Digital Technology

提高风力发电机监测的准确性

监测风力发电机的运行是一项极具挑战性的任务。由于天气变化无常,每台风机都需要应对不断变化的环境,因此,在特定工况下,在某些部件上的高应力可能被错误地识别为缺陷。SKF针对该问题的研究现已取得重要进展:新开发的诊断工具能够降低在监测风力发电机传动系统时发生误报的可能性。

相关内容

状态监测系统(CMS)被广泛用于保障陆上和海上风力发电机的安全运行和维护。不过,因天气状况造成的误报仍然是一大挑战。以一种较常见的情况为例,风切变或阵风可能会导致变桨叶片的角度不断变化,造成振动警报误报,引起分析人员注意。

SKF已开发了一个名为Protean的新型诊断工具,它能将暂时应力与缺陷状态区分开来,从而减少误报的发生。Protean的诊断功能旨在与SKF @ptitude Observer状态监测系统软件配合使用,这款用于监测风力发电机传动系统的软件在风力发电行业得到了广泛使用。Protean可以帮助运行和维护技术人员,以及状态监测技术人员专注于真正潜在的性能问题,从而减少误报风险。对于大型风力发电机组而言,使用该诊断工具可以节省大量时间,并使状态监测系统更加高效。

Protean的工作原理

Protean的基本工作原理是识别机器的运行状态,并“学习”不同状态指标的正常行为。经过大约一周的学习后,Protean会自动为人为选定的几个状态指标设置阈值。这些状态指标用来监测各种缺陷,例如轴承和齿轮缺陷、不平衡等。之后,这些状态指标会根据每个零部件进行设置——也就是说,每个轴承都会有至少一个对应的状态指标。如果出现警报,Protean会根据导致警报的新状态重新计算阈值。因此,只有当状态恶化时,才会触发新警报。

同时,当单一指标超过阈值时,也不会触发警报。Protean要求“N个最新的状态指标中的M个”高于阈值时才触发警报(M和N根据经验设置)。当进行风机维护后,Protean会监测到状态指标的下降,从而自动重新计算阈值以反映新的状态。

为便于理解,设想以下情景:为20台风力发电机设置状态监测系统要设置大约1000个指标,这是无法手动完成的。而使用SKF @ptitude软件的诊断规则并结合Protean及其人工智能手段,可以快速、轻松地设置状态监测系统。

借助SKF状态监测系统软件,用户能通过拖放部件库,建立风机传动系统的数学模型,从而实现诊断自动化,部件库中包含电机转子、轴承、齿轮、行星级、叶轮等(图1)。传统上,诊断规则或状态指标是使用对缺陷的监测非常重要的频率进行计算,产生一个绝对值。诊断规则会根据运动学数据,将某些特定频率的振幅考虑进来。另外,状态指标也可以计算为测量数据中背景噪声的百分比。然后,可以避免此前曾导致监测误报的噪声。状态指标旨在对机器部件中特定的缺陷(例如轴不对中、轴承缺陷、齿轮缺陷或转子不平衡)做出反应。

为了使状态监测系统以最佳的状态运行,重要的是用于监测的硬件和传感器能胜任这项任务,并根据传动系统的特性和规则放置在正确的位置。可以利用针对市场上大多数风力发电机的模板,以确保测量配置的正确设置(图2)。
图2-有效的状态监测系统的必备元素

Protean的作用和价值

对于轴可能存在的松动缺陷,有对应的诊断规则,可以提取预定义的状态指标(图3)。部件库的存在便于用户建立常规风机布置,用户只需调整警报和危险值,或选择“自动”,即可让软件根据首次运行时的机器行为来校准警报值。如果没有Protean(图4),系统会对机械松动的增加做出反应,从而需要手动干预来调整警报值。

图3
图4
使用Protean(图5)时,系统会考虑最小值,这是学习期间遇到的正常行为对应的值。此值用于设置每个状态指标的阈值。图中的尖峰显示超出阈值,但是由于N个最新值中在阈值以上的数值个数未达到M个,因此不会触发警报。当状态指标低于下限值时(例如,在机器维修之后),警报逻辑将检查N个最新状态指标中是否至少有M个低于下限值。如果是,将根据当前状态计算新的上限值和下限值。风力发电机通常会出现这种数值波动(对于许多更稳定的机械而言则不太会出现这种情况),因此Protean算法在风电行业颇具应用价值,因为它省去了手动干预,节省了时间。
图5
图6所示为齿轮箱高速轴轴承缺陷发展的情况。当出现第一次提示时,会使用提示之前的最后一次测量值重新计算阈值。然后,该值继续增加,导致出现第二次提示,并再次重新计算阈值。值降低,也触发重新计算。然后,值再次提高,并触发警报,然后进行新的重新计算。重复此模式,直到更换有缺陷的轴承。新轴承导致振动值大大降低,所以阈值重新计算。此后不久,值增加,并触发警报。尽管进行了重新计算,但状态稳定了,此后值缓慢降低,随后重新计算了阈值。这一切都记录在警报列表中。
图6
最后一个例子是齿轮缺陷。以大约五年的时间范围来看,很明显,首次缺陷提示出现在2016年。两年后,该缺陷仍然存在,到了2019年,缺陷发展加速。有缺陷的齿轮在该年末被更换,最后的测量结果表明了维修后的状态(图7)。
图7
在所示的实例中,Protean将误报数减少了90%以上。该工具带来的好处是用户不需要微调每个状态指标。由于不需要单独的微调,因此可以更多地使用模板。另外的好处是Protean能够在发出警报后重新计算阈值,并且在发出警报和维护作业实施后自动调整阈值。

Protean是一种非常可靠的自动诊断解决方案,可显著减少误报,而不会增加遗漏缺陷的风险。它将状态监测技术人员从繁琐的重复任务中解放出来,使他们能够专注于难度更大的任务。它能更好地发挥运行良好的状态监测系统的优势,使得状态监测系统可以在较早阶段检测到故障和其他不良状况,从而及时、准确地规划和执行应对措施,避免对机器造成损害。

SKF认为Protean在提高设备状态监测的检测能力、准确性和效率方面迈出了一大步,除了适用于风力发电机,它也适用于各种旋转机械。对现有手段的持续改进和新工具的产生是提升状态监测智能化水平的关键手段,以帮助客户提高运营和维护流程的效率。