由于社会经济的不断发展，中国越来越重视绿色能源，风能是一种非常清洁的能源。于风冷存储单元，风能可以转换成电能，这使得这种绿色能源得以广泛使用。
了确保风能存储单元的正常和安全运行，有必要开发风能存储单元的振动监测系统，以及预测可能的故障。整个系统中，主要部分包括振动信号采集模块，远程监控和诊断模块以及风电场监控中心。
统可以通过振动信号确定风能存储单元的运行状态，并可以通过某种算法预测故障，最终满足预定的要求。着国家绿色发展观的不断深入，风能绿色能源逐渐引起了国家的关注。我国，风能主要集中在西部或一些地形崎岖的山区，这对于大风冷藏仓库的安装造成了一定的困难。外，在这些风能存储单元的正常运行期间，它很可能被环境和其他因素损坏，从而导致机械结构或电子元件的损坏。此，如果在故障的早期阶段可以检测到故障，并且维护，可以显着减少风能储存单元的故障数量，从而提高运行效率和经济效益风能储存单元。而言之，风能生产中的风能存储单元的振动监测和故障预测对于风能的广泛使用具有重要意义。力发电中风能存储单元的振动监测和故障预测系统一般包括三个部分：信号采集模块，远程监控和诊断中心和一个风电场监控中心。风能通过风力制冷机组的叶片时，它通过传动系统传递到能量生产制冷储存单元，从而完成风能转换为电能。整个传动系统中，由于机械结构复杂，冷凝器价格负荷变化大，速度不稳定等，风能储存单元的轴承和齿轮会产生强烈的振动，会影响整体表现。本监控策略是在每个风能存储单元上安装振动信号采集传感器，并在一定时间后通过网络电缆或无线网络将其发送到风电场监控中心。理后，监控中心可以实时显示风能的冷库。单元的关键部件和监控中心的振动通过服务器建立与远程监控和诊断中心的连接，以诊断异常冷藏存储单元。模块在整个冷库的振动监测系统中起着非常重要的作用：它可以收集，数字滤波并发出初始振动信号的信号。模块具有四个信号采集电路和相应的信号调整电路，一旦信号采集完成，就可以通过内部总线传输到下一个单元。
号采集电路主要是模数转换电路和温度测量电路;信号调整电路可以对获得的数字信号进行数字滤波，并将其调制成差分信号，以便于信号的传输。以备份监控系统和数据，并分析风系统中的故障。们主要包括四个部分：设备管理，信号监测，数据存储分析和故障分析。备管理。于不同类型的冷风能量存储单元，系统可以计算相应的振动频率参数并存储它们。号监测。部分可根据不同情况远程调整信号采集通道的采样频率，同时使用时间波形图和频谱图监测信号，并可播放系统异常时的报警作用。据存储分析。
能系统中有数百台风力发电机组，因此需要监测大量数据，有时无法及时分析。这种情况下，必须首先存储数据，然后通过某种方式使用振动信号。析时域和频域。测故障。统故障预测使用数据模型方法，该方法使用自学习算法，粒子滤波算法和随机子空间。中，自学习算法是系统的主要算法，利用以前的数据可以得到风能冷藏单元的振动参数。后将其用作故障预测的参考标准。中心可根据实际需要直接控制风冷库的振动监测，故障分析和预测，以便能够了解存储单元不同部位的振动。风。时，该系统还为总公司设计人员提供了解风能储存单元运行的能力，使专业技术人员能够远程分析和诊断每台设备的运行，提高因此，风冷存储单元的处理速度相当高。时，由于风冷存储单元是复杂的机械系统，因此需要结合各种参数和过去的经验来预测可能的故障。些任务必须由专家远程实施。采集模块采集的振动信号按时间排序，这使得可以提取特征参数，冷凝器价格例如信号中的振动的峰值和频率，然后分析操作状态。过分析时域和频域，对风力发电机组的冷库进行分析。分析过程中，系统可以使用振动峰值，rms，波峰因数和峰度系数等参数来确定变速箱等关键部件的运行状态。预测风能存储单元的故障时，可以通过随机子空间方法分析所收集的振动信号，然后预测可能在风寒单元中发生的故障。用最初计算的稳态振动数据从模型中导出必要参数，并将它们用作变速器线性动态系统的参考参数。变速箱运行异常的情况下，计算的数据偏离原始参考参数。时，可以估计变速箱出现故障。初步识别风能储存单元的缺陷部件后，有必要请维修人员进行现场检查，以及更换和修理可能损坏的部件，允许快速治疗。着绿色能源等风能的不断应用，振动监测和故障预测系统也引起了专业人士的关注。过该系统，可以分析风能冷库的振动特性，达到远程监控的目的。时，该系统还可以提高冷藏单元的运行效率和使用寿命，这对于风能的广泛使用具有重要意义。
本文转载自
冷凝器价格 http://www.china-iceage.com