摘要：随着时代的发展，我国综合实力与社会经济水平的提高，带动着人们日常生活水平的提高，而在现代社会发展与人们生活的过程中，电力资源占据着极为重要的位置，为此，我国有关部门建设了大量的火力发电厂，不过，火力发电厂的运转会消耗大量的自然资源，在很大程度上造成了自然环境的污染与破坏。为了解决这些问题，相关人员需要顺应时代的发展，加强环保节能技术的应用，加强风能等清洁型能源在发电领域的应用，而随着时间的推移，部分风力发电机组在运转过程中会受到某些特殊因素的影响，导致故障问题的出现，下面主要对风力发电机组的故障诊断及预测技术进行深入的分析研究。
关键词：风力发电机组；故障诊断；预测技术
一、风力发电及发电机组发展的具体现状
经过对风力资源的深入研究发现，全球范围内的风能总量约为2.7×109MW,经过转换成为可利用的风能量约为2×107MW,相比于传统火力发电或水力发电等技术具有极高的效率与便利性。而我国有国土面积广阔，山地、平原等地形较多，由此表明风力资源的充足，经过深入研究，在我国广袤的陆地范围内，每10m范围内，可收集开采的风力资源约为2.5亿KW左右，而在海洋范围中，有7.5亿KW左右的风能可供开采，如果将范围扩大为50m左右，总风能约为20亿次左右，相比如发达国家，也仅仅略低于美国与俄罗斯，有着极为充分的发展趋势。此外，由于风力资源的可再生、清洁环保、储量丰富及开采便捷等特点，由此而促进了风能资源利用水平的提高，进而推动了风力发电领域的进步与发展[1]。
二、风力发电机组故障诊断技术的具体类型
（一）振动信号诊断技术
通常情况下，为了对风力发电机组的故障现象进行诊断，相关人员需要采取相应的技术措施进行诊断，其中最为常见的就是振动信号诊断技术，它主要是根据风力发电机组内部的轴承与叶片等部件在运转过程中产生的振动信号来对机组进行监测与诊断，并根据诊断的数据结果进行分析，寻找故障问题出现的原因，并以此为基础采取相关措施进行处理，保障机组自身的顺利运行。其中在对机组进行诊断时，大多采取小波神经网络技术，根据小波变化或集平稳子空间分析的信号分析，明确机组内部的故障；同时，通过对压电陶瓷传感器所监测的振动信号进行分析，以此来实现对机组叶片故障现象的诊断过程。
（二）模式识别诊断技术
在现代风力发电机组故障现象诊断的过程中，相关人员还可以通过对机组多元化信号进行分析，在时域、频域时或频域中建立高位模型，以此来实现风力发电机组运行故障相关特征的降维、分类或融合等，并以此为基础对其进行可视化的分析研究，从而分析得出相关故障问题的特点。其中，通过对高维模型进行分析的故障诊断过程主要包括以下几种方法，分别是：1.借助非线性流行学习或聚类运算方法，通过局部空间的优化来对滚动轴承进行故障现象的诊断。2.对电机轴承粗糙度或点故障现象采取线性判断方法进行诊断。3.相关人员还可以采用映射算法，根据拉普拉斯特征进行分析，将机组故障现象中的流行特征进行提取，同时保障故障信号整体几何结构不受影响，进而实现对风力发电机组故障现象的诊断[2]。
期刊文章分类查询,尽在期刊图书馆
（三）电气信号诊断技术
除了以上几种诊断技术之外，在对风力发电机组故障现象的诊断过程中，相关人员还可以采用电气信号诊断技术，不过，相比于振动信号诊断技术，电气信号较为微弱，通常会被机组内部其他设备运转过程产生的声音所掩盖；为此，相关人员需要采用更加科学先进的设备对电气信号进行接收与分析，并确保在最大程度上识别出机组故障现象的信号，进而确定机组故障的相关信息。同时，相关人员还可以根据故障信息来促使相关数据与转自动力学模型进行结合，以此来通过模型将机组故障现象与信号之间的联系进行分析与虚拟模仿，并以此来明确故障现象出现的位置，同时对相关问题进行分析研究。此外，相关人员还可以加强信号双谱分析法等诊断方法的应用，提高诊断过程的科学性，而在应用该方法进行诊断的过程中，不需要额外的配置传感器等设备，极大地保障了故障诊断过程的经济效益，并在另一方面还会对故障诊断过程的效率与诊断结果的质量进行保障，进而促进风力发电机组故障诊断技术的健康发展。
三、风力发电机组故障预测技术的具体类型
（一）电子系统预测技术
随着时间的推移，风力发电技术得到了快速的发展；而由于风力发电机组的运转过程中会不时出现某种故障，虽然相关故障诊断及维修等方面技术的发展能够及时有效的处理故障，不过，在一定程度上依旧会影响相关的经济效益，同时，在另一方面随着故障次数的增加，维修次数也随之增加，在一定程度上也会增加维修工作的难度，甚至在某些特殊情况下，还会导致系统的瘫痪，进而对风力发电机组的正常运转造成极大影响。为此，相关人员在日常工作的过程中，可以通过以下几方面来加强电子系统预测技术的使用：1.建立功能保护模块。2.建立疲劳或应力模型。3.实时数据监控。4.系统植入。通过在这些方面应用电子系统预测技术，能够在很大程度上预测及避免故障现象的出现，降低了设备维修的次数，在很大程度上保障了风力发电机组的正常运转。
（二）机械结构预测技术
研究表明，在风力发电机组运转的过程中，如果出现机械系统方面的故障时，会在很大程度上影响机组整体的运转，在另一方面还会出现停机等现象，极大的影响着发电工作的效率与质量，同时对相关单位自身的经济效益造成影响。为此，相关人员需要加强机械结构预测技术的应用，确保在最大程度上将相关故障进行预测与防治，保障风力发电机组的机械系统能够正常稳定的运转，进而保障风力发电过程的水平与效率[3]。
总结
综上所述，随着时代的发展，我国综合实力与社会经济水平的提高，带动着人们日常生活水平的提高，而在现代社会发展与人们生活的过程中，电力资源的应用发挥着极大地作用；而随着节能环保理念在人们日常生活的深入落实，在发电过程中也需要融入节能环保的理念与技术，由此而带动着风力发电技术的出现与发展，不过，由于外界不良因素的影响，风力发电机组在运转的过程中极易出现故障与问题，影响着机组的正常运转；为此，相关人员需要加强故障诊断与预测技术的研究应用，确保在最大程度上保障机组自身的质量，进而促进风力发电技术的进一步发展。
参考文献
[1]徐启圣,白琨,徐厚昌,etal.风电齿轮箱状态监测和故障诊断的研究现状及发展趋势[J].润滑与密封,2019(8).
[2]高培昱,程珩,赖成,etal.风力发电机变桨连接螺栓断裂故障诊断研究[J].机械设计与制造,2018(7).
[3]刘昊;代海涛;黄宜森;万泓邑;杨德亮;陈斌;.大型风电机组叶片故障声学诊断技术研究[C]//第五届中国风电后市场专题研讨会.0.
论文作者:杨立权
论文发表刊物:《电力设备》2019年第17期
论文发表时间:2019/12/16
标签：故障论文; 技术论文; 机组论文; 风力发电机组论文; 信号论文; 故障诊断论文; 现象论文; 《电力设备》2019年第17期论文;