轴承2017年11期
ISSN10003762
Bearing 2017, No. 11
CN411148/TH
5659
D0I;10. 19533/j. issn1000 3762.2017.11.014
基于假设检验法的风力发电机轴承健康系数研究
王怡祖，陆金桂，程智虎
（南京工业大学机械与动力工程学院，南京211816）
摘要：针对在役风力发电机运行维护困难的情况，基于数据采集与监测系统（SCADA)的数据，从数理统计的角度出发，以概率为基础，在设定的统计模型下运用假设检验方法进行整理与分析，计算出健康系数值，从面依据
量化值对风力发电机轴承的健康状态做出合理、科学的推断。关键词：风力发电机：轴承：假设检验：健康系数
中图分类号：TH133.33TK83
文献标志码：B
文章编号：10003762(2017)11005604
StudyonHealthyCoefficientofWindTurbineBearingsBasedon
HypothesisTestingMethod Wang Yizu,Lu Jingui,Cheng Zhihu
(School of Mechanical and Power Engineering, Nanjing Tech University, Nanjing 211816,China)
Abstract: The data from data acquisition and monitoring system (SCADA) is analyzed in view of difficult operation maintenance of wind turbines in service, From the perspective of mathematical statistics, the hypothesis testing method is used to collect and analyze under given statistical model based on probability, and the healthy coefficient is calculat ed. Therefore, the reasonable and scientific inference for health status of wind turbine bearings is made according to quantized value.
Key words: wind turbine;bearing;hypothesis testing;healthy coefficient
近年来，随着清洁能源的推广，风力发电机的装机量日益上涨，在电力能源及可再生能源中的比重越来越大。风力发电机的稳定运行是风场运维的重要任务(2)，在风力发电机出现故障之前准确评价机器的健康状况，有利于风场运维部门合理安排风力发电机诊断检修，从而降低风场的运营成本。目前，主要通过数学模型和人工智能方法对风力发电机健康评价向题进行分析。文献[3]建立了齿轮箱正常运行的温度模型，通过预测温度与实际温度的残差判断齿轮箱是否存在故障隐患。文献「41使用最大绝对误差、最大相对误差、平均相对误差、相对均方根误差等4种误差作为预测精度指标对齿轮箱故障进行预警。文献[5]运用K-S检验法比较正常与故障工况下的振动信号判断齿轮故障。
上述研究运用残差与误差等理论进行健康评
收稿日期：2017-01-16；修回日期：2017-05-21 万方数据
价，忽视了数理统计中随机现象的统计规律性，而且没有使用评价方法对健康状况的优劣程度进行量化处理，无法从直观角度评判在役风力发电机的运行情况。另外，使用上述方法时需加装传感器，将增加风场运维成本。因此，基于风场自带的检测系统，从客观量化的角度出发，基于假设检验法对在役风力发电机轴承的数据进行健康系数的实例分析，以对风力发电机轴承的健康状态做出合理推断。
1健康系数计算原理
当前风场都配备了数据采集与监视（Supervi-sory Control And Data Acquisition,SCADA）系统,可以进行现场设备的控制、参数设置、数据采集以及信号报警等[7]。由于每个风场记录的SCADA指标不尽相同，用于提取数据的风场包括92个遥测站点，分别包含压力、温度、角度、速度等方面的指标，因此分析各个部件时需对具体指标进行相应