风电机组基础倾斜振动监测系统设计与应用.pdf

风电场大多地处沙漠、草原、高山、海上等偏远地区，如果不能实现远程在线监测，当机组发生故障时才去现场处理，会造成停机维修时间较长，从而增加机组的运行维护成本，降低风电的经济效益。因此，无论是从尽早发现运行风险，还是减少运营成本的角度考虑，都需要大力发展风电机组状态监测和故障诊断技术1，2。大型风电机组主要的运行监测指标有振动、载荷、转矩、温度等。孙自强等3针对风电齿轮早期故障振动信号被噪声调制污染、信噪比低、难识别等问题，提出基于混沌和取样积分技术的风电机组齿轮早期故障特征提取方法；Yang W 等4设计了风电机组传动系统状态监测和故障诊断系统，并有效运用经验模态分解（Empirical Mode Decomposition，EMD）方法处理风电机组不平稳非线性振动信号；彭进等5针对风电机组轴承故障振动信号的高噪声、非平稳特性，通过集成经验模态分解与峭度-相关系数准则提取多特征量，结合支持向量机实现风电机组早期轴承故障诊断；Vera-Tudela L等6结合 SCADA 系统的数据，定义了四种滤波器和一维约简算法，并借助前馈神经网络算法，实现了叶片在平面外弯矩的损伤等效载荷监测；Bartelmus W 等7通过均方根和谱分析技术分析二级齿轮和行星轮系在多变载荷下的信号特征。综合来看，以往在进行风电机组运行状态评价时，往往关注单一监测指标，但由于风电机组运行工况复杂，机组健康度评风电机组基础倾斜振动监测系统设计与应用文|赖如辉价指标较多，综合多个监测指标进行分析研究具有重要意义。本文开发了综合多种监测数据的风电机组监测系统，实现对多种风电机组信号的监测、采集，并结合 SCADA 数据对不同工作状态的信号进行特征分析，实现风电机组的在线监测和实时预警，从而提升风电设备管理水平，实现风电场的提质增效。系统设计本系统用于风电机组状态的远程监控，相比于其他监控系统，不仅能对监测数据进行实时展示，还实现了多数据源的组合计算与建模分析。本系统对风电机组运行状态进行实时分析，结合发电量、风力大小、桨距角等 SCADA 数据进行评估计算，适时调整风电机组状态以达到最优的发电状态，提高经济效益。同时对风电机组状态进行实时监控，降低风电机组的运行风险，减少运行成本。故障发生后也可通过对数据进行分析判断，实现故障的分析定位，有效提高故障排查效率，使机组恢复正常运行。一、系统架构本文所述监测系统被划分为 2 个层级，位于风电机组1:毕猛.基于 GPRS 无线网络的风电机组远程监控系统的研究 D.沈阳：沈阳工业大学，2011.2:孙培旺，张磊，肖成，等.基于数据驱动的风电机组状态评估方法研究 J.可再生能源，2019，37（3）：451 455.3:孙自强，陈长征，谷艳玲，等.基于混沌和取样积分技术的大型风电增速箱早期故障诊断 J.振动与冲击，2013，32（9）：113 117.4:Yang W，Tavner P J，Wilkinson M R.Condition monitoring and fault diagnosis of a wind turbine synchronous generator drive trainJ.Iet Renewable Power Generation，2009，3（1）：1 11.5:彭进，王庆维，王海云，等.基于 EEMD 峭度-相关系数准则的多特征量风电机组轴承故障诊断 J.可再生能源，2016，34（10）：1481 1490.6:Vera-Tudela L，Martin K.On the Selection of Input Variables for a Wind Turbine Load Monitoring SystemJ.Procedia Technology，2014，15：726 736.7:Bartelmus W，Chaari F，Zimroz R，et al.Modelling of gearbox dynamics under time-varying nonstationary load for distributed fault detection and diagnosisJ.European Journal of Mechanics-A/Solids，2010，29（4）：637 646.Technology|技术2023年第07期 73 基础附近的系统用于对单个风电机组运行状态进行实时数据采集和状态监控，位于风电场的本地集中监控系统则对风电场所有的风电机组进行实时状态监控。通过综合应用传感器技术、网络技术、通信技术、计算机技术等，实现风电机组运行状态评估、故障诊断，风电场运营状况统计等多个功能。系统完整监测过程包括数据采集、数据上报、数据存储和数据显示共四个环节。1.数据采集通过各种智能传感设备对反映风电机组运行状态的温度、应力、振动、电量等进行定时数据采集，将采集到的数据进行预处理，如 A/D 转换、排序筛选等。2.数据上传监测系统直接从风电机组主控获取数据存在 3 个潜在风险：（1）对风电机组主控的访问安全及其数据采集的准确性存在极大的危害；（2）风电场众多设备和系统都需要获取风电机组产生的数据，直接访问会增加连接到风电机组主控网络负担和竞争冲突，降低传输可靠性；（3）监测系统必须掌握风电机组主控通信协议，降低了系统的兼容性。为解决上述问题，采用 MQTT 的数据传输方式，将经过防火墙隔离的数据统一发往集控中心的数据服务器（图 1）。3.数据处理中间数据服务器用于临时存储采集数据，使用该服务器的目的是对数据作物理隔离。数据经防火墙过滤后，在应用程序服务器中作进一步处理，然后存储到数据库服务器上的写数据库，并同步到读数据库。读数据库主要用于为 Web 服务器提供数据服务。数据库读写分离主要是为了获得更好的数据访问性能。本文将风电监测系统的数据分为实时数据和历史数据两类。实时数据如风电机组状态监测数据，对更新、传输容量以及显示的实时性要求很高；历史数据如系统报表统计数据，对实时性要求较低但对查询时长要求高。根据数据显示实时性和查询性能要求的差异，本文将历史数据的存储和实时数据的显示分离，使用建立在关系模型理论上的关系数据库对其提供支持。4.数据显示对于实时数据，风电机组采集并完成预处理之后，使用 MQTT 协议采用发布-订阅模式将其发送到 Websocket服务端，Websocket 服务端利用 Websocket 协议将这些数据推送到浏览器端，更新实时数据显示页面；对于历史数据，首先会查询缓存，如果缓存中有，则直接读取缓存，否则，从数据库中查询相应的数据并将其写到缓存中，极大提高系统数据响应的及时性。二、系统监测指标风电机组安全监测技术指标主要包括：叶片载荷、叶片振动、塔筒振动频率、塔筒法兰螺栓松动、塔筒基础环松动、塔筒顶部的摆动幅度和倾角、基础不均匀沉降、塔筒底部的倾角等。这些指标都可以反映风电机组运行过程的安全性，但对于现阶段来说，若将各项指标全部纳入安全监测，投资过大。本文基于前期研究发现：不同基础刚度下，塔顶位移和倾角变化不敏感，塔底位移和倾角数值虽然比塔顶小，图1 云端数据展示网络拓扑浏览器Websocket 推送Websocket 服务器风电机组主控WEB 服务器HTTP 响应HTTP 请求应用服务器MQTT 协议数据库服务器Redis数据库技术|Technology74 风能 Wind Energy 但变化明显敏感，说明塔底监测指标能够更好反映出风电机组基础运行的安全性；塔筒自振频率随基础刚度减小而降低，但第一阶自振频率变化很小，难以有效识别基础的不安全性因素，因此塔筒结构的自振频率不宜作为风电机组基础安全性监测技术指标，本文以塔顶振动加速度作为振动评价指标。此外，由于不同风速和运行工况下，风电机组载荷不同，通过开展风电机组载荷监测，将监测载荷与机组原设计工况下的载荷进行对比，可以判断机组是否在正常设计工况范围内运行。本文传感器布置如图 2 所示。系统应用本文以平原地区某风电场为例，建立了风电机组荷载、塔筒振动、基础监测模块，并开发相应的计算模型、故障诊断和预警模型，实现对该风电场6台风电机组的基础变形、偏航荷载、叶片状态以及塔筒振动情况的监测，并选取了其中一台风电机组进行数据分析验证。一、基础倾斜监测选取典型时段，根据 2022 年 6 月 14 日至 2022 年 6月 20 日的监测数据，绘制风电机组基础倾斜时程图（图 3）与极坐标图（图 4）。由图 3 可以看出，风电机组基础倾斜随时间呈现周期性变化，最大值为 0.198，在安全范围内；由图 4 可以看出，在该时段，风电机组基础晃动方向主要在方位角 180附近。二、塔筒振动监测选取风电机组满发工况下的时段进行振动分析，绘制对应的 SCADA 时程图（图 5）与加速度时程图（图 6）。此时段的振动加速度均方根值为 0.0961m/s2，在安全范围内。对比 SCADA 数据与振动数据可见，当风速较大时，振动加速度也较大。例如，2022 年 6 月 28 日 20 时左右，风速达到 1518m/s，叶轮转速和功率数据表明风电机组处于满发状态，该时段风电机组的振动加速度显著增大，为0.20.35m/s2。类似地，2022 年 6 月 28 日 20 时 20 分左右的风速和振动加速度也相对较大。图2 传感器布置图3 基础倾斜时程0.20.180.160.140.120.10.080.060.040.02塔底倾斜/时间2022-06-14 00:00:00 2022-06-15 17:59:59 2022-06-17 11:59:59 2022-06-19 05:59:59 2022-06-20 23:59:59载荷传感器振动传感器倾斜传感器Technology|技术2023年第07期 75 图4 基础倾斜极坐标图5 满发时段SCADA时程图6 满发时段振动加速度时程030600.050.10.150.290120150180210240270300330取 加 速 度 时 程 进 行 FFT（Fast Fourier Transfor-mation），分别得到 14#风电机组 x、y 方向的频谱。从图 7 中可以识别出塔筒的前二阶自振频率，x 方向一阶为0.370Hz，二阶为 1.663Hz；y 方向一阶为 0.370Hz，二阶为 1.637Hz。三、叶片荷载监测叶片荷载的监测位置为受力最大的叶根处，监测物理量为叶根处的挥舞弯矩和摆振弯矩。挥舞弯矩为垂直于叶轮旋转平面，主要由作用在叶片上的风荷载产生的弯矩。摆振弯矩为叶轮旋转平面内，主要由旋转过程中叶片的自重产生的弯矩。风电机组在服役期内可分为若干种不同的运行工况，如国际电工委员会制定的 IEC 61400-1 标准中描述的发电、关机、停机、启动等运行工况。以一支叶片为例，选择部分典型时段说明其在不同运行工况下的荷载0.30.20.10-0.1-0.20.30.20.10-0.1-0.2-0.3X 方向振动加速度/（m/s2）60s 平均风速/（m/s）60s 平均有功功率/kW叶轮转速/rpmY 方向振动加速度/（m/s2）2022-06-28 20:00:00 2022-06-28 20:10:00 2022-06-28 20:20:00 2022-06-28 20:29:592022-06-28 20:00:00 2022-06-28 20:10:00 2022-06-28 20:20:00 2022-06-28 20:29:59时间时间时间时间时间201510513.51312.51211.5205020001950190018502022-06-28 20:00:00 2022-06-28 20:10:00 2022-06-28 20:20:00 2022-06-28 20:30:002022-06-28 20:00:00 2022-06-28 20:10:00 2022-06-28 20:20:00 2022-06-28 20:30:002022-06-28 20:00:00 2022-06-28 20:10:00 2022-06-28 20:20:00 2022-06-28 20:30:00技术|Technology76 风能 Wind Energy 特征，结果如图 810 所示。在风电机组满发时段，叶轮转速保持在额定值，风电机组以额定功率发电。由图 8（a）可知，叶根挥舞弯矩处于较高水平，最大值在 7200kNm 左右，并且叶根挥舞弯矩变化范围较大，荷载时程的平稳性较差。由图 8（b）可知，叶根摆振弯矩在约 2500kNm-2000kNm，未呈现出显著变化。这是因为摆振弯矩主要由叶片自重导致，受风速和转速等因素影响有限。在风电机组关机与停机时段，风速不断降低，叶轮转速随着风速的降低而减小，在 8：40 左右叶轮停止旋转，风电机组关机进入停机状态。风电机组关机时叶片没有顺桨，叶根挥舞弯矩和摆振弯矩在关机前后变化平稳，如图 9（a）所示。风电机组进入停机状态后，挥舞弯矩处于低水平，摆振弯矩由停机时叶片所处的位置决定，如图 9（b）所示，此时叶片应当处于近似水平位置。根据图 10，在风电机组启动时段，由于风速逐渐增大并达到切入风速，风电机组从停机状态启动并进入发电状态。这一过程中叶根挥舞弯矩在短时间内迅速增大且波动明显；由于叶轮转速突然增大，叶根摆振弯矩也出现一定程度的波动，但波动程度有限。结合风电机组监测数据与 SCADA 数据，可以发现每台风电机组倾斜、振动及荷载数据与 SCADA 数据呈现相181614121086420.0250.020.0150.010.005800070006000500040003000200010003000200010000-1000-2000-3000X 方向振幅/（m/s2）Y 方向振幅/（m/s2）弯矩/kNm弯矩/kNmX 0.37Y 0.0191313X 0.37Y 0.0261006X 1.63667Y 0.0121835X 1.66333Y 0.01027840 1 2 3 4 5 6 0 1 2 3 4 5 6 08:38:24 08:52:48 09:07:12 09:21:36 09:36:00 09:50:24 10:04:48 10:19:12 10:33:36 10:48:0008:38:24 08:52:48 09:07:12 09:21:36 09:36:00 09:50:24 10:04:48 10:19:12 10:33:36 10:48:00频率/Hz10-3频率/Hz图7 满发时段振动加速度频谱（a）挥舞弯矩（b）摆振弯矩图8 风电机组满发时的叶根荷载Technology|技术2023年第07期 77 弯矩/kNm（a）挥舞弯矩25002000150010005000-500-100002:24:00 03:36:00 04:48:00 06:00:00 07:12:00 08:24:00 09:36:00 10:48:00（b）摆振弯矩（a）挥舞弯矩（b）摆振弯矩图10 风电机组启动时的叶根荷载图9 风电机组关机与停机时的叶根荷载弯矩/kNm弯矩/kNm弯矩/kNm3000200010000-1000-2000-3000500040003000200010000-1000 3000200010000-1000-2000-300002:24:00 03:36:00 04:48:00 06:00:00 07:12:00 08:24:00 09:36:00 10:48:0011:16:48 11:31:12 11:45:36 12:00:00 12:14:24 12:28:48 12:43:12 12:57:36 13:12:00 13:26:24 13:40:4811:16:48 11:31:12 11:45:36 12:00:00 12:14:24 12:28:48 12:43:12 12:57:36 13:12:00 13:26:24 13:40:48关性。结合风电机组历史运行数据可以得到风电机组基础倾斜振动的数据安全范围，在对风电机组进行长期监测的过程中，关注其数据变化能够实现风电机组运行安全预警，从而达到提高机组发电量和预防安全事故的目的。结语本文所述的风电机组基础倾斜振动监测系统，在风电场复杂环境下能够有效、实时、准确地进行风电机组运行状态监测，为风电场安全评估、运行检查、全生命周期运维等提供数据支撑与重要参考。随着系统运行时间的增长，依托所积累的更丰富数据，能够进一步优化监测模型和数据分析方法，从而掌握机组性能长期发展规律。同时，依托大数据分析方法，能够推进风电智慧监测和智慧运维的发展应用。（作者单位：大唐可再生能源试验研究院有限公司）