Vibration-based framework for fault diagnostics of wind turbine gearbox

Abstract

최근 풍력발전기의 신뢰성 문제가 풍력에너지 산업에서 큰 이슈가 되고 있다. 특히 풍력발전기의 기어박스는 유지보수 비용이 크기 때문에, 풍력발전기의 부품 중에서 경제적 위험도가 가장 크다고 평가되고 있다. 지금까지 풍력발전기의 신뢰성을 보장하기 위한 수많은 연구가 진행되었음에도 불구하고, 아직까지 해당 연구 분야는 여러 가지 어려운 문제점에 직면해 있다. 대표적으로 크게 1) 비정상 (non-stationary) 운행 상태로 인해 발생하는 고장진단 기술의 어려움, 2) 특정 풍력발전 단지 내에 수많은 센서로부터 계측되는 방대한 양의 데이터와 등으로 나눌 수 있다. 따라서 본 연구에서는 일반적인 고장진단 과정을 포괄하는 기어박스의 고장진단 프레임워크를 제안한다. 제안된 프레임워크는 방대한 양의 데이터를 효율적으로 관리하는 동시에 정확한 고장진단 기술의 적용을 가능케 한다. 이를 위해 본 학위논문은 1) 풍력발전 운행 데이터의 분류 시스템 개발, 2) 진동기반 고장진단 기술 개발로 구성되어 있다. 첫 번째 연구에서는, 방대한 양의 풍력발전 데이터를 해당 풍력발전기의 거동 특성 (로터 회전 속도, 발전량)에 의거하여 유의미한 네 가지 (Class I. stationary

Class II. quasi-stationary

Class III. non-stationary with high correlation

Class IV. non-stationary with no correlation) 클래스와 무의미한 한 가지 (Class V. idle) 클래스로 분류한다. 이후 각 클래스에 해당하는 데이터의 특성에 기반하여 최적의 고장진단 계획을 설계한다. 데이터 분류기법 개발을 위해 영흥 풍력단지로부터 취득한 풍력발전기의 거동 정보를 이용하였다. 두 번째 연구에서는 정의된 클래스 중 두 가지 클래스 (Class I & II)를 토대로 진동기반 고장진단 기술을 개발한다. 고장진단 기술은 보통 신호의 노이즈를 제거하기 위한 시간 동기 평균화 (Time synchronous averaging)과 유의미한 건전성 데이터를 추출하기 위한 오더분석으로 구성될 수 있다. 하지만 풍력발전기의 유성기어박스의 경우 내부에 포함되어 있는 여러 기어들의 복합적인 작용과 더불어 유성 기어의 축이 계속적으로 변하는 문제가 발생하기 때문에 기존의 고장진단 방법을 적용할 수 없다. 따라서 이 논문에서는 풍력발전기의 유성 기어박스에 대한 고장진단을 위해 새로운 시간 동기 평균화 방법인 자기상관함수 기반 시간동기 평균화 (Autocorrelation-based time synchronous averaging) 기법을 개발하였다. 제안된 진동기반 고장진단 기법을 검증하기 위해서 두 가지 신호(수학적 신호, 테스트베드로부터 취득한 신호)가 사용되었다. 이를 위해 우선 두 개의 모터와 메인 베어링, 플라이휠, 기어박스 그리고 13개의 센서 시스템이 구축되어 있는 2kW 풍력발전기 테스트베드가 설계되었다. 특히 인위적 고장이 인가된 기어가 기어박스에 조립될 수 있도록 설계되어 고장진단 연구에 활용할 수 있도록 하였다. 그리고 해당 테스트베드의 거동을 수학적 신호(analytical signal)로 표현하여 고장진단 기법을 사전 검증하였다. 정상 (healthy) 기어박스와 고장(faulty) 기어박스로부터 취득한 신호를 분석하기 위해 자기상관함수 기반 시간동기 평균기법과 오더 분석법을 사용한 결과 제안된 고장진단 기법은 정상 (healthy) 신호와 고장(faulty) 신호를 잘 구별할 수 있었다.

Reliability of wind turbines (WT) is a challenging issue in wind energy industry. In particular, a gearbox in a WT has the highest risk because of its high maintenance cost. Despite many prior attempts to develop diagnostics techniques for WTs, one has faced many grand challenges including 1) inaccuracy in fault diagnostics due to random and non-stationary signals and 2) inefficiency in fault diagnostics with big sensory data (e.g. vibration) from many sensors in a WT. This study thus aims at developing a generic guideline and framework for gearbox fault diagnostics. This framework enables accurate diagnostic analysis while working with a massive volume of sensory data from many sensors in an efficient manner. This paper proposes two key ideas in the following research areas as: 1) classification of operational data, and 2) vibration-based fault diagnostics method. First, this study has classified the operation conditions into four non-trivial (Class I. stationary

Class IV. non-stationary with no correlation) conditions and one trivial (Class V. idle) condition in terms of the operation data (rotor speed, and power) of the WTs. Data classification has been conducted with real operational data acquired from Young Heung wind farms. Next, this study has also designed diagnostics methods for the first non-trivial class (Class I) based on the characteristics of the data classes. A core technique for the fault diagnostics is an order analysis method using Time Synchronous Averaging (TSA), where TSA is generally used for signal de-noising and the order analysis for the extraction of health data for a gearbox. It is, however, a daunting task to execute the fault diagnostics using the conventional TSA for a planetary gearbox because of multiple mesh contacts and rotation of the axes of planet gears. This paper proposes a new TSA idea, referred to as Autocorrelation-based TSA (ATSA) for the order analysis, particularly for a planetary gearbox. For the demonstration of the proposed diagnostics framework, two signals were employed: analytical signals and signals from a WT testbed. A 2kW WT testbed was designed with two DC motors, main bearing, flywheel and gearboxes with 13 sensors. A faulty gear was machined with different crack lengths at the root of the gear mesh and assembled into the gearbox. The order analysis based on ATSA processed the signals acquired from the healthy and faulty gearbox. It was concluded that the proposed diagnostics method can distinguish the faulty condition of the gearbox from the healthy one.