风电机组故障诊断综述

许骏龙　葛志松　陈琪

【摘 要】目前应用于风电机组的状态监测与故障诊断技术还不成熟，缺乏有效的监测診断方法。选择合适的状态监测方法，实现有效的故障诊断依旧是现在的主要问题。本文通过介绍故障诊断技术的发展趋势，总结了风电机组的主要故障及对应的诊断方法，以及未来发展的一些思考。

【关键词】风电机组；故障预警；状态监测

中图分类号： TM315 文献标识码： A 文章编号： 2095-2457（2018）36-0034-003

DOI：10.19694/j.cnki.issn2095-2457.2018.36.014

Summary Fault Diagnosis of Wind Turbines

XU Jun-long GE Zhi-song CHEN Qi

（Shanghai Institute of Measurement and Testing Technology，Shanghai 201210，China）

【Abstract】The conditon monitoring and fault diagnosis techniques currently applied are still immature and lack effective methods.Choosing the right condition monitoring method to achieve effective fault diagnosis is still the main problem now.This paper briefly introduces the development trend of fault diagnosis technology，summarizes the main faults of wind turbines and the corresponding monitoring and diagnosis methods，and some considerations for future development.

【Key words】Wind turbines；Condition monitoring；Fault diagnosis

1 研究背景

如今全球的风能总量约为2.74×109MW，其中可利用的风能约为2×107MW我国的风能资源居世界第三位[1]。风力发电是目前世界上增长最快的发电技术，每年风电装机容量都在迅猛增加，但成本却逐年降低。根据风力发电信息网的数据2017年全球总装机容量539851MW，新增装机容量达到52573MW。随着装机容量逐步提高，风电机组故障率也随之提高，风力发电机组的监测与故障诊断的重要性越来越凸显。

表1 全球新增装机容量与累计装机容量

2008至2017

2 状态监测与故障诊断技术的发展概况

美国最早于20世纪60年代开始了对机械设备的监测与故障诊断技术研究。1961年由于设备故障导致阿波罗计划的悲剧结果引起了美国对故障诊断的重视。60年代末，英国开始了对设备故障诊断技术的探索，以R.A.Collacott博士为核心人物的英国机器保健中心在此领域取了一定的成果[2]。70年代以新日铁丰田利夫教授为核心日本科学家开展了诊断技术的研究工作，并很快得到应用。随着测试技术、计算机技术和信号处理技术的兴起，90年代监测与故障诊断技术开始迅猛发展[3]。

我国风电产业起步较晚，开始于20世纪60至70年代。1986年，山东荣城建设投产了第一个风电场，从此拉开了我国风电技术研究与开发序幕。研究工作最初集中在在国内的高校及科研院所取得了一些成果，例如微计算机化旋转机械状态监测故障诊断装置“MMMD-Ⅲ”（哈工大）RMDS系统和RD-20系统（西安交大），DAS动态分析及故障诊断系统（重庆大学），MMDS-9000系统（郑州工业大学），BB-1系统（清华大学）等均融合了振动故障诊断理论、机组故障诊断技术、计算机技术、网络通讯技术等。

3 风电机组的状态监测与故障诊断技术

风电机组包括风轮、变桨系统、机舱、齿轮箱、偏航系统、制动系统、发电机、电气系统、控制系统等子系统。风电机组通过风轮捕获风能，传动系统将风能传递到发电机，发电机在辅助系统的协调下发电，再通过变频器并入电网。绝大多数风电机组的工作环境非常恶劣，因此运行过程中故障高发，尤其是齿轮箱和发电机。

3.1 齿轮箱

齿轮箱位于机舱中，起作用是提供大增速比使得叶片在风力下产生的动力传递给高转速的发电机，是风电机组中的重要部分。高速运转的齿轮会产生大量热量，极易发生故障。其中齿轮故障和轴承故障是最为常见的情况。

基于振动信号的诊断方法是目前研究最成熟，使用最广泛的一种故障监测诊断方法。对齿轮箱中传感器测量到的振动信号通过时域诊断方法，依据时域波形的均值、方差及残差等对故障进行判断，其中功率谱分析是诊断中应用最多的一种频谱分析法，这是由于机械振动的特征频率不仅是判断故障的重要指标，也可以实现故障的准确定位，精确的识别故障部位。实际中齿轮箱测量到的振动信号都会包含非平稳成分，时频分析法结合频域及时域分析的优点，适用于非稳定信号的处理，对其而言较为成熟的方法有傅里叶变换，倒频谱分析、经验模态分解等。

借助小波包分析可以实现齿轮箱振动信号的初步故障诊断，再结合BP神经网络对特征值分类，对齿轮进行故障诊断。小波包的时频分辨率比小波变换的高，因为小更具自适应性。文献[5]提出了利用峭度进行诊断的方法。峭度是一个无量纲幅域参数，对冲击信号比较敏感，并且与概率密度有关。当振动信号的概率密度接近正态分布且轴承元件表面存在损伤故障时，会使峭度增大偏离正常值，这样就可以把轴承的正常状态和故障状态分开了，再利用峭度检测出信号中的冲击成分，从而诊断出故障原因。

另外一种广泛使用的故障监测诊断方法是温度测量法，齒轮箱中零部件的温度变化一定程度上体现了其所处的运行状态，这种诊断方法较为简单，测量到的状态量温度无需进行复杂的后续处理，容易实现。但是只能初步诊断齿轮箱和发电机的工作状态。

3.2 发电机

发电机将传动系统捕获的风能转变电能，是风电机组中的核心子系统。发电机故障的情况多种多样，主要为零部件损坏等机械故障以及电压电流异常、绝缘故障，放电故障等电气故障。发电机中所有的故障都是按照一定的机理产生的，具有规律性，会引起电压、电流、功率或者振动、温度的变化，现有的绝大多数故障诊断方法都是通过电气信号和机械信号的变化分析总结得出，目前主要应用的诊断方法有：电压高次谐波检测诊断法、定子电流诊断法、振动和温度检测诊断法。

快速傅里叶分析处理转子调整信号诊断方法通过在转子、定子绕组中串联电阻的方式来模拟定、转子绕组不对称故障，并结合FFT来提取转子、定子电流以及转子调整信号的频谱，通过比较故障情况下转子、定子电流的谐波频谱和转子调整信号的频谱来判断是否产生故障[5]。

另外一种方式则是通过分析信号的功率谱密度来诊断匝间短路故障，功率谱密度分析法也是目前故障诊断中最广泛使用的分析法。但FFT和PSD具有缺乏空间局部性等特点，新发展起来的小波分析法具有非常好的时频特性及高质量的分辨率。文献[6]将双馈异步电机电流构建Luenberger观测器方程，通过仿真计算比较在正常及短路情况下观测器和系统间的观测误差，若其快速收敛则判断未发生故障；若其突然超过阈值，则判断此时发生了故障。此类方法从仿真阶段迈向实际故障诊断有着重要的意义。

3.3 其他

偏航系统能够侧等风向并且根据风向控制机舱旋转对风，是水平轴式风电机组必不可少的组成系统之一。其常见的故障有：偏航定位异常、噪声异常、偏航齿圈磨损、润滑油渗漏故障和偏航限位开关故障等，因此主要采用偏航电机的电流、电压信号分析法及振动信号检测法等。

控制系统是整个风电机组的指挥中枢，其控制偏航系统对风，使变桨系统最大限度的捕获风能，控制变流器使得发电机稳定的输出电能。主要的故障包括短路故障、过载故障、接地故障及无法启动变频器故障等。对其的监测也可以通过振动信号或者发电机的电流信号分析法来实现故障诊断。

电气系统主要通过变频器将发出的电并入电网，其主要故障点为变频器，包括变频器误动作、过电压、过电流、过热、欠电压等。主要的故障诊断方法有变频器电压、电流信号分析进行故障判断，感知器分解出故障信息及小包分析法进行故障信息提取等。

4 小结

目前故障诊断技术的研究方向主要在故障特征提取、故障机理研究及信号分析与处理技术研究。其中风电机组的常见故障的故障机理已明确，其信号分析方法研究也基本成熟，基本能够实现故障的准确识别。而故障信息的提取主要通过传感器，信息的传输则是主要通过有线或无线传输方式，而智能传感器的成熟应用将为监测诊断技术的发展带来一场新的革命。

【参考文献】

[1]中国风力发电网 https：//www.fenglifadian.com/.

[2]关立山，世界风力发电现状及展望，全球科技经济展望，2004.

[3]胡其颖，风能利用的发展预测，可再生能源，2005.

[4]李俊峰，高虎，施鹏飞等，2007，中国风电发展报告，中国环境科学出版社，2008.

[5]钱雅云，马宏忠，双馈异步电机故障诊断方法综述，大电机技术，2011.

[6]C.Hatch.Improved wind turbine condition monitoring using acceleration enveloping[J].2004.