基于大数据的风电机组发电机定子槽楔脱落在线监测系统研究

荣必贤 成 伟 莫 堃 王 兵 邓 超

（1.东方电气集团科学技术研究院有限公司，成都 610027；2.东方电气风电有限公司，德阳 618000）

1 技术背景

风电机组在长期运行的过程中会出现各种各样的问题，其中槽楔松动脱落问题对风电机组的安全运行带来了严重影响[1]。因此，做好槽楔松动的监测对于风电机组的安全平稳运行具有极为重要的意义[2]。传统的槽楔监测方式主要为运行管理人员的定期监测，其主要监测手段为人工敲击，具有丰富监测经验的工作人员可以根据敲击反馈的音色不同或用手感受到的振动不同判断出槽楔是否松动[3]。此种监测方式无法客观准确地判断槽楔的松动程度，也无法大面积进行推广，只能依靠检测人员的工作经验，且主观性较强，容易发生失误[4-5]。

槽楔的松动并非一次性松动脱落，而是一个缓慢的过程，具备着一定的阶段性[6]。槽楔的松动脱落过程通常被划分为4 个阶段：第一阶段，槽楔出现局部松动；第二阶段，局部松动的面积扩大，其松动间隙逐渐增大；第三阶段，由局部松动扩展为完全松动，槽楔与线棒脱离；第四阶段，槽楔脱落。其中：在第一阶段和第二阶段时，若槽楔松动情况并不剧烈，风电机组仍然可以照常运行；待其发展为第三阶段时，整个设备会处于危险状态，此时需得到维修人员的维护。在槽楔松动的过程中，仅仅依靠人工凭借工作经验进行判断，无法准确得到槽楔的松动处于哪个阶段。但因为4 个阶段槽楔的振动状态不同，所以可以通过声波检测的手段实时在线监测设备状态。

在槽楔未出现任何松动时，其振幅微乎其微；当设备受到冲击而进入到第一阶段时，会产生微小振幅；随着局部松动面积的扩大，其振幅会随之逐渐增大，而振动的频率则逐渐缩小；当槽楔已然完全松动后，设备已开始独立振动，其振动频率不在发生变化，但振幅将会增至最大。根据这种振动变化情况，通过声波频率与振幅监测槽楔的松动情况，为风电机组发电机定子槽楔脱落在线监测提供了一定的理论基础。本文在此基础上，依托大数据与物联网技术，搭建了一款风电机组发电机定子槽楔脱落在线监测系统，为槽楔脱落的实时监测提供了一定的参考依据。

2 基于大数据物联网架构的监测诊断系统结构

声音检测法是目前检测槽楔松动过程中较为常见的方法，本文以此为基础，搭建了一款基于声音检测法的槽楔松动检测系统，其结构如图1 所示。该系统主要依靠安装在槽楔上的传感器来监测槽的楔松动情况，检测时通过激振器系统对槽楔进行冲击，然后经过传感器采集振动信号，再由信号调理器进行处理，之后经过数据采集卡进行信号转换，从而得出想要的信号。

图1 监测设备系统结构图

大数据和物联网技术的发展，为风电机组发电机定子槽楔的在线监测提供了新的思路。本文依托这些技术为整个在线监测系统设计了3 层系统框架，即感知层、网络层和应用层，具体架构如图2 所示。该框架底层为感知层，主要依靠监测设备通过声波频率与振幅监测槽楔的松动情况，然后将最终得到的数字信号进行上传并处理。

图2 基于大数据和物联网架构的监测诊断系统示意图

监测设备中也有其自有的监测程序，具体的程序流程图如图3 所示。因为槽楔在不同的脱落状态中需要采集的信号也各不相同，所以在该监测设备的程序流程中，选取了声音分析、位移分析以及加速度分析这3 种形式来采集数据。

图3 监测设备程序流程图

在监测系统内经过处理的数字信号将会被实时上传到第二层的网络层，其信号传输主要依靠局域网，因此在每一个风站中均要搭建一款内部局域网，以完成信息数据的采集、存储与上传。网络层的单一风站数据将通过以太网传输至应用层，该层的核心是槽楔松动诊断管理平台，该平台以大数据云平台为技术依托，可以完成槽楔松动数据的处理、分析、存储以及公司用户和公司总部的上传、下载，而且最终所得结论可以通过人机交互界面展示。

3 基于大数据技术的槽楔状态监测诊断

槽楔的在线监测将会产生大量的数据，由于工作量巨大，不能通过人工对其进行处理分析，而采用大数据技术则可以轻松地完成数据的采集、处理与分析等工作。同时，使用该技术还可以根据历史数据，深入分析槽楔故障信息与故障规律，从而实现对槽楔状态的快速诊断。采用这种监测模式时，需要通过建立专家知识库以及诊断规则才能完成对实时监测数据的诊断，其具体流程如图4 所示。

图4 基于知识库的设备状态监测诊断流程图

监测诊断过程中，除了被动地对槽楔的在线监测数据实施诊断处理，还可以通过大数据技术，根据上传的历史数据预测分析设备故障，并自动联系相关部门为其提供解决方案，具体流程图如图5 所示。

图5 基于大数据分析的设备状态监测诊断流程图

将专家知识库与大数据分析相结合，可以实时分析槽楔的在线监测数据，从而判断槽楔的松动状态，而且其结果可以直观、动态的形式展示在人机交互界面上，通过提前预警槽楔的松动以及其他故障信息，可以有效延长设备的维护保养时间间隔，同时缩短损坏设备的维修时间，提高设备的维保效率，切实保障风电机组的安全、高效运行。

4 结语

做好槽楔松动的监测工作对于风电机组的安全平稳运行具有极为重要的意义。本文在此背景下，将槽楔的松动划分为4 个阶段，并利用大数据与物联网技术，搭建了一款风电机组发电机定子槽楔脱落在线监测系统。该系统结合专家知识库与大数据分析等技术手段，可以实现实时分析槽楔的在线监测数据，从而判断槽楔松动的状态，同时，还可以根据以往的运行数据，提前预警槽楔的松动以及其他故障信息，为搭建槽楔脱落的实时监测系统提供了基础。