一种基于SCADA数据的风力发电机齿轮箱疲劳寿命估计方法技术

本发明专利技术提出一种基于SCADA数据的风力发电机齿轮箱疲劳寿命估计方法，对SCADA数据进行处理获得平均风速和湍流度；根据轮毂高度、平均风速、湍流度，使用Von Karman风速模型，还原出短时间间隔的风速时间序列；将风速时间序列转换成叶轮转矩时间序列，根据叶轮转矩时间序列使用风力发电机齿轮箱动力学模型，计算获得齿轮箱内部传动部件的应力时间序列；采用雨流计数法对应力时间序列进行处理，获应力谱；使用Goodman直线方程对应力谱里面的应力大小及对应的循环次数进行修正；根据修正后的应力谱以及电机齿轮箱齿轮的S‑N曲线，使用疲劳累积损伤计算方法，计算齿轮箱的累计疲劳损伤。本发明专利技术方法具有高灵敏度、高可信度以及低成本的特点。

【技术实现步骤摘要】

本专利技术属于风力发电
，具体涉及一种基于SCADA数据的风力发电机齿轮箱疲劳寿命估计方法。
技术介绍
常见的风力发电机均采用水平轴的装机样式，通过大功率的升速齿轮箱将风轮转速提高到与后端发电机匹配的发电转速。齿轮箱的存在使得风力发电机的机械结构更加复杂，大多数风力发电机组投入运行一定的年限后，机械故障开始频发。有效地评估风力发电机齿轮箱部分损耗情况，可以为风力发电厂运营商提供合理的齿轮箱检修计划，在齿轮箱失效之前安排合适的时间对齿轮箱进行维护或更换，保证风电场的效益。目前，对风力发电机齿轮箱运行状态进行监测的手段主要是通过齿轮箱运行时的振动状况或工作温度对其健康状态进行评估。该类方法采集齿轮箱当前的振动水平或润滑油油温，得到齿轮箱的尖峰振动频率处的振动水平或润滑油温度大小，对齿轮箱的工作状态进行评估。齿轮箱部件由于疲劳所产生的故障，在其发生初期，振动信号或润滑油温度信号的异常变化通常比较微弱，因此，根据齿轮箱当前的振动及温度信号变化来实现监测的方法无法对故障源作出有效的判断。
技术实现思路
本专利技术提出一种基于SCADA数据的风力发电机齿轮箱疲劳寿命估计方法，具有高灵敏度、高可信度以及低成本的特点。为了解决上述技术问题，本专利技术提供一种基于SCADA数据的风力发电机齿轮箱疲劳寿命估计方法，步骤如下：步骤一，对SCADA数据进行处理获得平均风速和湍流度；根据轮毂高度、平均风速、湍流度，使用VonKarman风速模型，还原出短时间间隔的风速时间序列；步骤二，将风速时间序列转换成叶轮转矩时间序列，根据叶轮转矩时间序列使用风力发电机齿轮箱动力学模型，计算获得齿轮箱内部传动部件的应力时间序列；采用雨流计数法对应力时间序列进行处理，获得应力大小的分级以及该分级对应的循环次数，即应力谱；使用Goodman直线方程对应力谱里面的应力大小及对应的循环次数进行修正；步骤三，根据修正后的应力谱以及电机齿轮箱齿轮的S-N曲线，使用疲劳累积损伤计算方法，计算齿轮箱的累计疲劳损伤。步骤一中，所述风速时间序列为10min内、间隔为0.1s的风速时间序列。步骤一中，所述VonKarman风速模型为：式中，为风速在纵向分量上的自频谱，f为风速变化的频率，σu为风速变化的标准差；为无量纲频率参数，xLu为湍流纵向分量的长度尺度，为平均风速；h为风力发电机轮毂距离地面的高度，h1为大气边界层厚度；参数a、β1、β2和F1分别如下所示，a＝0.535+2.76(0.138-A)0.68A＝0.115[1+0.315(1-h/h1)0.68]2/3β1＝2.357a-0.761β2＝1-β1步骤二中，使用风力发电机齿轮箱动力学模型，计算获得齿轮箱内部传动部件的应力时间序列时，使用纽马克方法求解电机齿轮箱动力学模型。。本专利技术与现有技术相比，其显著优点在于，本专利技术利用风力发电机运行过程中产生的SCADA数据，计算齿轮箱的累计疲劳损伤，并对齿轮箱的剩余寿命进行量化计算，对故障源的判断具有更高的灵敏度及可信度，同时也为齿轮的寿命计算和状态监测提供了一个低成本的解决方案；本专利技术采用以计算齿轮箱疲劳寿命的方法对齿轮箱健康状态进行评估，不仅可以应用于齿轮箱健康状态的监测，还可以应用于风力发电机齿轮箱的设计。附图说明图1是本专利技术方法流程示意图；图2是本专利技术方法中SCADA数据的处理流程示意图；图3是本专利技术方法中齿轮箱应力计算及整理流程示意图；图4是齿轮箱三级传动坐标示意图。具体实施方式容易理解，依据本专利技术的技术方案，在不变更本专利技术的实质精神的情况下，本领域的一般技术人员可以想象出本专利技术基于SCADA数据的风力发电机齿轮箱疲劳寿命估计方法的多种实施方式。因此，以下具体实施方式和附图仅是对本专利技术的技术方案的示例性说明，而不应当视为本专利技术的全部或者视为对本专利技术技术方案的限制或限定。结合附图，本专利技术方法包括SCADA数据的处理、齿轮箱传动部件应力的计算和齿轮箱疲劳寿命计算三个部分。1、SCADA数据的处理SCADA系统，即数据采集与监控系统已广泛应用于风力发电，该系统通过收集风电机组运行时的数据对机组的运行性能和状态进行分析，进而实现风力发电机组的本地运行或远程控制。SCADA系统一般每5至10分钟对采集的数据取平均值，收集风力发电机组多个运行信号，并记录存档。本专利技术使用到的主要是SCADA数据中的风速数据，包括每10min的风速平均值Vmean、最大值Vmax和最小值Vmin。本专利技术依据如下公式还原出该时间段内的湍流度I。得到湍流度I的大小后，按照VonKarman风速模型的建立规则，还原出10min内短时间间隔的风速时间序列，将该风速时间序列作为风力发电机齿轮箱动力学模型的输入参数备用。VonKarman风速模型的建立规则如下：a＝0.535+2.76(0.138-A)0.68A＝0.115[1+0.315(1-h/h1)0.68]2/3β1＝2.357a-0.761β2＝1-β1式中，Suu为风速在纵向分量上的自频谱，f为风速变化的频率，σu为风速变化的标准差；为无量纲频率参数,xLu为湍流纵向分量的长度尺度，为平均风速；h为风力发电机轮毂距离地面的高度，h1为大气边界层厚度。将轮毂高度、平均风速、风速变化频率及风速变化的标准差等信息代入到上述式子中，可以由VonKarman风速模型得到轮毂高度处中心处风速的短时间间隔时间序列。2、齿轮箱传动部件应力的计算按照风力发电机的最优叶尖速比控制和变桨控制，将风速时间序列转换成叶轮转矩时间序列。当风速在额定风速以下时，叶轮的机械转矩计算过方式如下，Tm＝0.5ρπRv4Cp/ωr式中，Tm为风轮机械转矩；ωr为风轮旋转角速度；R为风轮半径；v为风速，ρ为空气密度；CP为风能利用系数。当风速高于额定风速时且低于停机风速时，叶轮的机械转矩计算过方式如下，Tm＝PE/ωr式中，PE为额定功率；ωr—风轮额定旋转角速度。将风速v的时间序列带入上面两个计算公式，计算出的即可获得风轮机械转矩Tm以及叶轮转矩的时间序列。本专利技术在突出齿轮箱的关键结构参数的基础上，利用集中参数法对传动系统进行动力学建模，模型中加入了齿轮副啮合时变刚度和阻尼，轴承刚度和阻尼以及传动轴扭转刚度和阻尼等特性参数，以轮毂高度的短时间间隔的风速时间序列作为模型的输入参数，计算齿轮箱内部传动部件的动力学响应。模型的基本动力学公式如下：上式中，M表示广义质量矩阵；C表示广义阻尼矩阵；K表示广义刚度矩阵；q表示广义坐标矩阵，该方程代表了一个齿轮对啮合时的动力学关系。以上式为基础，根据齿轮箱的具体结构建立多个自由度的风力发电机齿轮箱模型，以一级行星轮加两级平行齿轮构成的三级传动为例，其模型建立过程如下：如图4所示，取各构件的扭转位移ui(i＝c,r,s,p1,p2,p3,1,2,3,4)为广义坐标。kct,krt,kst分别表示行星架、内齿圈和太阳轮切向支承刚度；cct,crt,cst表示行星架、内齿圈和太阳轮切向支承阻尼。kcu，ksu，k23，k4u分别表示行星架、太阳轮、齿轮2和齿轮4输出轴的扭转刚度；ccu，csu，c23，c4u分别表示行星架、太阳轮、齿轮2和齿轮4输出轴阻尼；kspi(i＝1,2,3)表示太阳轮和行星轮之间的啮合刚度；本文档来自技高网...

【技术保护点】
一种基于SCADA数据的风力发电机齿轮箱疲劳寿命估计方法，其特征在于，步骤如下：步骤一，对SCADA数据进行处理获得平均风速和湍流度；根据轮毂高度、平均风速、湍流度，使用Von Karman风速模型，还原出短时间间隔的风速时间序列；步骤二，将风速时间序列转换成叶轮转矩时间序列，根据叶轮转矩时间序列使用风力发电机齿轮箱动力学模型，计算获得齿轮箱内部传动部件的应力时间序列；采用雨流计数法对应力时间序列进行处理，获得应力谱；使用Goodman直线方程对应力谱中的应力大小及对应的循环次数进行修正；步骤三，根据修正后的应力谱以及电机齿轮箱齿轮的S‑N曲线，使用疲劳累积损伤计算方法，计算齿轮箱的累计疲劳损伤。

【技术特征摘要】
1.一种基于SCADA数据的风力发电机齿轮箱疲劳寿命估计方法，其特征在于，步骤如下：步骤一，对SCADA数据进行处理获得平均风速和湍流度；根据轮毂高度、平均风速、湍流度，使用VonKarman风速模型，还原出短时间间隔的风速时间序列；步骤二，将风速时间序列转换成叶轮转矩时间序列，根据叶轮转矩时间序列使用风力发电机齿轮箱动力学模型，计算获得齿轮箱内部传动部件的应力时间序列；采用雨流计数法对应力时间序列进行处理，获得应力谱；使用Goodman直线方程对应力谱中的应力大小及对应的循环次数进行修正；步骤三，根据修正后的应力谱以及电机齿轮箱齿轮的S-N曲线，使用疲劳累积损伤计算方法，计算齿轮箱的累计疲劳损伤。2.如权利要求1所述于SCADA数据的风力发电机齿轮箱疲劳寿命估计方法，其特征在于，步骤一中，所述风速时间序列为10min内、间隔为0.1s的风速时间序列。3.如权利要求1所述于SCADA数据的风力发电机齿轮箱疲劳寿命估计方法，其特征在于，步骤一中，所述VonKarman风速模型为：f·Suu(f)&sigm...

【专利技术属性】
技术研发人员：邱颖宁，陈浪，冯延晖，徐伊丽，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32