摘要：风电机组工作期间，叶片的转速会随着自然界风速的变化不断做出调整，阵风作用下，叶片受到外力作用时的平衡性可能会受到影响，导致叶片受到复杂交变冲击载荷，最终影响整个机组的各个部件。从风电机组工作环境及工作流程来看，在长时间的应用过程中，不可避免地会出现一些故障，但基于各种原因，导致人工检修较为困难，为此，有必要加强对风电机组故障诊断与预测技术的研究。
关键词：风力机；故障诊断；预测技术
一、风力发电机组故障特点研究
1、叶片故障
金晓航等学者通过研究发现，叶片是风电机组获得风能的主要部件，风电机组处于工作状态时，叶片会承受较大的应力，容易出现故障，例如，叶片在长时间运行后，由于长期与空气进行接触，容易腐蚀叶片，出现剥落情况，从而导致表面粗糙；由于结构松动而引发的结构不稳定等。当叶片由于外力而出现裂纹或变形等情况时，会释放高频瞬态的声发射信号，基于此特点，发射检测被应用到叶片损伤评估工作中。叶片一旦发生故障，会导致叶片受力不均衡，而这种应力经由主轴进行传递会对机舱造成一定的影响，促使整个机舱出现颤动，严重影响风电机组的稳定性。
2、齿轮箱故障
齿轮箱是连接风电机组主轴和发电机的重要部件，主要作用是提高主轴运转速度，促使其满足发电机运行的基本需求。齿轮箱多包括行星齿轮与两级平行齿轮2个构造，工作环境较为恶劣，且工作情况较为复杂。齿轮箱内部行星齿轮与高速轴侧轴承等均较容易在长期运行下出现故障。在风电机组运行期间，较容易受到交变应力及冲击荷载等作用的影响，从而导致齿轮出现磨损、生锈、滑动等问题。虽然齿轮组故障的发生频率相对较小，但是，一旦齿轮组出现故障问题而不能继续工作，需要花费较长的时间进行维修，且维修费用较高，因此，齿轮组的故障诊断是近几年风电机组故障诊断技术研究的主要方向之一。
3、电机故障
电机发生的故障可总结为电气故障与机械故障，其中电气故障包括短路、断路、过热等；机械故障包括轴承过热、损坏、磨损严重等。经由对震动与电流以及温度等信号的分析，可以有效对电机故障进行检测与评估。不同机组额定转速不一，为此，风电机组需要在提速后才能配合其运行过程，但这种调整会在一定程度上增加机组自身的质量，且发电机的快速运行会造成噪声污染。
二、风电机组故障诊断技术研究
1、基于振动信号的故障诊断
基于振动信号的分析是现代风力故障诊断中最成熟的方法之一。从应用的状态，可以有效地诊断齿轮箱和风力的叶片的故障。根据风机故障特征，董凯松等学者表示，小波神经网络可用于诊断变速箱。在这个阶段，风力故障的主要诊断方法是在稳态条件下观察机组的振动信号。但是，您的工作环境中存在许多无法控制的因素。必须进一步提高该方法的可靠性。
2、基于电信号的故障诊断
赵勇等学者认为，与振动信号相比，电信号中存在的与故障有关的信号很弱，很容易被电机中的电信号覆盖。为此，有必要采用更先进的信号分析方法来有效地提取与电信号故障有关的信号，并将其用作故障诊断和维护的参考。同时，研究中的应用模型探讨了变速箱中电机驱动系统的故障，并通过仿真模型分析了电流信号与变速箱故障之间的相关性。发现电流信号可以作为变速箱故障诊断的重要依据。
期刊文章分类查询,尽在期刊图书馆
三、风力发电机组故障预测技术的研究与探讨
1、对风电机组中机械结构系统的故障预测方法
探测风电机组的早期故障，预测机械结构的剩余寿命，可以大大提高风电机组运行的可靠性，降低维修费用。故障预测与故障诊断有相通之处，因此，风电机组的振动数据也可以应用到故障预测中。根据风电机组固有的结构特性和功能特征，应用振动数据可以对发电机轴与轴承、齿轮箱轴与轴承、塔筒等机械传动与支撑部件进行故障预测。首先要连续地录取运行中的风电机组的振动数据，然后对数据进行特征分析，提取时域信号或是频域信号，其中频域信号的特征值对故障更为敏感，再根据统计学规律设定预警以及告警阈值，最终以特征值的发展趋势作出预测。
对齿轮箱油位、发电机电气量、叶片应变、传动链转矩、噪声等的监测，可以实现相应部件的故障预测。具体可以利用逻辑回归模型拟合，分析装备的性能退化演变过程，根据当前监测的信号评估装备的健康状态，利用自回归滑动平均模型，预测装备的剩余寿命，具体可以采用以下方法：（1）基于Gamma过程对数据进行分析，可以清晰地预测装备剩余寿命的概率密度分布；（2）利用HMM和隐半马尔可夫模型，通过状态推理，可以完成轴承退化程度的状态识别；（3）利用相对方均根值可以反映出轴承性能变化的情况。其中，多测点布置麦克风的方法可以对噪声进行监测，运用小波分析法提取故障信息，对机械系统故障进行诊断。总体来说，故障预测工作是在稳定工况或单一载荷下，对装备性能退化数据进行分析。
2、风电机组中电子系统的故障预测方法
随着风电机组单机容量的持续增大以及直驱式风电机组市场的大规模开发，电子系统的故障问题倍受关注。虽然相对于机械结构故障，电子系统的故障造成的停机时间较短、便于维修，但是故障率很高，同样会导致较高的维修成本。通过定点安装传感器，实时监测风电机组振动引起的电流变化、旋转部件旋转引起的振动变化以及偏航轴承偏航引起的应变变化预测设备的运行状态，完全可以实现故障提前预警，阻止故障的发生。另外，电子系统从故障发生的初期到完全失效所经历的时间通常非常短，其性能衰退过程又不像机械结构那么明显，因而，进行电子系统的故障预测相对比较难，可以采取以下措施：（1）在电子产品的设计阶段植入相关硬件电路和软件功能，用于电子系统的自我检测，包括发现故障、隔离故障以及修复；（2）在电子系统内部建立保护功能模块；（3）实时监测关键的参数，注意电子器件或系统内部状态的变化；（4）建立多套不同环境下的应力或疲劳模型，用来预估故障的程度。故障预测算法的关键参量可以通过以下方法得出：（1）通过对场效晶体管的加速寿命实验，得出该功率器件不同健康状况下的参数；（2）分析绝缘栅双极型晶体管在热应力实验中得到的数据参数，找出用于表征其性能退化的、可被用于剩余寿命预测的健康指数；（3）利用现代科技，搭建一个集成的故障诊断与预测平台，采集一些电容的寿命数据，经过分析这些数据可以得出；（4）随着电容性能的衰退，其等效串联电阻值会不断增大，且电容容量不断减小，在实际中根据这一经验预测电子系统的故障是比较简单的方法。
结束语
总之，本文件总结了风力发电机故障预测和诊断技术的研究现状。从风力研究数据可以看出，风能的产生是风能转化为电能及其工作环境的过程。它相对较差并且在长期操作中容易失败，并且难以进行手动维护。根据风力发电机诊断技术的研究数据，目前对风力发电机故障诊断技术的研究主要集中在风力发电机各部件的故障特征和风力发电机的测量方面。适用于不同组件的诊断，为风力提供大量维护工作参考。
参考文献：
[1]金晓航，孙毅，单继宏.风力发电机组故障诊断与预测技术研究综述[J].仪器仪表学报，2017，38（5）：1041-1053.
[2]刘敬智，宋鹏，白恺.风力发电机组故障预测技术研究[J].华北电力技术，2016，5（12）：49-54.
论文作者:曾优海
论文发表刊物:《基层建设》2019年第13期
论文发表时间:2019/7/22
标签：故障论文; 机组论文; 风电论文; 齿轮箱论文; 叶片论文; 故障诊断论文; 信号论文; 《基层建设》2019年第13期论文;