[發明專利]風力發電機組遠程在線多模式健康狀態監測與故障診斷系統

無效

• 申請號: 201310228657.9
• 申請日: 2013-06-09
• 公開（公告）號: CN103343728A
• 公開（公告）日: 2013-10-09
• 發明（設計）人: 安源勝;齊永強
• 申請（專利權）人: 上海乾祺電子科技有限公司
• 主分類號: F03D7/00
• 分類號: F03D7/00;G01D21/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種風力發電機組遠程在線多模式健康狀態監測與故障診斷系統，其包括，風速/發電量監測裝置、溫度/振動監測裝置、音頻監測裝置和視頻監測裝置，其特征在于：該監測與故障診斷系統還包括與風力發電機組相連接的下位機以及與網絡客戶端相連的上位機；所述上位機與所述下位機能夠通過光纖或網絡傳輸數據。

2.根據權利要求1所述的一種風力發電機組遠程在線多模式健康狀態監測與故障診斷系統，其特征在于：所述下位機為單片機或工控機，所述下位機預裝有狀態檢測模塊，能夠實現各種數據的實時采集，并對采集的數據根據設定預定的閾值進行規則分析，監控風力發電機組運行的健康狀態。

3.根據權利要求2所述的一種風力發電機組遠程在線多模式健康狀態監測與故障診斷系統，其特征在于：所述下位機安裝風力發電機組振動狀態檢測模塊，對風力發電機組的各待檢測部件進行信號采樣，將各類傳感器取得的信號經數據轉換及初步處理傳送給所述上位機，對機組運行的健康狀態根據預定的閾值進行規則分析，當數據超過預定的閾值時即進行聲光報警。

4.根據權利要求1所述的一種風力發電機組遠程在線多模式健康狀態監測與故障診斷系統，其特征在于：所述上位機為工控機或服務器，所述上位機安裝有風力發電機組故障診斷專家模塊，對風場內各風力發電機組進行監控，采用掃描方式接收所述下位機發送上來的數據并根據時段加以存儲；所述風力發電機組故障診斷專家模塊對所述風力發電機組總體健康狀態進行精確的故障分析和診斷；所述故障分析采用事件觸發和人工智能模式，對所述風力發電機組進行精密的故障診斷并及時報警。

5.根據權利要求2所述的一種風力發電機組遠程在線多模式健康狀態監測與故障診斷系統，其特征在于：所述下位機和所述上位機均設有監測和報警單元，所述監測和報警單元一旦發現監測數據超過所述預定的閾值，則會自動進行故障分析，并通過所述報警單元進行報警。

6.根據權利要求5所述的一種風力發電機組遠程在線多模式健康狀態監測與故障診斷系統，其特征在于：所述下位機的報警單元以聲和光方式發出報警，所述上位機的報警單元以聲、光和文字閃爍三種方式同時在顯示器上發出報警。

7.根據權利要求1所述的一種風力發電機組遠程在線多模式健康狀態監測與故障診斷系統，其特征在于：所述風速/發電量監測裝置通過數據通訊技術與風力發電機組主控系統進行數據交換，獲取風速與發電量數據，利用風速與發電量常態關系曲線定性監測風力發電機組的運行狀態；所述溫度/振動監測裝置包括傳感器、信號調理器和數據采集卡；所述數據采集卡包括低頻數據采集卡和高速數據采集卡；所述傳感器包括溫度傳感器、轉速傳感器和振動傳感器；所述音頻監測裝置以及所述視頻監測裝置分別通過在風力發電機組的機艙安裝麥克風陣列及攝像機陣列，獲取機組運行的音頻和視頻數據，實現遠程觀察風力發電機組的運行狀態。

8.根據權利要求1所述的一種風力發電機組遠程在線多模式健康狀態監測與故障診斷系統，其特征在于：所述下位機可單獨使用，也可與所述上位機通過光纖或網絡聯網使用。

9.一種利用前述任一權利要求所述的一種風力發電機組遠程在線多模式健康狀態監測與故障診斷系統的監測與診斷方法，其特征在于：包括以下步驟，

(1)所述風速/發電量監測裝置通過數據通訊技術，與所述風力發電機組進行數據交換，獲取風速與發電量數據，并將相關數據通過數據總線傳送至所述下位機；

(2)所述溫度/振動監測裝置的溫度、轉速及振動傳感器對風力發電機組的主軸承、齒輪箱、耦合器、發電機、偏航機構、機艙和塔架進行如下信號采集：所有軸承的溫度；機艙溫度、齒輪箱油溫、發電機線圈和氣隙溫度；主軸轉速和發電機轉速；主軸軸承、齒輪箱前后端軸承和發電機前后端軸承三向振動；齒輪箱殼體、底座、偏航機構、機艙和塔架的垂直振動；所述傳感器采集到的信號進入信號調理器進行處理；其中的溫度信號經所述低頻數據采集卡采集并轉換為數字信號，振動信號和轉速信號由所述高速數據采集卡同步采集并轉換為數字信號；轉換后的數字信號進入下位機；

(3)所述下位機通過預裝狀態檢測模塊、監測單元以及報警單元，根據預先設定的閾值對相關數據進行判斷分析，一旦發現所采集的風力發電機組的數據超過預定的閾值，則啟動報警單元發出聲光報警；

(4)所述下位機通過網絡或光纖將所傳感器采集的數據傳送至所述上位機，所述上位機通過預裝的風力發電機組故障診斷專家模塊及監測和報警單元對風力發電機組總體健康狀態進行精確的分析和診斷；故障分析采用事件觸發和人工智能模式，對各風力發電機組進行精密的故障診斷，如果發現超出預定閾值即進行聲光及文字報警；所述風力發電機組故障診斷專家模塊中所包含的專家知識庫可以進行神經網絡推理和模糊診斷，其在分析軸承和齒輪振動過程中，將溫度升高與振動幅度大幅增加作為軸承和齒輪出現故障的主判據，結合頻譜和小波變換加以分析，確定故障部位和嚴重程度；

(5)所述音頻監測裝置以及所述視頻監測裝置分別通過在風力發電機組的機艙安裝麥克風陣列及攝像機陣列，從而獲取機組運行的音頻和視頻數據，實現遠程觀察風力發電機組的運行狀態。