風電機組在線智能故障診斷技術發展趨勢

魏則輝　張云

【摘 要】人們生活水平的提高，用電需求的不斷增多，促進了我國電力產業的不斷發展。隨著環境問題、能源危機的日益突出，以風電、光伏等為代表的可再生清潔能源的裝機容量占電力系統的比重不斷增加。全球風能理事會發布的統計數據表明，全球風電新增裝機容量63.0GW，其中中國新增30.5GW，總規模達到432.4GW。另外，隨著風電機組單機容量的不斷增長以及風電場規模的日益擴大，風電系統的結構變得越來越復雜，不同組件間耦合更加緊密，一個微小的缺陷可能引發災難性的大故障，造成機組停機，甚至導致機組部件的損壞，給企業帶來巨大的經濟損失。本文就風電機組在線智能故障診斷技術發展趨勢展開探討。

【關鍵詞】風力發電；齒輪箱；故障預測；故障診斷

1風電機組的主要故障類型

1.1齒輪箱故障

齒輪箱是風電系統中故障率最高的部件，且造成停機時間較長，包含齒輪、滾動軸承和軸等部件，其常見的故障主要為齒輪和滾動軸承的故障。近年來，新投產風電機組普遍都配備了振動監測系統。當齒輪或滾動軸承存在局部缺陷時，其振動信號中含有豐富的信息。通過有效提取信號的特征，一般可以較為準確地診斷出缺陷種類及所處的部位。常用的時頻分析方法有傅里葉變換、小波變換、Hilbert-Huang變換等，將其與基于神經網絡方法、人工智能技術以及專家系統的學習與分類能力相結合，可實現對齒輪箱故障的快速準確的智能化診斷。

1.2發電機故障

發電機中所有的故障都是按照一定的機理產生的，具有規律性，會引起電壓、電流、功率或者振動、溫度的變化，現有的絕大多數故障診斷方法都是通過電氣信號和機械信號的變化分析總結得出，目前主要應用的診斷方法有：電壓高次諧波檢測診斷法、定子電流診斷法、振動和溫度檢測診斷法。快速傅里葉分析處理轉子調整信號診斷方法通過在轉子、定子繞組中串聯電阻的方式來模擬定、轉子繞組不對稱故障，并結合FFT來提取轉子、定子電流以及轉子調整信號的頻譜，通過比較故障情況下轉子、定子電流的諧波頻譜和轉子調整信號的頻譜來判斷是否產生故障。另外一種方式則是通過分析信號的功率譜密度來診斷匝間短路故障，功率譜密度分析法也是目前故障診斷中最廣泛使用的分析法。但FFT和PSD具有缺乏空間局部性等特點，新發展起來的小波分析法具有非常好的時頻特性及高質量的分辨率。

1.3電力電子裝置故障

并網風電機組一般通過變頻器接入電網，從而實現在環境風速變化的情況下，也可以向電網輸送高質量電能。所不同的是：永磁直驅式風力發電機是定子側通過變頻器接入電網的；雙饋式風力發電機是轉子側通過變頻器接入電網的，定子側直接與電網相連。變速恒頻式風力發電機，尤其是雙饋式風力發電機在電網發生故障時容易導致風力發電機機端電壓跌落，造成發電機定子電流增加進而導致轉子電流的增加，極易導致風電機組變頻裝置的功率元器件損壞。功率元件的故障信息主要通過開路故障反映，常用小波分析的方法提取變頻裝置故障狀態下電路響應中所包含的有效故障特征信息，并結合神經網絡方法對故障進行分類和嚴重程度的判斷。

2風電機組故障診斷算法選擇

（1）神經網絡算法從理論上分析十分適合風電機組子系統的故障診斷，然而運用至實際系統中因耗時較長而失去優勢。并且不能對推理過程進行展現，而失去對故障診斷結果準確性的說服力。（2）符號有向圖能夠根據經驗或基本定理，但在風電機組整體系統建立中此模型僅限子系統的故障建立，并不能反映底層元件的情況，因此沒有能夠完全實現風電機組故障診斷。（3）專家系統能有效提高診斷速度與準確度，但在大型專家系統中會出現知識庫維護難度大，容錯能力較差等缺陷。（4）模糊故障Petri網能夠簡潔清晰的表示出風電機組的組成結構，細化到底層元件。以矩陣計算完成推理過程，使得推理過程具有快速的優勢。不過在建立系統中也存在一定的缺陷，系統過大會造成節點過多，導致關聯矩陣過大而產生的空間爆炸。綜上所述，在風電機組整機故障診斷中，選擇模糊故障Petri網實現故障診斷。在系統建立過程中解決模糊故障Petri網自身存在的缺陷。實現整機的故障診斷過程。

3在線智能故障分析的發展方向

完整和正確的數據采集是后續狀態分析和故障診斷的基礎。因此，在今后的集中監控技術研究中，應將風電機組SCADA系統、升壓站綜合自動化系統、風功率預測系統、AGC/AVC能量管理系統、生產管理系統等現有分散監控與管理系統進行整合。采取不同時間尺度的異構數據采集技術、防止數據丟失的數據隊列技術以及不同時間尺度的異構數據的統一存儲技術，建立以風電機組關鍵部件的振動在線監測數據、油液在線監測數據、葉片在線監測、離線點檢數據、風電場的環境監測數據等為基礎的統一實時和歷史數據庫，確保風電場實時數據的完整性和正確性。進而，基于各類異構數據的統一管理技術，將實時數據庫和歷史數據庫與統一的風電設備健康狀態數據庫相結合，建立風電場統管數據庫。基于風電場統管數據庫，開發風電場場群的集中監控與管理技術，實現不同供應商的各類設備的集中監控與管理，實現風電場場群的狀態監測、運維調度和生產運營的統一管理。具體的技術路線如圖1所示。在風電場場群的實時監測、運維管理和生產運營的統一管理基礎上，下一步的工作即是開發重要子系統的在線監測系統，如齒輪箱磨損狀態監控、葉片表面狀態監控等。以齒輪箱磨損狀態監控為例，通過對齒輪摩擦副的摩擦、磨損、潤滑與潤滑油劣化特征的研究，尋求對齒輪油運動粘度、油中水含量、介電常數、溫度、磨損烈度指數等多參數的集成式實時在線檢測方法，從而系統地建立風電機組齒輪箱潤滑磨損在線監測體系，其技術路線如圖2所示。風電場故障預警技術的實現，有利于運維人員工作職責的原子化、遠程化和信息化，實現風電場維護的智能化和簡易化，最終達到風電場的安全、穩定、高效運行，如圖3所示。

結語

風力發電在不斷發展，風場數量以及容量在快速增加，風電在電力系統中所占比例也在逐年增長。對風電機組運行狀態進行監測評估能夠有效提高風電機組的運行可靠性，能為風電機組檢修和維護提供依據，降低故障維修成本。

參考文獻：

[1]李帆.風力發電系統故障診斷方法綜述[J].控制工程，2017.

[2]楊明.大型風電機組故障模式統計分析及故障診斷[D].北京：華北電力大學，2015.

（作者單位：浙江運達風電股份有限公司）