淺析風力發電機狀態監測及故障診斷技術

摘要：在環境日益惡化的背景下，作為綠色能源的風能被廣泛的應用到發電行業，風力發電機技術已經成為當前世界各國研究的熱點。由于風電場位于環境惡劣的偏遠地區，使得風力發電機發生故障的位置比較復雜，對風力發電機運行狀態的監測工作造成很大的困難。因此為降低風力發電機的故障發生率，需要大力發展狀態監測與故障診斷技術。

關鍵詞：風力發電機；狀態監測；故障診斷

1風力發電機組結構分析

當前風力發電場中較為常見的是大型兆瓦機風力發電機，此類發電機按照結構又可以分為雙饋型以及直驅型。用于商業生產的多使用雙饋型機組。其中，風輪是風能吸收的關鍵部位，主要包括葉片、輪轂和變槳系統三個部分。風輪隨著風的流動而轉動，在此過程中實現能量轉化，將風險變為機械能，就輪轂來說，可以將由風能轉化的機械能直接傳送至傳送系統供機組整體運行使用。就雙饋型風力發電機組來說，傳動鏈上能量傳動順序依次為主軸、齒輪箱以及高速軸。將主軸與輪轂相連接，通過輪轂的不間斷運作保證主軸的持續運行，需保證二者的運行速度相同。齒輪箱具有增速作用，可以將主軸的低速運作狀態變為高速運作狀態，由此便可生產電能。其中，齒輪箱的輸入端視為低速軸，而輸出端視為高速軸。高速軸高速旋轉驅動雙饋發電機運作，而雙饋發電機產生的電能可以通過塔筒底部的變流器設備進行調節，將其與電網系統相接。塔筒是機艙以及風輪的支撐結構，可將機艙以及風輪固定在高空中，可以為風力發電機組提供充足的風能。塔筒底部內部裝有變流器裝置以及主控系統塔底柜，對風力發電機組的運行和發電具有直接控制作用，也是風力發電機組的核心。

2風力發電機狀態監測與故障診斷系統

風力發電機狀態監測與故障診斷技術主要是利用現代計算機控制系統，將信號采集、在線監測以及信號分析等融為一體的監測分析系統。通過對風力發電機的振動、溫度以及壓力等數值的監測結果與預定的數值進行對比，以此能夠及時的掌握風力發電機的運行情況，并且可以根據計算機信息采集系統收集到的數值進行分析，根據計算機的自動分析準確的分析出風力發電機設備的故障。風力發電機狀態監測與故障診斷主要的功能就是收集信號-處理信號-分析信號-判斷信號-診斷結果。一般對于信號的收集等工作主要是利用安裝在風力發電機中或者周期的檢測設備完成，信號檢測設備在完成信號收集工作之后，將信號傳遞給計算機控制中心，由計算機系統實現對信號的分析與處理。

3風力發電機狀態監測及故障診斷技術

3.1葉片的狀態監測及故障診斷

葉片是風力發電機吸收風能的主要元件，也是風力發電機的重要組成部分。其一般長為40米左右，由纖維增強型復合材料，其體積比較大，一旦發生故障很難進行維修，而且其一旦發生故障，不僅會影響風力發電機的運行，而且還會對整個風力發電機的安全產生致命的損傷。由于風力發電機的葉片常年暴漏在外邊，其要經受各種惡劣天氣的影響，因此葉片容易出現腐蝕、裂縫等故障。根據當前對葉片故障的檢測診斷技術文獻資料分析，葉片的故障檢測主要是根據葉片的受力變化而進行分析，因為葉片在發生故障時運行的效果與沒有發生故障時的效果是完全不相同的。對葉片的檢測主要是利用光纖光柵傳感器對葉片的應力應變的變化范圍進行分析，根據檢測的結果分析葉片的運行狀態。之所以應用該方法主要是因為光纖光柵傳感器的運行效果比較適用于惡劣的環境中。

3.2齒輪箱的狀態監測及故障診斷

齒輪箱是風力發電機的主要部件，是連接主軸與發電機的重要樞紐，齒輪箱的內部結構比較復雜，因此該部位的故障發生率也就比較多，比如軸承故障、齒輪故障以及潤滑系統故障等等?？梢哉f隨著風力發電機組的投產使用，齒輪箱的故障發生率也會隨之增多，為避免因齒輪箱故障而帶來的停工，人們開始加大了對齒輪箱運行狀態的監測，目前的監測技術主要有振動測量方法、溫度測量方法。其中溫度測量方法是基于零部件的溫度變化實現異常狀態識別的診斷方法。溫度作為狀態量，測量方便，操作簡單。鑒于溫度測量方法的簡單易行等特點，該方法已集成在風力機的控制系統中，用于檢測齒輪箱、發電機以及主軸等部件的健康狀態。

3.3電氣系統的狀態監測及故障診斷

電氣系統是整個風力發電機向電網輸出信號的主要部分，是控制電能輸出的重要裝置。由于電氣系統屬于精密元件，其任何一個細微的故障都有可能對整個風力發電機的運行構成威脅，常見的電氣系統的故障主要集中在線路短路、電流過大或者過小、過溫故障等，對于電氣系統的故障主要采取性能參數檢測法，具體的檢測措施就是利用計算機控制檢測技術對發電機電氣系統的輸出電流、功率等數值與預定設置的數值進行對比，根據對比的效果判斷電氣系統的元件是否正常工作。

4風力發電機狀態監測及故障診斷技術的發展展望

隨著全球風力發電產業，特別是海上風力發電產業的快速發展，風力發電機組的可靠性將越來越受重視。對于風力發電場而言，研究風力發電機組的故障監測與診斷方法是降低機組日常維護成本行之有效的方式。隨著互聯網技術、大數據處理技術的應用，基于多參量的故障監測與診斷技術將成為風力發電機組狀態監測與故障診斷領域未來發展的方向之一。而對于風力發電機，電信號、振動信號、功率信號等能夠反映風力發電機工作狀態的信號將被綜合分析，以便更加全面深入掌握發電機的工作狀態。在信號處理方面，如何減低信噪比，實現信號的盲分離，將成為風力發電機狀態監測領域信號處理方面的研究方向。在故障診斷方面，在其他領域取得廣泛應用的人工智能、小波分析、故障樹分析等方法也將在風力發電機故障診斷領域得到更加深入的應用。

5結束語

綜上所述，風力發電機組狀態監測和故障診斷系統的建立和運行提供了用戶友好界面，可將風電場設備運行數據和異常信息直接顯示與界面，獲得的數據信息更加直觀，也可直接將分析結果用于故障智能診斷，在各時域具有較高的分辨率。需注意的是，該系統算法仍不全面，且風力發電機組部件較多，采用一種智能算法的可行性仍不明確。為此，未來仍需進一步測試和優化應用的算法。

參考文獻：

[1]風力發電機狀態監測與故障診斷技術綜述[J].郜士祥.湖北農機化.2018（05）.

[2]不確定問題在風力發電機故障診斷中的研究[J].侯爽.中國新技術新產品.2015（24）.

[3]風力發電機振動監測與故障診斷方法綜述[J].李浪，劉輝海，趙洪山.電網與清潔能源.2017（08）.

（作者單位：中國大唐集團有限公司赤峰分公司）

作者簡介：代強，1983年2月，男，漢族內蒙古赤峰，助理工程師，研究方向：風電運行與維護。