風力發電機組故障診斷與預測技術研究綜述

陳釗

摘要：在風電發展規模及技術不斷成熟的當下，提升風電設備可靠性逐漸成為風電領域發展的主要趨勢。隨著累計時間的不斷增加，風電機組維護問題越來越嚴重，因此有必要研究風電機組故障診斷和預測技術。

關鍵詞：風力發電機組;故障診斷;預測技術

前言

風力發電可以解決人類社會對能源的急切需求，與此同時，身為一種清潔能源，風力發電可以幫助人們保護地球，為了提升風力發電質量，有必要加強風力發電機組故障診斷分析，同時結合預測技術展開詳細研究，便于促進風力發電工作合理開展。

1 風力發電研究

風力發電即將自然風能轉換成電能，便于滿足人們用電需求。通過分析風力發電機組，我們了解到，風力發電機組運行期間，風力會促進轉子葉片轉動，這一過程增速機具有增大轉速的作用，最終起到發電效用。風力發電具備一定環保性能，風量相對較大，具有較強開發性。在偏遠區域使用風力發電，可以為供電及日常用電帶來很大方便。

2 風力發電機組故障特點

2.1 葉片故障

葉片故障作為風電機組中的常見故障，葉片身為風電機組中的主要部分，當機組處運行狀態正常時，葉片會接受相應應力，這時引起故障的一個主要原因。例如，葉片長期運行后，因長期和蒸汽接觸，葉片表層會發生輕微腐蝕，嚴重的會導致葉片表層凹凸不平，從而使得葉片結構不穩，最終導致葉片出現松動問題。此外，若葉片在外力作用下發生變形，勢必會在短時間內釋放較高聲發射信號，面對這一現狀，有必要對葉片情況進行合理檢測。另外，重視葉片的一個重要原因為，當葉片運行出現故障，轉子葉片就會受到不均勻力影響，嚴重的還會影響機艙內部情況，最終影響機組穩定運行。

2.2 齒輪箱故障

齒輪箱作為發電機組當中的一個主要連接部件，齒輪箱的存在可以提升主軸轉速，保證發電機組運行期間能有效滿足供電需求。一般情況下，可以將齒輪箱分成二級平行齒輪與行星齒輪兩類造型，因風力發電機一直處在室外情況下，天氣情況變化容易對齒輪箱內部運行產生較大影響。例如，內部行星齒輪和高速軸側軸承，都可以在使用一段時間后，出現某些故障現象。風力發電機組運行期間，若受到荷載應力方面影響，即便短期不出現問題，但齒輪內運行現狀也會發生明顯改變。和葉片故障相比，齒輪組不容易出現故障，但若齒輪故障一旦出現，勢必會對整體結構產生影響。

2.3 電機故障

引起電機故障的原因較多，很多時候多是因為機械故障與電氣故障引起的。一般情況下，可以將電氣故障分為短路、短路、高溫等不同情況，機械故障包含破壞與磨損等情況。在分析電流與振動情況后，我們即可了解引起電機故障的主要原因。因雙饋式風機組轉動期間轉速相對較高，所以風電機組內安置的齒輪箱，應將轉速提升到某一高度，之后方能配合設備運行，但是若單純的遷就風機組轉速，勢必會影響機組本身質量，另外也會引起噪聲問題。

2.4 偏航及剎車系統故障

常規偏航系統具備動態跟蹤功能，且能有效掌握機艙內部風向情況，與此同時，還能解決電纜纏繞等問題。風力發電機組中，變槳系統即在風速引起波動情況下，合理調整葉片朝向角度，便于對風速情況進行合理控制，同時有效掌握動力轉矩，便于有效掌握運行功率。當風速過高且電機運行發生異常時，可以將葉片調到順槳狀態，便于對運行情況進行合理調控。再者，剎車系統在其中發揮關鍵作用，比如，可以有效降低轉子葉片速度。需要注意的是，剎車系統可以在風電機組出現某些故障期間，進行斷電處理。在分析摩擦片磨損情況與受力情況期間，剎車系統很容易在外力作用下發生故障。

3 風力發電機組故障診斷技術

風力發電機組當中的信號，能充分展現風電機組健康情況，同時可以被應用到風電機組故障預測及診斷中。現階段投入商業應用中的風電機組健康情況監測系統主要是以振動信號為基礎建立起來的。以振動信號狀態監測系統為基礎，需要在重點風電機組部件，例如主軸軸承、齒輪、發電機等位置安裝不同振動傳感器，然后合理配置數據采集系統，這對遠離地面機組而言，獲得信號十分困難。另外，傳感器與數據采集系統自身也會出現故障，因而使得難以可靠采集風機組振動數據，從而導致風電機組誤報情況經常發生，此外還應增加運行及維護成本。為了改變這一現狀，有必要研究一種非介入式的，成本較低的技術，便于對風電機組情況進行合理監測。

3.1 振動信號故障診斷法

振動信號分析作為當前常用的故障診斷法，逐漸被應用在風力發電機組軸承、齒輪箱等重要部件故障診斷與健康監測中。一直以來，很多科研人員借助振動信號研究了風電機組故障診斷情況。現階段，很多風電機組故障診斷法多是分析離線狀況下振動信號，但是現實當中風電機組條件經常變化，所以有待進一步研究變工情況下的振動信號情況，同時研究出在線機組健康監測系統。

3.2 模式識別故障診斷法

這一故障診斷方法可以分析風電機組不同信號，便于在時域當中建立高維統計特點，同時借助機器學習方，對特征融合、分類、降維等情況進行分析，便于對裝備進行故障診斷。當前故障診斷法多使用無監督與監督兩種模式識別法，模式識別法中含有很多算法，所以有必要加強無監督與監督模式方法在風電機組故障診斷方面的研究。此外，應加強對當前風電機組健康及故障數據開展模型訓練與學習，然后在此基礎上，研究風電機組故障情況，便于開展半監督模式識別技術故障診斷研究。

3.3 電氣信號故障診斷

電氣信號中的故障信號相對較弱，一般情況下都會被電視信號隱藏，且不容易受到人們關注。關注這一方面情況，可以借助技術性分析法，將電氣信號和故障信號中的內容提取出來，然后將得到的內容用在后期故障診斷與維護中。再者，在其他方面問題研究中，借助運用模型即可判定系統故障問題，此外，隨著新型技術的使用，仿真模型逐漸變成故障問題研究的主要工具。

4結語

綜上，隨著風力發電技術越來越成熟，人們可以靈活應用這一技術，便于幫助將自然界中的風能變成動能，然后再轉化成人們所需的電能。但因風力發電機一直處在自然環境下，長期使用勢必會導致故障問題出現，為了解決這一問題，有必要找到故障原因，及時采取解決措施。

參考文獻：

[1]金曉航，孫毅，單繼宏，吳根勇. 風力發電機組故障診斷與預測技術研究綜述[J]. 儀器儀表學報，2017，38（05）：1041-1053.

[2]邢海軍. 風力發電機組故障診斷與預測技術研究綜述[J]. 化工管理，2019（12）：155-156.

[3] 申新賀， 葉杭冶， 潘東浩， 等. 風力發電機組的臺風適應性設計方法研究[J]. 中國工程科學， 2014， 16（3） ： 70-75.

（作者單位：國電電力內蒙古新能源開發有限公司）