中国能源资讯网10月19日-21日，2016年北京国际风能大会暨展览会在中国国际展览中心召开。20日上午，北京优利康达科技股份有限公司技术总监张庆运在分论坛上作了主题发言，分享的主题是，SCADA数据分析在风机振动问题研究中的应用。
以下为发言全文：
张庆运：大家上午好。非常高兴能有这样一个机会跟大家分享一下，我们在运维过程中，在数字分析过程中间一些经验。优利康达我们跟数据在接触，我们现在大家在谈大数据、平台软件。实际这一些东西，我们现在做的就是把这一些平台或者软件应用好，把现在很多的新的技术、算法应用好来指导我们的运维来减少我们现场故障率。
我跟大家分享的是一个很小的范围点，就是SCADA数据分析，我们风机振动故障处理过程中的一些经验，这是一个很小的范围。就是关于研究振动的意义大家都是有目共睹就不在这儿多说了。
现在研究分析振动的问题也是很多很复杂的这也就出现了我们现在的很多CMS系统，然后很多的CMS系统厂家不同的技术来检测诊断、预测这个风机的状态，其实除了当前的CMS系统之外，现在风机也会有一些振动传感器，这一些振动传感器，它在不断的采集风机的数据，记录了SCADA系统，对于这数据的分析还是很有价值很有意义的。这振动数据主要还是在塔架上面。以机舱的振动为主。
CMS振动测量的难点，第一个变转速，第二个就是振动源太多太复杂了，发现了异常问题，但是具体在哪一点这也是很难找的。风场的数据会很多，我们现在要做的只是针对风场的风机的运行数据，通过这数据的挖掘来提高我们对风机的这种维护的水平。这一点就是在我们针对SCADA数据分析有什么好的地方，就是最大的好处可以在，基本上不是增加硬件的设备前提下面，就是利用现有的数据对于风机的振动进行研究。这个东西说的会很大，然后我们就是具体的来说一些比较案例，这案例的分享可能是一个重点。
我们都知道风机振动监测里面有一个低频次就是PCH或者MITA，就是1026和4084低频结构振动，这个主要是用于保护安全，避免风机的一些重大的事故发生。
我们首先就是通过对风机的振动SCADA数据分析，来解决什么样的问题?我是想跟大家分享，下面有几个成果，来跟大家去分享一下。第一个就是我们叫做通过SCADA数据振动数据的分析，我们能够来判断所谓的1026也好或者4084也好，它的健康状态是好还是不好的，因为这智能传感器，不起作用的时候，这风机是非常非常危险的，你是发现不了的。
这个是一个统计风场当时在某种功耗下面的振动数据，我们蓝色圈标定就是能看到，这个传感器实际上是没有在工作的。分析这数据实际上就是把所有的SCADA数据进行可视化，我们能够看到这有几台风机，它基本上振动输出是有问题，说明传感器肯定是有故障的。
通过这可视化我们找到这东西，但是风机如果很多的时候，大量的数据实际上用可视化的状态是很慢，效率很低的。这实际上是用了一种大数据很常规的方法，比如说擦伤的计算方法，直接就是能快速的发现这问题，就是它的状态是有问题的。
第二个就是我们通过对统计方法还有实际分析的方法来去反向的来验证风机的供电机，来看看它的供电区和我们软件设置的供电区是不是一致的。这个是通过统计来分析出来的一张图。横轴是转速，我们纵轴是整个加速度。从这图形上我们能够很明显的看出这三个圈里面，第一个圈是在有很高的一个点，这个范围我们叫塔功能区，如果在控制设置错了，可能它在这区域就会产生比较大的振动。第二个功能区是在1400多转，实际上我们算完了以后，第一个圈它的功能点也会很高，中间的小点实际上是在风机刚刚并网的一个振动准备情况。
通过这个图统计学上能够看得出来，我们在软件控制参数的设置上，应该在哪个区间里面，如果设置的不对可能需要调整。因为在运行维护过程中间发现有好多风机共振点什么实际上填了参数填进去了。这应该通过什么样的方法，每一台机器可能有一点偏差把它填进来。这是我们分析了一下发生振动故障转速范围内的分布情况。实际上大部分的振动报警是在1200到1500转的之间。还有一个600到900转比的12%。
其实我们对转速之间的管我们能够通过这个图能看到横轴的转速，这是整个风机控制策略是这个样子的。我们刚才图上在1400多转的时候，相对应风的转速8米左右，它的转速是在1400到1500中间，这个转速实际上是大量发生那种振动报警的地方。这个振动报警我后来跟我们的控制专家也做了一些交流，这个地方的振动输出是有办法能避开或者消减。这是算法上需要一些改进的地方。
另外功能区的问题，我们就是通过对这数据的分析，来去发现了一些可能现代当前的这机型控制程序一些大胆的问题，上面这个图是黄色线是振动输出，蓝色是这个角度，叶片一旦启动的把桨距从90度拉到0度的状态，但是大风的时候这个风机一旦停下来就启动不了，一启动就马上振动报警，我们观察通过振动数据分析，为什么会起不来呢?就是因为共振区待的时间太长，风速很大的时候，它还在待风的角度持续停留二十几秒的时间，在这角度下面，15米以上的风，能够把风机已然吹动到700转到800转的时间。就会引起严重的振动。 通过这分析实际上原因就是角度控制上是有问题，是一个更细的输出。
另外通过统计学来分析，在共振区还有一些问题，如果风机在风速很低的时候，你不把桨角度控制好时机上在低风徘徊同样引起振动这就是一个低风徘徊振动的情况。在680到720这之间，如果时间长了这振动马上就激发出来了。通过这一些分析，实际上这参数都是应用我们软件控制的优化一个结果。
这就是在1400多转的时候，如果在8米多高的时候，时间长了，它振动就会加大了。通过统计学来分析，我们发现可能有一些风机的振动控制参数是有问题因为有一些维护有各种各样的原因，深度维护是很关键，深度维护包括你的报警设置，是不是被屏蔽了，是不是有问题，你的参数设置是不是被修改被调整了这一点很关键，我们通过这分析就能发现，有一些风机它的参数是不对的。它为了保证风机能够运行，而可能给风机做了一些相关的参数调整带来一些隐患，这是我们通过统计学来发现。红色的地方风机都是会有问题的。
这个是关于风足与振动之间的统计关系，有一条蓝色线实际上振动11米比别的风机快很多，所以这样我们通过这个来发现，这完全差了一个孔，在风场安装的时候，这安装角度对于电动变桨没有关系，但是对于其他的变桨这角度差一个孔的话调整过来是很困难，必须把叶片放下来。就是蓝色2号机我们能看出来它的振动就很大。通过我们数据分析找到了它的问题根源。
这是振动跟风速变桨角度的关系，我们为什么会研究这么多变桨，实际上通过风速振动变桨的把它的振动输出和解决关系给关联起来，还会有一个经验模态分解的方法来去做一些预测。这个就是我们把风速变桨的角度，还有神经网络的算法。通过这个算法来去预测，来去检查我们的传感器是不是对的，我们的传感器是不是有问题，我们的风机是不是确实存在隐患，这是我们通过针对风机在这风场解决了很多的问题。就是落酸连接问题、传感器功能失效的问题，安装的问题、叶片不平衡的问题，叶片总体安装等等，我的分享就这到里。谢谢。
