摘要：近年来随着环境的污染，作为新能源风力发电将被广泛的运用于各个行业，风力发电场一般位于偏远地区。在恶劣的环境下，由于风电机组故障复杂多变，以及统一信号监测技术的难题，从风电机组故障多发的地方出发，从不同监测数据出发，产生风电机组的故障。风力发电过程中经常出现的问题，对风力发电机组的监测与故障技术进行了深入的研究。
关键词：风力发电机组；状态监测；故障诊断；技术研究
1 对普遍遇到的运行过程中的故障问题进行检测还有诊断
双馈使用风力进行发电的机器，普遍在运行过程中出现的问题，能够划分成机械部位出现的问题、电气部位出现的问题这两种类型。机械部位出现的问题涵盖了发电机部位出现了太大的震动、轴承区域出现了问题、轴系未居中的问题、转子的质量未达到平衡的问题、机座部位不紧实、转子偏离中心的问题等；电气部位出现的问题涵盖了线圈部位发生了短路现象、绝缘体出现了损坏问题、气隙未达到平衡的现象、三项未达到平衡的现象等。
1.1 对于电气部位出现的问题信号检测以及诊断
发电机部件的电气问题一般由定子线圈区域的温度、定子部分的电压、转子区域的电流、发电机部分的输出功率和转子部分的转速来监测。同时，对加工后的发电机部件参数进行了理解。目前常用的电气故障实时诊断方法有：定子电流监测法、局部放电监测法、局部高次谐波检测法、不平衡状态检测法等转速波动的检测方法和提高转速的方法。
现在，普遍使用地、对于发电机当中的战舰短路问题进行诊断的特征量，包括存在负序的电流、电流当中存在谐波成分、电流Park的矢量运行轨迹等。通过做有关的研究能够了解到，发电机当中的定子部位的三相电流Park的矢量运行轨迹的转变，会由于短路问题的不断加重而愈发的显著，能够经过Park的矢量运行轨迹的方式，对匝间部位的短路问题的严重程度展开判定。此外，通过检测定子中的三个电流和周围部件的泄漏电流，还可以诊断定子匝间短路问题。相间短路问题包括定子单向短路问题、定子双向短路问题和定子三向短路问题。
1.2对于机械部位出现的问题信号检测以及诊断
普遍情况下，经过对发电机部位出现的振动、工作期间的温度以及旋转的速度等这些信号，对发电机轴承部位出现的问题、轴系未居中的情况、转子的质量未达到平衡的现象、机座部位出现松动的情况、转子偏离中心的问题等机械部位出现的问题进行诊断。发电机部位出现的机械方面的问题，同样能够经过发电机部位输出的电流大小、电压的大小、功率等方面的差异进行反应。轴承区域出现的问题极易造成高频率的出现震动，这个进行振动的频率，普遍情况下，是选钻速度的频率超过1000倍，采用振动传感器，将轴承部位传出的振动信号进行手机，随后对收集的这部分信号实施处理，经过此方法，就能够获得轴承区域出现的问题。现在普遍使用的对轴承区域出现的问题进行诊断的方式包括：最采用高值能量法、包络解调法、小波分析法和快速傅立叶变换等方法进行故障诊断。当轴系不在中间、转子质量不平衡、阀座松动引起的振动频率小时，对振动信号进行滤波放大后即可进行傅里叶变换，并能较好地掌握问题的特点。通过连续小波变换，对发电机输出功率信号进行处理，识别发电机轴系的不同心状态和轴承零件的问题。对于小型机械零件，发电机转轴的正面振动会引起气隙振动，导致发电机转子与定子之间的气隙磁通不平衡。谐波电流出现在定子绕组中，可以通过定子电流来探测。解决这一问题的方法是对转轴的振动进行诊断。
2风力发电机组故障诊断技术
2.1风力发电机组热力参数分析，即通过分析风力发电机组在运行过程中各项温度和湿度的变化，确定其运行状态。
风力发电机组内的温度主要有：各大部件（如发电机、齿轮箱、发电机、运动电机、变流器等）的内部温度、机舱内温度、控制柜内温度、各项液压油/润滑油温度。而风力发电机组内的湿度主要有：机舱内湿度、控制柜内湿度等。
通过对风机热力参数的监测，可以有效地监测风机的运行状态。同时，根据热力参数的变化趋势和反馈结果，可以准确确定机组发生故障的设备位置，为故障原因分析提供全面详细的依据。
2.2 振动分析
振动分析的应用原理是在机组主要部件（如齿轮箱支架、发电机支架、主轴支架、机组支架）上安装振动传感器。这些传感器能准确测量机组主要部件的振动。通过对传感器反馈的振动信号进行处理和分析，可以快速准确地判断机组各部件的振动状态和运行趋势，分析振动的来源和原因，判断机组的故障。
期刊文章分类查询,尽在期刊图书馆
2.3 故障诊断分析
在进行风电机组故障诊断时，应根据其结构的复杂性和运行环境的特殊性，综合分析各种因素，提高故障诊断结果的准确性。风力机运动部件多，结构复杂，故障诊断困难。因此，有必要更新传统的诊断技术，积极应用新技术、新概念，准确诊断各种故障，为故障的解决提供依据。对于风力发电机组的故障诊断，必须准确掌握各种故障现象。根据风力机的功率参数、振动、压力、变形、磨损、温度等性能特点，进行综合分析，完成故障诊断。
3大数据背景下风力发电机组的监测和故障诊断
3.1 基于大数据技术的风力发电机组状态检测和故障诊断的优势
传统的风电机组状态检测与故障诊断方法是基于少量数据，主要依靠工程师自身技术经验的积累和相关推理假设来完成风电机组状态的检测与诊断。但这种方法存在一定的风险。分析数据的缺乏或工程师自身经验的缺陷将导致检测诊断结果的偏差。另一方面，传统技术采集的数据在采集和传输过程中会受到传感器噪声、数据传输介质和外界干扰的影响。基于这些数据分析的检测诊断结果往往与实际情况不符。
而大数据分析技术可以有效弥补上述缺点。通过对大量的数据进行收集、分析和处理，使用数据挖掘技术去除潜在的干扰数据，得到的结论往往更加可靠。另外，大数据技术还能够发现风力发电机组运行过程中一些细微的状态变化，能够及时发现和提前修正机组中一些潜在的故障隐患，有效降低风力发电机组发生故障的概率，提高机组运行的安全性和可靠性。
3.2大数据技术
大数据技术是指从大量的、不完全的、有噪声的、模糊的、随机的工业生产数据中，通过算法提取数据背后隐含的具有价值的规律。大数据技术在风力发电行业中的应用有：收集并汇总一定区域内或一定类型风力发电机组中的海量运行数据，通过大数据挖掘和分析技术，总结数据背后存在的显著的统计因素，这些统计因素被用来进一步确定风电机组可能的故障类型和最大故障发生概率。建立了风电机组相关区域或类型的故障模型，并根据故障模型提前制定了相应的处理策略。大型数据挖掘和分析有很多技术手段。常用的方法是基于最小二乘法或多元回归模型建立大数据模型，然后进行回归分析，得出影响变量的主要因素。这些因素可广泛应用于风力发电机组的状态检测和故障诊断。
结束语
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。要根据不同地区的不同情况，收集故障数据，开发适合当地环境的发电机组部件，切实从根本上解决问题，提高部件的使用寿命，增加发电周期。同时，要结合先进技术，提高监测技术的准确性和故障的发生率。能够及时响应。在更大程度上，我国发电机组监测和故障诊断技术将得到提高。
参考文献：
[1]李刚，胡红利，李亚妮.风力发电机叶片状态监测与故障诊断技术近况[J].工业仪表与自动化装置，2017（5）：16-20.
[2]杨明洙.风力发电机状态监测和故障诊断技术的研究与进展[J].中小企业管理与科技（中旬刊），2017（4）：220-220.
[3]陈雪峰，李继猛，程航，等.风力发电机状态监测和故障诊断技术的研究与进展[J].机械工程学报，2018，47（9）：45-52.
[4]李刚，胡红利，李亚妮.风力发电机叶片状态监测与故障诊断技术近况[J].工业仪表与自动化装置，2017（5）：16-20.
[5]王瑞军.基于数据的双馈风力发电机轴承寿命预测研究[D].兰州：兰州交通大学，2018.
[6]绳晓玲.叶轮不平衡故障下双馈风力发电机运行特性分析及控制研究[D].保定：华北电力大学，2017.
[7]郭艳平.面向风力发电机组齿轮箱滚动轴承故障诊断的理论与方法研究[D].杭州：浙江大学，2017.
[8]戴志军.基于改进HHT的双馈风力发电机定转子故障诊断研究与实现[D].上海：上海电机学院，2018.
[9]韩喆.双馈风力发电机组运行监控系统研究[D].大连：大连理工大学，2017.
[10]孟庆春.双馈风力发电机组的传动链故障模拟及仿真研究[D].哈尔滨：哈尔滨理工大学，2018.
论文作者:郭林钢,宋会林
论文发表刊物:《基层建设》2019年第22期
论文发表时间:2019/10/29
标签：故障诊断论文; 机组论文; 定子论文; 故障论文; 发电机论文; 部位论文; 数据论文; 《基层建设》2019年第22期论文;