提高電機的效率與可持續性
發布時間：2025-5-30 20:12
發布者：eechina
|
作者：Bin Huo，ADI公司產品應用工程師 摘要 電機故障或異常導致的電機效率下降可能會持續很長時間，并會造成重大經濟損失，因此已愈發受到關注。本文介紹了常見的電機故障如何影響電機運行效率，同時探討了預測性診斷維護解決方案OtoSense™智能電機傳感器(SMS)如何確保電機高效運行。文中提供了兩個案例研究，展示了OtoSense™ SMS應用如何降低二氧化碳排放和能源成本。 引言 工業4.0被視為制造業的新時代，融合了技術、機器人、人工智能和自動化，以打造出高效且富有成效的制造工藝。工業用例占全球能源使用量的30%，其中70%是由電機消耗的。如果電機以最高效率運行，全球電力消耗有望減少10%。1 但要怎樣才能做到？事實證明，借助狀態監控和預測性維護(CbM/PdM)來提升運營效率，能夠在生產力、質量、物流管理等層面優化績效，助力達成可持續發展指標。ADI公司OtoSense™智能電機傳感器(SMS)技術是當今市場上先進的CbM/PdM技術。本文概述了OtoSense SMS技術如何使電動機運行更加節能。 電機效率和電機健康狀況 近年來，鑒于電機耗電量頗高，廠商投入了巨大努力來設計更高效率的感應電機。但有一個對電機效率影響顯著的因素卻常常遭到忽視。通常，工業電機的運行效率處于50%至85%區間。2 電機健康狀況不佳會導致其能效顯著降低。制造商提供的額定效率值僅在電機處于理想狀態時才有效，即電機運行過程中沒有明顯異常、缺陷或故障的情況下。如果機器出現故障，即使處于故障早期，電機效率也會隨之降低。 眾所周知，電機效率指的是電機的有用功率輸出與總功率輸入的比值。圖1展示了電能輸入轉化為機械能輸出的過程及相關的能量損耗，其中包括固有功率損耗和異常功率損耗。公式1計算了電機效率： 
圖1.電機能量轉換效率。
電機的功率損耗主要分為兩種： ► 固有功率損耗 包括銅損耗（電阻、趨膚效應）、鐵損耗（渦流、磁滯）和機械損耗（摩擦、風阻）。固有功率損耗可在電機設計階段得以降低。 ► 異常功率損耗 包括電機狀況不佳導致的額外功率損耗，例如表1中列出的任意一種或多種電機故障。通過使電機保持在最佳運行狀態，可以將異常功率損耗降至最低，而這在很大程度上與電機的維護方案相關。 有關電機效率的研究表明，如果電機在不健康的狀態下運行，其實際效率會低于額定效率。處于不健康狀態的電機可能會長時間以低效率運行，直至發展成電機損壞并導致機器停機的嚴重情況，而且可能會產生大量的能量損耗。一項研究針對不同類型的軸承故障對感應電機效率的影響展開了調查。3 在研究過程中，對四種類型的軸承故障進行了測試：故障1，外圈出現裂紋；故障2，外圈出現孔洞；故障3，防護擋圈變形；故障4，軸承發生腐蝕。 軸承故障類型1的示例照片如圖2所示。實驗裝置由一臺2.2 kW的三相感應電機組成，該電機由主電源控制單元供電，并與一臺制動器相連。通過測量電機輸入電流、電壓和相位來計算電機輸入功率。通過測量電機負載扭矩和轉速來計算電機的輸出功率。電機效率的計算方式為電機輸出的機械功率與輸入的電功率之比。圖2展示了電機效率在不同負載條件下的變化。如圖所示，軸承故障會導致在滿載條件下電機效率降低1.5%，在輕載條件下電機效率降低4%。
圖2.軸承故障對電機效率的影響。 研究表明，諸如轉子導條故障、定子繞組故障、電機軸未對準故障、底腳松動故障、冷卻風扇電機故障等電機故障，都會導致電機效率下降。4,5 圖3展示了不同電機故障對電機效率的影響。
圖3.不同類型的電機故障對電機效率的影響。 ADI OtoSense SMS解析 OtoSense SMS是一套基于AI的硬件和軟件完整解決方案，用于工業電機的狀態監控(CbM)和預測性維護(PdM)。它將先進的檢測技術與數據分析相結合來監測電機的狀況。 該解決方案由硬件子系統和軟件子系統構成，軟件子系統包含一個云平臺、一個網頁應用程序以及一個移動應用程序。云平臺搭載了基于機器學習的電機故障診斷AI算法。圖4展示了OtoSense SMS系統是示意圖。
圖4.OtoSense SMS系統是示意圖。 OtoSense SMS集成了ADI開發的多種高性能傳感器，包括： ► 兩個低噪聲、高頻率MEMS加速度計ADXL1002，用于檢測x軸振動和z軸振動。 ► 兩個高準確度、16位數字溫度傳感器ADT7420，用于檢測電機機殼溫度和環境溫度。 還包括： ► 一個磁場傳感器，用于電機轉速檢測和電機電氣故障診斷。 ► 一個Wi-Fi處理器，借助2.4GHz Wi-Fi進行數據傳輸，負責數據收集與打包。 OtoSense SMS傳感器是市面上用于檢測和解讀機器數據的出色解決方案。表1展示了OtoSense SMS傳感器能夠診斷和預測的常見電機故障： 表1.OtoSense SMS能夠診斷和預測的電機故障
利用OtoSense SMS提高電機運行效率 妥善維護有助于實現最大的經濟效益，因為這可以減少電機故障的發生，避免計劃外的停機時間。此外，電機效率對于節約每次運行的成本起著至關重要的作用，因為高效電機相比標準效率電機，消耗的電能更少。研究表明，不同類型的故障會對機器效率產生程度各異的影響，具體故障類型包括轉子故障、定子繞組不對稱、絕緣系統故障、不平衡/未對準、通風系統故障等。
圖5.OtoSense SMS使電機運行效率達到最優。 圖5展示了使用OtoSense SMS對電機運行效率進行優化。云平臺能讓用戶深入了解電機的運行狀況和維護需求。 憑借專有的OtoSense SMS預測性維護分析，用戶能夠在早期階段識別出九種最為常見的電機故障，并在故障對電機運行造成影響前完成修復。對于每種電機故障，都會計算出一個故障評分指數(FSI)，用以表示電機故障的嚴重程度。FSI是一個介于0到10之間的數值。當FSI數值高于7時，表明電機正處于良好的運行狀態；而當FSI數值介于5和7之間時，則意味著已在早期階段察覺到電機故障，此時系統會向用戶發送低嚴重程度的預警通知郵件。 處于預警狀態的電機，雖在一定時間內仍可維持正常運轉，但鑒于電機已非健康狀態，運行效率會出現下滑。圖6展示的示例中，電機地腳松動問題在早期便被檢測出來，系統隨即發出了預警通知。用戶收到通知后，建議迅速采取相應的修復舉措，使電機運行狀態恢復至理想水平，從而讓電機能夠持續保持高效運轉。
圖6.示例展示了OtoSense SMS如何保持電機高效運行。 客戶案例研究1：OtoSense SMS用于壓縮機監控 壓縮機是工廠中最重要的設備之一。在這個用例中，OtoSense SMS器件被安裝于工廠的壓縮機上，用以執行全天候的持續監測。圖7顯示了這個用例，其中OtoSense SMS器件安裝到了一臺壓縮機上。
圖7.OtoSense SMS傳感器安裝在客戶工廠的壓縮機上。 這臺壓縮機功率為400kW，每天24小時持續運轉。通常，每4.5年進行一次大修。在大修之前，出現的電機故障主要是軸承故障，會使電機運行效率降低1.5%。經過試用評估，客戶在所有關鍵壓縮機上全面采用了OtoSense SMS解決方案。OtoSense SMS檢測到了早期的軸承故障，并向客戶發出了預警通知�？蛻綦S即采取了有效措施，成功避免了軸承受到永久性損壞，并預防了生產線意外停機。同時，由于迅速采取了修復措施，電機僅在預警狀態下運行了極短時間，便恢復至正常運行狀態。 此前，在未安裝OtoSense SMS的情況下，已觀察到能耗和二氧化碳排放均有降低，幅度約為2%，等同于節省了約2%的生產成本。隨著投入使用的壓縮機數量增加，二氧化碳減排效果將愈發顯著。例如，如果對100萬臺相同規格、功率為400 kW的壓縮機進行監測，將使二氧化碳減排量達到約147×109 kgr。圖8展示了使用OtoSense SMS解決方案所取得的成果。
圖8.使用OtoSense SMS實現能源/成本節約及二氧化碳減排：(a) 節約/減排效果（百分比）；(b) 400kW壓縮機數量增加時的二氧化碳減排效果示例。 客戶案例研究2：OtoSense SMS用于物料搬運系統 機場的行李傳送帶是一種高密度電機驅動應用。如圖9所示，一套機場行李傳送帶系統可能由數千臺電機驅動。 一般而言，這些電機的功率大多為5 HP，使用壽命通常是五年。這五年期間的電機使用成本，即總擁有成本(TCO)，主要由電機采購費用、維護費用和用電費用構成（參見圖9）。就具體金額而言，電機采購成本為2000美元，占總擁有成本(TCO)的5%；維護成本為8000美元，占TCO的20%；電費成本則為28,000美元，占TCO的70%。
圖9.傳送帶驅動系統電機的TCO。 在電機使用過程中，最大的成本是電機的能耗。在上例中，如果采用OtoSense SMS使電機使用效率提高2%，并且假設機場行李傳送帶使用3000臺電機，那么在5年時間里節省的電費總額（以美元計）為： 5年節省的電費 = 3000 × 28000 × 2% = 1,680,000美元 換算為每年的節省金額，即1680000/5 = 336,000美元，大致相當于購買168臺新電機的成本。 結論 OtoSense SMS帶來的顯著經濟效益體現為電機運行效率提升后令成本得到降低。隨著眾多企業將重點放在提高運營效率、減少計劃外停機和實現可持續性發展上，采用狀態監控和預測性維護技術已成為一種必然需求。 OtoSense SMS技術為客戶提供電機狀態實時監控、電機早期故障檢測，并針對早期故障排查給出建議措施。及早發現并排除電機故障，不僅能避免電機意外故障和停機，還能確保電機高效運轉，從而實現節能。企業要想在未來十年內提升運營效率并實現可持續發展目標，就必須落實上述所有建議。 參考文獻 1 “All Motor Drives Systems Running at Maximum Efficiency”，IEA。 2 “The qGaNDrive Module”，QPT。 3 Jonathan Herrera-Guachamin和Jose Antonino-Daviu，“Laboratory Experiments for the Evaluation of the Efficiency of Induction Motors Operating Under Different Electrical and Mechanical Faults”，ECON，IEEE工業電子學會第45屆學術年會，2019年。 4 Lucia Frosini、Ezio Bassi和Christian Gazzaniga，“Effect of the Bearings Faults on the Efficiency of the Induction Motors”，IEEE工業電子學會第34屆年會，2008年。 5 Maeva Garcia、Panagiotis A. Panagiotou、Jose Alfonso Antonino-Daviu和Konstantinos N. Gyftakis，“Efficiency Assessment of Induction Motors Operating Under Different Fault Conditions”，《IEEE工業電子會刊》，第66卷第10期，2019年10月。 作者簡介 Bin Huo于2000年加入ADI公司，曾參與電機控制器DSP、Blackfin DSP、高速ADC轉換器和OtoSense智能電機傳感器等方面的工作，涉及芯片系統架構設計、應用參考設計和算法開發。他在電機控制器逆變器系統設計、電機閉環控制算法、飛行時間(ToF)相機模塊設計及算法開發等方面擁有豐富經驗。Bin Huo擁有東京大學電氣工程博士學位，在相關研發領域擁有10多項發明專利。 |
網友評論