当前位置: 风电网 » 风电人物 » 正文

中车永济段志强:基于人工智能物联网的发电机故障诊断系统

日期:2019-10-28    来源:能见APP

国际风力发电网

2019
10/28
14:22
文章二维码

手机扫码看新闻

关键词: CWP2019 中车永济 发电机故障诊断

  2019年10月21-24日,2019北京国际风能大会暨展览会(CWP2019)在北京隆重召开,大会主题“风电助力‘十四五’能源高质量发展:绿色、低碳、可持续”。自2008年首次在北京举办以来,已连续举办11届,成为北京金秋十月国内外风电行业争相参与的年度盛会。
  10月23日上午,举办了“智慧运维论坛——大数据应用,智能预测及故障诊断”。
  中车永济电机有限公司副总工程师/首席技术专家(风电)段志强发表了题为《基于人工智能物联网的发电机故障诊断系统》的主旨演讲。
  以下为发言内容:
  段志强:谢谢大家,我今天讲的题目是基于人工智能物联网的发电故障诊断系统,前端时间召开互联网大会,李彦宏也专门提到智能经济的概念,大家知道现在整个国外的工业4.0包括中国制造2025都提出了产品智能化,是智能产品的开发,我们不光做轨道交通,一直在做技术上的开拓,去年我做了一个发电机的PHM的系统,今年基于人工智能,等于在过去的基础上做了算法和算力的提升,今天和大家做个分享。
  我今天介绍属于四个部分,一个公司介绍,第二个在风电运维方面做的案例,第三个介绍一下我们目前的故障诊断方法和传统故障诊断方法,第四个是案例介绍。
  永济公司1969年就成立了,今年做了50周年厂庆,现在属于中车旗下合资子公司,整个业务覆盖轨道交通和能源领域,现在整个风电产品主要覆盖了目前所有风电领域,双馈、永磁直驱,还有半直驱的产品,整个应用环境也是高温、高海拔、海上,现在整个产品的功率等等级覆盖从600千瓦到9兆瓦,目前正在研究10兆瓦的产品,现在累计销量到33000台,遍布国内外1500多个风场,在国内算是比较多的,这是我们永济公司大概的介绍。
  这个是我们之前做的主要领域,我们从1998年一直开始进入风电领域,到功率等级,包括各个冷却方式、技术路线,全部都是有的。接下来是几个产品和技术路线,从1998年开始到国内首台的600千瓦,到后来国内的1.5兆瓦包括后来2兆瓦、3兆瓦,到2018年做的亚洲最大的半直流区,包括今年年底出来9兆瓦,我们目前的产品有这么几个平台,1.5兆瓦的,还有2兆瓦的,还有一个3兆瓦的,还有5兆瓦以上的。这个是永济在国内的布局图,有七八个基地在做不同的产品,这是目前一些主要的客户,国内国际上的都有。
  我接下来简单说一下我们机改的案例,永济不光是做新产品的开发,包括后市场的运维、机改都一直在做的,分几步,一个是以前非绝缘端盖改造为绝缘端盖,这是专门针对之前电池做的改造,第二个就是发电机转子绕组的更换,提升转子绕组的可靠性。第三个就是滑环的改造。第五个冷却系统的改造,第六个发电机更换润滑脂,解决轴承温升的案例,还有更换电刷,降低运维成本,这是在后服务市场做的一些工作。这个下来就是一些图片的案例,这些是我们做的发电机、润滑脂。
  下面给大家介绍一下基于人工智能故障诊断的方法,现在主机厂都有CMS,我们为什么做这个,作为一个部件厂,好多数据都是从主机厂获得的,我们是专业做发电机,我们从发电机的角度做了整个运行状态的监测和发生故障以后,怎么从专业角度给主机厂、业主做一些支撑,出于这样的目的才做的故障诊断方法,这个方法是基于人工智能,就是在算法上、算力上做了一些优化和改进。这个故障诊断系统是可以在现有机型上做一些加装,包括振动传感器、电压、电流的传感器都是有限的,我们现在开发了一款无线的传感器,可以在现有机型上安装,和整个总装系统联系起来,这是目前我们做的比较多的一点。
  接下来重点说一下故障诊断的方法和传统故障的不同点,传统的故障需要对信号进行处理,比如现在有一个CMS检测数据,可能是根据时域的信号,要找出故障的点和原因,需要对整个时域信号进行频域的分析,毕竟你还要建立一个复杂的诊断模型,和它进行对照,需要大量的知识和人工的介入,这是现在的状态。第二个是现在方法是针对特定种类的故障建立模型,比如转子不平稳、轴承内圈剥离等,有时候故障比较单一,比如内圈外圈同时损坏,故障负荷了以后,以后就不好再做了,更清楚的判断。再一个外界的环境比较复杂,干扰因素比较多,有故障模型的匹配度也是比较难。第三个需要针对每个故障建立数据模型,辨识起来比较难,在复杂环境下的适应性会差一些。还有现在基于机器学习的故障诊断方法,和我们稍微有一些差距,这个也是可以对已知的信号,也就是通过特征参数的选举,包括信息的比对,包括分类,在库里面找到已知故障进行辨识,还有位置故障的学习,在库里对照,这是整个故障识别的过程。
  下面介绍一下基于人工智能算法的故障诊断方法,不需要一个专家知识实现建模,可以减少人工的介入,软件开发需要在深入研究物理模型基础上,针对性的开发定制化的解决方案,我们这个项目采用数据驱动的人工智能算法,现在在无人驾驶、AI音箱整个智能化的产品,在算法和算力上做了提升,无需专家支持,只需要提供数据和数据标签就可以,不需要做一些深刻道理的分析,说白了就是不用知道太多的道理。完全由计算机自动提取故障数特征,建立数据映射关系,消除极具挑战性和异变性特征工程处理阶段,相较于传统故障识别,我们人工介入会少一些,节约开发成本,现在故障我了解,如果真的有故障,需要把数据拷出来,找专家进行分析,有的国内专家不支持,我们拿到国外去,整个成本特别高,需要专家介入。而这个只是我学习完以后贴上标签,大家只要通过标签来识别就可以,而不需要太多的机理去做。下来就是算法的准确性比较强,不受设备和场景变化的影响,当场景发生变化的时候,相关数据特征也会改变,比如现在发电机上的轴承,可能有6330和6332,不同的轴承需要阈值不同的特征值,我们这个是不需要输入的,一类产品都可以用,2兆瓦、3兆瓦都可以做,不是针每个电机再去输入数据。
  第二个是算法可以拓展性强,有时候可以识别一些未知的故障,在现有的故障,在一些搭建检验模型,只能是识别恶劣行为,这个算法是基于计算及自动提取故障特征,对已有的故障进行对比,从而确认之前未分类检测的故障,可以说是突破了一个无法识别故障的难点。
  总的来说我们这个故障诊断方法有几个优点,可以通过物联网,把这个东西装到发动机上,现在我们已经做完了,下个月产品会下线,就是三个大的东西装在设备上就可以,传输可以通过4G网络或者无线网络都可以,和主机厂类似,我们现在也是租了一个阿里云,通过他的云平台,在我们内部有个数据库,在手机上输入账号就可以实现整个电机的监控,这是和以前的对比。这个是我们当时做的原理,这个是实验室的一个仪器。
  接下来简单说一下整个架构,有一个感知层,可以结合有线和无线的做法,把我们数据进行传输,感知到硬件,包括发电机、传感器、电压电流,包括振动的都有。这个是个传输层,通过4G、5G网,都可以传输到我们的平台上,这是传输硬件的结构。信息性的处理,我们跟阿里云也在合作,在做整个的运算,这是整个应用层的结构。我们现在风机少,规模小一些,随着规模加大以后,更多的服务器和平台都在做。总的来说,包括工业现场,还有通过云平台、地面中心,就在我们公司那儿,这个数据我完全可以和业主、主机厂共享。这个东西它的好处是可以节省我们的经济成本,现在如果做专家的分析或者是做故障机的分析,费用比较高一些,现在整个安全性也比以前做了提升,无线的包括有线的技术,在现在改造起来肯定更简单一些。由于时间的关系我就介绍到这里,如果大家感兴趣我们下面可以再交流,谢谢大家。
返回 国际风力发电网 首页

风电资讯一手掌握,关注 风电头条 储能头条 微信公众号

看资讯 / 读政策 / 找项目 / 推品牌 / 卖产品 / 招投标 / 招代理 / 发新闻

风电头条

储能头条

0条 [查看全部]   相关评论

国际能源网站群

国际能源网 国际新能源网 国际太阳能光伏网 国际电力网 国际风电网 国际储能网 国际氢能网 国际充换电网 国际节能环保网 国际煤炭网 国际石油网 国际燃气网