[發(fā)明專利]風機綜合健康狀態(tài)在線監(jiān)測及故障預警系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110037317.2
• 申請日: 2021-01-12
• 公開（公告）號: CN114763784A
• 公開（公告）日: 2022-07-19
• 發(fā)明（設計）人: 王大明;林峰;王新明;劉瑞剛;王建勛;李員
• 申請（專利權）人: 北京國電電力新能源技術有限公司
• 主分類號: F03D17/00
• 分類號: F03D17/00
• 代理公司: 北京沁優(yōu)知識產(chǎn)權代理有限公司 11684
• 代理人: 李蓓蕾

1.風機綜合健康狀態(tài)在線監(jiān)測及故障預警系統(tǒng)，其特征在于，包括

風機數(shù)采單元，用于采集風機組的綜合數(shù)據(jù)并上傳至風電監(jiān)測云平臺；

風電監(jiān)測云平臺，用于對所述綜合數(shù)據(jù)進行分析處理，并對相應的風機進行管理；

數(shù)據(jù)融合控制單元，用于提供風機組與風電監(jiān)測云平臺之間數(shù)據(jù)的傳輸與匯集，所述數(shù)據(jù)融合控制單元包括一集中匯集器和若干節(jié)點控制器，所述節(jié)點控制器通過以太網(wǎng)無線通訊模塊實現(xiàn)與所述集中匯集器間的通訊；以及

用于提供綜合數(shù)據(jù)的若干風機組，每個風機組均配置有一所述節(jié)點控制器，每一所述風機組均包括若干監(jiān)測點位。

2.根據(jù)權利要求1所述的風機綜合健康狀態(tài)在線監(jiān)測及故障預警系統(tǒng)，其特征在于，所述集中匯集器通過光纖、4G、數(shù)據(jù)鏈、微波通信或北斗任一方式實現(xiàn)與所述風電監(jiān)測云平臺的數(shù)據(jù)互聯(lián)。

3.根據(jù)權利要求1所述的風機綜合健康狀態(tài)在線監(jiān)測及故障預警系統(tǒng)，其特征在于，所述風機數(shù)采單元包括油液監(jiān)測模塊、設備磨損監(jiān)測模塊、振動監(jiān)測模塊、傾角監(jiān)測模塊、弧光監(jiān)測模塊和葉片載荷檢測模塊。

4.根據(jù)權利要求3所述的風機綜合健康狀態(tài)在線監(jiān)測及故障預警系統(tǒng)，其特征在于，所述振動監(jiān)測模塊設置為雙軸振動傳感器，所述雙軸振動傳感器裝設于葉片內(nèi)部，且所述雙軸振動傳感器距與葉根的距離為葉片長度的三分之一。

5.根據(jù)權利要求3所述的風機綜合健康狀態(tài)在線監(jiān)測及故障預警系統(tǒng)，其特征在于，所述傾角監(jiān)測模塊設置為雙軸傾角傳感器，所述雙軸傾角傳感器布置于風機的塔基處。

6.根據(jù)權利要求3所述的風機綜合健康狀態(tài)在線監(jiān)測及故障預警系統(tǒng)，其特征在于，所述葉片載荷檢測模塊包括應力監(jiān)測傳感器，所述應力監(jiān)測傳感器設置于所述葉根，用于檢測風機葉根擺振方向與徑向的彎矩。

7.根據(jù)權利要求1所述的風機綜合健康狀態(tài)在線監(jiān)測及故障預警系統(tǒng)，其特征在于，所述監(jiān)測點位包括公共部分、風輪系統(tǒng)、機艙塔筒、偏航系統(tǒng)、齒輪箱、發(fā)電機、變流器、液壓及剎車系統(tǒng)、風機變壓器、報警碼、故障碼、設定值、控制命令以及安全鏈。

8.根據(jù)權利要求1所述的風機綜合健康狀態(tài)在線監(jiān)測及故障預警系統(tǒng)，其特征在于，所述風電監(jiān)測云平臺包括預處理模塊、研判分析模塊、故障預警模塊、工單管理模塊和報表管理模塊，所述預處理模塊用于根據(jù)上傳得到的綜合數(shù)據(jù)采用信息分類策略進行數(shù)據(jù)的篩除與去噪，所述研判分析模塊配置有關聯(lián)規(guī)則策略，所述研判分析模塊依照關聯(lián)規(guī)則策略獲得故障點信息，所述故障預警模塊用于依照故障分類決策算法指示風機組的故障點狀態(tài)信息以實現(xiàn)對風機組的監(jiān)測目的，所述報表管理模塊用于對風機組的運行狀態(tài)及故障點進行綜合匯總并生成報表數(shù)據(jù)。

9.根據(jù)權利要求8所述的風機綜合健康狀態(tài)在線監(jiān)測及故障預警系統(tǒng)，其特征在于，所述信息分類策略具體為特征選擇算法，通過信息分類判斷所述風機組的相應監(jiān)測點位得到對應的故障點。

10.根據(jù)權利要求8所述的風機綜合健康狀態(tài)在線監(jiān)測及故障預警系統(tǒng)，其特征在于，所述故障分類決策算法采用最近鄰算法、K-鄰近算法、決策樹、粗糙集算法或貝葉斯分類法中任一種。