果将大幅提公司的电能质量和服务能力，给用户提供了更好的服务体验，树立了企业良好形象，从而产生良好的社会效益。