关键词：风力发电系统；状态监测；故障诊断
引言
随着新能源的不断发展，风能发电是目前较为环保的有绿色的发电方式。由于风力发电的设备处在各种环境中，风力发电机发生故障已经是习以为常，在恶劣的环境下对于故障的维修也是比较困难的，风力发电机组状态的监测和故障的诊断一直以来就是一个技术难题，能够对风力发电机组状态的实时监测能够及时的发现潜在的故障，最小的降低造成的损失；从而对于风力发电机组的故障能够提供有效的数据参考，对于故障可以更快的处理。因此降低风力发电机组的故障需要很大程度突破风力发电机的监测和故障诊断技术。
1风力发电机组简介
在进行风力发电的过程中，发电机组由风轮、风力发电机、机械传动系统、塔架和电控系统组成。其中叶片是主要的零件，而且在能量转化的时候也起到重要的作用，成本占机组总成本的15%~20%。通过风力使叶片进行转动，从而让转子旋转，把风能变为机械能，保证风力发电的正常进行。建设风电场一般选在偏远地区，在其运营过程中会出现故障，需要人工维护、进行实时的监控等。由于叶片处在高空，而且体积大，不容易进行及时的监控，所以针对其可能会出现的问题不易在第一时间发现并解决。假如没有在第一时间发现出现的问题，就会在很大程度上使其发生故障，从而造成经济损失。
2风力发电机组的故障特点
风力发电场的的位置大多为一些偏远地区和高山上，恶劣的自然环境、风速多变以及外部载荷的不稳定长期影响对于风力发电机组内部的部件很容易引起故障。而风发电机组的故障一般都是主要有齿轮箱、发电机、变频器三部分的故障。我们主要是对于风力发电机组中发电机部分做主要的研究，风力发电机组的发电机一般故障有发电机轴承过热、发电机运行时的振动过大以及发电机机身的温度过高等方面的故障。经过长时间的研究发现，造成以上故障的主要原因是轴承损坏、定子绕组的绝缘损坏以及转子的平衡问题等原因。对于不同的故障问题以及部件应采用相适应的处理方法，是对其进行最有效的状态监测和故障诊断的有效措施。
3风力机状态监测技术
3.1振动监测技术
振动监测技术用于监测发电机组运行过程中轴承、齿轮等构件与机舱系统的振动情况，利用传感器采集其振动信号，进而利用系统将采集到的信号与正常信号进行对比，倘若发现该信号存在异常情况，则系统将会自动发出报警信号进行提示。通常在使用振动监测技术时主要采用幅域统计分析法、等旋转角采集法等方法，配合运用FFI分析法消除干扰，以此提高振动信息的精确性，相较于其他监测技术而言成本略高。
3.2油液监测
对于风力发电系统而言油液质量也至关重要，因此需要对油液进行定期监测，包括油液质量检查以及铁屑检查、油温检查以及油滤压降检查。在进行油液监测的过程中通常采用离线检查的方式进行，通过油液监测来反映应用油液相关部件的运行状况。
3.3噪音监测法
叶片的结构是薄后缘，对其进行运输和安装时，比较容易出现分层和开裂这些方面的问题。这些方面的问题范围较小，如果没有在第一时间进行解决，就会出现叶片更为严重的损伤，严重时会让大梁出现故障。
期刊文章分类查询,尽在期刊图书馆在对风机进行安装调试的时候，叶片如果装角有问题，就会让其出现风轮不平衡、轴承过载等方面的问题，还有可能会发生倒塔。如果叶片工作在高冷的环境，如果出现结冰就会让其发生变形，在前缘出现湍流边界层，让叶片的升力出现变化，对风机的功率产生影响。噪音检测法是通过智能叶片传感器，来对叶片进行实时的非接触监控，专业的定向耳蜗可以监控叶片由于发生问题而出现的音频信号，使用嵌入式软件对其进行分析，通过专业人员的分析研究，进行报警等工作，对叶片可能出现的问题进行实时的监控。这种职能叶片传感器会让工作人员在工作过程中出现的问题减少，更加适应一些工作环境比较复杂的区域。噪音检测法在进行故障的监控以及分析研究的过程中起到很大的作用，不过其灵敏度。
4故障诊断方法
4.1神经网络技术
当前该技术主要包含以下三种应用方向：其一是模式识别层面，使神经网络充当故障分类器的作用，判断设备的不同故障类型并完成故障分类；其二是故障预测层面，将神经网络用于针对动态模型设备进行故障预测；其三是知识处理层面，配合专家系统构建混合故障诊断系统，以此拓宽故障诊断技术的应用范畴。通过采用神经网络进行风力发电机的故障诊断，可以借助归一化处理降低知识库管理难度，便于进行神经网络知识的并行联想与自适应推理，有效规避采用专家系统过程中存在的无穷递归、组合爆炸等问题，提高故障诊断的实时性。
4.2叶片的故障诊断
叶片作为风力发电机组中的前置部分，如果叶片出现问题（不平衡等）就会影响正常发现。需要对风力发电机组的叶片定期进行故障监测，主要分析叶片的转子不平衡、气动力不对称平衡，主要故障集中在这两方面。常用的方法包括小波不变化方法、功率谱密度等来分析，另外还可以利用光纤电流传感器网络来分析叶片的故障问题。
4.3发电机故障诊断
发电机是风力发电机机组的核心零部件。发电机的功能是将有风力带带动风叶旋转的机械能转化为电能的，发电机的正常运行是保障风能转化为电能的基础。发电机长期处于电磁交互的环境下，从而造成发电的故障主要有发电机运行的振动过大、发电机过热以及定子线圈短路等多样问题。根据发电机的常出现故障以及故障问题的总结，对于发电机故障的诊断方法是基于定子与转子的电流、电压信号以及输出功率的状态。通过定子电流信号的分析可将发电机的故障进行识别从而快速判断出故障。
4.4齿轮箱的故障诊断
对于风力发电机组而言，其齿轮箱由于长期置于恶劣环境，损坏率很高，因此需要定期对齿轮箱进行定期故障诊断监测。可以采集异步电机的电流信号，并对其进行解析分析判断齿轮箱故障，通过幅值和频率解调来监测转轴旋转频率。然后,对解调的电流信号实施离散小波变换,从而达到降噪和移去干扰的目的。最后利用某一特定层次的谱来诊断齿轮故障。
结语
风力发电机组的检测以及故障诊断是通过计算机系统、电气系统、控制系统等多个系统的融合的人工智能的结晶，在我国众多的风力发电场可整合到一个监控系统中，在一个监测系统中可检测到全国各地的发电厂是否在正常的运行。我们要收集故障的数据根据不同地区不同条件研发出适合当地环境条件下发电的发电机组部件，有效的从根本上解决故障的发生提高零部件的使用寿命增加发电的周期，同时要结合先进技术来提高监测技术的精度，对故障的发生可以及时应对。更大程度的提高我国对于发电机组的监测和故障诊断技术。
参考文献
[1]葛苁.风力发电机状态监测及故障诊断技术分析[J].电源技术应用.
[2]龙霞飞,杨苹,郭红霞,伍席文.大型风力发电机组故障诊断方法综述[J].电网技术,2017,41(11):3480-3491.
[3]毕宇飞.风力发电系统状态监测和故障诊断技术研究[J].中国设备工程,2017(15):93-94.
论文作者:李会骞
论文发表刊物:《中国电业》2019年第12期下
论文发表时间:2019/12/2
标签：故障论文; 叶片论文; 故障诊断论文; 发电机论文; 风力发电论文; 齿轮箱论文; 技术论文; 《中国电业》2019年第12期下论文;