摘要：当今社会，能源作为人类生产生活的基础受到了国际的广泛关注，在部分地区还存在能源斗争。风力发电能够有效缓解人类社会对于能源的紧迫需求，且其作为一种清洁能源能有效保护地球环境，所以各国都在加强对其的研究，而重点就是风力发电机组故障诊断，本文就结合预测技术对其进行详细的说明。
关键词：风力发电机组；故障诊断；预测技术
一、风电机组的故障特点
虽然风电机组的故障率随着风电机组技术的发展而逐渐降低，但是对比于传统的发电系统，如蒸汽轮机、燃气轮机、水轮机等，风电机组的故障率还是相对较高的，其运行可靠性还有待进一步的增强和提高。总的来说，由于工作环境恶劣、载荷复杂多变，风电机组较易发生故障；海上风电机组由于会受到风暴、波浪的影响以及盐雾的腐蚀，比陆上风电机组更加容易发生故障；另外风电机组的故障频率也随着风电机组尺寸的增大而相应有所提高。虽然风电机组中发生电气和控制系统的故障较为频繁，但是维修该类故障所导致的风电机组停机时间是比较短的；传动系统上的主轴、齿轮箱、发电机等故障率较低的故障，维修时间往往比较长，其中齿轮箱故障导致的风电机组停机时间最长。
二、风力发电机组故障诊断
2.1依据振动信号诊断
近几年也有技术专家利用该方法进行拓展，找到了更具操作性及使用价值的新技术。举例来说，以HuangQ为首的一组技术专家就利用该方法研究出一种新技术-“小波神经网络”，能够对机组中齿轮箱进行深入的诊断；GhoshalA等专家还将振动信号应用于机组叶片故障诊断，也取得了很好的应用效果。利用不同位置的振动信号，有关技术人员能够通过数据的收集和计算找出各部位的故障问题，通过诊断找出“病因”，采取合理措施解决故障。
2.2依据电气信号诊断
相较于上文中到的振动信号，此方法中应用到的电气信号更加微弱，甚至常常被电机等设备的运作声音淹没，分析难度较大。所以，在应用此方法时，应使用较为先进的信号接收及分析设备，对相关信号进行准确识别，并从中找出故障信息。此模型能将电气信号与电机扭矩波动联系起来，分析出机组齿轮箱故障与信号间的实际关系，并将实际情况仿真模拟出来，准确找到故障位置。与此同时，在实际的分析中，还可以应用维纳滤波对噪音进行清理，进而判断出机组中轴承的故障。另外，通过信号双谱分析法、Hilbert模量频谱等方法也能够对部件进行故障诊断，在实际应用中，有关技术人员可以依据实际情况进行选择，科学诊断故障。这种方法不需要额外购置传感器，具备很好的经济效益，而且诊断结果相对准确，应用前景较好。
2.3依据模式识别诊断
利用LaplacianEigenmaps算法能够构建出故障的可视化模型，为技术人员提供立体的图形，并呈现出故障的特征，基于此可以快捷找出故障所在；借助非线性流形学习，能在立体空间结构的基础上对动态轴承进行故障分析；对于轴承的粗糙程度故障可以利用线性判别法进行分析及诊断，锁定故障位置，加快解决速度，以上几种方法都能够有效诊断轴承故障，在实际应用中都具备一定的可行性。在当前研究环境中，此方法分为有、无监督两种，但是不论有无监督，其所需的算法数量都很大，且数据获取需要相当长一短的时间，应用中会耗费一定的成本，若将该方法应用于故障频发部位，也可能会加大企业的负担，应依据实际情况择优选择诊断方法。
期刊文章分类查询,尽在期刊图书馆
三、风力发电机组的故障诊断技术分析
3.1基于振动信号的故障诊断技术
基于振动信号的针对风力发电机组中叶片、齿轮箱、轴承等关键部件的监测与故障诊断方法在我国已经非常成熟。科研人员根据风电机组的故障特点，利用小波神经网络方法对风电机组齿轮箱进行故障诊断，主要是针对风电机组的微弱故障信号，根据集平稳子空间分析的信号分析以及连续的小波变化，总结出风电机组齿轮箱的故障特征。利用谱峭度可以诊断行星齿轮箱的故障，基于频率解调方法识别行星齿轮箱的故障情况，再对风电机组振动信号进行降噪，运用流行学习算法对风电机组的早期微弱故障进行诊断。另外，对叶片故障的诊断，是通过分析对压电陶瓷传感器监测到的振动信号完成的。
3.2基于模式识别法的故障诊断技术
基于模式识别法的故障诊断，即分析风电机组的多元化信号，在时域、频域或时频域上构建一套高维模型，进行特征的融合、降维和分类，继而进行可视化分析，得出故障特征。轴承的故障特征，可以通过对重构的高维结构进行分类分析提取，故障诊断包括以下方法：①基于拉普拉斯特征的映射算法，可以保留故障信号的整体几何结构，提取出内在的流形特征，用于装备的故障诊断；②基于非线性流形学习方法，在局部空间优化的基础上可以实现滚动轴承的故障诊断，还可以应用新的聚类算法；③采取线性判别分析方法，可以对电机轴承的粗糙度故障以及点故障进行诊断。
3.3发电转子断条故障检测分析
风力发电机组主要通过转子旋转的模式，将机械能转化为电能，发电机是风力发电机组的核心组成部分。发电机受工况及电磁环境等诸多因素的影响，主要是发电机轴高速旋转而导致的高热。常见的发电机故障为转子断条，发电机转子部件风险因素增加，最终导致转子断条故障的发生。为保证转子断条故障的及时诊断，可结合电磁理论对发电机转子断条故障进行全面分析。可假定发电机电源供电频率为一个确定的数值，对其定子磁动势基波进行分析。得出转子绕组相位角与转子相对于定子之间的旋转频率之间的关系。在转子出现断条故障时，其转子电流磁动势会出现函数调制情况，从而导致转子磁动势及定子磁动势之间的转动差值。经分析，可得出在相应的三相定子绕组中定子电流频率图谱，结合对电流分量的调制分析，可有效确定电极转子断条故障的定量限额。
3.4齿轮故障振动信号分析
齿轮箱主要是风力机组应用频率较高的机械传动部件，其具有结构复杂、运行负荷大、转速高的特点。在实际齿轮箱工作过程中主要为齿轮故障，其中齿轮为故障因素最高的因素。除了本身的齿轮生产误差及操作误差，不良工况也是整体齿轮故障的影响因素。利用空间特征熵对齿轮故障进行分析，通过齿轮及轴转动频率、齿轮啮合频率的确定，获得齿轮的固有频率。以此为依据可得出齿轮在正常运行情况下齿轮啮合的振动信号。结合齿轮运行情况，其振动信号主要为啮合频率、谐波分量两种形式，则齿轮振动信号主要影响因素为齿轮啮合频率谐波分量、齿轮啮合频率、齿轮齿数、齿轮所在轴转动频率等。若齿轮出现故障，则会导致齿轮振动信号出现变化，随后出现幅度调制、频率调制现象，同时促使整体齿轮振动信号频率图谱中持续边频成分，而相应的边频成分持续程度较高时则表明整体齿轮出现故障。
结语
当前风力发电机组状态检修应用十分重要，能推动该行业的发展。在该技术应用推广中，必须有明确的思路，学习先进的思想和管理理念，同时还要对影响风力发电机组状态推广的检修手段等因素进行充分考虑。
参考文献
[1]申新贺,叶杭冶,潘东浩,等.风力发电机组的台风适应性设计方法研究[J].中国工程科学,2014,16(3):70-75.
[2]林鹤云,郭玉敬,孙蓓蓓,等.海上风电的若干关键技术综述[J].东南大学学报,2011,41(4):882-888.
作者简介
姓名:杨振隆（1989.04.09—），性别:男；籍贯:黑龙江省哈尔滨市；民族:汉族；学历:本科；职称:助理工程师;职务：风电场主巡检员;研究方向:风机故障预测；单位:辽宁龙源新能源发展有限公司。
论文作者:1杨振隆,2战戈
论文发表刊物:《电力设备》2019年第16期
论文发表时间:2019/12/9
标签：故障论文; 齿轮箱论文; 机组论文; 齿轮论文; 信号论文; 转子论文; 风电论文; 《电力设备》2019年第16期论文;