[发明专利]大型风力发电机组状态监测与故障诊断系统在审
申请号: | 201410100342.0 | 申请日: | 2014-03-18 |
公开(公告)号: | CN103835882A | 公开(公告)日: | 2014-06-04 |
发明(设计)人: | 陈群贤;叶明星 | 申请(专利权)人: | 上海电机学院 |
主分类号: | F03D7/00 | 分类号: | F03D7/00 |
代理公司: | 上海思微知识产权代理事务所(普通合伙) 31237 | 代理人: | 郑玮 |
地址: | 200240 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 大型 风力 发电 机组 状态 监测 故障诊断 系统 | ||
1.一种大型风力发电机组状态监测与故障诊断系统,其特征在于,包括:
与风力发电机组通讯的多个传感器,用于获取所述风力发电机组的各个部分的状态模拟数据;
与多个传感器中的一部分传感器通讯的数据采集器和与多个传感器中的另部分传感器通讯的PLC模块,所述数据采集器和PLC模块用于采集传感器传送的状态模拟数据,并将状态模拟数据经A/D转换后变为状态数字数据,所述PLC模块还与所述风力发电机组通讯,用于调整风力发电机组的运行状态;
与所述数据采集器和PLC模块通讯的实时数据库,用于存储所述状态数字数据;
分别与所述实时数据库通讯的Matlab模块和工业组态软件模块,所述工业组态软件模块还与所述PLC模块通讯,其中,Matlab模块还与工业组态软件模块通讯,所述Matlab模块包括小波工具箱和神经网络工具箱,所述小波工具箱用于通过小波变换将所述状态数字数据进行消噪处理,并将经过消噪处理的状态数字数据进行快速傅里叶变换后从中提取故障特征参数,所述神经网络工具箱用于从一历史数据库中获取风力发电机组的历史故障数据,并通过BP神经网络算法对风力发电机组的历史故障数据进行训练得到BP神经网络,根据训练得到的BP神经网络对所提取到的所述故障特征参数做出模式识别,得到风力发电机组的故障代码后传送到所述工业组态软件模块,所述工业组态软件模块根据从实时数据库获取的状态数字数据在其显示界面中显示当前风力发电机组的各个部分的运行状况,并根据故障代码智能识别出故障类型、故障部件和故障严重程度并显示在其显示界面中,及根据故障严重程度通过PLC模块调整风力发电机组的运行状态;
分别与所述Matlab模块和工业组态软件模块通讯的历史数据库,用于存储所述Matlab模块和工业组态软件模块传输的风力发电机组的各种历史数据,包括所述历史故障数据。
2.如权利要求1所述的大型风力发电机组状态监测与故障诊断系统,其特征在于,所述数据采集器为DSP数据采集卡。
3.如权利要求1所述的大型风力发电机组状态监测与故障诊断系统,其特征在于,所述传感器包括振动传感器、电压传感器、电流传感器、位移传感器、温度传感器、转速传感器和转速传感器。
4.如权利要求3所述的大型风力发电机组状态监测与故障诊断系统,其特征在于,所述振动传感器用于采集风力发电机组的齿轮箱输入、输出端轴承振动信号。
5.如权利要求3所述的大型风力发电机组状态监测与故障诊断系统,其特征在于,所述电压传感器、电流传感器、位移传感器、温度传感器、转速传感器和转速传感器用于分别采集风力发电机组的发电机端电压、电流信号,及风力发电机组的机舱温度、风力发电机组的转子转速和当前风速。
6.如权利要求1所述的大型风力发电机组状态监测与故障诊断系统,其特征在于,所述PLC模块和数据采集器均通过工业以太网与所述实时数据库进行通讯。
7.如权利要求1所述的大型风力发电机组状态监测与故障诊断系统,其特征在于,所述Matlab模块与工业组态软件模块之间通过一外部开放式OPC协议接口实现通讯。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海电机学院,未经上海电机学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410100342.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种风力发电机传动结构
- 下一篇:基于电动有效阻尼的独立变桨系统及变桨方法