27、风电齿轮箱状态监测与离心压缩机喘振控制技术研究

风电齿轮箱状态监测与离心压缩机喘振控制技术研究

风电齿轮箱状态监测

在风电领域，齿轮箱的稳定运行至关重要。通过对相关数据的分析，可以有效监测其运行状态。

首先，对残差序列进行稳定性分析。相关统计数据表明，残差序列是稳定的，且三组残差序列均为平稳时间序列。其中，第一残差序列的特征值最大，最适合用于状态监测。由此确定的协整模型为：
[
n_t = y_1 - 85.6670 \times y_2 - 0.0031 \times y_3 + 0.8063 \times y_4 - 0.083770
]

第一残差序列如图所示，图中两条水平点线代表风力发电机正常运行时残差理论对应的最大和最小极限值。在这个范围内，风力发电机的运行状态正常；反之，则为异常。

为了验证该模型，使用了一组已知齿轮箱故障的SCADA数据。从数据中可以看出，当风速高于6m/s时，风力发电机主轴转速、发电机转速和功率为0。在故障发生前，风速大于6m/s，发电机主轴转速保持在17RMP，而发电机转速和功率呈下降趋势。此时，风力发电机的参数未超过系统设定的阈值，SCADA系统未能发现故障。直到xx261时刻，参数超过阈值，SCADA系统才发出警报并进入停机检修状态。

通过模型计算协整残差发现，在第256个样本时，协整残差偏离平稳状态并超过设定的极限值，表明风力发电机的运行状态异常，这比SCADA系统发现故障的时间提前了约40分钟。

这种基于协整分析的风力发电机状态监测方法具有显著优势。它只需分析残差误差，就能区分风力发电机的正常和异常状态。该方法可以自动分析和解释大量低频SCADA数据，节省人力和计算时间。与传统的大数据分析方法相比，