波动工况下的风电机组在线预警方法

摘要

本发明公开了属于旋转机械安全运行早期潜在隐患的预知判别技术领域的一种波动工况下的风电机组在线预警方法。针对风电机组制定合理的振动监测方案，并分析振动监测测点中包含的频率成分；将等时间间隔采集的振动时域信号转化为对应的等时间间隔采集角域信号，确定等角度采样的采样点数，即转子每转需要采集的振动数据量；最后利用线性插值算法将非平稳的时域振动信号转化为具有平稳特性的角域振动信号，保证了振动信号的整周期特性；本发明构建了对于早期故障较为敏感的并能够准确反映机组变工况特性下故障的无量纲幅域参数，实现机组传动链早期故障特征的准确提取；实现渐变性故障模式的等级化预警和突变性故障模式预知性预警。

主权项

一种波动工况下的风电机组在线预警方法，其特征在于，在线预警包括如下步骤：（1）针对一行星轮系+两平行轴或两行星轮系+一平行轴结构类型的风电机组和其部件制造特点，选取合适的振动测点布置位置和传感器类型，制定出合理的风电机组振动监测方案；（2）根据阶比跟踪技术，提出风电机组阶比重采样技术对风电机组传动链各振动测点的监测数据进行信号重构，将非线性、非平稳性信号时域信号转化为具有平稳性的角域信号，避免了使用硬件方式实现等角度采样的昂贵成本；（3）构建无量纲幅域参数峭度、峭度指标、波形裕度、峰值指标、跳跃性因子、尖峰能量值等故障特征提取因子，通过特征因子的趋势变化反映风电机组的运行状态，较早的挖掘机组的早期异常征兆；（4）通过风电机组传动链典型机械故障模式的故障机理和动力学方程分析，通过风电机组故障模拟试验台仿真模拟机组故障的形式，建立机组传动链典型机械故障模式与故障特征提取因子的关联性，即寻找出对各种早期故障较为敏感的特征因子集；（5）提出融合多元故障特征因子的风电机组早期故障搜索方法，对各故障模式预警模型的关联指标集进行多维数据异常搜索，通过多维数据靶射原理建立风电机组传动链典型机械故障的等级化预警。