远程故障诊断平台在风电机组运行中的应用研究

陈文强，代非凡

（1.鲁能新能源（集团）有限公司陕西分公司，陕西西安 710000；2.北京风行致远科技有限公司，北京 102208）

1 风电机组及常见故障概述

1.1 风电机组

风力发电的原理是在风的吹动下，通过轮毂作用，叶片带动转子旋转，双馈机组由齿轮箱作用提高转速，发电机在高速轴作用下开始旋转发电。风电机组主要由风轮系统、传动系统、发电机系统、偏航系统、制动系统及控制系统构成。风轮系统包括叶片、轮毂、变桨轴承、导流帽。变桨轴承连接叶片与轮毂，叶片力矩由轮毂传递至传动系统，导流帽能够降低风阻。传动系统包括主轴、齿轮箱和联轴器等。齿轮箱提升主轴转速，联轴器吸收振动和阻尼，确保传动系统运行平稳。发电机系统用于最为关键的能量转换。双馈感应发电机是绕组式结构，定子与电网直接相连，同时电网和转子之间设置了变流器，进而通过自动调节达到恒频发电目标。偏航系统是确保风电机组实现最大化风能利用效率的关键，主要由风向标、偏航电机等组成。风向标对风向和风速进行测量，对比机舱位置后将误差信号传输至偏航电机，对机舱位置进行调整。制动系统用于实现高速轴制动、偏航刹车及叶片空气制动。控制系统包含多个组成部分，部分之间能够互相通信。变流器控制和变桨距控制是风电机组控制系统核心，是实现风电机组多数智能行为和安全高效运行的保证。

1.2 风电机组常见故障

数据表明，叶片、齿轮箱、发电机是风电机组发生故障问题最为频繁且故障排除耗时较久的部件。①因风速不断变化，叶片受到的风力作用和方向也不断变化，因此会产生应力损伤；空气中的腐蚀因子，雷电等不良自然因素也会导致叶片出现开裂现象；设计生产环节也会对叶片的使用性能和寿命产生重要影响。②随着风电机组不断运行，齿轮箱受到的冲击载荷和交变应力也会不断增加，进而引发齿轮故障或轴承故障；设备温度超范围，会导致润滑脂失效，齿轮表面受损或折断；润滑不到位或齿轮箱未按标准要求使用，也会导致轴承出现严重磨损问题。③风电机组在露天环境运行，各种类设备时刻遭受外界环境侵蚀，不可避免会发生机械与电气故障。电气故障主要表现为电流和电压异常；常见机械故障包括机械部件过热或磨损严重。基于风电机组故障问题产生位置、频率和原因研究，有利于风电机组故障诊断监测平台的高效构建，提高机组运行安全性，缩短故障排除耗时。

1.3 风电机组故障诊断

风电机组故障诊断预测是指通过监测和检测风电设备的运行状态，掌握设备运行数据信息，在此基础上判断设备健康状态，识别运行故障，并预测故障问题的发展趋势，基于故障诊断预测结果，制定合理的设备运维决策。随着噪声和振动理论体系的不断完善发展，各类数据挖掘与监测技术在风电机组故障诊断中的应用也日渐深入。当前，应用较为广泛的风电机组故障诊断方法主要有3种。

（1）模型故障诊断。针对风电机组数学模型，使用状态观测器、奇偶方程或参数估计获取故障数据和预测数据残差，采取阈值设置的方式进行残差运算分析，完成风电机组故障诊断。模型故障诊断在早期故障检测和故障预测方面能够发挥高效作用，但是要建立高精准性的监测数学模型难度较高，尤其风力发电机组子系统众多，运行条件复杂不变，负载不确定性较高，进一步提高了建模难度[1]。所以，模型故障诊断适用于特定故障元件，但在实际风电机组异常检测与故障诊断中并不适用。

（2）信号处理故障诊断。利用传感器对输入、输出信号进行获取并记录，然后基于信号处理技术提取信号特征。在此基础上构建针对性模型，分析机组运行故障与信号特征的对应性，实现故障诊断目标。常用的信号处理方法有小波变换法、频谱分析法、经验模态分解法等[2]。信号处理故障诊断方法具有更高的实时性和灵敏度，其适用范围也更大，在提取具有明显特征的故障信号后，能够准确定位故障位置。但这一故障诊断方法在实际使用过程中漏检、误解的发生概率较大。

（3）数据驱动故障诊断。通过对风电机组SCADA 系统中的海量数据信息进行提取分析处理，构建专家系统或模型，进而实现故障诊断。常用数据驱动方法有SVW（支持向量机）、BP（神经网络方法）、MSET（多元状态估计）及RVW（相关向量机）等[3]。数据驱动故障诊断方法需基于大量数据进行模型构建，同时要提前选择特征向量，要重点考量数据集大小在计算效率和检测可靠性方面的影响。数据驱动故障诊断具有高可靠性和适应性，是风电机组远程故障诊断发展的主流趋势。

2 远程故障诊断平台在风电领域的应用意义

①有利于增强风电机组在运行过程中的可靠性。基于历史监测数据，远程故障诊断平台能够对供电机组设备的运行状态发展变化趋势进行预测，提前发现运行信息异常点和元件故障征兆，通过报警提醒管理人员判断设备异常情况是否属实，提前制定预防维修方案，避免因故障发生导致系统崩溃或停机。②有利于提高风电机组的养护检修效率。大多数时候风电机组故障并不是单一性的，经常出现多种故障同时发生的问题，利用远程故障诊断平台能够从庞大复杂的数据信号中提取不同类型故障的特征变量进行故障诊断，最终增强风电机组运行稳定安全性[4]。③有利于控制风电机组的运维成本。远程故障诊断平台能够解决风电机组运维过程中存在的资源过剩问题，减少因频繁且盲目进行定期检查维修导致的资源浪费，使风力发电发挥更高水平的环境效益和经济效益。

3 远程故障诊断平台简介

风电机组远程故障诊断平台构建开发环节主要包括以下4个环节。①硬件平台的选型优化、信号数据采集。为满足故障诊断平台硬件需要，主控芯片必须具有强大的控制功能和数据处理能力，故使用DSP 处理器作为嵌入式设备硬件[5]。传感器采集风电机组设备模拟信号，并对数据信号进行传输处理，通过SCI串口将机组运行工况传输至远程发射模块，控制终端设备即可对工况结果进行接收。②系统数据预处理和提取原始信号特征，经过抗混叠滤波预处理，分离信号中的噪声，增强信号应用有效性。功率谱FFT 变换分析能够对信号进行时域、频域转换，数据预处理时先对原始信号利用FIR 滤波器函数做高频滤波[6]。因风电机组运行环境具有较强复杂多变性，在滤波器函数库内嵌入可调性相关因子，能够避免DSP 硬件和工况环境对滤波器的影响[7]。除此之外，还要对数据信号进行FFT 变换和逆变换。③分类识别机组运行故障，主要是利用特征提取函数提取选择完成预处理的信号中的有效特征值。④利用无线通信技术传输故障诊断结果。

4 远程故障诊断平台在风电机组运行中的应用功能

4.1 在线监测功能

在线监测是指全天候监控风电机组的运行过程，以便第一时间发现故障发生征兆。具体监测内容包括振动监测分析列表、状态列表、系统日志和过程报警日志。振动监测分析列表通过分析计算得出振动峰值、有效值、方根峰值、均值和各时域指标，以此作为故障位置、类型的判断依据；状态列表对机组的停机次数、开机时间、机组描述和位置、状态正常与否，最后停机时间进行记录监测；系统日志和过程报警日志记录风电机组运行期间的报警记录。

4.2 机组管理功能

机组管理功能的实现是借鉴物联网和信息系统的集成化管理理念，将风电机组设备的管理维修信息集成至同一网络中，便于进行统一资源管理和调度。风电机组维修人员能够在线查询机组的管理和养护维修记录，同时也可以实时了解各机组零部件的库存数量和位置。机组管理功能主要包括对机组信息、养护维修管理、库存的远程信息管理，进一步提高了风电机组的科学化管理。①机组信息包括机组名称、编号、型号、重量、额定功率、负责人和运行时间。根据个人权限，可以查询相关信息，提高技术管理便捷性。②养护管理对风电机组的维护及计划进行了记录，具体包括维护单号、养护计划和执行时间、机组编号、养护级别、养护负责人及维护持续时间。养护记录有利于管理人员在故障发生之前针对风电机组制定科学的维护计划。维修管理主要对风电机组日常故障发生和维修状况进行记录，具体包括故障时间、维修编号、维修时间、故障描述、维修持续时间及负责人等内容。管理人员可以利用网络平台查询故障情况，便于统一进行人员和资源调度。③库存管理主要是对各部件的库存及相关信息进行记录，包括库存部件名称和编号、型号、所属设备、单价、位置、采购及管理人员、库存量、采购日期、生产厂家。库存管理信息方便了管理人员对所需部件进行查询，对于公司设备部件采购存储具有重大意义。

4.3 故障诊断功能

故障诊断功能主要是对风电机组实时运行状态进行监测，从而判断风电机组运行状态是否正常，及时发现设备故障的出现征兆。故障诊断图谱分析利用图形的方式直观形象地展示各类监测信息，主要包含时域图、自功率谱图、频谱图、机组总貌图、自相关谱图及倒谱图[8]。机组总貌图中包含所有传感器的具体位置及测量范围示意图，从总貌图中能够直观看到故障出现位置以便后续故障诊断。时域图用于对振动数据信号进行监测，反映数据信号-时间变化曲线。自功率谱图、频谱图、自相关谱图及倒谱图等是基于FFT（傅里叶变换）的图谱分析，是远程故障诊断的重要依据[9]。频谱图是对信号进行分析的傅立叶变换幅值谱，利用频谱图能够分析信号数据频率分布状况，判断风电机组的运行状况。故障诊断功能中，利用自相关函数能够探测分析被干扰信号的周期成分，一旦出现机组故障，就能将隐藏在复杂的噪声中的周期成分分离出来，用于判定具体故障。信号功率倒频谱分析能够提高信号功率幅度加权，直观呈现信号构成和周期成分。倒频谱分析通过分离提取源信号，为故障特征识别提供支持。

5 结束语

降低风电机组设备故障发生率，提高故障诊断排除效率，是影响当前风电行业发展的关键因素。远程故障诊断平台通过互联层分层、服务器层、网络客户端层能够有效跨区域解决风电机组运行问题，对分散风电机组设备实现远程监测与集成化管理，在线进行监测数据显示分析，提高故障诊断排除效率。将远程故障诊断平台用于风电机组运行，能够有效控制维护成本和维修周期，降低维修库存和过剩维修，节约养护维修人力成本，提高风电机组运行经济性与可靠性。