風力發(fā)電機組故障診斷與預測技術研究綜述

盧永 許明亮 王應智 陳浩天

摘要：近年來，我國綜合國力在多方面利好因素的影響下得到了全面的發(fā)展，從而為各個領域的發(fā)展壯大帶來了諸多的機遇，與此同時也推動了風力發(fā)電領域的發(fā)展。在風力機組運轉(zhuǎn)過程中，轉(zhuǎn)子葉片的旋轉(zhuǎn)速度往往會受到自然界風速的轉(zhuǎn)速的影響，在遇到陣風的時候，葉片在風力的影響下平衡的狀態(tài)往往會遭到破壞，所以會造成葉片會受到多種作用力的影響，最終會對整個機組的所有部件的運轉(zhuǎn)造成一定的制約，在實施人工檢修的時候也會遇到很多的困難，所以針對風電機組故障診斷和預測技術進行綜合分析研究是具有較強的現(xiàn)實意義的。

關鍵詞：風力發(fā)電;機組;故障診斷;預測技術

引言：就現(xiàn)如今實際情況來說，能源是人類生產(chǎn)生活的重要基本保障，所以受到了人們的重視，在很多地區(qū)已經(jīng)出現(xiàn)了能源斗爭。風力發(fā)電能夠切實的緩解當前能源緊缺的問題，并且其因為具有良好的清潔型的特征，所以也于當前全面推行的環(huán)保工作相統(tǒng)一，風力發(fā)電適合大范圍的推行。

一、風力發(fā)電及發(fā)電機組發(fā)展現(xiàn)狀

就現(xiàn)如今實際情況來說，全球的風能量為2.74×109MW，可以轉(zhuǎn)變?yōu)榭捎玫哪芰繛?×107MW，超出了水能的九倍。風能擁有良好的開采價值，其存儲量十分的豐富，并且具備清潔型的特征，是當前新能源企業(yè)的主要研究領域。現(xiàn)如今我國風力發(fā)電技術還在不斷的發(fā)展，發(fā)電機裝機容量也隨之逐漸的擴展，相信在不久的將來，這項技術的運用成本也會有所降低。結合相關數(shù)據(jù)分析來看，我國我國（除港澳臺地區(qū)）新增風力發(fā)電機裝置的容量達到了19.66GW，累計裝機容量188GW。就當前全球情況來說，我國新增裝機容量在世界中的占比達到了百分之三十七，處在世界領先的位置。這就充分的說明了我國風力發(fā)電事業(yè)正在不斷的發(fā)展壯大，在國內(nèi)新疆地區(qū)是我國風力發(fā)電的主要場所，每年的風力儲備糧達到了9127億KW，這個地區(qū)建造了我國最大的風能發(fā)電基地，總體裝機容量已經(jīng)達到了12.5萬千瓦，單機1500千瓦。當下，新疆地區(qū)也在逐步的加強對風力資源的利用力度，風力發(fā)電必然會成為我國未來發(fā)展中的主要新型能源[2]。

二、風力發(fā)電機組的故障診斷技術分析

1.基于振動信號的故障診斷技術

當下，利用振動信號對風力發(fā)電機組中的葉片、齒輪箱、軸承等重要結構部件實施監(jiān)測和故障診斷的方法在我國已經(jīng)達到了較為成熟的水平，相關研究人員結合風電機組的故障特征，借助小波神經(jīng)網(wǎng)絡方法對風電機組齒輪箱實施故障排查，主要是圍繞風電機組的微弱故障信號，結合風電機組齒輪箱的故障特征。借助譜峭度能夠更加精準的對星齒輪箱故障情況加以判斷，利用頻率調(diào)節(jié)方法判斷行星齒輪故障的根源，隨后針對風電機組振動信號采用適合的方法來實施降噪，借助專業(yè)的學習方法對風電機組的前期微弱故障加以診斷。其次，針對葉片故障實施診斷，其實質(zhì)就是經(jīng)過分析壓電陶瓷傳感器監(jiān)測到的振動信號來實現(xiàn)診斷的目的[3]。

2.基于電氣信號的故障診斷方法

與振動信號相對比來說，電氣信號中與故障存在關聯(lián)的內(nèi)容相對較弱，并且往往也會被電機原有的電氣信號所影響。所以需要將先進的科學技術加以合理地運用，在電氣信號中對與故障存在關聯(lián)的信息加以利用，結合電機、轉(zhuǎn)子動力學模型，對風電機組故障加以綜合分析。電機的動力學模型能夠?qū)㈦娏餍盘柵c電機系統(tǒng)的扭矩波動存在的關聯(lián)關系加以綜合判斷，借助模型能夠?qū)X輪箱故障與電流信號之間所存在的關系進行模擬，這樣就可以高效的對電機傳動系統(tǒng)故障的根源加以明確，最后借助維納濾波來將電流信號的噪聲加以清除，結合統(tǒng)計過程控制圖能夠?qū)﹄姍C軸承故障加以高效的診斷。結合軸承故障情況對于軸承的故障加以綜合分析。在針對直流無刷電機轉(zhuǎn)子故障進行分析的時候，可以借助加窗Fourier變換以及Wigner-Ville分布，運用動態(tài)分析的方法結合電流信號來完成診斷。專業(yè)人士通常都是利用同步采樣的方法，從電流信號中對故障特征加以綜合分析，利用關聯(lián)維數(shù)進行推算，從而能夠準確的對風電機組故障加以判斷[4]。定子匝間短路故障的判斷，通常都是利用隱馬爾可夫模型的階次，創(chuàng)建HMM故障診斷模型來實現(xiàn)既定的診斷目標。齒輪故障的診斷，可以運用調(diào)制信號雙譜分析方法來加以完成。針對轉(zhuǎn)子斷條電機和偏心故障的診斷需要保證相關技術具有良好的專業(yè)水平。

三、風力發(fā)電機組故障預測技術的研究與探討

1.對風電機組中機械結構系統(tǒng)的故障預測方法探測

風電機組的早期故障，預測機械結構的剩余壽命，可以大大提高風電機組運行的可靠性，降低維修費用。故障預測與故障診斷有相通之處，因此，風電機組的振動數(shù)據(jù)也可以應用到故障預測中。根據(jù)風電機組固有的結構特性和功能特征，應用振動數(shù)據(jù)可以對發(fā)電機軸與軸承、齒輪箱軸與軸承、塔筒等機械傳動與支撐部件進行故障預測。首先要連續(xù)地錄取運行中的風電機組的振動數(shù)據(jù)，然后對數(shù)據(jù)進行特征分析，提取時域信號或是頻域信號，其中頻域信號的特征值對故障更為敏感，再根據(jù)統(tǒng)計學規(guī)律設定預警以及告警閾值，最終以特征值的發(fā)展趨勢作出預測。對齒輪箱油位、發(fā)電機電氣量、葉片應變、傳動鏈轉(zhuǎn)矩、噪聲等的監(jiān)測，可以實現(xiàn)相應部件的故障預測[5]。

2.風電機組中電子系統(tǒng)的故障預測方法

近年來，風電機組單機容量不斷的擴展，直驅(qū)式風電機組的市場得到了有效的開發(fā)，電子系統(tǒng)故障的問題越發(fā)的受到了人們的重視，盡管對機械結構故障相對比來說，電子系統(tǒng)故障所引發(fā)的停機情況持續(xù)時間較短，后續(xù)維修較為方便，但是故障造成的不良后果較為嚴重，往往需要投入大量的維修資金。

結語：總的來說，當下以及未來對風電機組的故障診斷技術和預測技術的要求會不斷的提升，為了保證風電事業(yè)的未來持續(xù)穩(wěn)定發(fā)展，還需要相關行政機構增強投資力度，對于風電發(fā)電機組故障診斷和預測技術進行深入的分析研究。

參考文獻：

[1]邢海軍.風力發(fā)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.

[2]朱振海.風力發(fā)電機組故障診斷與預測技術研究綜述[J].工程建設與設計，2018（18）：63-64.

[3]楊巍.風力發(fā)電機組故障診斷與預測技術研究綜述[J].工程建設與設計，2018（04）：77-78.

[4]金曉航，孫毅，單繼宏，吳根勇.風力發(fā)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.

[5]劉敬智，宋鵬，白愷，姚萬業(yè)，楊偉新.風力發(fā)電機組故障預測技術研究[J].華北電力技術，2016（12）：49-54.