风力发电机组状态监测和故障诊断技术的应用研究

摘要：风力发电机组的工作态势影响其发电能力与作业稳定性，需要加强监测工作并做好故障诊断和处理。分别从风力发电机组状态监测技术、故障诊断技术2个角度出发进行分析，就监测内容、工作流程、故障诊断方式、智能诊断模式等进行分析。最后结合某风电厂的工作实例进行辅助说明，以系统服务风力发电机组的监测和故障处理，保障与提升其工作水平。

关键词：风力发电机组"状态监测"故障诊断"监测效率

Application"Research"on"State"Monitoring"and"Fault"Diagnosis"Technology"of"Wind"Turbine"Generator"System

MA"Liang

Business"Department"of"Datang"Chifeng"New"Energy"Co.，"Ltd.，"Chifeng，"Inner"Mongolia"Autonomous"Region，，024000"China

Abstract："The"working"situation"of"wind"turbines"affects"their"power"generation"capacity"and"operational"stability，"and"it"is"necessary"to"strengthen"monitoring"work"and"do"a"good"job"in"fault"diagnosis"and"handling."From"the"perspectives"of"wind"turbine"status"monitoring"technology"and"fault"diagnosis"technology，"this"article"conducts"analysis"on"monitoring"content，"workflow，"fault"diagnosis"methods，"and"intelligent"diagnosis"modes."Finally，"a"working"example"from"a"certain"wind"power"plant"is"used"as"an"auxiliary"explanation"to"provide"systematic"services"for"monitoring"and"fault"handling"of"wind"turbines，nbsp;ensuring"and"improving"their"work"level.

Key"Words："Wind"turbine"generator"system;"Status"monitoring;"Fault"diagnosis;"Monitoring"efficiency

风电是一种可再生的洁净能源，属于新型源能的一种，在我国以及其他国家、地区得到广泛关注和运用。由于风电依赖风力提供动能，而风能具有很强的动态性、不稳定性，风电机组的工作也存在一定动态性，以保证其运行质量和安全性为目标，需要加强风力发电机组状态监测，并针对各类故障优化诊断技术。截止2023年底，我国‌风电装机容量约为4.4亿kW，同比增长20.7%，这也进一步要求做好技术综合管控[1]。在此背景下，分析风力发电机组状态监测、故障诊断技术，具有一定的现实意义。

1"风力发电机组状态监测技术

1.1主要监测内容

风力发电机组状态监测内容可分为电力和风力两大部分，，电力部分又可分为电压参数、电流参数、机组功率参数、轮叶转速参数、设备工作频率参数；风力部分则分为风速参数、风向参数、风能密度参数与风轮叶片角度参数[2]。电力参数一般作为风力发电机组状态监测的直接参数，影响机组的工作能力，风力参数作为辅助参数。从作用上看，上述参数信息的收集可以形成大数据和各类原始资料，以评估区域内风能水平、利用态势，也可以分析风能资源应用调整方案，对轮叶的角度、规格等进行调整。此外，如果风力发电机组工作时间已经较长，必要的监测也可以用于分析其性能拨动，作为故障预防、局部设施更换的参考[3]。

1.2基本作业框架

对电力参数、风力参数的监测本质上均关注持续性、实时性，需要借助现代化的工作设备，对风力发电机组的各类信息进行采集，并做实时传输、记录。其一般工作框架如图1所示。

以图1所示模式为基准，风力发电机组状态监测工作框架分为终端结构、通信结构、远程结构、其他附属结构4个关键结构。

终端结构即图1中的各类采集设备。从一般角度上看，风力发电机组状态监测不能由人工独立完成，尤其是电力、风力等专业参数，这些参数需要通过传感器进行感知和收集，传感器属于此类参数收集的“终端设备”，其他参数的收集也以类似方式开展，如温度表、电能计量设施等。通信结构是指服务风力发电机组状态监测工作的通信设施，一般为各类通信线路，也包括与此有关的其他辅助性设施，如信号提纯工作设备[4]。由于风力发电机组对周边通信干扰较强，组织信息采集和传输时，一律采用有线模式，非必要时不采用无线通信模式。远程结构即远程端的电子计算机、存储设备、便携设备等。现场采集终端采集的信息通过通信结构提供给远程端，由远程计算机及工作人员分析风力发电机组状态是否异常。其他附属结构如避雷设备、外部连接装置等，主要作用在于改善风力发电机组状态监测工作综合质量，提高其安全性和稳定性[5]。

1.3标准工作流程

按照图1所示模式，电力发电机组的状态（即电力参数和风力参数），利用不同的工作设备进行采集，这种采集必要的广泛、实时的，以风力传感器、电流传感器等作为核心设备，分别配置在风力发电机组各个区域，对各类参数进行收集，收集所获参数第一时间通过有线线路进行传输，提供给远程设备（一般为性能优良为大型计算机），由远程设备对采集设备提供的信息进行记录，并利用辅助结构进行必要的延伸处理，如借助可视化设备将风力发电机组参数提供给工作人员、利用云技术直接挖掘其规律形成结构化数据等。

以电力参数监测为例，在标准情况下（即监测设备无异常、监测环境良好、工作设备性能无问题），由采集设备采集风力发电机组的温度参数，再通过内置转化设施对温度进行分析，在电压、电阻、功率基本不变的情况下，根据温度茶树获悉风力发电机组内的电流参数，将其以电信号的形式实时提供给远程计算机，远程计算机对电信号进行转化，行程可以被计算机直接读取、呈现的数字化信号，无论信号是否正常，均一体记录，并由工作人员进行查看和分析。如果系统连接了云模块、大数据模块，终端设备提供的各类信息，也可同步借助上述模块进行加工，以形成更具结构化特点的进阶数据。

2"风力发电机组故障诊断技术

2.1风力发电机组多见故障

风力发电机组多见故障包括叶片故障、机械部件故障、电气系统故障、塔架和基础故障、运行参数异常等，这些故障成因各有不同，影响也存在差异。

叶片即轮叶机的叶片，是风能转化为动能、动能转化为电能的核心设施，该设备的故障包括叶片缺损、开裂等，可能因长期工作老化导致，也可能为外力破坏形成。机械广包括轴承故障、齿轮故障等，这些设备一般位于风力发电机组内部，出现故障会降低发电机组工作效率、增加无用功，甚至损坏工作设施。此类故障可能因润滑不足、过负荷作业、构件老化导致。电气系统故障包括短路、过电流、电压不稳定、并网异常等，是风电机组的核心、重点故障，故障成因也比较复杂，形成的危害较大，有可能导致强电流冲击电网，造成设备损坏、电力火灾。塔架和基础故障属于硬件故障，如风力发电机组的承重结构摇晃、根基部位不稳定等。运行参数异常包括轮叶转速过于缓慢、电能输配异常等，这些故障一般与其他故障同步出现，如轮叶机损坏导致其转动缓慢、电压不稳导致输配电能效率低下等。

2.2故障诊断技术

风力发电机组故障诊断技术可分为两大类：一是针对故障进行的针对性诊断；二是针对尚未出现的故障进行的预诊断；前者一般在故障出现后运用，以排除故障为目标，后者一般周期开展，即便未出现故障也常规进行，以预防故障、诊断未发生的故障隐患为目标。

如上文所述的并网异常故障，在针对性诊断模式下，需要进行故障的具体评估，风电机组的稳定性偏低，其电压异常、工作波动是被允许的，如果异常值过大，导致电流自电力系统（即并网对象）反向流入风力发电机组，则需要暂停风电机组的工作，评估其成因。通常可能由于风电机组电压严重不足导致，可建设补偿机制或对风电发电机组并网模块进行变压，使风电机组电能可以正常进入并网对象系统中。在预诊断模式下，则针对风力发电机组的各部分工作情况进行分析，实时了解电压水平，通过监测技术评估其波动情况，定期更换并网模块的变压设备，适当检修、处理补偿模块，保证其工作能力稳定，减少故障发生率。

2.3智能诊断模式

随着现代技术发展，智能模式得到关注并逐步运用于风力发电机组状态监测和故障诊断工作中。就故障诊断而言，智能技术的效率更高，也便于快速进行定位和处理。以过电流故障为例，默认风力发电机组内的工作电流为X安培，实际工作中，其工作电流因风能的动态性、环境变化、设备老化因素影响，可能出现上下波动的情况，表现为

[min；E8；9G；-；X；ge；-i；8a；max]（1）

式（1）中，min和max表示风力发电机组内电流变化的极限值，即正常工作状态下的最小值和最大值，除min、max和X外，其他均为随机出现的电流值参数，且均处于min、max之间。可通过大数据资料进行数据分析，确定风力发电机组的功能特点，以及min、max的具体取值信息。将其代入计算机中完成记忆。利用传感器对风力发电机组的电流参数进行实时检测，当其电流值围绕X上下变动，但处于min、max范围内时，系统持续工作；反之，当系统内电流值快速提高，接近max时，需要发出警报或切断电能供应，避免过电流故障造成更多破坏。

电力发电机组的工作电流信息以传感器收集，提供给智能模块，由设备处的计算机提供作业平台，分析电流情况。如果电流异常，可进行断电、警报等处理；反之，则继续工作。有关信息通过辅助功能进行延伸，包括信息记录存储、可视化呈现等。

3"案例分析

3.1目标对象

2014年，某风力发电厂建成并投产，经过9年运营后，于2023年开始出现各类故障、工作参数波动等问题。为提升风力发电机组管控能力，该场决定引入智能技术，服务风力发电机组状态监测和故障诊断。按照设计思路，状态监测目标为风力参数和电力参数，故障诊断主要针对风力发电机组各类参数和设备，不针对外部因素。

3.2风力发电机组状态监测和故障诊断过程

2023年5月，该场完成技术改造，并以智能技术服务风力发电机组状态监测和故障诊断。截止2023年末，进行7个月的工作和信息观察、整理，发现智能技术可以改善风力发电机组状态监测和故障诊断效果，在故障诊断方面的作用尤为突出。具体而言，风力发电机组状态监测数据共形成214组数据能够详细记录214个工作日的电力参数信息和风力参数信息，与该厂此前操那个的人工作业方法相比，数据更丰富、原始资料更完善，总数据量约为此前同期的11倍，更加详实、丰富。故障诊断方面，智能技术运用后，该场共出现了各类故障56起，其中33起与风力发电机组各类参数和设备有关，在智能技术支持下，故障诊断平均耗时为2.8"min，技术改造前则为14.2"min，效率提升比较显著。准确性方面前后变化不明显。这表明智能技术可以提升风力发电机组状态监测和故障诊断技术效率，但在质量方面的优势不突出，未来可加以运用。

4结论

综上所述，风力发电机组状态监测和故障诊断技术的应用，可以实现异常的提前察觉、处理，快速应对各类故障，具有一定的积极价值。当前主要针对其参数稳定性、工作效率等组织监测，以现代化信息技术提供支持，有助于改善风力发电机组状态监测效率、水平。故障诊断则以其表现为基础，可通过智能技术方法改善诊断工作水平。结合某风电场工作模拟结果可知，本文提出的技术方法可以改善风力发电机组状态监测和故障诊断能力，能够为未来同类系统提供参考。

参考文献

[1]李沿君.风力发电机组状态监测和故障诊断技术研究[J].光源与照明，2024（2）：100-102.

[2]蓝瑛，吴治坚.风力发电机组状态监测和故障诊断技术的应用研究[J].应用能源技术，2023（11）：38-42.

[3]陆洋.双馈风力发电机的状态监测与故障诊断研究[D].湖南：湖南科技大学，"2022.

[4]何晨.基于迁移学习的风机传动系统关键机械部件故障诊断研究[D].上海：上海电机学院，2023.

[5]汪玉玲.风力发电机状态监测和故障诊断技术的研究[J].现代工业经济和信息化，2022，12（11）：317-318.