（重庆海装风电工程技术有限公司 重庆市 400120）
摘要：风力发电技术是我国电力能源的重要来源，对于提高能源的可持续发展具有重要的作用。本文将围绕风力发电故障相关问题进行分析.
关键词：风力发电；故障；特征；监测
1.前言
风力发电技术尚未发展成熟，对于风力发电场的设备和关键部件了解不深入，传统维修多采用计划维修和事后维修方法。风力发电机状态监测和故障诊断系统的建立和实施对于风力发电场的正常运行和提高经济效益具有重要意义。
2.风力发电系统原理简述
本文研究的风力发电系统供电部分由异步电机、变流器和负载组成。电机为定子绕组直连定频三相电网的绕线型感应发电机，其转子绕组上连接双向背靠背IGBT的变流器。当风速较低时，功率从变流器传向转子；而当风速较高时，功率从转子通过变流器馈入电网；两种情况下，风力发电机组都通过电机定子部分向电网馈电。
3.风力发电机组结构分析
风力发电机组主要是由风轮、机舱、塔筒以及基础4个部分共同构成。当前风力发电场中较为常见的是大型兆瓦级风力发电机组，此类发电机组按照结构又可以分为双馈型和直驱型，使用较多的为双馈型机组。其中，风轮是风能吸收的关键部位，主要包括叶片、轮毂和变桨系统三个部分。风轮随着风的流动而转动，在此过程中实现能量转化，将风能转换为机械能。由风能转换的机械能通过传动链系统传送至发电机。就双馈型风力发电机组来说，传动链上能量传动顺序依次为主轴、齿轮箱以及高速轴。主轴与风轮相连接，通过风轮的不间断运转保证主轴的持续运行，二者的运行速度相同。齿轮箱具有增速作用，其中齿轮箱的输入端为低速轴，输出端为高速轴。高速轴高速旋转驱动双馈发电机运行，双馈发电机产生的电能可以通过变流器设备进行调节，将其与电网系统相接。塔筒是机舱以及风轮的支撑结构，可将机舱以及风轮固定在高空中。塔筒底部内部和机舱内还装有主控系统和变流器等，对风力发电机组的运行和发电具有控制作用，是风力发电机组的核心。
4.短路故障特征分析
4.1仿真分析双馈风力发电系统的故障特征
在风力发电机组发生主电路系统故障后，由于有Crowbar的保护，会产生不一样的故障特征，所以就要分开研究Crowbar进行保护动作的故障情况和保护不动作的情况。
（1）Crowbar保护不动作的工况分析
为了便于对比，也对相同容量的同步发电机的故障仿真结果进行了分析。可以看出，当Crowbar保护不动作的时候，发生故障以后，B、C相之间的电流就会大约增大到发生故障之前的2倍（见图1），而A相的电流就会先是减小，然后逐渐的增大，直至发生故障之前的水平。
图1 风机侧三相电流
当将风力发电机替换成相同容量的同步发电机时，发生相同的故障时，其所提供的短路电流会达到风机的2倍左右（见图2），大大的超过了风机提供的。
图2 同步机侧三相电流
并且，当Crowbar保护不动作的时候，发生故障之后，负序阻抗会小于正序阻抗，负序比较稳定，但是，正序阻抗的幅值会先增大然后再减小，形状呈现为一尖峰。当Crowbar保护不动作的时候，发生故障发生以后，故障相电流的频率基本上不会改变。
（2）Crowbar保护动作的工况分析
对于Crowbar保护动作时的故障特征，由于其内容较多，当Crowbar进行保护动作的时候，发生故障之后，故障相的电流会大致增大到发生故障之前的5倍，然后，A相的电流就会超过BC相上的电流，变成最大的电流（见图3）。
图3 风机侧三相电流
并且，其正序阻抗小于负序阻抗，负序比较的稳定，而正序的阻抗幅值则是先增大然后再减小，会发生一定的波动。当Crowbar进行保护动作的时候，发生故障之后，再两个发生故障的相之间的电流差频率会发生一定的变化，不再是工频。
4.2仿真分析直驱风力发电系统的故障特征
当发生故障之后，在35kV的集电线风机侧上的B、C两相之间的电流会明显的增大。当发生故障之后，会拥有比较稳定负序阻抗，在发生故障之后的大约两个工频周期时间当中，负序阻抗要小于正序阻抗。通过上面的仿真实验，我们能够得出以下几种比较典型的故障特征：
（1）在没有投入Crowbar保护的双馈风机以及直驱风机当中拥有着比较大的暂态阻抗，要远远地大于相同容量的火电厂当中所使用的发电机。因此，其所提供的短路电流很小，并且提供能力要弱于常规电流。
（2）在风场侧当中的等效交流不再有相同的正负序阻抗，并且随着时间的变化阻抗也在变动。
（3）当在双馈风机当中投入Crowbar保护的时候，将会改变原系统的工频频率。
5.风力发电机组状态监测与故障诊断系统
5.1智能故障诊断原理
因为风场的气流是不断变化的，我们得到的齿轮箱或是发电机的监测信号为持续变化的，对此，若采用传统的频域分析方法则不能满足故障诊断需求，也不能对运行异常信号进行分析和梳理。小波分析是一种时域———频域分析方法，可将其应用于特定时域或者是频域的故障信息分析与诊断。为了提升风力发电机组的故障诊断功能，可采用人工神经网络进行系统架设，因为人工神经网络可及时更新内部数据库，同时，也具有非线性映射能力，将其应用于复杂故障分析时，可以对非确定性分类故障信息进行计算、分析和处理。采用智能诊断模块，将信号的单子带重构变为小波变换，从小波变换自带系数中进行信息的特征提取和分析，并将其录入神经网络中，系统可以自动依据事先编制的映射关系输出处理结果，即故障诊断结果。
5.2系统功能设置
（1）实时显示风场变电站的高低压侧电压、电流、频率、有功功率和无功功率，数据显示为实时曲线和数字量。用户可以在界面上输入关键字，查询相关状态信息，及时了解风场的运行状态。
（2）风场累计发电机量显示风机和风场每日、每周、每月、每年的发电量，并将数据转化为柱状图显示，与传统管理方法相较而言，计算工作的效率和质量更高，也减轻了人力工作压力。
（3）需跟踪监测风机的运行状态，监测指标包括电气运行参数和状态参数两类。系统界面可提供设备检修的直接数据依据，也可将其作为参考用于故障的智能诊断。
（4）风机智能故障诊断，可通过齿轮箱振动参数的时域图、小波分析图、发电机定子电流的时域图、小波分析图、故障案例示意图等。需对采样时间进行合理设置，系统便可对发电机以及齿轮箱的故障类型进行分析和诊断，并给出故障诊断结果。在产生故障诊断结果的同时，可自动生成小波分析图。登陆远程监控管理系统，可通过小波分析图对故障进行深入分析。
（5）需对系统的管理权限进行合理设置，而系统只对管理员开放，可以查阅系统维护升级、故障日志记录、信息报表等信息，可根据管理需求对报表进行查询、导出和打印。
6.结束语
综上所述，通过对风力发电系统故障的分析和故障保护在线监测的建立，提高了系统故障的排查力度，有效保护了系统的稳定和安全。
参考文献：
[1]张磊，李欣竹.基于ANFIS的风力发电机状态监测研究[J].中南民族大学学报（自然科学版），2017（01）：92~95+137.
[2]范国全，胡刚，马学亮，等.MW级风力发电机故障诊断系统[J].通信电源技术，2016（01）：82~84+87.
论文作者:曾佑清
论文发表刊物:《电力设备》2017年第30期
论文发表时间:2018/3/8
标签：故障论文; 阻抗论文; 齿轮箱论文; 系统论文; 发生论文; 电流论文; 风机论文; 《电力设备》2017年第30期论文;