风电机组常年在复杂工况下连续运行,机组对设备的可靠性等方面有很高的要求,对机组塔架振动信号的建模和分析可以实现对机组重要部件如叶片、传动链、塔架等的状态监测及故障预警工作。文章采用非线性状态估计技术(Nonlinear State Estimate Technology,NSET)作为建模方法,在对风电机组塔架振动特性及其影响因素进行细致分析的基础上,利用大数据平台采集的机组塔架相关数据建立了塔架振动模型。该模型反应了机组正常工况下塔架振动情况。利用残差统计方法对机组塔架振动估计值和实际值的残差进行分析,残差均值能显示出塔架振动的异常状态,为后续开展的风电机组叶片开裂等早期故障诊断打下了良好的基础,同时为风电机组振动分析提供了新的思路。
展开▼