• 专利附录
  • 专利说明
  • 权利要求
  • 类似技术
  • 同族专利
  • 引用文献
  • 法律状态
  • 优先权
    • 专利摘要:
    本实用新型提供了风力发电机系统和风力发电机的故障分析设备，其包括：传感器数据采集器，其分别从所述霍尔类传感器采集第一频率的电压电流信号，从所述振动传感器采集第一频率的振动信号，从所述数据获取传输器采集第二频率的电流电压信号；第一信号执行器，其将所述第一频率的电压电流信号进行时域到频域的转换以及减低数据维度；数据传输预处理器，其分别对所述第一信号执行器处理后的所述第一频率的电压电流信号和从所述传感器数据采集器获取的所述第二频率的电压电流信号以及所述振动信号执行数据清理、降维处理和时序数据队列化处理；数据边云传输器；验证器；存储器。本实用新型能准确的监测运行状态和预测其未来的运行状况。
    公开号:CN214330806U
    申请号:CN202022020459.1U
    申请日:2020-09-15
    公开日:2021-10-01
    发明作者:向祉牟；曹佃松；周晓舟
    申请人:Siemens Ltd China；
    IPC主号:F03D17-00
    专利说明:
    [n0001] 本发明涉及风力发电领域，尤其涉及风力发电传动链机构的故障分析设备。
    [n0002] 在风能领域，风力发电传动链机构的结构复杂，由于后段载荷影响因素繁多，导致其故障机理复杂。针对核心的传动链机构，它往往是整个系统的关键。若能准确的监测运行状态和预测其未来的运行状况，同时有效避免故障发生，特别是延缓渐进性故障的恶化，以实现机构的预测性维护。
    [n0003] 因此，通过传统机制预测故障变得非常困难，这是由于如下原因：一方面，风力发电传动链机构的维护系统的分析和诊断功能较弱且单一，只局限于局部分析，缺乏故障风险的监测，只有出现明显故障时才发出报警，难以实现早期预警；另一方面，风力发电传动链机构的维护系统的故障诊断方法大都是基于传统信号分析方法对准静态参数进行分析，如利用频谱图分析某些时刻的振动信号、温度参数，对比故障特征频率及特征幅值进行故障诊断，这些方法需要工作人员具备较强的领域知识及丰富经验。更为重要的是，这些方法并不能反映系统的特性变化过程，不能满足动态系统的故障诊断要求，仍处于被动防护。
    [n0004] 其中，故障信号种类的复杂性在于系统的机理模型复杂，所涉及的信息种类多样，同时信号存在多时间尺度问题，如涉及环境信息的低频的温度信号，涉及机械机理的高频振动信号，涉及电力拖动的高频电流电压信号；
    [n0005] 其中，故障信号特征难以提取是由于该类型系统传动结构复杂，故障状态的特异，导致故障种类难以提取，因此对于劣化过程的信号较为复杂；
    [n0006] 其中，故障分析方法的局限性是由于针对该类型系统的分析方法主要有基于信号的分析，通过时域和频域信号，结合相关经验分析，该类方法需要引入人工经验；基于解析模型，通过参数与状态的评估判断状态的失效，该类方法强烈依赖数学模型精度；基于知识的判断，采用人工智能相关算法和专家系统，构建模型失效知识模型，各类方法需要大量的数据进行模型的训练。
    [n0007] 本实用新型提供了一种风力发电机的故障分析设备，其包括：传感器数据采集器，其分别连接于所述风力发电机的霍尔类传感器、所述振动传感器和数据获取传输器，其中，所述传感器数据采集器分别从所述霍尔类传感器采集第一频率的电压电流信号，从所述振动传感器采集第一频率的振动信号，从所述数据获取传输器采集第二频率的电流电压信号；第一信号执行器，其连接于所述传感器数据采集器并将所述第一频率的电压电流信号进行时域到频域的转换以及减低数据维度；数据传输预处理器，其连接于所述传感器数据采集器，所述数据传输预处理器分别对所述第一信号执行器处理后的所述第一频率的电压电流信号和从所述传感器数据采集器获取的所述第二频率的电压电流信号以及所述振动信号执行数据清理、降维处理和时序数据队列化处理，并将处理后的信号传输给所述数据边云传输器；数据边云传输器，其连接于所述数据传输预处理器并将数据传输到云端；验证器，其耦合于所述数据边云传输器并设置于云端，所述验证器执行数据验证；存储器，其设置于云端并执行云端数据存储，其中，所述第一频率高于所述第二频率。
    [n0008] 进一步地，所述风力发电机的相关机构包括：第一联轴器，其连接于所述风力发电机和齿轮箱之间；齿轮箱，其为高高变速比齿轮箱；第二联轴器，其连接于所述齿轮箱和主轴承；主轴承，其连接于所述第二联轴器；风机叶轮，其连接于所述主轴承；电缆，其连接于所述风力发电机；数据获取传输器；霍尔传感器，其利用所述电缆获取第一频率的电流电压信号；三个振动传感器，所述三个振动传感器分别设置于所述风力发电机、所述齿轮箱和主轴承并分别从所述风力发电机、所述齿轮箱和主轴承获取以及处理振动信号，然后传输给所述数据获取传输器；振动信号采集处理器，其耦合于所述风力发电机、所述齿轮箱和振动传感器并从所述三个振动传感器分别获取振动信号；温度传感器，其获取核心区域温度信号并传输至所述数据获取传输器；电流电压信号采集处理器，其分别连接于所述霍尔传感器和所述数据获取传输器，其中，所述风力发电机的故障分析设备耦合于所述数据获取传输器。
    [n0009] 进一步地，所述电缆为三相电缆。
    [n0010] 进一步地，所述第一频率的取值范围是50Hz～20kHz。
    [n0011] 进一步地，所述第二频率的取值范围是0.05HZ～1Hz。
    [n0012] 本实用新型第二方面提供了一种风力发电机系统，其包括本实用新型第一方面所述的风力发电机的故障分析设备。
    [n0013] 本实用新型提供的风力发电机的故障分析机制能够适应高频信号，其具有更高的执行能力，改善了系统的稳定性并且解决了多时间尺度的数据融合。其中，复杂振动信号的数据传输链接通过特征提取，能够完成高频数据在边缘侧的降维。
    [n0014] 本实用新型提供的风力发电机的故障分析机制实现了故障早期预警，能够分析复杂多样的故障信号，满足动态系统的故障诊断要求。因此，本实用新型能准确的监测运行状态和预测其未来的运行状况，改善风力发电机的使用寿命，有效避免故障发生，特别是延缓渐进性故障。
    [n0015] 图1是根据本发明一个具体实施例的边缘设备端的风力发电机的结构示意图；
    [n0016] 图2是根据本发明一个具体实施例的风力发电机的故障分析设备的结构示意图。
    [n0017] 以下结合附图，对本发明的具体实施方式进行说明。
    [n0018] 本实用新型提供了风力发电机的故障分析设备，其能够解决多时态尺度数据获取和传输，其能够在复杂传输结构、故障预测和退化分析中故障特征提取，特别是针对风能领域的机械传动链。
    [n0019] 如图1和图2所示，本实用新型提供了一种风力发电机的故障分析设备 14，其包括传感器数据采集器141、第一信号执行器142、数据传输预处理器 143、数据边云传输器144、验证器145和存储器146。其中，所述第一频率高于所述第二频率，第一频率是高频，第二频率为低频。
    [n0020] 具体地，所述传感器数据采集器141分别连接于所述风力发电机的霍尔类传感器8、所述振动传感器10和数据获取传输器12，其中，所述传感器数据采集器141分别从所述霍尔类传感器8采集第一频率的电压电流信号，从所述振动传感器10采集第一频率的振动信号，从所述数据获取传输器12采集第二频率的电流电压信号。第一信号执行器142连接于所述传感器数据采集器141并将所述第一频率的电压电流信号进行时域到频域的转换以及减低数据维度。数据传输预处理器143连接于所述传感器数据采集器141，所述数据传输预处理器143分别对所述第一信号执行器142处理后的所述第一频率的电压电流信号和从所述传感器数据采集器141获取的所述第二频率的电压电流信号以及所述振动信号执行数据清理、降维处理和时序数据队列化处理，并将处理后的信号传输给所述数据边云传输器144。数据边云传输器144连接于所述数据传输预处理器143并将数据传输到云端。验证器145耦合于所述数据边云传输器144并设置于云端，所述验证器145执行数据验证。存储器 146设置于云端并执行云端数据存储。
    [n0021] 进一步地，所述风力发电机1的相关机构包括包括第一联轴器2、齿轮箱 3、第二联轴器4、主轴承5、风机叶轮6、电缆7、霍尔传感器8、振动信号采集处理器9、振动传感器10、温度传感器11、数据获取传输器12、电流电压信号采集处理器13和控制器14。
    [n0022] 具体地，第一联轴器2连接于所述风力发电机1和齿轮箱3之间。齿轮箱3为高高变速比齿轮箱。第二联轴器4连接于所述齿轮箱3和主轴承5。主轴承5连接于所述第二联轴器4。风机叶轮6连接于所述主轴承5。电缆7连接于所述风力发电机1。霍尔传感器8利用所述电缆7获取第一频率的电流电压信号。三个振动传感器10，其分别设置于所述风力发电机1、所述齿轮箱3 和主轴承5并分别从所述风力发电机1、所述齿轮箱3和主轴承5获取以及处理振动信号，然后传输给所述数据获取传输器12。振动信号采集处理器9耦合于所述风力发电机1、所述齿轮箱3和振动传感器10并从所述三个振动传感器10分别获取振动信号。温度传感器11获取核心区域温度信号并传输至所述数据获取传输器12。电流电压信号采集处理器13分别连接于所述霍尔传感器8和所述数据获取传输器12。其中，所述风力发电机的故障分析设备14 耦合于所述数据获取传输器12。
    [n0023] 进一步地，所述电缆7为三相电缆。
    [n0024] 进一步地，所述第一频率的取值范围是50Hz～20kHz。
    [n0025] 进一步地，所述第二频率的取值范围是0.05HZ～1Hz。
    [n0026] 上述高频信号需要经过高频信号执行器142处理，对于电流电压类周期性信号主要进行时域到频域的转换，减低数据的维度。对于振动类信号，由于高变速比齿轮箱3的存在使得相关振动模态复杂，因此需要将振动时域信号转换频域信号，通过小波算法对其进行相关特征提取。低频信号与经处理后的高频信号经过数据传输预处理器143，对数据清洗，剔除错误数据，进行降维处理，减少信道压力，同时将时序数据队列化，减少不可靠性对传输影响。经处理的信号，通过数据边云传输器144统一进行相关数据传输，在数据到达服务器时，数据云端数据的验证器145进行准确性验证，并对数据在云端进行相关的云端数据的存储器146。
    [n0027] 其中，在风力发电机的故障分析设备14中，多类故障状态仿真数据对算法进行训练后，将其输入层作为算法的输入层，实际标记故障数据对算法进行训练，将其输出层作为算法的输出层。为了解决解决复杂传动链系统中，真实故障状态数据难以收集所导致的故障模态集不全所导致的预测失真问题。实际现场数据通过BP神经网络算法计算出现有设备的劣化状态评估。
    [n0028] 本实用新型提供的风力发电机的故障分析机制能够适应高频信号，其具有更高的执行能力，改善了系统的稳定性并且解决了多时间尺度的数据融合。其中，复杂振动信号的数据传输链接通过特征提取，能够完成高频数据在边缘侧的降维。
    [n0029] 本实用新型提供的风力发电机的故障分析机制实现了故障早期预警，能够分析复杂多样的故障信号，满足动态系统的故障诊断要求。因此，本实用新型能准确的监测运行状态和预测其未来的运行状况，改善风力发电机的使用寿命，有效避免故障发生，特别是延缓渐进性故障。
    [n0030] 尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。此外，不应将权利要求中的任何附图标记视为限制所涉及的权利要求；“包括”一词不排除其它权利要求或说明书中未列出的装置或步骤；“第一”、“第二”等词语仅用来表示名称，而并不表示任何特定的顺序。
    权利要求:
    Claims (6)
    [0001] 1.风力发电机的故障分析设备，其特征在于，其包括：
    传感器数据采集器(141)，其分别连接于所述风力发电机的霍尔类传感器(8)、振动传感器(10)和数据获取传输器(12)，其中，所述传感器数据采集器(141)分别从所述霍尔类传感器(8)采集第一频率的电压电流信号，从所述振动传感器(10)采集第一频率的振动信号，从所述数据获取传输器(12)采集第二频率的电流电压信号；
    第一信号执行器(142)，其连接于所述传感器数据采集器(141)并将所述第一频率的电压电流信号进行时域到频域的转换以及减低数据维度；
    数据传输预处理器(143)，其连接于所述传感器数据采集器(141)，所述数据传输预处理器(143)分别对所述第一信号执行器(142)处理后的所述第一频率的电压电流信号和从所述传感器数据采集器(141)获取的所述第二频率的电压电流信号以及所述振动信号执行数据清理、降维处理和时序数据队列化处理，并将处理后的信号传输给所述数据边云传输器(144)；
    数据边云传输器(144)，其连接于所述数据传输预处理器(143)并将数据传输到云端；
    验证器(145)，其耦合于所述数据边云传输器(144)并设置于云端，所述验证器(145)执行数据验证；
    存储器(146)，其设置于云端并执行云端数据存储，
    其中，所述第一频率高于所述第二频率。
    [0002] 2.根据权利要求1所述的风力发电机的故障分析设备，其特征在于，所述风力发电机(1)的相关机构包括：
    第一联轴器(2)，其连接于所述风力发电机(1)和齿轮箱(3)之间；
    齿轮箱(3)，其为高高变速比齿轮箱；
    第二联轴器(4)，其连接于所述齿轮箱(3)和主轴承(5)；
    主轴承(5)，其连接于所述第二联轴器(4)；
    风机叶轮(6)，其连接于所述主轴承(5)；
    电缆(7)，其连接于所述风力发电机(1)；
    数据获取传输器(12)；
    霍尔传感器(8)，其利用所述电缆(7)获取第一频率的电流电压信号；
    三个振动传感器(10)，所述三个振动传感器(10)分别设置于所述风力发电机(1)、所述齿轮箱(3)和主轴承(5)并分别从所述风力发电机(1)、所述齿轮箱(3)和主轴承(5)获取以及处理振动信号，然后传输给所述数据获取传输器(12)；
    振动信号采集处理器(9)，其耦合于所述风力发电机(1)、所述齿轮箱(3)和振动传感器(10)并从所述三个振动传感器(10)分别获取振动信号；
    温度传感器(11)，其获取核心区域温度信号并传输至所述数据获取传输器(12)；
    电流电压信号采集处理器(13)，其分别连接于所述霍尔传感器(8)和所述数据获取传输器(12)，
    其中，所述风力发电机的故障分析设备(14)耦合于所述数据获取传输器(12)。
    [0003] 3.根据权利要求2所述的风力发电机的故障分析设备，其特征在于，所述电缆(7)为三相电缆。
    [0004] 4.根据权利要求1所述的风力发电机的故障分析设备，其特征在于，所述第一频率的取值范围是50Hz～20kHz。
    [0005] 5.根据权利要求1所述的风力发电机的故障分析设备，其特征在于，所述第二频率的取值范围是0.05HZ～1Hz。
    [0006] 6.风力发电机系统，其特征在于，所述风力发电机系统包括权利要求1至5任一项所述的风力发电机的故障分析设备。
    类似技术:
    公开号 | 公开日 | 专利标题
    CN103487749B|2016-04-13|高压断路器机械状态在线监测诊断系统及方法
    CN104048825B|2016-05-25|一种多传感器融合的风电机组齿轮箱故障定位方法
    CN107220469B|2020-10-30|一种风机状态估计的方法及系统
    CN102510125B|2013-11-13|电力一次设备运行工况监测方法及装置
    CN103115789B|2015-01-21|金属结构损伤剩余寿命的第二代小波支持向量机评估方法
    CN202676203U|2013-01-16|大型泵站状态监测与诊断及能效管理装置
    CN102434387A|2012-05-02|风机检测诊断系统
    CN104122086B|2016-05-04|基于Kriging模型的风力机齿轮箱故障诊断方法
    CN103953490A|2014-07-30|基于hlsne的水轮机组状态监测实现方法
    Butler et al.2012|A feasibility study into prognostics for the main bearing of a wind turbine
    CN104390657A|2015-03-04|一种发电机组运行参数测量传感器故障诊断方法及系统
    JPH113113A|1999-01-06|機器の劣化診断方法及び装置
    CN110647133A|2020-01-03|轨道交通设备状态检测维护方法及系统
    CN104564542A|2015-04-29|一种基于大数据技术的故障诊断系统及其诊断方法
    CN103711645A|2014-04-09|基于建模参数特征分析的风力发电机组状态评估方法
    CN110376522B|2021-07-16|一种数据融合的深度学习网络的电机故障诊断方法
    Qiao et al.2018|Prognostic condition monitoring for wind turbine drivetrains via generator current analysis
    CN214330806U|2021-10-01|风力发电机系统和风力发电机的故障分析设备
    CN101093239A|2007-12-26|自动化电站在线检测与远程诊断系统
    CN103852255A|2014-06-11|基于神经网络风力发电机组典型传动故障智能诊断方法
    WO2021121182A1|2021-06-24|一种数控机床健康诊断方法
    Márquez et al.2020|An overview of wind turbine maintenance management
    Zhao et al.2015|Damage detection of wind turbine blade based on wavelet analysis
    Zhao et al.2015|Application of SOM neural network in fault diagnosis of wind turbine
    Zhang et al.2017|Probability warning for wind turbine gearbox incipient faults based on SCADA data
    同族专利:
    公开号 | 公开日
    引用文献:
    公开号 | 申请日 | 公开日 | 申请人 | 专利标题
    法律状态:
    2021-10-01| GR01| Patent grant|
    2021-10-01| GR01| Patent grant|
    优先权:
    申请号 | 申请日 | 专利标题
    CN202022020459.1U|CN214330806U|2020-09-15|2020-09-15|风力发电机系统和风力发电机的故障分析设备|CN202022020459.1U| CN214330806U|2020-09-15|2020-09-15|风力发电机系统和风力发电机的故障分析设备|
    [返回顶部]