大型風電機組電機驅動型主動偏航系統故障診斷技術概述

鄧子豪，李錄平*，劉 瑞，楊 波，陳 茜，李重桂

(1.長沙理工大學，長沙 410014；2.廣州特種承壓設備檢測研究院，廣州 510000)

0 引言

作為可再生能源發電形式之一，風力發電技術經過多年的發展，已成為國內外主要的可再生能源發電形式[1]。大型風電機組的結構復雜，具備典型的大型旋轉機械設備的特征，且由于風電場常建設在偏遠地區，風電機組極易受到運行環境的影響，故障率較高，且故障機理呈現多樣性。與常規設備相比，風電機組因風的隨機性而導致識別其運行狀態變化較為困難。而風電機組一旦發生故障，輕則導致電網波動、影響發電質量，重則導致電網故障，無法供電，產生安全事故。

風電機組偏航系統具有連接機艙與塔筒的作用，主要功能是使風輪對準風向及機組自動解纜，其與風電機組運行的經濟性和安全性有極大關聯[2]。文獻[3]的研究統計表明，偏航系統故障率可達到6.7%，而因該系統故障導致的風電機組停機比例占總停機時間的13.3%，如此高的故障時間占比使偏航系統故障成為判斷風電機組能否安全可靠運行的重要考量因素。某風電場運行數據表明，在年均發生故障統計次數與單位容量年損失電量這2項數據統計中，偏航系統故障都位列前3位[4]。

相關文獻表明[5-6]，陸上風電機組的運維成本基本占風電場收益的10%～15%，而海上風電機組的占比更是達到了25%～30%。現代大型風電機組的偏航系統位于塔架頂端，維修更換過程復雜，運維困難，因此建立有效的狀態監測和故障診斷機制，可幫助機組提高安全性、穩定性及經濟性，還能及時了解機組內部構件的運行情況，對不同故障類型做出正確的診斷，達到提前預防、及時解除故障的目的。因此，進行風電機組偏航系統故障診斷的研究具有重要意義。

現階段，各國都在不斷加大針對風電機組偏航系統故障診斷的研究，由于我國國內的風電發展晚于國外，相關診斷方法及技術研究較少，因此需要加強相關方面的研究。由于篇幅限制，再加上主流大型風電機組多使用電機驅動的主動偏航形式，所以本文僅綜述了電機驅動型主動偏航系統故障診斷技術的研究進展。

1 偏航系統的故障類型與機理

基于風向隨機變化的特性，大型水平軸風電機組需要依靠偏航裝置調整風輪旋轉平面正對風向，以達到風能利用率最大化。已商業化應用的風電機組偏航系統存在多種形式：根據驅動力來源可分為液壓型和電動型；根據是否為主動形式可分為主動偏航和被動偏航；根據偏航軸承齒圈分布位置可分為內嚙合驅動和外嚙合驅動；根據偏航軸承的類型可分為偏航滾動軸承式和偏航滑動軸承式。

現役的大部分風電機組類型為水平軸風電機組，采用主動偏航方式，主要以電動機作為驅動力來源，此種偏航驅動機制的主要組成部分包括軸承、電機、齒輪、制動器及制動盤等。表1簡單介紹了電機驅動型偏航系統的控制原理，其中，θ為偏航角，代表風向角與風輪角度的差值。

表1 電機驅動型偏航系統的控制原理Table 1 Control principle of motor-driven yaw system

下文根據偏航系統的系統構成，對系統主要部件的故障類型進行敘述。

1.1 偏航齒輪故障

1.1.1 偏航大齒及驅動齒斷裂故障

風電機組正常偏航時，應是4臺偏航電機同步運轉驅使機艙正對風向，受力均勻。發生偏航大齒及驅動齒斷裂故障的原因為[7]：

1)其中1臺偏航電機抱閘，驅動失效，制動盤為抱死狀態，而另外3臺偏航電機正常運轉，偏航大齒圈與偏航減速器小齒輪擠壓，造成斷裂；

2)由于卡鉗漏油或大齒潤滑脂泄露，污染偏航剎車片與剎車盤，致使摩擦力不足，大風工況下難以制動，機艙滑移使得驅動器抱閘，剎車片磨損加劇失效；

3)極端風況下的機艙滑移使大齒與驅動齒相互碰撞，沖擊導致裂紋或斷裂發生；

4)驅動器變速箱油量過少也會產生齒輪傳動故障，導致偏航驅動電機轉速過低或鎖死，小齒輪承受過大力矩，造成齒輪斷裂，電機燒壞。

1.1.2 異常噪音故障

齒輪的運行常伴隨嚙合的問題，存在部件間的接觸、摩擦和振動，因此會存在響聲，且有時會出現不規律的聲響，即存在噪聲的問題。文獻[8]的研究表明，由于潤滑不到位造成的偏航小齒和偏航軸承齒圈間的齒側間隙不合理，會導致噪聲的產生。文獻[9]指出，偏航噪聲形成的原因主要是：1)剎車卡鉗預緊力過大或過小；2)剎車卡鉗摩擦片制作工藝不達標；3)偏航運行速度不在正常范圍；4)風電機組的整體剛性強度不夠。

1.2 偏航軸承故障

偏航軸承是偏航系統中用于連接機艙與塔筒的關鍵部件，既連接機艙底部，又連接塔筒頂部。現主要采用4點接觸球軸承，故障形式以滾道與鋼球失效為主[10]，但隨著風電產業的成果積累，現有軸承工藝水平得到了很大提升，一般情況下并不會存在這一故障問題。風電機組處于百米高處或嚴寒地帶，低溫使潤滑的流動受阻；機組位于內陸熱帶地區或處于高溫季節時，高溫工作環境會大幅損壞潤滑的黏度和穩定性，潤滑易氧化、硬化和軟化，難以達到高溫持久潤滑，從而造成潤滑不充分，使潤滑脂從軸承縫隙中溢出[11]。而需要承受較大傾覆力矩的偏航軸承潤滑形式主要采用自動注脂式，部件有部分裸露在外，會受到灰塵、霧氣及極端雨雪天氣的腐蝕，由此說明了軸承密封性及內部潤滑的重要性。

偏航軸承主要承受來自輪轂處因風力造成的荷載及機艙部分的荷載。相關文獻針對此處荷載進行了研究分析。偏航齒圈與偏航軸承直接相連，兩者之間關系密切，文獻[12]模擬驗證了碰撞模型的正確性，發生碰撞后的齒輪依舊會發生接觸，依此發現，影響彈性回轉支承(即偏航軸承)正常運作的異常振動主要是來源于沖擊力。

分析偏航軸承聯接處的結構，有利于研究偏航系統故障來源。文獻[13]研究了大型風電機組偏航系統的聯接螺栓在預緊力分散工況下的外部荷載影響、模擬了軸承滾子剛度與其承受荷載之間的關系，并在此基礎上采用有限元方法建立了偏航系統整體模型，計算了該處螺栓的靜強度荷載及疲勞荷載，得到了S-N曲線，且驗證了模擬剛度與實際數據之間的符合程度。文獻[14]對回轉軸承及其相應結構進行了有限元建模，但指出該模型不足以直接應用于回轉軸承。

1.3 偏航驅動裝置故障

偏航驅動裝置主要包括偏航驅動器、偏航驅動減速機和偏航電機等多個機械部件，機械部件的運行常會因發生接觸而造成振動，且噪聲就來源于異常振動。文獻[15]指出了偏航驅動裝置產生噪聲的原因：1)齒圈與驅動器小齒嚙合處無潤滑，或潤滑不充分造成的干摩擦，從而產生振動和噪聲；2)偏航驅動裝置中油位過低，偏航驅動器齒輪氣密性不足或運行過程中潤滑油發生泄露，造成驅動器內傳動齒之間的干摩擦，使其運行過程中產生噪聲。

針對嚙合效果的問題，文獻[16]認為，進行優化后的結構結合有合理傳動比的漸開線少齒差行星齒輪的偏航驅動器更利于解決該問題。文獻[17]指出，應用兩級傳動形式傳動機構，并結合漸開線少齒差與零齒差行星齒輪的風電機組偏航驅動器，具有良好的嚙合效果。文獻[18]總結了振動程度的評價標準，主要有4種情況，并以1.5 MW風電機組偏航驅動減速機為例，說明了振動與噪聲的關系，分析了傳動機理，指出了偏航減速機傳動過程噪聲產生的主要原因。

關于偏航驅動器連接高強度螺栓的研究，主要是針對偏航力矩、荷載較大等方面。文獻[19]基于VDI 2230標準，計算了偏航驅動器處的高強度螺栓的安全校核，并將該方法與傳統計算方式進行了對比驗證，發現該方法具有指導意義。偏航噪聲故障會隱藏多種機械故障，隱含著許多不可忽視的故障。

偏航電機是偏航驅動裝置的核心部件，故障原因主要包括損耗大、穩定性差和偏航驅動阻力過大，但由于針對各式各樣電機的研究已相當成熟，所以少有專門以偏航電機為診斷對象的研究，此處無需多做介紹。文獻[20]對電機故障的形式進行了總結。電機故障主要包括電氣故障與機械故障，其中，電氣故障主要是短路、斷路與過熱等故障形式；機械故障主要是軸承過熱、損傷及磨損嚴重等故障形式。文獻[21]針對偏航電機頻繁啟動導致電機損耗過大和電機穩定性不足這一故障，提出了采用液壓馬達代替偏航電機的方法，并經理論分析和AMESim仿真證實了方法可行。文獻[22]中發明了采用雙向定量泵驅動低速大扭矩液壓馬達的液壓偏航驅動器，主要解決了可靠性低與偏航驅動阻力大的問題。針對偏航液壓馬達液壓管路破裂、可靠性差及偏航精度低的問題，文獻[23]中去除了液壓中的電磁換向及調速閥，以減少該部件帶來的故障問題，而是采取直驅電磁式的器件進行偏航驅動輔助。

由于風力造成的機艙不穩定會對風電機組的運行造成潛在危害，因此為保證機艙的穩定性，現有偏航制動部件一般采取液壓方式提供阻尼力矩。但該部件進行相應配置時，若未依據實際設定，會導致液壓站壓力偏高；操作不規范還會造成液壓動力過大，超出運行上限，導致部件損壞[24]。文獻[25]指出了偏航剎車鉗與剎車盤摩擦故障的原因，主要來自卡鉗、剎車盤處壓力或潤滑介質泄露。偏航驅動部分與軸承之間嚙合異常主要是齒側隙偏小造成的過度擠壓、偏航電機轉軸偏心問題，以及偏航軸承齒面潤滑污染。

表2為上述偏航系統故障發生的位置、主要故障類型和原因的簡單總結。

表2 偏航系統主要故障發生位置、類型及原因Table 2 Location, type and cause of main faults of yaw system

2 偏航系統故障診斷技術與方法

本章節的風電機組偏航系統故障診斷技術主要是指能進行故障預測的技術，目前該類技術主要分為基于物理機理的故障預測技術和基于數據分析的故障預測技術。前者主要以受損與裂紋等物理可見的故障為主，并結合相應物理理論進行建模，分析故障演化進程，可進行關鍵部位計算分析，精度較高，但成本與難度較大；而后者可基于實時數據與歷史運行數據進行分析，現有文獻研究也體現了該方向為產業研究熱點，技術可行性很強。

因此，本章節主要對基于數據分析的故障預測技術進行介紹，該類技術可分為基于模型的方法、基于人工智能的方法，以及基于振動信號分析的方法。

2.1 基于模型的方法

基于模型的方法的優點是能最直觀的與實際情況進行比較和分析，并且在建模過程中可以了解模型的結構特點及其主要部分，可靠性較高；但不足之處在于模型運算過程耗時較長，成本較高，不利于工程利用。

何沖[26]利用有限元技術和子模型技術建立了偏航回轉支承靜力與應力分析模型及局部模型，并分析了滾道疲勞集中位置及緣由。丁龍建[27]利用幾何方法研究了滾道接觸狀態，并建立了數學模型，得出了壓力分布情況。另外，為研究額定工況下的振動噪聲主要激勵來源，有研究者在Pro/E平臺對偏航減速裝置進行了建模與模擬分析，實現了動力仿真[28-31]。

何玉林等[32]通過理論分析接觸下的軸承滾珠與其內外圈的剛度，建立了偏航軸承承載時的平衡受力模型，采用帶松弛因子的牛頓-拉夫遜方法解析了該工況下的應力與角度，以此確定了經過有限元檢驗的基于以上參量的精確數值解法。此外，基于上述成果，何玉林等[33]還得出了負游隙條件下雙排4點接觸軸承的接觸應力及接觸角。周飛[34]以德國某公司研制的S70型1.5 MW級風電機組的偏航軸承為研究對象，施加靜荷載與動荷載在偏航回轉支承上進行模態分析，成功建立了可求得輪齒最大靜荷載和滾動體最大應力值的有限元模型，并可得到最大值發生部位。

2.2 基于人工智能的方法

由于風電產業的不斷發展，促使在其他領域已得到大范圍應用的人工智能方法被應用至風電機組偏航系統故障診斷領域，并出現了很多基于人工智能的故障診斷方法。研究表明，基于人工智能的故障診斷方法在風電領域取得了很好的效果，相較于傳統方法，該方法無需建立精確模型，就能夠很好地分析處理模糊故障。應用于風電機組偏航系統故障診斷領域的人工智能方法主要包括基于模糊邏輯的方法、基于數據挖掘的方法、基于神經網絡的方法，以及專家系統。

2.2.1 基于模糊邏輯的方法

模糊邏輯是模擬人的思維推理，主要針對的是模型無法知道或難以確定的非線性系統。SCHLECHTINGEN等[35]采用基于長達3年的SCADA系統數據的ANFIS，成功預測了多種風電機組故障。針對強噪聲與非線性的典型特征，程靜等[36]以風電機組滾動軸承為診斷對象，提出了基于二值雙譜和模糊聚類的故障診斷方法，對其振動信號進行分析診斷。

2.2.2 基于數據挖掘的方法

基于大數據的發展和風電場SCADA系統不斷完善的情況，基于挖掘SCADA數據之間關聯的方法更具有發展前景。

翟永杰等[37]以V80機型為研究對象，通過比較滑動式偏航系統與常用滾動軸承偏航系統的優、缺點，使用LabVIEW建立了一種對多個偏航電機參數在線監測數據采集系統，通過監測數據發現偏航電機存在功率不一致、運行不穩定等情況，并提出了相應的解決措施。梁穎等[38]建立了回歸預測模型，運用SVR算法輸入SCADA系統監測的風電機組數據，可輸出機組的有功功率。

偏航控制在發電量與機組保護方面起著重要作用，而保證偏航角測量的精度是保證偏航控制有效性的基礎，且零點漂移還會影響精度。因此，為了提高偏航角的實測精度，PEI等[39]先是針對偏航角傳感器零點漂移故障進行了定義，定性評價零點漂移問題，然后基于不同偏航角情況的功率特性，提出了基于監測和SCADA數據驅動的零點漂移故障監測的方法。

AN等[40]研究了直驅型風電機組的正常工況，進行了包括偏航故障、風輪氣動不平衡故障在內的共5項實驗室實驗，并通過訓練，在SVM模型中建立了特征參數與故障類型之間的映射，提出了一種結合了支持向量機與特征選擇的直驅式風電機組偏航系統故障診斷方法。BI等[41]將人工智能應用于SCADA數據，并將風電機組的預測功率輸出同實際功率輸出進行了比較，以預測誤差作為故障檢測的指標。YE等[42]提出了基于SCADA的風力機狀態監測系統，分別對發電功率、轉子速度和俯仰角同風速之間的關系進行了3次測試，應用更客觀的粒子群優化算法，融合所有測試結果來識別風力機的健康狀況。

2.2.3 基于人工神經網絡的方法

模擬大腦神經處理模式的人工神經網絡方法對非線性問題的處理有很好的效果，且在信號處理方面有不俗成效。

張文秀等[43]針對風電機組機械系統滾動軸承建立了同時利用歸一處理與一致性檢驗的樣本進行BP神經網絡訓練的神經網絡故障診斷模型，并能通過檢驗提高診斷效率與預測效果。文獻[44-46]均提出了基于神經網絡的診斷方法。針對風力機振動信號的高度非線性及非平穩的特點，AN等[47]以直驅式風電機組為診斷對象，提出了基于反向傳播神經網絡(BPNN)的故障診斷方法，該方法考慮了包括偏航、葉片斷裂在內的5種工況的特征，采用BP神經網絡，選取振動信號作為分析信號，輸入相互垂直的時域信號特征參數樣本，依此建立了BPNN模型，將特征與故障類型進行關聯。為分析風電機組的結構與工況，張海濤等[48]將風向特性提煉成Elite因子，并結合蟻群智能算法以提高數據精度，提出了一種應用BP神經網絡的新型風電機組偏航系統故障檢測方法。針對故障樣本少、信號弱及不易提取的特點，鈕滿志等[49]將加速度信號的小波能譜與溫度、扭矩信號結合成特征向量，提出了基于小波能譜與支持向量機融合的故障診斷方法，并針對3種螺栓狀態進行了比較，發現支持向量機方法優于BP神經網絡方法，還提出了SVM可應用于風電回轉軸承的在線故障診斷系統。

2.2.4 專家系統

專家系統是一種模擬人類專家決策的處理復雜問題的智能方法。CHEN等[50]針對偏航系統等部件故障特征及其原因進行了詳細分析和總結，并基于此建立了結合專家系統工具夾及Visual C++的故障診斷專家系統。針對風電機組故障定量分析難度較大的原因，賈子文等[51]利用幾何平均法、灰色關聯度方法和層次分析法進行融合，提出了一種改進的專家群決策方法。

2.3 基于振動信號分析的方法

在現有的故障診斷研究中，診斷技術較為成熟的是基于振動信號分析的技術，風電機組的振動數據可運用在故障預測中。

通過查閱文獻發現，振動分析是目前對旋轉機械狀態監測進行有效檢驗和故障診斷應用最多的方法，如油膜振蕩[52]。操煉[53]較為詳細地研究了噪聲與振動檢測和無損檢測等。KHAN等[54]通過研究偏航軸承及齒輪潤滑油和液壓油的性能，了解了運行設備的磨損信息。

處理平穩信號運用傅里葉分析的方法較為理想，但由于偏航系統結構復雜，屬于典型非線性系統，所以處理非平穩信號采用小波分析效果更好[55]，提取故障信號特征及分析處理最適用。該方法的優勢在于時頻結合這一特點，可廣泛應用于故障診斷領域[56-57]，極適用于電機診斷，對偏航電機的故障診斷具有參考意義。

LU等[58]通過振動分析對軸承進行檢測與診斷。由于應變及旋轉作用，風電機組偏航制動裝置在運行過程中會不斷產生振動，導致電流變化，程靜等[1]通過在相應部位安裝傳感器檢測電流，預測到設備的相應運行狀況，由此可提前預警故障，觸發相對應的動作，采取預防措施。同理，為分析噪聲信號，秦劍[59]通過安裝相應傳感器采集噪聲，采用小波分析處理噪聲故障特征，進行風電機組機械故障及運行狀態的分析診斷。

3 偏航系統故障診斷研究展望

1)現有的大型風電機組偏航系統只有基于單一或2種參數信號監測，且僅限于風力機的故障越限報警停機功能。未來，可開發出基于多參數故障預測的偏航系統故障診斷系統，提供更高效的運維方案。

2)成本控制是各大風電企業考慮的重要問題。基于此，對于亟待開發應用的在線故障診斷系統而言，其開發成本將是重點考慮的問題。相對于傳統建模分析手段而言，在現有的大數據SCADA系統平臺背景下，未來，基于SCADA的數據挖掘技術開發的偏航系統故障在線診斷系統更具發展前景，其成本可以得到有效控制；但由于不同廠商的不同類型風電機組的SCADA系統存在差異性，因此，系統兼容性也是開發者需要考慮的問題之一。

3)現有大型風電機組的SCADA系統的數據精度已得到一定程度的提升，相比于以前的10 min/次的數據采集精度，現在可以達到1 s/次的數據采集精度。但是在這種精度下提供數據的有效性有限，比如高頻數據難以提供，因此為了提供更好的故障分析，需要不斷地精細化數據。而且由于各大運營風電場出于商業保護等原因，導致海量的風力機有效數據不能得到充分利用，更談不上及時利用。基于現有的人工智能技術、大數據、云端數據平臺的開發利用，未來，可建立可靠的云端共享平臺，在遠程情況下即可及時且最大化地利用風力機有效數據，有助于偏航系統故障在線診斷系統的開發。

4)現有大型風電機組故障診斷模式主要以現場技術人員的經驗判斷為主，而此種診斷方式與風電場工作人員的工作年限和經驗積累有很大的關系，效率低下且誤差較大。未來，由于風電機組的復雜結構，故障診斷方法的單一性會使偏航系統故障診斷精度難以達到要求，因此需要建立完善的偏航系統故障診斷專家系統數據庫，且其可以有效結合其他故障診斷方法進行分析診斷，即采用多種方法融合的方式，綜合各種方法的優勢，會更適合風電機組偏航系統的故障分析及診斷。

4 結論

本文分析了風電機組偏航系統結構的特點，并對電機驅動型主動偏航系統故障類型及對應的故障機理、常用的故障診斷技術及方法的研究進展進行了綜述。分析后發現，大功率風電機組電機驅動型主動偏航系統故障診斷研究主要集中在大數據平臺研究、多傳感器信息融合技術開發等熱點領域。