杨志军
(山西江河生物质能发电有限公司,山西运城043610)
风力发电机的整机故障诊断
杨志军
(山西江河生物质能发电有限公司,山西运城043610)
通过对风力发电机的整机结构及其故障的诊断技术进行现状和发展趋势等方向的分析,同时结合中国风力发电机在实际工业生产过程中的运行状况,探讨风力发电机的故障诊断系统的优化设计,促进诊断技术、检修技术的提高。
绿色环保;节能减耗;风力发电机;故障诊断;风电机组
风力发电是一种清洁的可再生能源技术,也是世界上公认的环保、清洁、节能技术之一。现今,随着绿色环保、可持续循环发展的理念在中国经济、社会、科学技术等领域内的不断扩散,风力发电技术越来越受到生产企业的青睐。风力发电不仅能够节省花式燃料,还能够减少环境的污染,同时还能促进环境友好型社会的发展。但是,随着风力发电机在中国的各个领域中的使用率提高,再加上发电机的大部分机组都安装在了较为偏远的地区,不易对其检修和及时维护,容易造成负荷不稳定、故障频繁发生等现象,进而降低了电力的利用效率、安全性能和经济性能等优势。因此,探究风力发电机的整机故障诊断技术、方式等内容是势在必行的,这样就能从源头上遏制甚至减少整机故障的发生率,从而减少发电机发电过程中的安全事故,同时还能高质量地供电。
目前,全球的风能资源总量约有2.7×109MW,其中能够被利用的风能大约有2×109MW,而中国的风能资源占据了全球第三的位置。一般情况下,风能资源的利用方式大多为风力发电,其在世界经济进步、科学技术发展的时代背景下已经跃然成为了增速最快的发电技术了,相应的风电整机容量也在不断得扩大。据近几年的相关数据统计,2010年时,世界的风力发电量占全球的电力消费的2.5%左右,2012年时,全球的新增装机容量已经达到了44 711MW,总装机容量如预期般地超过了2.83×109MW,据专家预测,到了2020年时,风力发电大约能够提供增速为7.7%~8.3%的风力[1]。
3.1 风力发电机的构造及工作原理
风力发电机是风能转化为电能的最基本可利用工具,主要由限速安全机构、叶轮、尾翼的调向器、储能装置、包括装置在内的发电机、塔架、传动装置(如齿轮箱、制动器、低速或高速轴等)、刹车系统、偏航系统、控制系统等部件构成;其工作的原理为叶轮在风力作用下,把风的动能转化为叶轮轴的机械能,再由叶轮轴带动发电机进行发电。这整个过程都较为简单,主要运用到了空气动力学的原理,即风在吹过叶轮时在叶片的正反两面形成了压力差而产生升力,从而让叶轮不停旋转的同时还能连续性地横切风流,从而得到了转化后的机械能。
3.2 风力发电机整机故障的原因
随着风电发展给制造行业所带来的机遇与挑战越来越大,风机的装机容量也在不断地扩大,但是这就给风力发电机带来了隐患,造成其故障的发生率越来越高。不仅如此,影响风力发电机正常运转的因素还包括了其机组安装的地点偏远不易检修维护、风机在恶劣的环境中作业等,其中据风机的故障发生相关数据的统计,发现在海上运行的风机机组出现故障后,维修的费用将极有可能占到风机总收入的20%~25%左右,例如,生产中价值5 000美元的轴承在检修维护中需要支付的更换费用可以达到250 000美元,由简单故障的维修变成了一项浩大的工程。
4.1 风力发电机的整机故障诊断技术的意义
整机的故障诊断技术在风力发电机中的运用具有积极的意义,不仅能够对风力发电机的运行、作业状况进行实时监测、准确记忆相关数据,还能减少发电机的运行维护成本,提高发电机的经济效能、运行效率、可靠性和安全效能[2]。例如,据已经采用了整机故障诊断系统的国家(如德国、芬兰、日本等)公布的数据来看,在采用了整机的故障诊断技术后,风力发电机因故障而停机的时间减少了75%左右,这就减少了每年对发电机进行维修、检护的费用,其比例高达25%~50%。因此,在风力发电技术越来越纯熟的背景下,风力发电机采用整机的故障诊断技术是势在必行的,但是就目前的诊断技术研究和发展现状来看,还处在初级阶段,技术还不成熟,且不能按照工业自动化的要求进行自动诊断,这就造成了诊断技术与风力发电机技术相矛盾的局面,不利于整个发电行业的技术向绿色环保的方向发展。
4.2 整机故障诊断技术的分类
目前,从国内外诊断技术的研究状况和实际运行操作的作业状况来看,整机的故障诊断可以分为智能故障诊断、数学诊断和传统故障诊断三大类。其中,数学诊断的方式主要表现为基于距离判据方法、故障树分析、小波分析、模式识别和模糊诊断等;传统的诊断方法是在监测到的信号的基础上进行逻辑性的数据分析的方式,主要为噪声检测技术、油液分析技术、振动检测技术和红外线测温技术等;而智能故障诊断技术主要是在人工智能理论的基础上发展而来的一种诊断技术,包括了模糊逻辑(如图一)、支持向量机、专家系统和神经网络等手段,比较适合复杂而非线性的系统。
图1 模糊逻辑诊断结构
4.3 风力发电机故障诊断系统的优化设计
现今,整机故障诊断技术在风力发电机中的运用范围越来越广,但是其所采用的诊断技术大多是独立地依据信号监测到的数据、模糊的逻辑等诊断方式,采用的是建立SDG模型及风力发电机机组之间的自相关、互相关等形式来分析,而没有将各个零散的方式、模型统一设计进一个完整的系统中[3],这样就可以将风力发电机的运行状况、故障情况、SDG模型验证等内容通过诊断系统来设计为流程化、自动化的一条龙服务,从而提高故障诊断、维护的效率。
例如,整个诊断系统中,首先要对风力发电机的出风力相关性进行分析,依据监测所得的数据来判断风力发电机的自相关性和互相关性是否与一般的规律相同,并把发电机的转速、油箱温度等内容的实测值与额定值进行对比,从而发现发电机是否有故障隐患;其次是运用模糊逻辑诊断的方法诊断出发电机整机的故障类型、诱发因素等问题,并及时采用措施进行维修检护;最后通过建立SDG模型来验证风机检修后的运行状态,并把检修后的运行数据和检修前的运行数据进行对比,分析维护措施的有效性,以便于能够从实践中得出经验,进而促进整个整机诊断系统的完善。
4.4 风力发电机具体故障的解决方式
在发电机作业的过程中,由于风力的不稳定性、轴承润滑不良、异物侵入、油温过高造成粘度降低而影响齿面的润滑、齿面承受的接触剪应力过大、变桨驱动耦合不良、塔架振动等因素引起的主轴、齿轮箱齿轮疲劳损伤、齿轮箱齿面胶、偏航系统的电机振幅过大、变桨系统轴承磨损、塔架疲劳破坏等现象。在这些现象出现或即将出现的时候,整机的诊断系统将会依据数据的输入而发出警报,然后通过计算机软件系统的设计,智能化地进行润滑系统、密封装置、油位传感器、润滑油散热装置、螺栓连接等零部件的调整,若智能不能解决问题还在报警,就需要人工地检查、改善齿轮的设计、润滑条件,做好塔架之间的隔板减震等等维护工作[4]。
在国内外风力发电技术进步和风电机组容量不断增加的背景下,现有的风力发电诊断技术已经不能与其相适应了,这就要求了要对风力发电的整机进行流程化的故障诊断,而本文所提到的整机故障诊断系统就包含了以往传统的诊断技术、智能诊断和数字诊断方式,并且通过PLC系统进行软件编程,以最大限度地实现风力发电机的人工智能诊断、调整、维护工作,同时以人工调节检修为辅助,建立了一体化的整机诊断系统,能够提高维修的效率,同时增加发电机的使用寿命,从而提高风力发电机的经济性、安全性。
[1]关立山.世界风力发电现状及展望[J].全球科技经济展望,2004 (6):24.
[2]洪良友.风力机状态监测与故障诊断技术研究[J].电网与清洁能源,2008(3):40-43.
[3]周明.风速相关性对最优潮流的影响[J].电力系统自动化,2013 (6):57.
[4]李占芳.齿轮箱故障诊断中振动信号处理方法综述[J].煤矿机械报,2005(8):136.
(编辑:刘楠)
W ind Turbine Engine Fault Diagnosis
Yang Zhijun
(Shanxi Jianghe Biomass Energy Generation Com pany,Yuncheng Shanxi043610)
Through the machine structure of wind turbine and its fault diagnosis technique for the analysis of the status quo and development trend of direction,at the same time,combined with China'swind turbines in the actual operation condition in the process of industrial production,which discuss the optimization design ofwind turbine fault diagnosis system,promote the improvementof diagnosis and maintenance technology.
green and environmental protection;energy saving and consumption reduction;wind generation;fault diagnosis;wind turbine generator
TM 315
A
2095-0748(2016)16-0038-03
10.16525/j.cnki.14-1362/n.2016.16.16
2016-07-10
杨志军(1972—),男,山西绛县人,专科,工程师,从事电气工程技术工作,现任山西江河生物质能发电有限公司副总经理。