基于振动分析的风力发电机故障诊断方法

孔德同，贾思远，王天品，刘庆超

基于振动分析的风力发电机故障诊断方法

孔德同1，贾思远2，王天品2，刘庆超1

（1.华电电力科学研究院，浙江杭州310030；2.华电福新能源股份有限公司云南分公司，云南昆明650228）

针对风力发电机组工况复杂多变、故障率高、难以通过单一信号处理方法实现有效的机组状态监测诊断等难题，提出一种基于振动信号分析、集成多种常用信号处理方法的风力发电机故障诊断方法。以风力发电机组的结构参数和运行特点为切入点，分析了机组运行过程中故障的产生机理和类型，通过多测点振动信息采集获得某型双馈式风机发电机典型工况下的振动特性；先后运用时域、频域以及包络解调方法对信号进行分析处理，提取出振动信号中隐含的故障特征信息；最后拆解风机发电机，更换报告结果验证了该方法的有效性。

风力发电机；故障诊断；振动分析；包络分析

D O I：10.3969/J.ISSN.2095-3429.2017.01.013

Wind Turbines Fault Diagnosis Method Researched by Vibration Analysis

0 引言

近年来，随着世界能源危机和环境污染问题的日益严重，作为可持续能源的风能已经受到世界各国的高度关注和重视，我国风电行业在政府的大力支持下也迅速发展。2016年国家电网发布《国家电网公司促进新能源发展白皮书》提出风力发电新增装机容量双创新高，连续四年世界第一，在能源结构优化和绿色发展转型中发挥了重要作用[1]。在风电设备迅猛发展的同时，风电机组高额的运行维护成本很大程度上影响了风场的经济效应。风机的运行环境恶劣、工况复杂多变，风电机组内部传动部件很容易发生故障，但是传统的人工更换维修方式成本高昂，降低了风场的经济效益。因此，关于风力发电机组故障诊断与状态监测的方法研究意义重大[2]。

发电机作为风电机组中直接进行能量转换的关键部件，其运行稳定性直接影响着着机组的整体性能。在影响发电机运行的诸多因素中，振动占据很大比例[3]。当发电机振动过大时，轻则会出现运行稳定性降低、电机寿命缩短等不良运行状态；重则将发生电机飞车、主轴断裂等等恶性事故。因此及时诊断出发电机故障是非常必要的。

常用的信号处理方法有时域分析、频域分析和包络分析。但单一使用某种方法进行监测诊断时往往不能全面反映振动信号特征，容易造成漏判、误判，难以实现对风机发电机组故障的有效诊断。因此有必要对传统信号处理方法进行集成，以实现准确可靠的监测诊断。

针对以上难题，提出了一种基于振动信号分析、集成多种常用信号处理方法的风机故障诊断方法。通过对多测点传感器采集得到的风机发电机振动信号进行时域分析、频域分析以及包络解调等方法，成功诊断出故障类型以及故障所在位置，并在频谱中提取出故障特征频率，最后通过拆机结果验证了诊断方法的有效性与正确性。

1 风机发电机故障机理分析

风力发电机组工作环境恶劣、风速多变以及外部载荷不稳定，长期运行下机组内部部件很容易引发故障。其中机组主要故障包括齿轮箱故障，发电机故障和变频器故障等，本文主要研究对象为发电机故障。

风电机组的发电机故障主要包括发电机振动过大、发电机轴承过热、发电机温度过高等类型。统计结果显示：造成这些故障的主要原因包括：定子绕组绝缘损坏、转子平衡效果差、轴承损坏等。其中主要故障类型及其百分比如下：风力机组中转轴故障（占4.3%）、转子故障（占7.64%）、轴承故障（占41.77%）以及其他故障[3]。

基于振动信号的轴承故障诊断，首先必须要根据轴承型号参数计算出轴承的故障特征频率。

滚动轴承一般由滚动体、保持架、内圈和外圈四部分组成，当滚动体和滚道接触处出现一个局部故障时，系统会产生一个冲击信号。缺陷出现在轴承的不同部件时，接触点经过缺陷的频率是不相同的，这个频率就是滚动轴承的故障特征频率。一般情况下，滚动轴承外圈是固定不动的，内圈随着轴的旋转而旋转，滚动体的运动最为复杂，既随着保持架绕轴线公转，又绕着自身轴线自转，属于一种复合运动。滚动轴承故障特征频率公式计算如式（1）-（4）所示[4]。

（1）内圈故障特征频率

式中Z—滚动体个数；

fr—轴频，H z；

d—滚动体直径，m m；

D—轴承节径，m m；

α—轴承接触角，rad。

（2）外圈故障特征频率

（3）滚动体故障特征频率

以上关于特征频率的计算仅仅限于理想情况下，当轴承滚动体出现滑移，或者轴承存在制造误差和安装误差时，计算结果和实际结果会存在一定的偏差。

（4）保持架特征频率

2 风机振动信息获取

某风场的SL82-1500kW风力发电机组的主传动链系统主要由叶片、齿轮箱、发电机等组成，结构简图如图1所示。风力发电机组的主要功能是把风能转化成的机械能传递给发电机进行发电，转化成可用的电能。机组核心装置发电机属于双馈式风力发电机，又称交流励磁发电机，其运行速度在一定程度内是可调节的，可以优化风机风能利用系数，实现风电功率的稳定输出。针对该型机组的某台风机发电机振动超大现象，对其振动信号进行采集。根据风机结构参数和以往积累的现场测试经验，确定使用传感器测点配置为：1）主轴承垂直；2）第一级内齿圈垂直；3）第二级内齿圈垂直；4）平行轴水平；5）高速轴垂直；6）高速轴水平；7）发电机驱动端垂直；8）发电机自由端垂直等。

振动传感器采用PCB356A 12三向加速度传感器，灵敏度为101.2m V/g，采样频率为20000H z。测试工况为风机空转，由于振动过大导致编码器信号丢失，最终测试是风机转速最大达到500rpm，风机报警并停机，测试现场发现发电机运行声音异常。

图1 风力发电机组主传动链结构示意图

3 振动信号处理与分析

对提出的风力发电机故障诊断方法中所集成的振动信号分析方法（时域分析、频域分析和包络分析）进行简要介绍，并以异常发电机自由端和驱动端为研究对象，使用以上方法对其振动信号进行分析，以验证本文所提出风力发电机故障诊断方法的有效性。

3.1 时域分析进行分析，选取合适时间段信号分析其频谱结构特点。发电机驱动端垂直信号的键相信号如图3所示。

由图3可知，输入轴每转过一圈，发电机驱动端垂直方向就产生一个冲击信号。

为了得到时域波形中的冲击信息，对信号进行局部截断处理，选取转速较高振动较为平稳的2s数据进行分析，如图4所示。

时域分析主要考虑信号的时间顺序，分析振动信号随时间的变化趋势，根据统计规律得到振动信号的特点。时域分析主要通过提取振动信号的时域特征指标[5]，进而以这些特征指标为依据判别故障类型。常用的特征指标有均值、方差、有效值等。但是由于特征指标会随工况的变化而改变，所以时域分析存在对故障不敏感，不容易区分的缺点[5]。

利用M ATLA B编程可得到四个通道的时域波形，其振动信号波形如图2所示。

由图2可知，发电机自由端两个方向的振动幅值整体小于驱动端两个方向的振动幅值，约为其幅值的1/5，因此初步可以判断出发电机驱动端轴承出现故障，导致振动幅值变大。

因此接下来需着重对发电机驱动端振动

图2 振动信号时域波形

由图4可以看出，键相信号中得到轴转频大约为2.5H z，对应转速为150rpm。振动信号中可以明显看出周期性等间隔冲击，冲击间隔大约为0.12s，对应频率为8.33H z，近似等于3.4倍的转频。

图3 发电机驱动端垂直键相信号

图4 驱动端垂直振动和键相信号

3.2 频域分析

振动信号频域分析方法是最常用的故障诊断方法。该方法利用傅立叶变换，将信号分解为一系列频率分量叠加的形式。由于该方法能够得到信号幅值或相位与频率间的关系，可反映振动信号内在的频率结构，有助于故障类型判别，因而在风电装备的状态监测及故障诊断中得到广泛应用[3]。

频域分析中常对幅值谱进行分析，即做出振动信号中各频率的简谐振动分量所具有的振幅。进而分析风电机组在特定工况下的振动特点。当风机出现部分故障时，频谱中会出现间隔为故障特征频率的边频带，这也是利用频域分析进行故障诊断的依据。

图5 驱动端垂直振动信号频谱

使用M ATLA B中的快速傅立叶变换工具箱，对上述截取的信号进行Fourier变换，得到其频谱如图5所示。

从频谱中看出，存在8.5H z及其谐波分量，且各频率成分间隔为8.5H z，对应转频的3.4倍。频域分析结果与时域分析结果相对应。

查询参数可知，此风机主传动链发电机驱动端轴承型号为SK F6326C 3/V L0241，通过故障特征频率计算公式可以得到：外圈故障为3.38倍转频，内圈故障为4.62倍转频，滚动体故障为3.05倍转频。因此，可以初步判断出，发电机驱动端轴承存在轴承外圈故障。

3.3 包络分析

包络分析又称共振解调技术，广泛应用于滚动轴承的故障诊断中。该方法通过对振动信号进行H ilbert变换，将轴承故障频率从共振频率中解调出来，可用于滚动轴承的早期故障诊断[6]。但需要注意到的是，为取得理想的分析效果，包络分析时应当选择合适的共振频带。

图6 驱动端垂直信号包络谱

对上述截断信号进行包络分析，结果如图6所示。

由图6可知，包络谱中出现8.5H z以及倍频，对应时域信号中的周期性冲击。包络谱成功地提取出故障特征频率，与频域分析结果一致，进一步确定驱动端轴承出现了外圈故障。

图7 发电机驱动端轴承外圈磨损状况

4 拆解验证

诊断出发电机故障原因之后，对该台机组的发电机驱动端轴承外圈进行了拆解更换，现场拆解结果验证了诊断结果。

拆卸结果可以看出，发电机驱动端轴承外圈出现了严重的磨损故障，验证了基于振动分析诊断结果的正确性和方法的有效性。

5 结语

针对风力发电机主传动链振动监测和故障诊断问题，提出基于振动分析的故障诊断方法：

（1）该方法根据风力发电机运行机理和结构特点分析了传动链的故障类型和故障产生原因；

（2）该方法基于振动信号的时域分析，频域分析以及包络谱分析成功从信号中提取出故障特征频率，诊断出故障位置；

（3）该方法简单快速，诊断结果有效，可以为后期的风力发电机组状态监测提供很好的技术支持。

[1]刘木清.双馈风力发电机振动故障分析和实例处理[J].上海大中型电机，2012，（1）：71-75.

[2]刘建勋，胡伟辉，林胜，等.双馈式风力发电机减振系统的优化[J].噪声与振动控制，2011，31（3）：29-32.

[3]刘宇，谭伟，闻婧.大型双馈风力发电机振动特性分析与故障诊断[J].风机技术，2012，（4）：56-59.

[4]H o D，Randall R B.Optim isation of bearing diagnositic techniques using sim ulated and actual bearing fault signals[J].M echanical System s and Signal Processing，2000，14（5）：763-788.

[5]任玉亭.振动检测技术在风力发电机组的应用[J].内蒙古电力技术，2010，28（2）：8-12.

[6]盛兆顺，尹琦岭.设备状态检测与故障诊断技术及应用[M].北京：化学工业出版社，2008.

修回日期：2016-12-07

华电电力科学研究院介绍

华电电力科学研究院（简称“华电电科院”）成立于1956年。2003年电力体制改革时归属于中国华电集团公司，是国有全资的科研机构。

历经几代人50多年的积累、创新和发展，在发电领域取得了骄人成绩，形成了“发电技术监督管理与服务、发电技术研究与应用、电力行业标准与检测、水利水电装备研究与制造成套”四大业务板块。

华电电科院建有“空调蓄能与建筑节能重点实验室”，正在筹建国家能源局“国家能源分布式能源技术研发（实验）中心”。华电集团的“动力技术研究中心、煤炭质检计量中心”、“国家电力水电施工设备、电力金属结构检测中心”挂靠我院。我院先后建立了博士后科研工作站、院士工作站、浙江大学研究生教育实践基地等，并与浙江大学联合培养硕士研究生。

华电电科院拥有两家全资子公司和五家参股公司，是院体系开展产业化的平台，主要开展技术成果的产业化和推广应用、节能降耗项目的合同能源管理等业务。

华电电科院坚持以科学发展观为指导，以创造可持续价值发展为引领，以科技创新、服务华电为战略定位、坚持以人为本、科技创新，秉承“自强求变、厚德求进”的企业精神和“诚信、求真、和谐、创新”的核心价值观，为发电企业的安全稳定、经济高效、节能环保运行提供可持续的技术服务和创新支持，努力为电力行业的科学发展及技术进步做出贡献。

中图分类号：TM 315 文献标识码：B 文章编号：2095-3429（2017）01-0054-05

KONG De-tong1，JIA Si-yuan2，WANG Tian-pin2，LIU Qing-chao1
（1.Huadian Electric Power Research Institute，Hangzhou 310030，China；2.Yunnan Huadian New Energry Co.，Ltd，Kunming 650228，China）

In view of the w ind power equipm ent running in the condition of various speed and unstable loads,and cannot be m onitored and diagnosed effectively with m erely one signal processing m ethod，the m ethods of w ind turbines fault diagnosis based on vibration analysis and hybridize several com m only used signal processing m ethods are proposed.A ccording to the structural param eters and operating features of wind turbines，faults m echanism and types of wind turbines are analyzed.Then extract the fault characteristic frequency hidden in the vibration signal using the tim e-dom ain，frequency-dom ain and envelope spectrum m ethods.Finally，the result of dissem bling the w ind turbine validates effectiveness of the proposed m ethod.

wind turbines；fault diagnosis；vibration analysis；envelope analysis

2016-06-20

孔德同（1988-），男，山东曲阜人，工学硕士，中级工程师，主要研究方向为风电机组振动算法与风电大数据应用。