摘要：本文介绍风电机组的组成和典型故障，阐述风电机组状态检修方法的内容、构成等，重点分析其数据收集系统和运行状态评估方法。
关键词：风电机组；状态检修；状态评估
1引言
随着世界经济的快速发展，能源紧缺和环境污染问题日益突显，我国在改革开发初期就提出了可持续发展战略，其中一项最重要的措施就是要大力开发和利用可再生能源，风能是一种清洁型的可再生能源，其分布范围广，可利用数量多，是目前应用技术最成熟的新能源种类。我国也出台了一系列政策鼓励风力发电的开发和建设，目前的装机总量已超过百兆千瓦，并仍处于一个快速增长的阶段。与此同时，风力发电站的安全稳定运行以及风能的有效利用成为目前关注的焦点，也是风能利用的挑战。近年来，随着我国风电站的建设发展，风电机组的各种故障也层出不穷，其造成的停机时间严重降低了风电机组的效率，增加维护成本，如果不能够进行有效的检修和控制，可能会造成严重的安全事故，危及从业人员的生命安全。状态检修技术是目前应用比较广泛的先进的检修技术，能够明显降低风电机组的故障概率，减少停机时间，降低维护成本。
2风电机组简介
2.1风电机组的组成
风电机组是将风能转化为机械能，再将机械能转化为电能的系统，其主要结构有叶轮、传动系统、发电机、控制系统、偏航系统、塔架等，其中传送系统的主要部件有主轴、齿轮箱、轴承、联轴器等，主要用于传递机械能，是风电机组的主要机械部件，也是容易发生机械故障的部位；控制系统主要由传感器和控制柜组成，对风电机组起到监测保护和运行控制的作用。
2.2风电机组的典型故障
风电机组的故障主要分为机械故障、电气故障和液压故障三种，而机械故障中齿轮箱故障是比较常见的故障，电气故障中发电机和变频器等的故障也是风电机组比较多发的故障种类。齿轮箱故障主要是由油温变化和气流变化引起的齿轮点蚀、齿轮胶合、齿轮疲劳磨损、轮齿折断等；发电机故障主要有发电机振动过大、噪声过大、温度过高、轴承过热等，主要由定子绕组短路、转子绕组故障和偏心振动等原因引起的，而轴承故障为主要故障原因；变频器故障主要有短路、过电流、过载、过电压、过温、接地等故障。
3风电机组的状态检修
3.1风电机组状态检修的内容
风电机组的状态检修首先需要通过控制系统收集风电机组各组成部分的数据参数，如风电机组的当前运行功率和风速、传送系统中齿轮箱的油温和轴承的温度、以及风电机组目前的运行状态等，以此掌握风电机组的各种参数，为状态检修的决策提供原始依据。
其次由远程实时监测系统对经常发生故障的部位进行在线监测，了解风电机组的常见故障种类，并进行分类统计汇总，分析常见故障的机理然后采用科学的诊断方法对故障进行诊断分析。此外，风电机组的故障预测是实时状态检修的关键技术，根据实时监测获取的各项数据参数，建立对应的预测模型，通过专业的软件对比分析数据与实测数据，实现对故障的预测。
最后通过对风电机组的各种参数进行监测、收集、整理、分析、诊断、预测等之后，按照风电机组运行规范和检修周期的技术经济评价做出检修的决策，确定检修的项目、内容以及时间，对风电机组进行检修的实施。
3.2风电机组状态检修系统的构成
风电机组的状态检修系统是由风电机组、状态监测、诊断分析与判断决策、检修管理、检修评估这五个递进层次组成，并形成有机的闭环系统。
期刊文章分类查询,尽在期刊图书馆状态检修的工作对象就是上文所分析的常见的故障部位。
常用的状态检修模式为基于风电机组状态监测信号分析与特征提取的故障诊断检修模式和基于风电机组状态监测及专家系统的智能化故障诊断与决策的检修模式两种。前者根据技术人员和专家来分析诊断机组的运行状态，预测机组运行的规律，并做出相应的检修决策，确定检修部位、检修周期、检修方法等。后者是以系统的智能化为主，技术人员与专家的分析和决策为辅，是一种自动化的诊断模式，其主要功能依赖于计算机技术，其功能部分是由计算机检修管理系统和专家诊断系统组成。
4风电机组在线监测数据的采集和运行状态评估
4.1 风电机组数据采集SCADA系统
风电机组自动化控制的关键系统为SCADA数据采集系统，主要由工业以太环网、监控计算机、监控软件和配电系统组成。SCADA系统的主要功能就是对风电机组的实时数据进行采集与处理，此外系统软件还包含数据的实时统计、分析、计算、存储功能和事件报警功能，其中有专业的分析工具可以对实时数据与历史数据库中的数据进行比对，还可以对风电机组的部件参数进行调节和控制。SCADA系统所要收集和分析的数据种类有上百种，而且采集频率以10s为单位，每天采集和存储的数据量非常的庞大，所以需要有科学的方法对数据进行有效的提取和利用。
4.2风电机组的运行状态评估方法
风电机组的故障预测方法主要有基于模型的故障预测和基于数据的故障预测两种，前者对模型的构建要求非常高，难以实现在线分析；后者主要有时间序列预测方法、灰色模型预测方法和人工神经网络预测方法。
4.2.1时间序列预测方法
此方法是通过对按时间顺序排列的数据列进行分析，根据其发展过程和变化趋势来类推下一时间段可能达到的数值，所使用的模型需要进行多种理论的假设，所以预测的精度较低，所使用的范围较小，无法满足机组运行状态的多变性和随机性。
4.2.2灰色模型预测方法
此方法对建模数据的要求较低，比较适用于小样本数据的预测，其算法比较简单，运算的速度较快，可以实现在线计算。但是由于风电机组的工作环境比较复杂多变，载荷波动较大且运转速度不稳定，使得模型对数据的预测精度较低，且灰色预测模型为超短期预测，起不到风电机组的故障预警作用。
4.2.3人工神经网络预测方法
此方法是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。比较常用的为BP神经网络，其可以根据预测误差来不断地对自身机构进行优化，通过不断调节网络连接权值和节点阀值使输出结果与预测目标无限接近，以达到非线性状态模拟的目的。但是此方法的学习时间较长，速度较慢，不适用于海量运行数据的挖掘。
5结语
风力发电是一种清洁型的发电方式，其关键部分为风电机组，风电机组的安全稳定运行是保证风力发电系统正常工作的前提，所以做好风电机组的检修和维护工作对风力发电至关重要。状态检修技术是一种先进的故障监测和诊断技术，能够在线监测和预测评估可能发生的故障，制定最佳的检修策略，从而有效降低风电机组的故障概率，提高其运行的稳定性和安全性，同时降低风电机组的维修成本，减少停机时间和风能的浪费，提高系统的运行效率，促进风电行业的发展。
参考文献：
[1]任岩，翟兆江，郭齐柯等.风电机组状态检修的探讨[J].新能源紧张，2015（3）：197-201
[2]杨晓.风力发电机组传动系统运行状体评价方法研究[D].北京：华北电力大学，2016.
论文作者:王安杰
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：机组论文; 风电论文; 故障论文; 状态论文; 数据论文; 方法论文; 系统论文; 《电力设备》2019年第16期论文;