风力发电机组故障诊断与预测技术研究综述

罗振斌

摘 要：风力发电系统不仅可以节约电力能源，也能够提高供电的便捷性，但因为运行的时间较长，经常会出现故障，如果通过传统人工的方式进行故障诊断，工作量较大。因此，本文针对风力发电机组故障诊断与预测技术进行研究分析，首先简单了解风力发电机组故障特点，其次针对风力发电以及机组运行的发展现状，再次分析风力发电机组的故障诊断方式，最后对风力发电机组的预测技术进行分析，以供参考。

关键词：风力发电机组;故障诊断;预测技术;电力供应

中图分类号：TM315 文献标识码：A 文章编号：1671-2064（2019）22-0165-02

0 引言

能源应用是目前世界各国重点关注的问题，甚至于在一些地区还存在能源斗争，在这样的情况下，科学合理的应用可再生能源，可以让国家能源行业得到进一步发展。风力发电就充分应用了风力这种清洁可再生能源，不仅缓解了人类社会对能源的紧迫需求，同时也是实现了生态环境的可持续发展。因此，很多地区都在积极开展相应研究工作，风力发电机组故障诊断与预测技术也是当前研究的重点内容之一。

1 风力发电机组的发展现状分析

风力发电机组就是将风能转化为电能的设备，风能作为一种可再生清洁能源，在实际应用，不仅具有良好的环保效益，还具有能源效益。在实际应用中，风的功能会转变为机械动能，机械动能就会进一步转变为电力动能。其工作原理是利用风力带动风车叶片旋转，然后通过增速机进一步提升转动速度，以此促进发电机发电，风力发電机在发电过程中有效节省了电力资源，将其应用风力丰富、较为偏远的地区，可以进一步保证供电稳定性。根据有关数据统计，全球风电机组的装机容量不断扩大，而中国风电机组的装机容量已经达到了145GW，从当前增长趋势来看，2020年中国风电机组装机容量会达到200GW，2030会达到400GW、2050会达到1000GW。

风电机组可以分为水平轴风电机组和垂直轴风电机组两类，在实际发展过程中，水平轴风电机组相对较多，常见机型代表包括：定桨失速风力发电机、双馈式异步风力发电机、直驱式永磁同步风力发电机。这其中定速型风力发电机结构简单，工作可靠，在初期得到了广泛的应用，随着科学技术的发展，有关材料成本的降低，直驱式永磁同步风力发电机近几年的应用范围不断扩大，逐渐成为主流机型。[1]

2 风力发电机组的故障特点情况

风电机组在运行工作的过程中，不可避免的会出现一些故障，但受到多方面因素的影响，人工检修工作的难度逐渐增加。根据实际工作经验和具体调查情况来看，风力发电机组故障特点可以从以下几个方面入手进行分析：

第一，叶片故障。叶片故障会导致转子叶片出现受力不均的情况，并且导致风电机舱出现颤动，进而会对风电机组的稳定性产生负面影响，在风电机组运行过程中，叶片需要承受较大的应力，非常容易出现故障。比如：叶片在运行时，长期和蒸汽、空气接触，非常容易被腐蚀，导致表面粗糙、剥落，又或者出现结构不稳定等问题。除了蒸汽、空气对叶片的影响外，外力也会对叶片产生影响，导致叶片变形、出现裂纹。在进行叶片损伤评估工作的过程中，应用发射检测法捕获高频瞬态的声发射信号。

第二，齿轮箱故障。齿轮箱在风电机组中承担着非常重要的连接工作，通过其将机组主轴和发电机连接在一起，不仅可以提高主轴运转速度，还可以满足机组运行的基本需求。但齿轮机工作的环境较为恶劣，情况较为复杂，在长期运行的情况下就会出现故障，行星齿轮、平行齿轮作为齿轮箱的重要组成部分，在长期运行过程中，容易受到交变应力和冲击荷载等作用的影响，进而出现磨损、生锈、滑动等问题。齿轮组一旦出现问题，整个风电机组都无法正常工作，而且这种故障成本较高、耗费时间较长。

第三，电机故障。电机故障就是电气故障和机械故障，短路、断路、过热等故障都属于电气故障，而机械故障包括轴承过热、损坏磨损严重等情况。在实际应用中可以通过对震动、电流、温度等信号的分析，来检测评估电机故障情况。这其中还有一种电机较为特殊，双馈式风电机组在实际应用中转速较高，定额转速可以达到1500r/min，而齿轮箱需要在提速后才能够配合运行，在一定程度上，机组在自身的负荷，而且快速运行会造成噪声污染。

第四，偏航和刹车系统故障。除了上述几个方面之外，偏航和刹车系统故障也是风力发电机组在实际运行中容易出现的问题。偏航系统在风力发电机组中具有风向动态跟踪、解除电缆缠绕问题，而刹车系统可以避免转子叶片旋转速度过快，而且在其他部分出现故障时，能够对机组进行断电处理。另外风电机组中变桨系统可以对功率进行有效控制，如果偏航和刹车系统发生故障，那么在风电机组的安全将会无法保证，造成这种故障的主要原因是摩擦片磨损较大、受力较大或者其他外力作用等。

3 风力发电机组的故障诊断方式

虽然风电机组的故障率正处于逐渐下降的趋势，但相比较传统的发电系统，故障率依然相对较高，运行可靠性还需要得到进一步在加强。而且风电机组本身的工作环境就较复杂，载荷多变，非常容易发生故障，因此故障诊断工作就要得到根本上的落实。

3.1 根据振动信号进行诊断

风电机组在出现故障中，会发出振动信号，通过对振动信号的识别，可以更好的判断故障情况。最为主要的是，根据振动信号进行诊断式目前最为常见的一种诊断模式，也是使用的频率最高的一种，主要可以用于风力发电机组中齿轮箱、轴承、叶片等关键部位的检测和诊断。比如：小波神经网络检测法，就是根据故障特点进行检测，在齿轮箱故障诊断方面具有极好的效果。尤其是在齿轮箱故障特征提取上，将信号分析和连续小波变化相结合，可以提取出较为微弱的故障信号。从发展情况上看，故障诊断方法都是通过离线分析稳态情况下的振动信号实现的，但是事实上风电机组在运行过程中工作条件是动态化、多变的，因此故障诊断的结果可能会出现一定的漏洞，需要开发出相应的在线风电机组在线健康监测系统。比如：利用风电机组振动信号，在线识别故障，并且对故障情况进行科学的诊断。

3.2 根据模式识别进行诊断

根据模式识别进行诊断，是立足于机组的多元化信号得到的故障诊断方式，主要工作原理是在时域或者频域中建立模型，根据模型对故障进行分析。比如，在分析诊断轴承故障的过程中，应用这个诊断方法可以更好的构建立体模型，然后找出相应的故障，并且进行解决[2]。最常见的可视化模型在建立过程中应用的是Laplacian Eigenmaps算法，能够构建出故障的可视化模型，为技术人员提供立体图形。最为突出的特点是，这种模型还可以将故障特征呈现给工作人员，帮助人员更快地找到故障所在，不仅如此，借助非线性流形模型，在立体空间结构上，能够对动态轴承进行故障分析，同时锁定故障位置，提高故障处理效率。

3.3 根据电气信号进行诊断

由上可知，在风电机组发生故障时可以根据信号判断故障情况，但大部分都是利用振动信号进行分析，真正利用电气信号判断风电机组故障方法相对较少，在实际应用过程中，还没有得到有效的广泛传播。电气信号最常见的就是电流信号，这中信号相对较弱，而且非常容易被噪音和其他故障影响，因此想要从电气信号中提取出有关信息，就要更好的分析设备，采用较为先进的信号接收设备，准确识别电气信号。比如：在根据电气信号进行诊断的过程中，科学利用风力发电机组的动力學模型，将动力学模型和数据相结合，对故障问题进行全面的总结分析。不仅如此，还要应用维纳滤波对噪音进行清理，以此可以更加清晰的判断出机组中轴承出现的故障。在根据电气信号进行诊断的过程中，还可以应用信号双谱分析法、Hilbert模量频谱等方法，也能够更好的诊断部件发生的故障，在实际应用中，工作人员可以根据实际情况，具体选择诊断方式。相比较振动信号诊断方式而言，这种诊断方式不需要额外购置传感器，而且具备极好的经济效益，应用前景较优。

4 风力发电机组的预测技术研究

对于风力发电机组而言，仅落实故障诊断是不够的，还要实现预测技术，以此及时发现故障中存在的情况，适当延长机组工作时间，提高风力发电效益，带动风力发电工作长期稳定发展。根据风力发电机组的实际工作情况，将预测技术分为机械结构系统、电子系统结构进行分析，以此保证风力发电机组得到稳定运行。

4.1 机械结构系统的故障预测技术方法

机械系统是保证风力发电机组的稳定运行，一旦机械结构系统出现故障，那么机组整体的运行情况也会受到影响，严重的情况下，还会造成停机，不仅威胁到机组的发电效果，还会产生较大的资金支出，工作效益、社会效益、经济效益都会受到负面影响。根据上文中介绍的常见故障来看，轴承结构、齿轮箱、叶片等都属于常见的机械结构，这些也是风电机组的故障多发区域，因此在进行故障预测的过程中，要加强对这些部分的关注。具体的预测方法包括以下几种：

第一，借助HMM及隐半Msrkov模型对动态部件运行状态进行分析，以此推出轴承退化状态，并且判断出机械结构部件的剩余使用寿命。这种预测技术是目前应用效果最好，成果最多的一种，主要原理是依赖离散观测序列提取出隐半Msrkov链，然后利用转台转移矩阵，全面落实故障检测工作。比如：某风电机组就利用HMM及隐半Msrkov模型成功预测除了水泵寿命，并且建造出了水泵的退化模型，在寿命快尽前更换部件，有效避免故障发生[2]。第二，利用Gamma过程分析设备的运行情况，判断设备的寿命概率，并且根据数据得到具体的寿命数据。然后利用小波分析法对设备故障数据进行提取，从而达到预测故障的地目的。由此可知，机械结构系统的故障预测技术方法主要依靠的是不同计算模型对设备数据进行分析，从而找到模型和数据分布机器性能退化的信息点。

4.2 电子系统结构的故障预测技术方法

由上可知，预测技术主要面向的是机械结构系统和电子系统结构这两个部分，电子系统结构在实际应用中可以保证机组工作的稳定性。电子系统和机械结构系统不同，电子系统维修的次数越多，维修的难度也会随之提高，一旦故障发生就会导致系统瘫痪，对故障检测造成更加严重的影响。想要预测电子系统结构的故障，可以采取系统植入的方式，通过植入自主检修系统，就能够及时发现故障，对其进行检查、隔离和修复，有效降低预测负担。除此之外，还可以建立保护功能，以此在发生故障时，开启保护模式，降低故障带来的影响。

5 结语

综上所述，风力发电机组故障维修难度较大，所需时间较长，如果持续发展生故障，就会导致系统瘫痪，故障检测难度也随之提升。在这样的情况下，对风力发电机组故障诊断与预测技术进行进一步研究，构建形成科学的在线监测系统，可以促进风力发电事业进步，降低故障带来的损失，让工作人员可以更好的掌握设备工作状态，提高故障诊断和预测质量。与此同时，政府有关部门也要适当加大投资力度。

参考文献

[1] 邢海军.风力发电机组故障诊断与预测技术研究综述[J].化工管理，2019（12）：155-156.

[2] 杨巍.风力发电机组故障诊断与预测技术研究综述[J].工程建设与设计，2018（04）：77-78.