科创中国

行业领域

电子信息技术,高端装备制造产业,软件

需求背景

风电机组主要由叶片、塔筒、传动链、变桨系统、变流器、电气系统等组成，是一个复杂的非线性时变系统，在叶片、塔筒、传动链等柔性部件的综合作用下，具有多个耦合固有模态。由于机组部件生产制造及现场安装等差异，同时考虑部件老化、磨损等因素都会导致机组耦合模态发生变化。另外，风机运行于开放环境中，风速的随机波动和宽频激励，可能会引起某些模态共振，危害机组运行安全。因此，必须对机组模态进行实时监测分析，以获取机组的运行状态。

风电机组运行环境复杂多变，极端风速工况对机组部件载荷有较大影响，直接危害机组的运行安全和使用寿命。所以对机组运行工况的提前感知，智能预测对提高机组运行安全稳定性尤为重要。

风电机组各构成部件涉及气动，机械，电气，控制等多学科，在运行过程中，准确快速分析模态难度较大。近年来，国内外先进同行业、各大科研院所已经开展风电机模态辨识及工况识别的一部分工作。但是对于机组模态识别的准确性，及故障诊断联合研究不够深入，对于机组的异常运行情况快速识别、准确判断还未形成有效方法。同时对于运行工况的预测研究也处于探索阶段，还没有形成具有推广应用的成果。

另外，对机组运行工况的识别和预测，需要合适理论模型及大量的数据测试验证，当前仍没有适宜的理论方法得到广泛实践检验。

需解决的主要技术难题

1.机组模态识别

通过对现场机组运行数据采集处理，对风电机组进行定期在线模态分析，形成完整的、准确的、可靠的模态识别方法，并能够在不同机型推广应用。其中，现场测试应设计、安装必要的测量传感器等硬件检测设备。

2.机组故障诊断

1）对机组运行控制信号进行监测，实现对机组控制参数适应性判别及控制执行机构运行状况进行监测；

2）对机组部件健康情况进行预警监测，包括但不限于对叶片损坏，传动链早期故障，模态早期共振，叶片结冰，及叶片失速等故障情况的预警判别，并形成准确的判别方法。

3.机组运行工况预测

基于机组现有运行数据进行数据建模，通过模型的不断迭代修正，对机组运行工况进行识别，对极端阵风、极端湍流风况等能够实现智能预测，形成有效的智能预测算法，可推广应用。

期望实现的主要技术目标

1）机组关键模态特征在线准确识别，修正机组模型，优化机组控制参数，提高机组运行可靠性；

2）提前诊断机组运行故障，及时采取保护措施，保证机组运行安全性；

3）特殊工况准确识别和预测，有效降低机组载荷，降低机组设计成本，提升产品市场竞争力。

需求解析

解析单位：“科创中国”智慧能源产业科技服务团（中国能源研究会） 解析时间：2022-11-10

查晓东

国网（苏州）城市能源研究院

主任

综合评价

风电机组由多种复杂的系统构成，主要分为变桨系统、齿轮箱、偏航系统、制动系统、主控系统、传感器、液压系统等。对风机可能发生的故障中疲劳、裂纹等故障的发生与材料强度不良、器件老化等原因有关;齿轮箱齿轮件卡死或螋栓损坏与漏油导致润滑不足等原因有关;传感器故障与其内部电路或机械故障等原因有关。除了因为电气，机械等原因直接导致的风机故障外，气象因素同样可能间接的引发风机潜在故障。例如，温度过高导致绝缘损伤，油高温分解，温度讨低改变材料机械特性使部件在正常振动下出现裂纹，流度过大导致设备结露绝缘降低，降雪密集导致叶片覆冰。 对风机典型故障类型的发生原因进行分析，发现故障的产生与温度、气压、湿度、降水降雪、风速等因素存在关联。由此确定的风机故障初始特征集中包含所有可能导致故障的气象因素，冗余的数据特征会使模型结构变得复杂不利于故障的识别和诊断，甚至降低诊断准确度。 对风机进行故障诊断与风险预测时考虑气象因素对诊断与预测效率有重要意义。

查看更多>

解析单位：“科创中国”低碳能源技术产业科技服务团（中国可再生能源学会） 解析时间：2022-09-20

杜广平

北京鉴衡认证中心

总工程师

综合评价

该技术需求背景介绍和需要解决的主要技术难题分析基本合理，研发内容和期望实现的技术目标明确，通过专家联合研发基本可以实现。

查看更多>

处理进度