[发明专利]一种基于大数据技术的故障诊断系统及其诊断方法

说明书

本发明公开了一种基于大数据技术的故障诊断系统及其诊断方法，其中该状态检测系统包括数据采集模块，与数据采集模块连接的数据预处理和交换模块，与数据预处理和交换模块双相连接的数据分析和诊断模块和与数据预处理和交换模块连接的智能控制模块。本发明通过数据预处理和交换模块将采集的状态数据进行预处理，消除了噪音的干扰，同时便于对采集的状态数据更好地进行分析；通过数据分析和诊断模块采用大数据技术进行状态数据分析，在基于全部状态数据的基础上进行分析，得出具体全面的诊断信息，不仅提高了故障诊断的速度，且提高了对故障检测的准确度，本发明实现了对风力发电机的智能化故障检测和控制，大大降低了人工成本。

技术领域

本发明涉及风力发电设备的故障诊断领域，具体涉及一种基于大数据技术的故障诊断系统及其诊断方法。

背景技术

我国风力资源丰富，近几年来风力发电发展迅猛。由于风力发电机安装在几十米的高空，且风电场现场环境恶劣，风机力发电机组出现工作异常或故障不能被及时发现得到有效的处理，可能导致风机严重损坏，造成风机停机维修。不但影响了风机的工作时间，还增加了维护成本，使风电场蒙受巨大损失。因此能够及时发现风机工作异常和故障显得尤为重要。

根据目前风电机组的实际运行情况，其传动链中的发电机、齿轮箱、主轴及其轴承受到变化的载荷作用，容易出现故障。由于轴承承载着机组负荷，通过监测轴承的振动，就可较早发现潜在的故障。由于风机内易损部件的振动信号不仅易于测取，而且包含丰富的机械设备状态信息，这使得振动分析法在风力发电机的状态检测和故障诊断中得到广泛应用。

现有技术中，通常采用测振传感器来采集易损部件的振动信号。一个风电场装备有几十台甚至上百台风机，每台风力发电机的主要易损部件上都安装振动传感器，则将产生成百上千组振动信号，若采用普通的数据处理方式，则无法在短时间内处理如此大量的数据源，不能实现数据监测和故障诊断、预测的同步。在现有的数据处理流程中，首先对得到的振动信号进行快速傅立叶变化(FFT)，然后对原始数据进行压缩，选取可能出现故障振动波形的频段数据，用最少的数据表示原始信号，以达到节省存储这些信号的物理空间的目的，然而采用该方法仅仅基于部分振动波形的频段数据，忽略了其他频段的振动波形，未能给出全面的分析和诊断结果，降低了对故障的检测精度。

发明内容

本发明为了克服以上不足，提供了一种能给出全面的分析和诊断结果，大大提高对故障的检测精度的基于大数据技术的故障诊断系统及其诊断方法。

为了解决上述技术问题，本发明的技术方案是：一种基于大数据技术的故障诊断系统，用于风力发电机的状态检测及故障诊断，包括：

数据采集模块，用于实时采集风力发电机内易损部件的状态数据；

数据预处理和交换模块，连接到所述数据采集模块，实时接收状态数据，对状态数据进行预处理，将预处理后的数据发送至数据分析和诊断模块，接收并转发数据分析和诊断模块输出的诊断信号；

数据分析和诊断模块，与所述数据预处理和交换模块双向连接，采用大数据技术进行状态数据分析，得出诊断结果并发送诊断信号至数据预处理和交换模块；

智能控制模块，连接到所述数据预处理和交换模块，根据所述诊断信号对风力发电机进行实时控制。

进一步的，所述数据采集模块为振动传感器。

进一步的，所述数据预处理和交换模块包括依次连接的滤波预处理模块、傅立叶变换模块和数据交换模块，所述滤波预处理模块连接数据采集模块，将实时接收的状态数据进行滤波处理；所述傅立叶变换模块将滤波处理后的状态数据从时域转换到频域；所述数据交换模块将预处理后的数据发送至数据分析和诊断模块，接收并转发数据分析和诊断模块输出的诊断信号。

进一步的，所述数据预处理与交换模块还包括数据存储模块，用于对滤波处理后的状态数据和接收的诊断信号进行存储。