(中国大唐集团科技工程有限公司 北京海淀区 100097)
摘要：在线振动信号分析是风力发电机组振动故障排查的有效方法，本文列举了风力发电机组三种典型故障引起的机械振动及危害，分析了时域中的特征值分析、概率分布分析和相关分析方法在振动信号处理方面的应用，针对某风场风力发电机组的一组振动故障波形，采用matlab软件对振动故障波形做时域分析，提取特征值，绘制振动点数值的概率分布曲线，界定相关系数，仿真结果表明该方法可定性分析故障类型和程度，为后期频域分析分析奠定基础。
关键词：时域；振动信号；故障波形；MATLB；算法应用
0 引 言
由于世界性能源短缺，作为可再生的清洁能源风能资源的开发利用，对于国家能源发展具有重要意义。我国在最近几年大力发展风力发电技术，但由于最近国内的风电装机容量增长迅速，导致其他一系列与风电配套的措施暂时滞后，出现了一些制约国内风电产业发展的问题。其中国内缺乏风力发电机组在线监测和故障诊断的技术服务就是一个重要方面［1］。
状态监测与故障诊断技术是一门融合电子、 计算机、信号分析与数据处理、人工智能等多学科 的技术［2］。近年来随着风力发电行业的不断发展，如何降低风电机组故障率，提高风电场的经济效益成为当前的研究热点。在这个背景下风力发电机组状态监测与故障诊断技术的研究显得十分重要。
时域分析又称波形分析是信号幅值随时间变化的图形标识方法，通过时域分析可以得到信号任一时刻的瞬时值，最大最小值，均值等，也可通过信号的时域分解，研究信号的稳定分量和波动分量；对信号的相关分析，可研究信号本身或者相互之间的相似程度；研究信号的幅值分布，可以了解信号幅值取值概率分布情况［3］。
1风力发电机故障类型
1.1风机叶片故障
风电机组的叶片由于长期裸露在恶劣的环境下，易受到腐蚀、雷击和冰覆等自然因素的破坏。叶片的故障率在整机中占有较高的比重［4］。
1.2 发电机故障
发电机是风力发电机组的核心部件。由于发电机长期处于变工况环境中，定子绕组、轴承、转子绕组等容易产生故障。定子绕组短路、转子绕组故障是发电机的主要的故障形式［5］。根据发电机的故障特点，目前主流的诊断方法是基于发电机定、转子电流信号、电压信号及输出功率信号。
1.3 风机齿轮箱故障
风电机组齿轮箱位于机舱内，是连接主轴和发电机的主要部件。由于长期运行在变工况变载荷的情况下，齿轮很容易发生表面磨损、断齿、弯曲疲劳等故障，齿轮箱轴承则容易发生轴不对中、不平衡、磨损、点蚀和疲劳剥落等故障［6］。齿轮箱故障诊断一直是双馈风力发电组故障诊断的重点和难点。
2 时域分析方法
2.1 时域特征值分析
Fig 2. Sine wave signal characteristic value
波形指标，用于分析波形与正弦波相比，偏移和畸变的情况；峰值指标，用于分析是有有冲击，鉴定波峰高度。歪度指标是以平均值为中心，波形的对称性情况；峭度指标是分析波形的尖峭程度，有无冲击。裕度指标是分析波形的丰满程度［7］。
2.2 概率分布分析
概率分析又称风险分析，是通过研究各种不确定性因素发生不同变动幅度的概率分布及其对数据指标的影响，对数据可用性作出判断的一种不确定性分析法。
振动信号x(t)的值落在(x,x+△x)区间內的概率近似为t/T,其中t是在样本记录时间T内x(t)落在(x,x+△x)区间内的总时间，振动信号的概率分布如图3所示。
新设备或运行正常的设备，其振动信号的自相关函数往往与宽带随机噪声的自相关函数相近；而当有故障，特别是出现周期性冲击故障时，自相关函数就会出现较大峰值。
利用互相关分析可以从噪声背景下提取有用的特征信号，互相关函数提供的输出信噪比要比自相关函数提供的输出信噪比高。
3 风机故障数据分析举例
根据VDI3834准则，风力发电机及其组件机械振动的测量和评估，振动的警告和报警限值是通过有效值提出的。监测风机振动观测点振动波形的特征值是主要手段。
以某风电场一期风力发电机组的实测发电机主轴承传感器采集的信号进行分析，场内共有33 台风电机组，装机容量为49.5 MW，风机叶片长度为70 m。从采集器的发电机主轴测点出的振动采集信号波形，波形的采样频率Fs=8192Hz，取两个周期的采样点数N=16383。在MATLAB中，时间设置为1:2000ms之间均匀取16384个点，绘制振动波形如下图4。
根据2.2节概率密度分析方法，将采样的数据导入MATLAB概率密度分析算法，分析波形如下图6.从波形中可以看出，概率密度图出现峭壁，进一步判断该采样点处出现振动故障。
根据2.3节自相关分析方法，可以看出测点处故障波形的自相关系数在0.00-±0.30 之间，振动波形中的故障成分是微相关，可以初步判断该振动故障严重程度一般。
4 结论
振动时域波形直观的反映了振动监测点处的振动状况，在时域中采取的特征值分析，概率密度分析，自相关分析方法也是振动监测预警的最直接手段。当然，风电机组振动故障类型繁多，要进一步分析故障特征，故障类型，故障点的定位，还有待采用傅立叶FFT分析，小波分析等数据信号处理技术。
参考文献
[1] 董昱廷,王海云,唐新安.风电机组状态监测系统现状研究[J].电网与清洁能源，2013，29(3):85~89．
Dong Yu-ting,Wang Hai-yun,Tang Xin-an．A Study on Current Situations of Condition Monitoring Systems for Wind Turbines[J]. Power System and Clean Energy, 2013,(3)：85-89(in Chinese)．
[2] 彭华东，陈晓清，任明等.风电机组故障智能诊断技术及系统研究[J].电网与清洁能源，2011，27(2): 45-49.
Peng Hua-dong,Chen Xiao-qing,Ren Ming,et al. Intelligent fault diagnosis technology and system for wind turbines [J].Power System and Clean Energy，2011，27(2): 45-49(in Chinese)
[3] 盛迎新，周继威.风电机组在线振动监测系统及现场应用[J]. 振动、测试与诊断，2010，30(6): 704-706..
Sheng Ying-xin，Zhou Ji-wei. Online vibration monitoring system and field application of wind turbines[J]. Journal of Vibration，Measurement & Diagnosis，2010，30 (6): 704-706(in Chinese)
[4] 张保钦，雷保珍等.风机叶片故障预测的振动方法研究[J]. 电子测量与仪器学报，2014，3(28): 285-288．
Zhang Baoqin，Lei Baozhen，et al. Research on vibration method of fan blade fault forecasting [J]. Journal of electronic measurement and instrument，2014，3(28): 285-288．(in Chinese)．
[5] 张文秀，武新芳.风电机组状态监测与故障诊断相关技术研究[J].电机与控制应用，2014，41(2)：50-56.
Zhang Wen-xiu， Wu Xin-fang．Research on Condition Monitoring and Fault Diagnosis Technology of Wind Turbines [J]Motor and control applications,2014，41(2)：50-56.(in Chinese)．
[6] 王致杰，刘三明.大型风力发电机组状态监测与智能故障诊断[M]. 上海交通大学出版社，2013.9．
Wang Zhijie，Liu Sanming . Large wind turbine condition monitoring and intelligent fault diagnosis [J]. Shanghai Jiao Tong University Press，2013.9．(in Chinese)．
[7] 白永祥，房大中，侯佑华等.大规模风电场监控智能通信管理终端[J]. 电力电子技术，2010，44(6): 26-28．
Bai Yong-xiang，Fang Da-zhong，Hou You-hua，et al. Intelligent communication management terminal for large-scale wind farms monitoring and control[J]. Power Electronics，2010，44(6): 26-28(in Chinese)．
[8] LU B，LI Y Y，WU X，et al． A review of recent advances in wind turbine condition monitoring and fault diagnosis [J]．PEMWA 2009，IEEE，2009 ( 6) : 1-7．
[9] MOHANTY AR.Fault detection in a multistage gearbox by demodulation of motor current waveform [J]．IEEE Tran＆Industrial Electronics，2006，53 ( 4) : 285-1297．
[10] 傅质馨,袁越.海上风电机组状态监控技术研究现状与展望[J].电力系统自动化,2012,36(21):121-129．
Fu Zhi-xin,Yuan Yue.Status and Prospects on Condition Monitoring Technologies of Offshore Wind Turbine [J]. Automation of Electric Power Systems,2012, 36(21):121-129.(in Chinese)．
收稿日期：
作者简介：
董存武：(1975-)，男，河北怀安人，工程师。主要从事风力发电控制技术研究，以及风电、太阳能EPC系统集成工作。
E-mail: Dongcw@cdte.com.cn。
论文作者:董存武
论文发表刊物:《电力设备》2017年第14期
论文发表时间:2017/9/4
标签：波形论文; 故障论文; 信号论文; 时域论文; 概率论文; 风电论文; 机组论文; 《电力设备》2017年第14期论文;