风力发电机组故障诊断技术综述

王育彤 张笑华

摘要：风能是一种绿色可再生能源，作为清洁能源的风能已经得到了大幅度的利用与开发，因此，目前风力发电机组的利用时长和单机组容量也在不断地攀升。一般情况下，荒凉偏僻的山区是建设风电场的首先，虽然偏远山区自然环境恶劣，容易受到雷击和闪电等影响，但是由于其建设成本较低，所以，受到众多风电场企业的青睐。本文以风力发电机组故障诊断技术展开研究，以求为一线的风电机组维护带来一定的促进作用。

关键词：风力发电机组;故障诊断;预测技术

随着社会经济的不断发展和进步，人们的生产和生活对能源的需求与日俱增，因此，全世界各地的经济发展都离不开能源的支持和保障。从自然环保的角度出发，风力发电不仅能顺利将风能转化成电能，极大缓解了能源方面的压力，也能有效保护自然环境。风电机组自投入生产和使用后，就会因为各种各样的原因引发故障，因此，只有加强风力发电机组故障诊断和预测技术的研究，才能为风能转化成电能提供更有力的保障。

一、关于风力发电机组概况阐述

从全球范围来看，由于我国蕴藏着丰富的风能，其中绝大多数的风能具备转化成电能的条件，风能与水能相比，风能具有更多的优势。由于我国土地辽阔，所以，在我国拥有着世界前位的风能储备，从新能源开发的角度看，我国的风能具有较高的开采价值，风能是世界范围内具备清洁和较多储量的优势能源之一。随着我国风力发电技术的不断进步，我国拥有越来越多的风力发电机组容量。目前，在我国发电机组拥有最多的地区是宁夏回族自治区，这一地区的风能资源被有效收集并转化成电能，为当地以及辐射区域提供了稳定的电能源基础。

二、关于风力发电机组出现故障的主要问题

（一）关于风力发电机组叶片故障分析

在风力发电机组中离不开叶片这一关键元件组成，当风力发电机组开启了工作模式后叶片会受到较大的压力，长期处于空气中高负荷工作的叶片不仅在自然环境的影响下容易产生腐蚀，更容易因为叶片压力承受能力不足导致叶片结构脱落和其不稳定性的持续提升。由于叶片发生故障最先影响整个风力发电机组的平衡受力问题，受力不平衡则会导致机舱失去稳定性，很容易发生倒塔情况。

（二）关于齿轮箱故障问题分析

齿轮箱是连接发电机和风电机组轴承的关键部件，因此，齿轮箱的主要任务就是满足和保障风力发电机工作所需要的转速。工作情况复杂、工作环境恶劣以及构造复杂是齿轮箱的主要特点，虽然与风力发电机的其他主要零部件发生故障的概率相比，齿轮箱发生故障的概率较低，可是一旦齿轮箱发生故障的后果却比其他零部件发生故障的后果要更为严重。原因在于一旦齿轮箱发生了故障，风电机组不仅需要高昂的维修费用且需要长时间停工，因此，会给风电场带来巨大的经济损失。

（三）刹车、变桨以及偏航等系统故障问题

第一，偏航系统问题一旦发生，便会使发电风车无法准确跟踪风向，同时风车在跟踪风向的同时会在机舱内部引起电缆缠绕的危险;第二，变桨系统发生问题后便会因为无法控制叶片的动力和转矩从而失去对风力发电机组的功率控制;第三，刹车系统发生故障后便无法立即停滞风电机的工作，给风力发电机组带来潜在的危险，刹车系统损坏很大程度上是由于刹车片长时间受到摩擦且没有及时更坏，最终酿成刹车系统故障。

三、關于风力发电机组的诊断故障技术分析

（一）凭借振动信号完成的故障诊断技术分析

当前在风力发电机故障诊断中应用振动信号检测发动机故障的情况较为常见，原因在于振动监测法能够针对风力发电机的关键部位展开细致和深入的查探，例如，叶片、齿轮箱等关键配件。在我国相关一线研发人员的努力研究下，总结出一套针对不同零部件优先采用不同检测方法的方案。例如，采用小波神经网络振动法检测齿轮箱，一旦风电机组发生了故障问题，便可以利用此种信号振动法检测其故障原因。

（二）依靠电气信号展开风力电机故障的诊断措施

一般情况下，风力发电机组在工作时会发生很大的噪音，因此，在一定的条件下振动信号法的准确性会受到影响，并且很多时候一旦产生的振动信号较弱，便无法达到预期的检测效果，因此，需要应用电气信号检测法通过电气信号的技术分析进而展开相应的故障维修和诊断。

四、关于风力发电机组的预测故障技术分析

（一）利用机械结构系统展开故障预测

风电机组的机械故障会给风电场带来严重经济损失，目前针对风电机组机械结构展开预测的主要是针对轴承结构、叶片和齿轮箱等部位，这些结构是整个风电机组机械结构的重要组成部分，而且这些部件的工作频率高、工作环境恶劣，发生故障的概率也较高，目前机械结构预测技术主要有以下几种：第一，通过Msrkov模型和HMM对部件展开预测;第二，针对设备的运行数据运用Gamma展开过程分析，从而科学判断设备的使用寿命;第三，在方均值的预测方法下得到分析发电设备的性能状况。

（二）积极利用电子系统展开故障预测

当前的电子系统故障检测方法主要有四种：第一，在风力电机组件设计和生产时融入相应的软件和硬件;第二，在风力电机组内积极构建保护性的电子模块进行故障预测;第三，针对电子器件要适时检测相关参数和关键电子元件的变化情况;第四，积极构建风力发电机组不同的疲劳强度模型，最终预测出准确的故障发生程度。

结语：

总之，风力发电机组故障诊断技术的应用十分重要，只有不断加强其故障的诊断和预测，才能保障风力发电机组的工作质量和效率，最终为风力电场企业带来较高的经济效益。

参考文献：

[1]孟繁欣，王振羽，王树新，王长营，韩四保，华应强.水轮发电机组振动故障诊断技术综述[J].科学技术创新，2019（34）：191-192.

[2]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.

[3]张振伟，程明杰，甄亮.风力发电机组齿轮箱基于油液和振动信号分析的故障诊断技术研究[J].内蒙古科技与经济，2018（19）：70-71.

作者简介：

王育彤，男，（1987年10月05日---），民族：汉，身份证号码：210181198710058012，籍贯：辽宁新民，学历：本科，专业：机械工程及其自动化，研究方向：风力发电及电气方向，作者单位： 国电和风风电开发有限公司，作者单位地址：沈阳市浑南新区远航西路3号-IT国际大厦九层。

张笑华，男，1988.09.20，民族：汉，身份证号码：22011219880920041X，籍贯：吉林长春，学历：硕士，专业：动力工程，研究方向：风电场检修与管理，单位：国电和风风电开发有限公司，单位地址：沈阳市浑南新区远航西路3号-IT国际大厦九层。