引言：风机电组在线振动系统，其主要采用传感器进行数据的收集，同时利用远程诊断中心快速通过该平台对所有数据信息进行分析处理和诊断，可以实现实时的在线监控和处理。在该系统中皮包括了传感器采集系统软件，系统可以实现对长波形数据、时域指标等数据信息进行查看，并且实现频谱的分析以及道谱的分析等，最终做到减少人力资源的浪费，通过少人或无人监控能够实现对风电机组的振动进行管理，其监控质量得以提升，避免在实际使用时出现数据出现数据质量不佳这一种情况。

一、工程概况

在本次研究的过程中，基于工程重庆黔江麒麟二期风电场项目进行分析，在该项目中风能资源如下：第一，风电场风功率密度等级为D-1级。重庆黔江麒麟二期风电场项目场区内002624#测风塔115m高度代表年内年平均风速和平均风功率密度分别为4.52m/s、103.27W/m2，609010#测风塔115m高度代表年内年平均风速和平均风功率密度分别为4.64m/s、84.25W/m2，按照《风电场风能资源评估方法》（GB/T 18710-2002）和《风电场工程风能资源测量与评估技术规范》（NB/T 31147-2018）的年平均风功率密度等级划分标准，测风塔所在区域属于D-1级风场，有一定开发价值，应选择低风速型大叶轮的风力发电机组，以便有利于风能资源的充分利用。第二，风速分布主要以中低风速为主。002624#测风塔115m高度处风速分布主要集中在2.0m/s～8.0m/s风速段，所占比例约为76.68%，相应风能比例为56.41%；风能主要集中在5.0m/s～11.0m/s风速段，所占比例为85.22%，相应风速所占比例为45.97%。609010#测风塔115m高度处风速分布主要集中在2.0m/s～8.0m/s风速段，所占比例约为90.31%，相应风能比例为73.65%；风能主要集中在4.0m/s～10.0m/s风速段，所占比例为88.28%，相应风速所占比例为69.68%。第三，测风塔处全年可发电小时数较高，全年满发小时数尚可002624#测风塔115m高度处3.0m/s～20.0m/s风速利用小时为6471h，占全年的73.87%。609010#测风塔115m高度处3.0m/s～20.0m/s风速利用小时为7669h，占全年的87.55%。全年可发电小时数较高。第四，风向稳定。风能分布集中002624#测风塔115m高度处主风向主要集中在ESE~SSE方向，风向比例占比为49.38%。002624#测风塔115m高度处主风能主要集中在ESE~SSE方向，风能比例占比为67.40%，风能与风向分布基本一致。609010#测风塔115m高度处主风向主要集中在ESE~SE方向，风向比例占比为43.94%。609010#测风塔115m高度处主风能主要集中在ESE~SE方向，风能比例占比为64.19%，风能与风向分布基本一致。第五，风速月间变化幅度较大，日变化幅度较大。002624#测风塔风速年内风功率密度变化规律与风速变化规律基本一致，主要以12月风速相对较小、9月风速相对较大；当轮毂高度为115m时，测风塔年平均风速为4.52m/s，年平均风功率密度为103.27W/m2；风速与风功率密度月间变化幅度较大，月平均风速和风功率密度最大值均出现在9月，最小值出现在11~12月。609010#测风塔风速年内风功率密度变化规律与风速变化规律基本一致，主要以6月风速相对较小、8月风速相对较大；当轮毂高度为115m时，测风塔年平均风速为4.64m/s，年平均风功率密度为84.25W/m2；风速与风功率密度月间变化幅度较大，月平均风速和风功率密度最大值均出现在4月，最小值出现在11~次年1月。两测风塔日间风速及风功率密度变化幅度较大，风功率密度变化规律与风速变化规律基本一致。风速日变化以晚上19点至凌晨7点期间风速相对较大，上午9点至下午18点风速相对较小，即白天风速较小，夜间风速较大。第六，风切变指数较小，湍流强度较小总体来看，002624#代表测风塔50m-90m综合风切变较小，为0.089，随着高度的增加风速增大幅度较小。场区609010#测风塔100m-120m综合风切变较小，为0.068，随着高度的增加风速增大幅度较小。场区002624#测风塔90m高度处15m/s平均湍流强度为0.088，为较低湍流特性等级，理论情况下，随着海拔高度增加，湍流强度会随之减小，初步判断风机轮毂高度115m处采用风机安全等级推荐为C级及以上的风机。最终风机安全等级由厂家复核后确定。其中各测风塔115m高度全年各风向风能频率如下表1所示。

表1各测风塔115m高度全年各风向风能频率（%）

二、风电机组在线振动监测技术优势

1.捕捉微小信号

风电机组在线振动监测技术主要是通过传感器和监测设备实现对风电机组所有不同部件的振动状态进行实时的监测，传感器可以在短时间内捕捉到一系列微小的振动信号，并且将其转化成为电信号进行传输和处理。通过专业的数据分析算法，快速且准确地分析出振动的幅度、频率以及相位等一系列参数，实现对温度，压力等辅助参数进行处理，进而对风电机组的运行状态进行全方位的监测和管理。

2.预防潜在事故出现

选择在线振动监测技术，其优点相对较多，不仅可以实现实时监测，同时还能够快速地发现风电机组在实际运行过程中所存在的异常情况，预防潜在故障的大量发生，避免由于故障停机而导致是的经济损失出现。利用在线振动监测技术提高风电机组在运行时的整体运行效率，并且通过优化运行参数以及维修计划可以降低整体的成本，提高风电场运行时的经济效益。

3.提供全面的运行数据

在线振动监测技术还为风电场提供了全面的运行数据，让风电场在后续进行运行管理时，其管理的科学性、可靠性都可以得到提升。近几年在我国风电行业中风电机组在线振动监测技术的应用在不断地被普及，很多风电场目前均选择了这种技术。对风电机组进行实时的监测和故障诊断，也能够不断地优化该技术，让该技术的应用范围在不断扩大，在未来可以在更多的风电场中应用该技术。

三、技术在风电机组中的应用场景

在风力发电行业在线振动监测技术，保证风电机组在运行时的安全性，可靠性，及时地发现其中所存在的潜在故障，针对潜在故障进行问题的解决，提高风电机场在运行时的整体运行质量。在线振动监测技术，其监测原理是通过实时监测风机电组的振动状态，进而对风机电组当前的运行状况进行判断，了解其故障出现的原因，故障，了解其故障出现的原因以及故障出现的情况。

1.在线振动监测技术原理

风电机组在运行的过程中，由于风轮转动，齿轮，轴承摩擦等一些因素会产生振动信号，这些振动信号包含的信息为风电机组在运行时的实际运行状态，例如，转速、负载、磨损等等，通过对这一系列振动信号进行监测和分析，能够更好地了解到风电机组在当前运行时的运行状态，做好实时的监测和故障预警工作。传感器则是在线振动监测技术中的核心内容，传感器的性能直接影响了在进行监测时的监测结果以及监测可靠性。风电机组振动监测过程中，目前常用的传感器相对较多，包括了加速度传感器、位移传感器等等，其中加速度传感器则是通过对风机组振动进行测量，产生明显的加速度，然后将其信号转化成为电信号进行传输和处理。位移传感器的存在则可以通过测位移传感器，测量风电机组在振动时的位移变化，以此来有效地反映出当前振动的实际状况，这些传感器均具有高灵敏度，高精度以及抗干扰能力，满足目前风电场风电机组振动监测的实际需求。在进行数据采集与处理时，通过对数据的实时采集，可以更好的更快速的收集传感器，并且收集传感器所测量的振动数据，并且对其进行预处理，在实际预处理时包括了对滤波进行放大，数字化处理等等，在第一时间内去除干扰信号，提高信号的整体。通过预处理后的数据均需要进行进一步的分析和处理，可以在大量的数据中快速地提取有效的振动信息。例如，分析振动的频率，振动的振幅、相位等等，这些振动信息能快速地反应出风电机组在运行时的运行状态以及风电机组的故障情况，为后续的故障诊断以及故障预测提供最为坚实且可靠的依据。

2.轴承故障检测方面

近几年振动在线监测技术在风电机组的日常应用过程中，应用频率在不断提高。例如，在轴承故障检测方面，由于大量的风电机组长期处在相对恶劣的工况环境下进行运行，轴承十分容易出现磨损、裂纹等一系列故障。通过在线振动监测技术则可以实现实时对监测轴承的智能信号进行分析，了解信号中所存在的异常，并在第一时间内对轴承故障进行诊断，这种方式不仅仅可以避免故障的扩大，导致的停机事故，与此同时还可以有效的降低维护成本，提高机组在实际使用时的利用效率，满足供电发展的实际需求。

3.齿轮箱检测方面

齿轮箱也是风电机组在实际使用过程中最重要的部位之一，齿轮箱的使用质量会直接关系到一个机组在运行时的状态稳定性以及发电效率。当前选择在线监测技术也能够实时监测齿轮箱的振动数据，并且对其运行状况进行监测分析，一旦发现齿轮箱出现磨损、断齿等故障，可以提前进行预警，这种故障预警机制可以实现实时的维修和更换，能够有效的避免故障突然发生导致企业所面对的损失重大。

4.叶片检测方面

在风电机组中，叶片也是关键部位之一，叶片的安全性能对机组的稳定运行而言可谓是至关重要。由于叶片本身受到多种不同因素的影响，例如，风载和振动等很容易出现裂纹，气蚀等一系列故障。通过监测叶片的振动状态，能够及时的发现并且诊断出叶片中所含有的故障，在第一时间内对其进行维修或更换，可以确保叶片在运行时的运行安全性得以提升，振动监测技术还可以用来对整个风电机组的状况进行评估，通过对机组各个不同部件的振动数据进行采集和分析，可以实现对整个机组整体状态进行评估，包括机组结构健康状况、性能状态等，可为风电站的运维提供强有力的支持，进而确保运维效率和机组的可靠性能够得到改善。

结语

综上所述，风电机组振动在线监测状况其减少监测人员在日常工作时的工作量，同时也让工作质量得以提升，监测人员只需要通过监测软件的反馈就可以实现对各个不同风电机组的部件进行实时监测。利用传感器监测所有不同部件的振动频率，判断该部件在运行时的实际运行状态，减少故障出现的概率，同时降低运维成本，有效地提高调度的整体水平。随着风电机组在不断的研发，健康调控技术也在不断的增加，更顺应了国家智慧风机的发展需求，使得风电场智能运行管理质量得以提升，极大限度的简化了维修人员的工作数量，摆脱多传统的巡逻方式。对运维人员而言也提出了针对性的要求，进一步提高风电场参与电网调度的准确性以及灵活性，确保风电场并网以及运行管理质量均可以得到提升。

参考文献:

[1]徐国平,沈佳涛,金程玮,等.基于在线振动监测技术的风电机组齿轮箱故障分析与诊断[J].微特电机,2024,52(06):23-25+29.

[2]程人杰,王春光,杨洪源.风电机组在线振动监测技术研究[J].风能,2014,(06):92-95.

作者简介：冉静（1981.09—），男，土家族，重庆酉阳人，华北电力大学电气工程及其自动化专业，中级工程师，本科学历，研究方向：电气工程及其自动化、机电管理。