传统冷风机组的警报系统基于安装在警报设备上的传感器组件，其结构和原理如图1所示。
　　设备的某些组件超过极限值时，触发警报系统的警报。发系统警报的条件包括：设备组件的温度突然升高，液压系统中过压，高电流或低电流。统系统的预警能力很低，需要手动分析告警参数来确定预期的故障。统警报系统提供的初始警报设置限制也基于大量实验定义的值，而忽略了气象，气候，模型和其他人为限制的完整因素。上所述，冷库安装传统报警系统的故障严重影响了风电设备运行时风电场人员的短缺和检查工作，这并没有促进设备寿命和能源效率的增长。高生产效率。此，有必要提供一种故障检测预警系统，能够在现场使用丰富的实时数据资源，能够自动分析缺陷并自动发出警告。
　　划警报和维护操作以延长设备寿命。高生产效率的目的。过集团公司风能数据中心的建设，可以实现将存储在风电场冷库，风电场气象和增压站中的数据传输到数据中心。电场在满足安全要求和部门要求的条件下。

　　以在集团公司的风电场的中央数据控制中心中监视和存储各种风电场数据。用风电场丰富的数据资源对风能存储单元和不同类型的风能存储单元的缺陷进行分类，有效管理风能存储单元的运行状况实现了管辖范围内的风力发电，并及早发现了不良的工作条件。此，集团公司可以使用集中式风电场监控中心来整合其管辖范围内不同风电场模型的运营数据，从而增强风电场建模丰富和准确性高的优势。警失败建模中的预警。电场数据中心的结构图如图2所示。3描绘了自从建立风电场数据中心以来，风能单元故障报警系统的整个过程。能存储单元故障模型，从故障预警到自动优化风能存储单元故障模型。设备故障参数过滤模型的基础上，针对不同类型的风机冷库自动建立一套预警系统。过基于工业执行库提取和分析历史数据，建立故障参数信息探索模型，该库是包含有关故障类型的故障参数信息的知识库。成专用设备。障参数信息知识库用于实时监控与特定设备故障有关的参数信息，并建立故障检测预警模型。
　　告知识库设置的值和逻辑。于历史预警信息和预警效果评估，建立设备故障预警的自优化模型，冷库安装以进行基础优化。解预警设置，提高预警信息的准确性。能存储单元预警系统还打开用户参数设置界面，以确保授权用户可以直接添加知识库配置信息。于经验的与系统故障相关的参数信息，以确保充分利用当前运行的人工反射组。设备故障警告相关的统计参数过滤过程如图4所示。完成图中所示流程中的一系列模型后，关于故障的数据仓库风冷库的存储方式是统一的：工厂的型号，位置，建造时间，与预警有关的参数组和库房的健康状况。格等信息。生故障时，将形成下表1所示的数据结构。条扫描特定类型的风能存储单元的故障输入，并通过每个故障元素下的大量历史数据进行参数幅度相关统计。有较大的振荡幅度，并可能影响风能存储单元的故障状态。录。调整过程中，必须及时存储数据以进行存储，并且将基于参数信息的预测完全存储在库存中。期相关参数信息将进入库存存储格式，如表2所示。障检测和预警系统主要分为三个模块：警报模块早期实时，实时早期评估模块和自动参数幅度优化模块。三个模块的工作流程如图5所示。面分别描述了三个模块的流程设计。时故障警告模块对与设备故障项目相关的数据点进行实时监视（跳闸或短周期询问），并将xxx转移到预警处理中，以进行遵循预警参数值和参数条件，并检查每个设备的故障项目的逻辑。发警告后，将显示相应的弹出窗口，并以声音报告和图形闪烁的形式报告给用户；生成警告的信息将被存储和存档，以便快速评估。认信息表显示在表3和表4中。

　　时预警评估模块是用于监视和评估已发出警报但没有预警的预警记录的模块。没有出现。期性（可配置的时间，例如20分钟），用于查询警告信息中未定值的警告信息，检查是否生成了警告信息，以及发生的预警信息的准确性（例如：例如，发生警告，但延迟了5分钟）。当检查未评估的警告信息时，除非警告记录的时间已长时间超过（可以设置为1天），否则都不会。算已评估的预警元素的统计信息，并计算预警参数当前条件下警报的准确性。告的准确性分为几个方面：我们首先检查一切是否正确，然后在预警中检测到的错误是否正确（如果未参与），情况仍然如此。告时间的准确性。估信息被存档以用于优化阶段。期（例如7天）优化预警参数的幅度，必须首先设置一个预测准确率标准（例如：85％），然后自动调整基于历史数据的非标准参数，主要用于恒定值。加历史数据，重新启动统计数据并调整幅度。据与故障相关的参数过滤算法，研究了参数振幅变化与相应故障之间的关系。5示出了缺陷“ 1个返回雷暴位置的普通叶片太慢”的动态变化关系。6显示了当“正常叶片到风暴”故障太慢时，风电场的风能装置中各种参数的变化趋势。
　　轴对应于相应参数的振动幅度的变化率，其被划分为0.02作为设定点，而纵轴对应于上述缺陷发生的可能性。面的“正常收集1个刀片和返回风暴太慢3个”。电场的实际运行：“叶片通常太慢而无法返回雷暴”是风能存储单元运行中的常见故障之一，关闭次数达到800次/一年。障发生后，风电场维护人员通常必须进入风能存储单元的展位，以检查与俯仰相关的组件的状态。承润滑不良，液压系统故障，刀片驱动马达的加热和磁性拆卸，SBP供料器故障以及刀片电池的丢失是导致故障的原因。前，风冷存储单元的主要测量点的百分比（X轴）与故障率（Y轴）之间的关系。振幅百分比小于2％时，每个参数的变化与故障之间没有明显的相关性。定义的振幅逐渐释放时（X轴从右到左），失效的可能性逐渐增加。曲线中，当X轴测量点幅度的百分比略有变化时，故障发生率显着变化的位置表示相应的测量点与缺陷有关，例如如表6中所示。如，在风电场的生产日志部分的记帐记录中，风能存储单元的逆变器的水冷却系统的压力。°43太高，无法进行现场维护。
　　变器水冷系统的压力过高，可能会发生线路爆炸，从而严重导致逆变器IGBT模块的短路烧坏。7显示了故障发生之前预警系统提供的预警（由于预警系统的原因，值班操作员没有对初始系统给予足够的重视，警报信息只能在预警历史记录中找到）。7是在故障警告时间间隔内的43号风冷存储单元的逆变器的水冷却系统的压力的趋势图。据故障警告，在这种类型的风冷存储装置中使用的变频水在正常条件下的压力极限为1.2-2.6。型相关性警告基于预警。
　　据建立的预警模型，当压力超过2.6时，正常情况下逆变器水冷却系统的压力值在1.2至2.6之间（见图8）。当管子承受过大压力时。统会在实时监控间隔中迅速提醒您注意水冷却压力值的最大值和趋势。储大量风力涡轮机存储单元运行数据的SIS和SCADA系统记录了有关风力涡轮机存储单元运行的各种运行条件和历史数据；这是基础架构项目由大多数风电场完成。于现有历史数据，对风能存储单元进行建模和分析，并建立一套预警系统模型，这些模型可以自动生成基于模型的特定风能存储模型。以解决大量的历史数据，从而可以解决缺乏早期发现风力设备故障的问题。有合理的警告或其他问题，并且从整体上提高了设备​​的可靠性和可用性，从而提高了总体经济效率。
　　本文转载自
　　冷库安装 https://www.iceage-china.com