风力发电机组故障诊断与预测技术研究综述

陈钊

摘要：在风电发展规模及技术不断成熟的当下，提升风电设备可靠性逐渐成为风电领域发展的主要趋势。随着累计时间的不断增加，风电机组维护问题越来越严重，因此有必要研究风电机组故障诊断和预测技术。

关键词：风力发电机组;故障诊断;预测技术

前言

风力发电可以解决人类社会对能源的急切需求，与此同时，身为一种清洁能源，风力发电可以帮助人们保护地球，为了提升风力发电质量，有必要加强风力发电机组故障诊断分析，同时结合预测技术展开详细研究，便于促进风力发电工作合理开展。

1 风力发电研究

风力发电即将自然风能转换成电能，便于满足人们用电需求。通过分析风力发电机组，我们了解到，风力发电机组运行期间，风力会促进转子叶片转动，这一过程增速机具有增大转速的作用，最终起到发电效用。风力发电具备一定环保性能，风量相对较大，具有较强开发性。在偏远区域使用风力发电，可以为供电及日常用电带来很大方便。

2 风力发电机组故障特点

2.1 叶片故障

叶片故障作为风电机组中的常见故障，叶片身为风电机组中的主要部分，当机组处运行状态正常时，叶片会接受相应应力，这时引起故障的一个主要原因。例如，叶片长期运行后，因长期和蒸汽接触，叶片表层会发生轻微腐蚀，严重的会导致叶片表层凹凸不平，从而使得叶片结构不稳，最终导致叶片出现松动问题。此外，若叶片在外力作用下发生变形，势必会在短时间内释放较高声发射信号，面对这一现状，有必要对叶片情况进行合理检测。另外，重视叶片的一个重要原因为，当叶片运行出现故障，转子叶片就会受到不均匀力影响，严重的还会影响机舱内部情况，最终影响机组稳定运行。

2.2 齿轮箱故障

齿轮箱作为发电机组当中的一个主要连接部件，齿轮箱的存在可以提升主轴转速，保证发电机组运行期间能有效满足供电需求。一般情况下，可以将齿轮箱分成二级平行齿轮与行星齿轮两类造型，因风力发电机一直处在室外情况下，天气情况变化容易对齿轮箱内部运行产生较大影响。例如，内部行星齿轮和高速轴侧轴承，都可以在使用一段时间后，出现某些故障现象。风力发电机组运行期间，若受到荷载应力方面影响，即便短期不出现问题，但齿轮内运行现状也会发生明显改变。和叶片故障相比，齿轮组不容易出现故障，但若齿轮故障一旦出现，势必会对整体结构产生影响。

2.3 电机故障

引起电机故障的原因较多，很多时候多是因为机械故障与电气故障引起的。一般情况下，可以将电气故障分为短路、短路、高温等不同情况，机械故障包含破坏与磨损等情况。在分析电流与振动情况后，我们即可了解引起电机故障的主要原因。因双馈式风机组转动期间转速相对较高，所以风电机组内安置的齿轮箱，应将转速提升到某一高度，之后方能配合设备运行，但是若单纯的迁就风机组转速，势必会影响机组本身质量，另外也会引起噪声问题。

2.4 偏航及刹车系统故障

常规偏航系统具备动态跟踪功能，且能有效掌握机舱内部风向情况，与此同时，还能解决电缆缠绕等问题。风力发电机组中，变桨系统即在风速引起波动情况下，合理调整叶片朝向角度，便于对风速情况进行合理控制，同时有效掌握动力转矩，便于有效掌握运行功率。当风速过高且电机运行发生异常时，可以将叶片调到顺桨状态，便于对运行情况进行合理调控。再者，刹车系统在其中发挥关键作用，比如，可以有效降低转子叶片速度。需要注意的是，刹车系统可以在风电机组出现某些故障期间，进行断电处理。在分析摩擦片磨损情况与受力情况期间，刹车系统很容易在外力作用下发生故障。

3 风力发电机组故障诊断技术

风力发电机组当中的信号，能充分展现风电机组健康情况，同时可以被应用到风电机组故障预测及诊断中。现阶段投入商业应用中的风电机组健康情况监测系统主要是以振动信号为基础建立起来的。以振动信号状态监测系统为基础，需要在重点风电机组部件，例如主轴轴承、齿轮、发电机等位置安装不同振动传感器，然后合理配置数据采集系统，这对远离地面机组而言，获得信号十分困难。另外，传感器与数据采集系统自身也会出现故障，因而使得难以可靠采集风机组振动数据，从而导致风电机组误报情况经常发生，此外还应增加运行及维护成本。为了改变这一现状，有必要研究一种非介入式的，成本较低的技术，便于对风电机组情况进行合理监测。

3.1 振动信号故障诊断法

振动信号分析作为当前常用的故障诊断法，逐渐被应用在风力发电机组轴承、齿轮箱等重要部件故障诊断与健康监测中。一直以来，很多科研人员借助振动信号研究了风电机组故障诊断情况。现阶段，很多风电机组故障诊断法多是分析离线状况下振动信号，但是现实当中风电机组条件经常变化，所以有待进一步研究变工情况下的振动信号情况，同时研究出在线机组健康监测系统。

3.2 模式识别故障诊断法

这一故障诊断方法可以分析风电机组不同信号，便于在时域当中建立高维统计特点，同时借助机器学习方，对特征融合、分类、降维等情况进行分析，便于对装备进行故障诊断。当前故障诊断法多使用无监督与监督两种模式识别法，模式识别法中含有很多算法，所以有必要加强无监督与监督模式方法在风电机组故障诊断方面的研究。此外，应加强对当前风电机组健康及故障数据开展模型训练与学习，然后在此基础上，研究风电机组故障情况，便于开展半监督模式识别技术故障诊断研究。

3.3 电气信号故障诊断

电气信号中的故障信号相对较弱，一般情况下都会被电视信号隐藏，且不容易受到人们关注。关注这一方面情况，可以借助技术性分析法，将电气信号和故障信号中的内容提取出来，然后将得到的内容用在后期故障诊断与维护中。再者，在其他方面问题研究中，借助运用模型即可判定系统故障问题，此外，随着新型技术的使用，仿真模型逐渐变成故障问题研究的主要工具。

4結语

综上，随着风力发电技术越来越成熟，人们可以灵活应用这一技术，便于帮助将自然界中的风能变成动能，然后再转化成人们所需的电能。但因风力发电机一直处在自然环境下，长期使用势必会导致故障问题出现，为了解决这一问题，有必要找到故障原因，及时采取解决措施。

参考文献：

[1]金晓航，孙毅，单继宏，吴根勇. 风力发电机组故障诊断与预测技术研究综述[J]. 仪器仪表学报，2017，38（05）：1041-1053.

[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] 申新贺， 叶杭冶， 潘东浩， 等. 风力发电机组的台风适应性设计方法研究[J]. 中国工程科学， 2014， 16（3） ： 70-75.

（作者单位：国电电力内蒙古新能源开发有限公司）