风力发电设备无损检测技术研究

丁 松，田贵云，2，王 平

（1.南京航空航天大学 自动化学院，南京 210016；2.Newcastle大学电力电子与计算机工程学院，英国 纽卡斯尔 NE17RU）

风力发电作为可再生清洁能源的重要部分，近年来一直呈高速发展的趋势。预计在未来5年内，全球风力发电装机容量将增长104%。联合国的相关报告明确将风力作为全球能源的重点投资方向。我国也已确定了把风能发电作为未来经济增长的主要能源来源之一。自2006年至2010年，我国风能发电总量年均增长速度超过了100%。截至2010年底，中国全年风力发电新增装机容量达到了1600万kW，累计装机容量达到4182.7万kW，首次超过美国，跃居世界第一［1－3］。中国已成为全球风电装备最大的消费者和生产者。在即将颁布的第12个5年规划中，包括风能在内的可再生能源将占据更加重要的战略地位。

我国的风力发电技术与国外相比仍处于相对落后的位置，总体上还处于跟踪和引进国外的先进技术阶段。在风电场实际运行过程中，国产的很多风机运行一段时间就出现各种故障，甚至报废，而国外同类型机几乎可以运行十几年。由于我国的地形地貌复杂，风力发电场多位于较偏远的场地甚至海上。在这些场所，高的故障率将带来巨大的生产和设备维护成本。发电设备的关键部件的损坏将造成严重的后果。目前，风力涡轮机的价格高昂，但估计寿命为20年，为传统的蒸汽涡轮发电机组寿命的一半，而其故障率却为常规发电机的3倍。

风力发电是一个集计算机技术、空气动力学、结构力学和材料科学等综合性学科的技术，针对风力发电系统的无损检测和健康监控是一个复杂的综合性系统工程。在我国，对于风力发电系统的无损检测和健康监控研究刚刚起步，缺少此方面的技术积累。因此，当前我国急需实现从以煤炭向绿色能源转型，大力发展我国风力发电系统无损检测和健康监控水平，创建起具有自主知识产权的尖端技术，对于提高风力发电系统的寿命和稳定性，减少故障损失，降低发电的维护成本等方面均具有非常紧迫和重大的意义。

1 国内外研究现状

世界各国政府、企业和各研究机构都在风力发电设备的健康监控和故障检测方面进行了巨大的投入。其中，欧盟科技支撑计划中，由希腊、西班牙和葡萄牙联合开展了NIMO项目，对风力发电机组的新型集成监控系统进行研究和验证；由Ericsson，RWEnPower，TUV NEL，FUGRO等公司联合承担了INSIGHT项目，对海上风电塔座和叶片进行在线无线监控；英国承担了 WINTUR项目，经费110万英镑，采用能量自收集方式，构建陆地和海上风力发电塔基和叶片的在线无线监控技术。此外，风力发电技术发达的国家或大的风力机制造商都创建了自己的检测中心，仅丹麦就有三处检测中心。特别是2005年由挪威船级社、丹麦Risoe国家试验室、FORCE技术公司合作成立的BLAEST，专门进行叶片检测，最大检测叶片长度达到100m，以满足未来几年内可能的需要。荷兰能源研究中心（ECN）与Delft大学以共建的形式成立了WMC机构，承担着风电机组材料、部件和结构的研究工作。美国国家可再生能源试验室（NREL）下属的国家风能技术研发中心（NWTC）、英国的Narec和德国的Dewi－OCC、GL等公司也都开展了风电设备的检测研究。在中英联合能源项目研究中，得出了如图1所示的风力发电机构各个环节的失效原因、失效模式和检测手段的阶段性研究结果。

目前，世界上针对风力发电各个环节的检测、监控及风电系统的可靠性研究包括以下几个方面：

1.1 叶片的失效分析和检测

湿度、疲劳、突然的强风和雷击都可能造成风力涡轮叶片的损坏，风电叶片要承受拉、压、弯、扭等载荷作用，从而引起风电叶片结构的损伤累积和失稳破坏［4－5］。在风力发电场，不同涡轮机间的气动干扰可能会给叶片带来过度的负荷，使得悬臂叶片上的挠度和应变过大而造成失效。一般叶片的设计寿命为10～30年，但实际运行中，叶片的劳损程度难以准确检测，以致于很难对叶片进行精确的寿命评估。因此，对叶片健康监控的关键在于连续地对叶片的运行状况进行检测。

英国Newcastle大学和南京航空航天大学的团队在研究中曾将新型传感器嵌入风力涡轮叶片中，以便在叶片失效之前对叶片机构中的性能变化和损坏情况进行检测。并且采用脉冲涡流激励，针对复合材料进行红外热成像技术研究，成功识别出了缺陷的类型特征。在EPSRC资助下，研究团队对于包括声发射、光纤和超声波测试等多种混合式无损检测手段在叶片检测中的应用进行了研究。在针对风力发电设备的2项国家973项目中，南京航空航天大学就叶片在空气动力学基础上的振动模态进行了分析。

美国NREL的研究中，采用了Sandia国家试验室（SNL）、美国宇航局肯尼迪航天中心、Purdue大学、弗吉尼亚理工大学等单位研究的传感器系统进行联合研究。Purdue大学在风力发电叶片的结构健康检测研究中，系统利用三轴加速度计对叶片的尖端挠度进行了测量。弗吉尼亚理工大学应用宏观纤维复合传感器对叶片在形变条件下的阻抗进行了测量。此外，红外热成像是复合材料检测的新方法，美国国家可再生能源试验室同时采用了应变计和光弹板进行负载／应变的联合测量，并利用热像摄像机对两个检测光弹板的热梯度进行检测，作为缺陷特征检测的手段。另一个研究热点是采用传感器阵列，对于叶片小尺度范围内的缺陷进行检测，从而得出整个系统的健康估计。

国内河北大学周伟等人研究了风机叶片复合材料的压缩损伤，认为横向压缩导致材料基体的剪切破坏，而纵向压缩导致层间劈裂，且不同方向压缩损伤在声发射的相对能量、幅值和撞击累计数等参数上有明显区别［6］。

1.2 齿轮箱的无损检测和寿命评估

风力涡轮的齿轮箱由高质量的铝合金、不锈钢或淬火的齿轮钢等制成。齿轮箱主要由承受循环载荷的回转部件组成，易受到循环载荷导致的疲劳和磨损损伤。此外，腐蚀性的海洋环境及风力变化导致的应力也会造成与之相关的腐蚀开裂。这些损伤和开裂都会导致整个传动系统和发电系统的失效。

研究发现，由于齿轮传动系统经常承受交变应力、温度变化等载荷作用，而且在服役过程中还需要考虑环境的影响［3］，由此而引发的轮齿折断和齿面疲劳故障约占齿轮箱故障的60%，是齿轮箱最重要的故障之一［8］，其将导致机械设备的整体性能下降，甚至造成严重的设备事故和重大经济损失。风力发电设备中的齿轮传动系统的故障在早期多是由齿轮局部损伤引起的，因而及早检测出齿轮的局部故障，对防止传动系统故障和事故具有重大意义和实用价值［7］。齿轮传动系统工作情况复杂，因应力原因出现的失效，究其根本与材料的微观组织结构是有紧密联系的，主要包括：内部存在非金属夹杂、晶粒粗大、气孔、裂纹等缺陷。从齿轮受力情况来看，齿轮的受力最大部位是齿根，且主要集中于表面或次表面。因此，局部的应力过大往往是导致齿轮失效的直接原因，其表现形式为：① 轮齿表面胶合、点蚀、剥落和塑性变形：究其原因主要是在局部存在过大的接触应力导致轮齿表面材料处于屈服状态而产生塑性流动、表面膜刺破或齿面疲劳，形成原始微裂纹并不断扩展。② 轮齿折断：在正常使用条件下主要表现为疲劳折断，指齿根部位应力过大情况下，使得危险截面处从疲劳源开始的微裂纹不断扩展，导致齿轮截面上的应力超过极限应力而发生折断。③齿面磨损：因存在磨粒和腐蚀导致齿廓侧隙明显增大，严重影响传动系统性能［9－11］。

齿轮箱的无损检测是在不影响其性能的基础上检测材料状态和性能评估的可行方法。英国Newcastle大学和南京航空航天大学的联合研究团队针对齿轮箱的缺陷测技术进行了大量研究，采用的手段包括涡流检测、脉冲涡流和电磁巴克豪森噪声、磁粉探伤、漏磁检测等多种电磁检测手段。联合团队采用电磁巴克豪森噪声技术，在齿轮的应力分布和微观结构检测方面进行了大量的研究工作，并在英国国家齿轮测量试验室（NGML）得到了工程应用。

清华大学、西安交通大学等采用振动、声发射、磨粒分析（Wear debris analysis）、神经网络等技术对齿轮箱的缺陷检测技术进行了研究，重庆大学机械传动国家重点试验室朱才朝等人以有限元弹性接触分析理论为基础，创建了大型风力发电机组升速齿轮箱传动系统外啮合和内啮合齿轮多齿接触三维有限元模型，对其在额定载荷工况下的承载能力进行了计算，为大型风力发电升速齿轮箱传动系统承载能力的估算、齿轮几何参数的确定及零部件的强度分析计算提供了理论依据。西安交通大学的何正嘉等人运用第二代小波基函数等，有效地提取出发电机组松动、齿轮箱冲击摩擦等故障特征。采用合理的基函数或多重基函数（多小波）对动态信号进行内积变换，有效地提取了故障特征，进行了正确的故障诊断。

在齿轮箱检测领域，离线无损检测和在线监控技术的结合以及齿轮箱寿命估计有待进一步研究。当前的技术挑战还在于将现有的技术拓展到定量无损评估，如电磁NDE，声发射和结构健康监控，并用于风机齿轮箱的远程监测中。

1.3 发电机和电力电子设备的监测

发电机包含电磁部分和诸多电力电子部分。这些部件的可靠性检测也是风电设备监测的重要部分。机械振动、湿度、温度和封装形式都会引起这些部件的失效。由于风能先后通过叶轮，主轴，齿轮箱，发电机后转换成电能。其中风力机叶片是弹性体，在风载荷的作用下，作用在风力机叶片结构上的空气动力、弹性力、惯性力等具有交变性和随机性，力的耦合将会引起与电机某些振型共振的自激共振，即颤振。若该振动是发散的，会导致风力机结构破坏。此外，风力发电机组在运行时由于多种原因，会使电机和机舱在各个方向有较大的振动，振动的频率、幅度超过风机设计要求时会对风机的正常运行产生危害。在南京航空航天大学承担的国家973项目课题中，南京航空航天大学与清华大学就影响风力发电机安全稳定运行的气固耦合振动问题进行研究，创建了大型风电机组故障模型和动态响应分析的理论方法。此外，华北电力大学王瑞闯，林富洪等人对风力发电系统的稳定性在线监测也进行了研究。整体机械、电力系统和电机电器部分作为相似系统，可相互比对集成进行研究。

除了机械部分之外，在风力、温差、潮湿条件下也将造成线路绝缘耐压、腐蚀和接触电阻的失效。发电机及其电力电子部件的电子类故障主要包括转子、定子线圈绝缘故障、激励线圈绝缘故障、整流器接地故障等，转子、定子电路故障（包括线圈断裂、线圈匝间短路、线对线短路（line to line short－circuit），相位对相位短路（phase to phase short－circuit）、焊接点松动故障等。机械故障包括转子和定子的机械完整性故障以及铁芯机械故障。电动机电流信号分析法（MCSA）是检测发电机故障的传统方法之一，通过对电流的检测和分析，发现诸如线圈－地绝缘，定子、转子线圈绝缘，转子断条等故障。另外通过数字微欧姆计可以实现对线圈直流电阻的测量，从而检测焊接点松动、裂痕等缺陷。浪涌测试（Surge Test）通过分析电压波形的衰减检测线圈匝间短路。由于缺少对电机故障分析的知识和经验，目前国内仍然使用阻抗测试来检测电机故障。然而阻抗测试仅仅适用于生产阶段的测试，也即线下测试。事实证明，它无法在电机运行过程中对故障进行监测。在电力电子方面，当电流通过半导体器件时功率损失引起的发热也是造成失效的主要因素。随着工作电压和载流能力的增加，温度和检测系统对电力电子设备的可靠性具有非常重要的意义。

因此，针对电机的在线实时监测的方法和技术研究依旧面临着严峻的挑战，有必要采用无损检测和健康监控对电力电子系统进行状态监控，甚至可以作为智能电网接口功能的一部分有待深入研究。

1.4 风电系统运行监控、状态评估

由于风力发电场通常位于较偏远的西部、海岸或者海上，且发电设备监控需要对包括风力叶片等旋转部件在内的大量元器件和系统进行检测、监控和信息处理。可更新能源的特征决定了风力发电系统在与电网接口方面具有复杂性，在线监控和信息收集和集成技术能够为系统的效率和可靠性提供有效和重要的帮助。基于无线技术的通信技术和数据融合技术对此提供了可能的技术支撑，开展相关应用集成技术研究是该领域重要研究内容之一。无线传感网络综合了传感器技术、嵌入式计算技术、现代网络与无线通信技术、分布式信息处理技术等多种领域技术，其网络由随机分布的集成微型电源、敏感元件、嵌入式处理器、存贮器、通信部件和软件（包括嵌入式操作系统、嵌入式数据库系统等）构成的一簇同类或异类传感器节点与网关节点。每个传感器节点都可以对周围环境数据进行采集、简单计算并可与其他节点及外界进行通信。由大量智能节点组成的传感器网络具有很强的自组织能力，其多节点特性使众多的不同类型传感器可以通过协同工作进行高质量的测量，并构成一个容错性优良的无线数据采集系统。此技术适合解决文章课题所面临的检测对象数量和种类众多、分布面大，而又不能采用大量连线方式的检测问题。

南京航空航天大学的袁慎芳等人在此领域做了大量的研究工作。另外，Newcastle大学从人工智能（AI）研发出的多代理技术（MAS），可以与无线传感器网络结合，不仅能有效地利用多元化、异构和快速增长的网络海量信息，而且在建设大型复杂的分布式信息处理系统方面具有较强的规律性。英国Newcastle大学的通信与信号处理团队在风力发电设备监控领域的无线网络传输技术、信号处理和融合方面、系统集成方面也进行了大量的研究。

然而，无线传感器网络和信息通信技术工具会受恶劣环境条件等因素的影响。同时，在不同地点的结构传感器包含的信息量具有数据量巨大、数据类型多样、数据分散以及异构的特点。因此，在风力发电结构健康检测中面临的主要挑战包括：在大型复杂的结构中降低风力叶片上的检测系统重量；协调和管理大型稠密传感器网络，提高系统的整体鲁棒性；综合不同无损检测方法的优势点，实现不同类型的传感器的信息的整体集成，进而实现整个风力发电系统的健康状况的可靠评估。

2 结论

综上所述，在世界范围内，针对风力发电系统的无损检测和健康监控技术仍处于探索阶段，缺乏对于整个风电设备的完整的检测和智能化的状态评估系统。我国风电技术在快速发展中，但是这些研究主要集中在风力资源的监测与评估、风机的运行特性、风力发电系统模型仿真、风机的系统稳定性以及根据风速、风力、角度调整的模拟系统，针对风机的结构健康监测技术的发展还不成熟，尤其是风机塔身和机头的振动监测［7］。作为风电技术的重要组成部分，风机系统的状态监测领域主要有以下几方面的研究工作：

（1）研究对于风力涡轮叶片材料（复合材料）的无损检测和状态监测的方法和技术，总结出适用的无损检测方法，与负荷分析和破坏模式分析相结合，发展出大型风力发电机叶片结构健康监测新型传感器和成像技术，最终发展为对涡轮叶片进行健康监测的无线传感器网络。

·研究分布式光纤传感器，碳纳米管压阻传感器、智能材料等新型传感装置以及无线嵌入式传感器的结构健康监控系统。

·通过被动和主动监测技术，发展用于研究大型风力涡轮机的电磁热成像技术，以及其他电磁成像模型如太赫兹技术，微波或近红外模型。

·对不同无损检测和状态监测技术，如声发射，红外热成像，超声波、振动分析等技术应用于复合材料特性，缺陷特征和系统辨识的研究，分析比较各种方法的长处和弱点，并进行集成和融合。

（2）研究针对变速箱的电磁无损检测和变速箱故障监控状态监测以及生命周期评估技术。

·在对齿轮箱失效的类型、故障原因和危害分析的基础上，对各种电磁无损检测方法进行集成和选择，包括采用脉冲涡流技术进行表面、亚表面缺陷检测和应力检测、采用脉冲漏磁技术进行疲劳裂纹监测，以及采用磁巴克豪森噪声技术方法进行应力和微观结构检测等。

·基于电磁方法如巴克豪森噪声，漏磁和二维ACFM等方法，发展单传感器、多传感器阵列和扫描机构。研究不同传感器对表面、亚表面缺陷、应力分布检测和应变检测的影响，得到优化的结果。

·基于振动分析的齿轮箱在线监测和故障分析系统。

·基于齿轮箱油温和成分分析的检测和分析系统。

（3）研究针对塔基的无损检测技术，结合系统稳定性分析，研究系统结构故障监控状态监测以及生命周期评估技术。

·基于热成像、扫地雷达、电磁传感技术的塔基无损检测技术。

·基于振动分析和模态分析的系统稳定性检测和寿命分析。

（4）研究针对风力发电设备的电力电子部分的故障检测技术，创建故障预测模型，实现用于电力电子、控制系统的监控和传感器检测网络原型系统，增强供电可靠性。

·针对电力电子系统疲劳的分析和导致严重损坏的失效识别，并提出故障预测的方法。采用理论仿真和试验的方法来分析电力系统可靠性的预测模型和状态检测。

·结合上述机械系统中的无损检测和结构健康监控方法，研究电磁传感器阵列和红外成像技术在电力电子故障检测中的应用。

·研究和创建监控技术和模型，以针对极端恶劣环境（如振动）和天气（如温度、潮湿、风暴等）等条件下关于线路老化、腐蚀、接触电阻状态的检测。

·对不同方法的电力电子系统包括发电机、变流器、控制系统和电网接口检测和成像检测技术进行评估、比较和改进。

·结合其他机电系统的监测方法和系统，设计和研究暂态在线状态监测方法和系统。

（5）研究用于风力发电系统在线实时状态检测的混合传感器网络系统并搭建用于数据采集的系统，研究信息融合和实时判断方法。

·传感器和传感器网络的研发，包括系统关键部件安全监测的无线传感网络研究；传感和成像的实现，基于无线传感器网络的能量供应和通信带宽问题的解决；陆上和近海等应用环境下监测网络和控制信息分层网络平台的搭建；在水下等特殊环境下的通讯鲁棒性的研究；创建用于数据采集纠错编码通信和存储压缩的数据结构等。

·研究和创建用于数据采集，容错技术，数据压缩和通信技术的数据结构。

·研究用于发电系统实时监测的高效MAC和路由协议，优化传感器的采样周期和数据传输速率。考虑应用固定的和自适应的路由框架来确保优化的传输控制，克服死锁、活锁等事件，以提供优质的服务质量；针对可能出现的随机或者季节性的能量需求变化进行研究，以创建相应机制，减小功耗，延长无线传感网络的应用时间。

·研究提高信噪比，特征提取，无损评估数据和不正常数据特征以及数据管理的信号处理算法，例如采用非线性降噪、贝叶斯判断等方法来增强信号，研究多层次分析、数据融合、神经网络和人工智能等技术，开展微波和近红外等多种方法相互融合的研究。

·研究风力发电系统健康监控的数据处理方法。融合物联网技术，采用信息和通讯技术结合的方法，采用多种传感器组合通过网络集成系统进行数据采集，并进行特征提取和结果分析。

对以上五个方面的深入研究，将促进我国风电技术的发展，缩短与国际先进国家的差距，为我国“十二五规划”中风电行业的发展提供有力的技术支持与保障。

［1］Gwec G W E C.GLOBAL WIND 2008REPORT［EB／OL］.［Available from：http：／／www.gwec.net／fileadmin／documents／Global%20Wind%202008%20Report.pdf

［2］Wwea W W E A.World Wind Energy Report 2008［EB／OL］. ［Available from：http：／／www.wwindea.org／home／images／stories／worldwindenergyreport2008＿s.pdf

［3］Technology White Paper on Wind Energy Potential on the U.S.Outer Continental Shelf［EB／OL］.http：／／www.ocsenergy.anl.gov／documents／docs／OCS＿EIS＿WhitePaper＿Wind.pdf

［4］Thomas M H，Dharmaraj M，，James E L.Post buck－ling analysis of a wind turbine blade substructure［J］.Journal of Solar Energy Engineering，2005，127（4）：552－544.

［5］Mahmood M s，Roham R.Simulation of fatigue failure in a full composite wind turbine blade［J］.Composite Structures，2006，74（3）：332－342.

［6］周伟，张晓霞，韦子晖，等.风电叶片复合材料压缩损伤破坏声发射监测［J］.工程塑料应用，2011，39（11）：61.

［7］Wenyi Liu，Baoping Tang，Yonghua Jiang.Status and problems of wind turbine structural health monitoring techniques in China［J］.Renewable Energy，2010，35：1414－1418.

［8］刘贤焕，叶仲和.大型风力发电机组用齿轮箱优化设计及方案分析［J］.机械设计与研究，2006（9）：92－94.

［9］吉田秋良，大上佑司，石川宏志，等.基于具有动态特性的小波变换的齿轮轮齿表面故障诊断［J］.设备管理与维修，2006（5）：45－46.

［10］白亚红，王奉涛.EMD分解和支持向量机技术在风电齿轮箱早期齿轮磨损故障诊断中的应用［J］.工业控制计算机，2010，23（2）：70－71.

［11］高玉奎.齿轮表面完整性的无损检测与残余应力分析技术［C］.动力传动检测会议，北京，2010.