摘要：随着社会经济水平的提高，我国各行各业均得到了较快的发展。不过，在企业的生产与经营过程中，也暴露出了更多的缺点。如今，各大企业在生产过程中，对能源的需求量不断增加，尤其是石油、煤炭等不可再生资源，人类对自然资源无尽的索取，不仅对我国的生态环境造成了破坏，还加剧了能源危机的出现。在这种情况下，我国也在大力开发更多的可替代能源。其中，风力发电的发展，实现了风能与电能之间的转换，缓解了能源短缺压力，在实际应用中发挥出了更大的作用。风力发电机组是风电场中的重要组成部分，伴随着风力发电行业的发展进步，风力发电机组的结构和使用性能也得到了改进。不过，受到外界环境和人为操作等因素的影响，在风力发电组实际应用过程中，往往会出现较多的故障问题。为此，应对风力发电组使用中常见的问题进行总结并分析，并采取有效的措施进行解决，提高风电场整体运行的效率。
关键词：风力发电机组；故障；改进；效率
近年来，我国能源危机问题日益突出，为了缓解在能源使用上存在的风险，太阳能、风能等自然能源得到了有效的运用，通过一定的方式，将其转化为可供人们使用的电能资源，对社会的发展带来了更多的便利。通过对风电装机进行改造，融入更多先进的技术手段，实现了风电装机容量的更快增长。如今，我国电力系统逐渐趋于完善，并且初步实现了电力系统的自动化功能，风电场的地位愈加显著。不过，在风电场的建设过程中，由于建设区域较为偏远、环境恶劣，在风电机组的实际运行中，往往会出现较多问题，继而对整个电力系统的实际运作造成影响。
一、风力发电机组的故障分析
（一）齿轮箱的故障分析
风力发电机组是风电场系统运作中的重要组成部分，相关企业需做好风险机组的日常管理与维护工作，定期对风力发电机组的故障问题进行排查，尽可能的消除设备在使用中存在的安全隐患风险。
虽然，伴随着我国科技的进步，风力发电机组在功能和结构上也在不断发生着变化，使用性能更加稳定，在风电场系统的运作中发挥了更大的价值。不过，由于我国风电场行业起步较晚，在风力发电机组的改造中，仍然存在较多的不足，在实际使用过程中，齿轮箱和发电机设备故障的出现频率较高，对正常的发电系统运作造成了一定负面影响[1]。图一为风力发电机组中的齿轮箱。
图一
通过对以往风力发电机组运行中的故障问题进行分析，齿轮箱在长时间的工作状态下，容易出现断齿、轴承过热、轴承疲劳损伤等故障，并且发生原因也存在较大的差异。如果在齿轮箱安装过程中，技术人员相关操作存在不合理现象，会导致轴承配合出间隙过大，在这种情况下，齿轮箱便无法正常工作，故出现多种故障问题。此外，当齿轮箱内负荷超过自身所能承受的限度，或受到外力等其它因素的影响，导致轴承损坏，这时齿轮承载量远远超出了正常值范围内，导致出现断齿故障。从上述描述可知，齿轮箱内部结构较为复杂，且故障类型多样化，这就要求相关部门应提前做好相应的防范措施，对齿轮的设计进行优化，在日常管理与维护过程中，重点检查轴承、齿轮箱的密封圈等基础设施，必要时，可利用现代精密仪器，对齿轮箱的润滑系统进行检测，确保其处于正常的运行状态中。除此之外，相关部门应加强对人员的培训力度，向工作人员传授更多故障检测的方法，能够及时发现设备中存在的故障问题，并进行解决，提高齿轮箱的工作效率和质量，为企业创造更多的经济效益。
（二）发电机的故障分析
在风电场系统的运行中，发电机也是重要的设备之一，由于工况复杂，且外界环境较为恶劣，在实际运作当中，难免会出现较多的故障问题。从以往的工作经验来看，发电机的故障类型主要存在于两个方面，分别为：发电机和滚动轴承。常见的故障模式为绕组过热、轴承损坏或发电机振动等。通过对故障发生的原因进行分析，主要存在于设备内部线路、安装和设备自身运作等环节当中。例如：在对滚动轴承进行安装期间，技术人员相关操作存在不规范现象，加上所使用的材料质量不合格，增加了设备使用中存在的安全风险，如果不能够及时纠正，很有可能会引发更多的风险事故，对人们的生命安全造成威胁。为此，在发电机和滚动轴承运行过程中，相关人员应抓住设备故障检测要点，通过查看设备故障所表现出的形式，快速找到故障发生的具体部位，便于故障问题能够在第一时间内解决，以免对正常的工作造成影响。此外，在设备的日常管理与维护当中，相关人员应认真检查设备中零部件的安装情况，包括线路的连接方式、设计图纸规划以及材料的选择等内容，针对设备在使用中常出现的故障问题，应提前采取相应的措施进行预防，做到防患于未然，将设备故障的发生频率降到最低[2]。
二、基于小波包和BP神经网络风电机组故障诊断系统
（一）故障诊断理论
近年来，伴随着我国风电场的发展进步，在设备故障诊断方面也取得了较大的成果。运用现代智能化技术，将设备与技术手段相互结合，能够在一定程度上发挥良好的作用，从而达到预期的效果。使用小波包分析的方法，能够获得较为准确的数据信息，协助设备维护人员对设备故障进行诊断，这种方法使用效率较高，并且具有操作简单、数据精确度高等优势。此外，人工神经网络在我国各个领域中也得到了较为广泛的应用，能对数据进行分析并处理，从而确定因果关系。将小波包与BP神经网络相互结合，是风力发电机组设备故障诊断的主要方式，在实际应用中取得了较好的成效。
（二）状态监测与故障诊断的设计
在对风电机组设备故障进行诊断过程中，使用小波包和BP神经网络故障诊断原理，可对风电机组的运行状态进行实时监测，能够在第一时间内发现设备中存在的故障问题，并进行诊断，确定故障发生的具体位置，协助相关人员共同完成设备的维护与检修工作。一方面，在对传感器故障进行诊断时，应提前将风力发电机组的运行参数传输到诊断系统内，通过对设备运行数据进行搜集并分析，在了解设备实际运行状态的前提下，可及时发现设备中存在的故障问题，并采取相应的措施进行整治[3]。
另一方面，在现地数据采集系统实际运作时，还能够实现对整个风力发电机组运行信号的监控作用，在传感器的作用下，能够对发电机组的工作信号进行采集，通过后续处理，将数据信息传递至上层数据处理单元中，便可获取风力发电机组运行中最新的数据资料，便于后续设备维护与管理工作的有效实施。
结语
综上所述，伴随着我国各行各业的迅速发展，在提高我国国民经济水平的同时，也增加了能源危机的风险，在这种形式下，我国应加大对风能、太阳能等绿色资源的研究力度，合理利用我国现有的各种资源，为企业的发展和人们的生活提供所需的电能资源，实现人与自然和谐相处。
参考文献
[1]孙鲜明.复杂工况下风力发电机组关键部件故障分析与诊断研究[D].沈阳工业大学,2014.
[2]邓友汉.双馈风力发电机最大风能捕捉及低电压运行技术研究[D].武汉大学,2014.
[3]叶飞.基于数据驱动的风力发电机组系统辨识研究[D].浙江大学,2014.
论文作者:乔慧斌
论文发表刊物:《电力设备》2019年第10期
论文发表时间:2019/10/21
标签：齿轮箱论文; 故障论文; 设备论文; 风力发电机组论文; 我国论文; 过程中论文; 发电机论文; 《电力设备》2019年第10期论文;