摘要：随着我国风力发电产业的快速发展，风电机组装机数量逐年增加，风力发电机组单机容量逐渐增大，风机叶片、载重轴承、齿轮箱、发电机、控制系统等组成部件随运行时间延长、工况交替变化都可能出现各种失效故障、缺陷，影响机组的可利用率，为避免恶性故障的产生，同时最大限度的减少维修成本的支出，就必须在这些部件进入加剧磨损期前通过维护措施延长其使用寿命，并在其即将损坏前及时更换。因此加强对风力发电机组振动、温度及其他运行参数的长期监测，可及时发现故障隐患，对快速分析、诊断、处理风力发电机组的故障，保障机组安全运行有重要意义。
关键词：风力发电；机组故障；处理
一、风力发电机组电气故障的分类
风力发电机组的电气故障可根据故障的性质、现象、原因或后果进行分类。根据故障部位的不同可分为硬件故障和软件故障；按故障发生时有没有说明或信息，可以分为诊断指示和故障诊断显示无故障；按故障发生时有无破损，可分为破坏性和非破坏性故障；根据必要性，故障又可分为系统故障、随机故障和及时的预警信息等。
二、常见的电气故障诊断方法，风力发电机组由一套高度自动化的控制系统进行控制，故障现象千变万化，其故障成因较为复杂，不能简单地从外观上看。而且风力发电机组控制系统具有的自诊断能力，虽然能反映出系统运行时的异常特征，但异常特征不会针对特定的组件，通常由一个故障代码（或子代码信息）指示出众多的故障原因，并衍生出许多关联或附带的代码，很难入手。
有经验的维修人员可以通过观察故障出现的异常现象进行故障排除，如有无灼烧痕迹、有无异味、有无异响等现象。通过检查断路器、避雷器、继电器、熔断器、限位开关等电器动作情况，判断故障范围。通过可视化的故障电路板，检查元件烧伤和裂纹。通过故障滤波装置查看故障元件是否存在过流，过压，短路，波形异常等。还可以触摸部件是否松动，查找部件本体的焊缝、断裂问题。这些直接观测方法虽能快速确定故障位置，但对于较复杂、无外部异常的故障我们往往无能为力，可采用以下两种方法进行故障分析、调查、处理。
2.1处理手段及技巧
2.1.1级差判断法
利用每个故障代码的属性和安全级别来区分每个故障代码的响应水平和处理手段，如风力发电机组整机制造商提供了一个警报级别的分类视觉图，提供给风电场的工作人员。故障发生时工作人员通过故障代码出现的先后顺序，判断故障的范围和性质，快速的找出故障点和故障设备，并进行修复。使用效果简单、显著。
2.1.2元件交换法
所谓元件交换法，是指维修人员在分析故障原因时利用备件的方法。
电路板、模块、传感器、继电器和集成电路故障原因判断困难时，可将同类型的现有控制系统中的元器件直接更换，从而将故障区域缩小到电路板或芯片级单元。这实际上验证了分析的正确性。但是，在更换部件之前，应仔细检查部件品牌、规格、型号、程序版本、功能设置是否相同，以及可调周期内的位置是否相同。
2.1.3接口状态检查法
现代电子控制系统被集成在PLC之间的控制系统和PLC与特定协议的通信连接一系列的信号形式，使一些故障和信号错误或丢失相关的这些信号，一定能在接口板和相应的输入和输出的PLC等有的接口，通过液晶显示操作简单、CRT等人机界面显示，所有的信号可以用于诊断软件制造商或程序员。检修方法要求维修人员熟悉风机电气控制系统接口信号，熟悉PLC应用程序和通讯协议，更重要的是要有专门的诊断软件和使用授权。
2.1.4参数调整法
风力发电机组电控系统的PLC和伺服驱动系统配备的许多参数，可以根据不同的运行条件和功能状态要求进行修改。这些参数不仅使电气系统与风机相匹配，而且使风机的性能得到优化。
期刊文章分类查询,尽在期刊图书馆因此，任何参数的变化，甚至丢失都是不允许的，尤其是那些模拟参数和数字启用命令。随着风机长期运行所引起的机械或电气性能的变化，在机组投入运行时，会打破机组的初始匹配状态和优化状态。所以在机组出现运行异常或故障时，要检查系统设置的参数是否错误。通过调整系统及设备的参数使机组恢复正常。同时要找出参数变化的原因，避免故障重复发生。
2.1.5快照分析法
现代风力发电机组无一例外采用计算机自动控制系统，利用故障诊断软件是非常有效的，通过观察风机运行的各种参数和动态参数的变化，故障前后的实时记录、故障时间数据或事故状态变化。利用故障诊断软件的故障数据快照功能，将风机运行前和运行后的电气和非电气数据转换成模拟数据的分析，筛选异常，高级维修人员可以快速确定故障的性质、范围和故障的具体部位。只要有很强的自信心，仔细分析思路，正确诊断程序，仔细检查和测量，任何故障都不会麻烦维修。
2.2故障数据挖掘、分析
在数据挖掘中，训练数据集的质量通常影响数据挖掘的有效性。几乎每一种数据挖掘算法对数据集都有一定的要求，如数据完整性、数据冗余性和数据属性之间的相关性很小。然而，实际系统中的数据通常是杂乱的、重复的和不完整的，很少满足挖掘算法的需要。另外，大量实际数据中没有意义的成分，会影响数据挖掘算法的效率，可能的噪声干扰也会导致无效的归纳。数据预处理是对相关技术提供的原始数据进行处理，检查数据的完整性和数据的一致性，并对噪声数据进行处理。因此，数据预处理是数据挖掘成功的关键。处理原始数据的目的是以二维形式来表示它，每一行可以称为数据样本或记录，每个列都可以是属性。它汇集了原始数据库的全部特征和与任务发现相关的所有数据，是知识发现状态空间的基础。对于不同的数据挖掘算法，具体的预处理方法可能不尽相同。据文献记载，数据预处理应具备以下基本步骤：
2.2.1数据集成
数据集成不是简单的复制，需要统一原始数据中的矛盾之处，如信息集成、有用的选择、数据处理单元、不同单元的问题，以及原始数据在最低层次上的转换和聚合。
2.2.2数据清理
数据清理消除了原始数据集中的噪声和外来数据，完成了数据的类型转换。一般的变换是指连续数据的离散化。通过离散化，可以有效地改进较小的数据表的大小。
2.2.3数据转换
数据转换主要是寻找数据表示的特征，利用维度变换或转换有效地减少有效标量数据的数量或找到不变量，包括标准化、泛化、投影等。
2.2.4数据简化
在大量数据中包含不相关的数据可能会严重影响数据挖掘算法的效率，甚至会导致严重的偏差。因此，有必要降低数据维数。我们应该寻找有效的特性来表达数据，以便尽可能减少数据的大小，以保持数据的原始特征。
三、结论
虽然风电机组的单机额定容量远小于火力发电机组，即使故障停机也对大型电网的负荷没有什么影响，但对于风电场本身来说，在经济效益方面还是具有一定影响的。尤其在电网严重限电和低风速的情况下，只有用正确的方法和清晰的思路处理好不同类型的故障，最短时间内恢复运行，才能充分利用好有效风力资源，减少经济损失。
参考文献：
[1]张登峰，郝伟，郝旺身.风力发电机组的振动测试与诊断[J].大电机技术，2012，15（1）：10-12.
[2]毕天姝，倪以信，吴复立，等.基于新型神经网络的电网故障诊断方法[J].中国电机工程学报，2002，22（2）：73-78.
[3]周开利，康耀红.神经网络模型及其MATLAB仿真程序设计[M].北京：清华大学出版社，2005.
[4]葛哲学，孙志强.神经网络理论与MATLABR2007实现[M].北京：电子工业出版社，2008.
论文作者:葛乐昊
论文发表刊物:《电力设备》2017年第22期
论文发表时间:2017/12/11
标签：故障论文; 数据论文; 机组论文; 参数论文; 风力发电机组论文; 风机论文; 控制系统论文; 《电力设备》2017年第22期论文;