风力发电系统状态监测和故障诊断技术探究宝鹏飞

风力发电系统状态监测和故障诊断技术探究宝鹏飞

宝鹏飞

国宏新能源发电有限公司内蒙古赤峰025350

摘要：对于风力发电机组的状态监测与故障诊断而言，涉及到众多领域和不同学科。在未来的发展中，需要不断的融合不同的学科技术以及不同的方法，来完善风力发电机组的状态监测以及故障诊断技术，这需要众多人员的共同努力。

关键词：风力发电系统；状态监测；故障诊断技术

1风力发电及发电机组发展现状

从全球资源上来看，世界总风能为2.74×109MW，能够转换为可利用性质的有2×107MW，相较于水能具有10倍的优越性。从我国来看，我国国土面积幅员辽阔，具备较高的风能开发条件。据统计，在10m范围内，我国陆地风能可开发的能源有2.53亿KW，海上有7.5亿KW，若按照50m范围计算总风能能达到20亿，仅次于俄罗斯和美国，具备较广阔的开发空间。风能具备很好的开采价值，其储量丰富且具有清洁性质，是新能源企业研究的主要方向之一。当前我国风力发电的技术正在不断进步，发电机的装机容量也在不断扩充，在未来，此种技术的应用成本会更低，普及率也会更高。

据统计，在2017年，我国（除港澳台地区）共新增风力发电装机容量19.66GW，累计装机容量188GW。从世界范围来讲该年我国的新增装机容量在全球中占比37.40%，位居世界第一，较排名第二的美国高12.643GW（美国为7.017GW）；总装机容量占比34.88%，超出排名第二美国2.11倍。并将争取在2010年要达到200GW、2030年400GW、2050年1000GW。由此可见我国对于风力发电事业的关注度及落实状况。在我国，新疆是风力资源较为丰富的地区之一，年均风力储量为9127亿KW，仅次于内蒙古地区。并且在该地区有着我国最大的风能发电基地，总装机容量达到了12.5万千瓦，单机1500千瓦。

2风力发电机组状态监测与故障诊断系统分析

2.1风力发电机组状态监测与故障诊断系统结构

风力发电机组状态监测和故障诊断系统一般对风力发电机组的状态进行监测，一般在风力发电机组上安装传感器，通过传感器实现信号和信息的采集，采集到信息之后将信息传输到信号处理模块中进行初步处理，去除冗余信息后得到风力发电机组运行状态特征量，然后经过状态辨识模块分析辨识结果，将分析辨识结果送入监测与诊断决策模块进行深层次分析决策，最终得到结果由输出设备输出。

2.2风力机状态监测技术

2.2.1振动监测

振动监测作为风力发电机状态监测的必要技术，主要监测分析发电机组中的轴承、齿轮以及机舱部分的振动情况。通过传感器获得这些部分的振动信号，然后通过系统对监测信号与正常信号进行比对分析，若出现异常系统会给出报警信号。一般在振动监测当中采用幅域统计分析的方法进行。振动监测设备和其他监测技术相比，成本要高，在应用振动监测进行监测的时候采用等旋转角采集的方式进行信号采集，为保证信息准确性，分析时采用FFT分析消除干扰获得准确振动信息。

2.2.2油液监测

对于风力发电系统而言油液质量也至关重要，因此需要对油液进行定期监测，包括油液质量检查以及铁屑检查、油温检查以及油滤压降检查。在进行油液监测的过程中通常采用离线检查的方式进行，通过油液监测来反映应用油液相关部件的运行状况。

2.2.3过程参数监视

为保障风力发电机组安全运行，过程参数监视是最常规的方法之一。随着风力发电机组的功能和相关建设不断完善，系统功能也越来越强大，状态监测工作也越来越重要。当前对于风力发电机组的状态监测主要是对运行状态值和系统正常运行允许值之间的对比，看是否匹配，若不匹配则代表存在异常，系统给出警报。

2.3风力机的故障诊断技术

2.3.1叶片的故障诊断

叶片作为风力发电机组中的前置部分，如果叶片出现问题（不平衡等）就会影响正常发现。需要对风力发电机组的叶片定期进行故障监测，主要分析叶片的转子不平衡、气动力不对称平衡，主要故障集中在这两方面。常用的方法包括小波不变化方法、功率谱密度等来分析，另外还可以利用光纤电流传感器网络来分析叶片的故障问题。

2.3.2齿轮箱的故障诊断

对于风力发电机组而言，其齿轮箱由于长期置于恶劣环境，损坏率很高，因此需要定期对齿轮箱进行定期故障诊断监测。可以采集异步电机的电流信号，并对其进行解析分析判断齿轮箱故障，通过幅值和频率解调来监测转轴旋转频率。然后,对解调的电流信号实施离散小波变换,从而达到降噪和移去干扰的目的。最后利用某一特定层次的谱来诊断齿轮故障。

2.3.3神经网络和专家系统在风力机故障诊断中的应用

随着信息技术以及人工智能技术的发展，新技术也开始应用于风力发电机组的故障诊断部当中。目前人工神经网络技术、专家系统技术以及模糊逻辑技术均开始应用于风力发电机组的故障诊断当中去，希望能够提高故障诊断的准确率。

3风力发电机组故障预测技术

3.1机组机械系统故障预测技术

机组中的机械系统若发生故障会影响整体机组的运行，甚至造成停机，不仅影响发电效果，还会形成数额较大的维修成本，严重影响工作效率和经济效益。较为普遍的机械结构有轴承结构、齿轮箱及叶片等，此类装置由于日常负压较大、工作环境恶劣等原因极易发生故障，所以在进行故障预测时应加大对此类设备的关注。在具体的预测中，可以通过以下几个方面入手：第一，借助HMM及隐半Msrkov模型，对动态的部件运行状态进行分析，能够推理出轴承退化的状态，进而判断其寿命。这种方法在实际的应用中效果较好，预测成果也最多。举例来说，部分学者利用离散观测序列提取出隐半Msrkov链，在此基础上利用转台转移矩阵可以进行故障预测；Dong利用HMM准确预测出了水泵的寿命；Bechhoefer利用前人理论将改进后的HMM用于转轴的预测；曾庆虎借助离散HSMM建造出了轴承的退化模型，种种研究成果都表明该理论及模型的预测可行性。第二，利用Gamma过程分析设备运行数据，能够得出其寿命的概率分布状况，可以依据数据密度判断其具体寿命。第三，借助相对方均根值能够计算出设备的性能及使用状态。可以通过麦克风多测点监测的方法分析设备噪声状况，在此基础上用小波分析法对设备故障数据进行提取，进而诊断故障。

3.2机组电子系统故障预测技术

近年来，各国对于风力发电的关注度持续上升，对于其故障诊断及预测也愈加深入。电子系统故障在机组检修中也是较为重要的预测环节，虽然不会形成较大面积的停工，维修成本也很低，但是故障次数的增多也会加重维修难度，并且该系统故障发生时间短，若发生故障还极有可能引发系统瘫痪，更是加重了故障检测的难度。在实际的预测工作中，可以通过以下几个方面进行：第一，系统植入。在系统建设及投入使用之初，应对系统进行优化，植入自主检修系统，使其能自主进行故障发现、检查、隔离及修复，减轻预测负担。第二，保护功能的建立。与植入类似，在系统的建设中还应添加保护功能模块，在发现故障后开启保护模式，相关技术人员也可以进行开启该功能。第三，数据实时监控。对电子系统进行监控，可以适当添加预警功能，在遇到重大故障时能对相关技术人员发出警告，通过数据呈现出问题位置，及时解决。

结束语

我国工业生产以及生活的发展对能源需求越来越多，但石油、天然气等不可再生能源储量有限且不可再生，使得人们加强对可再生能源的研究与开发，近年来风力发电产业进入迅速发展期。完善的风力发展技术为其发展提供了重要基础，在成本等方面均具有优势。但是在风力发电系统运行过程中，存在很多安全隐患，可能发生一些运行故障。针对其运行进行监控，及时发现潜在隐患以及存在问题，进行改善，保证风力发电系统正常运行。

参考文献

[1]朱振海.风力发电机组故障诊断与预测技术研究综述[J].工程建设与设计,2018(18):63-64.

[2]邢晓坡.风力发电叶片运行状态监测与故障诊断技术近况[J].中国设备工程,2018(13):111-112.

[3]刘秀丽,徐小力.大型风力发电机组故障诊断专家系统[J].设备管理与维修,2018(13):10-12.