风力发电机故障诊断技术研究

风力发电机故障诊断技术研究

阎欢

中车永济电机有限公司 山西省永济市 044500

摘要：风力发电机将风能转换成机械能，通过传动系统将机械能传递给发电机系统，由发电机将其转换为电能，最终并网加以利用。风电机组普遍布置于海河或沙漠戈壁等恶劣环境中，其结构复杂，内部部件耦合紧密，各部件在交变载荷的作用下容易引起机械部件的不平衡、磨损、疲劳甚至断裂问题等故障，严重影响风电机的正常工作。风力发电机故障种类繁多，又由于其复杂的非线性、非平稳性，这就造成故障发生时，难以判断故障发生的部位及故障原因。因而对于风力发电机的故障诊断变得尤为重要，并且风力发电机是大型的旋转机械设备，其理论同样适用于其他大型机械设备，对风力发电机故障诊断的研究有很深远的实践意义。

关键词：风力发电机；故障诊断；技术研究

1.风力发电机组构成

风力发电机组是由机械部分与电控系统组成的一种复杂的机械电气结构。机械部分主要有可变桨的风轮、传动轴、齿轮箱以及塔架等，电控系统主要有发电机、各类传感器、变压器以及电能储存等，结构如图1所示。根据风力发电机组运转情况和故障统计分析，风力发电机组主要故障多出现在发电机、传动轴和齿轮箱等主线设备中。

图1风力发电机组结构示意图

2. 故障征兆及特征提取

2.1时域分析

风力发电机运行时会有速度的变化，振动状态会随之改变，信号为非平稳信号。时域法是以时间作为变量，从时域的角度对信号进行描述和分析，分辨和推断出信号所携带的信息。能比较直观、清晰地观察到信号的变化，能对信号的整体状况有一个比较完整的大致了解，通常它包含的信息量大，对明显的、突发的故障有明显的特征，得到对信号的原始的、初步的判断。

2.2频域分析

频域法是原信号在频域中的情况，频域的获取一般依靠傅里叶变换的方式，分析时，振动能量大的是幅值高的频率谱谱峰，分析产生高幅值的频率分量。分析中，要摒除对正常运行没有影响分量，即使存在较大振动分量而不随时间的变化而变化，则此分量对设备的整体运行的影响很小。值得注意的是一些幅值较小分量的迅速增长，可能是设备故障的一种预示，应重视。

2.3功率谱估计

从频域的介绍中得知，风力发电机在频域中有一定的故障征兆和特征，进而又发展了一种功率谱估计技术。经典功率谱估计方法分直接法和间接法，均进行傅里叶变换。两方法分辨率低、方差性能差，因而出现改进的直接法，与经典法相比可以得到平滑谱线、高分辨率和高精度。

2. 风力发电机故障诊断技术研究

3.1齿轮箱故障诊断

齿轮箱作为风力发电机中连接主轴和发电机的重要部件，其内部结构和受力情况比较复杂，尤其是在运行工况和载荷发生变化的情况下，发生故障的几率会有所增加。由于齿轮箱故障而导致风力发电机故障的占比较大，不仅维修成本高，且因为停机所造成的发电量损失巨大，所以对齿轮箱进行故障诊断非常重要。齿轮和轴承是齿轮箱比较常见的故障部位，断齿、齿面疲劳、胶合是齿轮常见故障类型，磨损、点蚀、裂纹、表面剥落是轴承常见故障类型，任何一种故障类型都会影响到齿轮箱的正常运转。故障特征频率是判断齿轮和轴承健康状态的重要指标，所以通过时域信号统计能够初步诊断出齿轮箱故障点及原因，然后再利用快速傅里叶变换和功率谱对初步诊断的结果进行再次确认。温度测量法主要是通过温度传感器对齿轮箱零部件运行过程中的温度变化进行识别和诊断，通过与常态进行对比，能够及时获知齿轮箱零部件的状态信息。

3.2发电机状态监测和故障诊断

发电机是风力发电机中的核心部件，其主要功能是将机械能转换为电能。由于发电机长期处于工况变化以及电磁环境中，且由于机组规模的扩大对发电机的密封保护增加一定的难度，所以经常会出现振动过大、发电机过热、轴承过热、转子/定子线圈短路等故障，其中轴承故障、定子故障及转子故障占据较大比例。对于发电机的状态监测和故障诊断主要是对转子/定子电流信号、电压信号以及输出功率信号进行状态监测，通过对电流信号的时域分析获取幅值数据信息，然后经过谐波分量的变化来判断发电机故障类型。比如对转子偏心故障的识别中，通过输出电流、电压、功率等信号的获取，能够判断出是轴承过度磨损还是其他故障类型。

3.3叶片状态监测和故障诊断

叶片在风力发电机中主要是吸收风能，长期处于露天环境下，对叶片造成的损伤较大。叶片长度一般在30~40m，所以在运行过程中出现的颤振会导致叶片出现疲劳裂纹，如果在近海地区还会受到海水湿气的腐蚀，阵风和雷击也是影响叶片运行安全的重要因素。为了保证叶片运行的安全性，对叶片的材料、质量和体积都有严格的要求。一旦叶片发生故障，不仅会造成叶片本身的损坏，还会威胁到整机运行的安全性。对叶片的故障诊断主要是通过应力应变测量来实现，但是受到叶片材料以及运行环境的影响，对应力应变传感器有一定的要求。光纤光栅传感器因为具有较好的抗电磁干扰、抗腐蚀、尺寸小、寿命长等优点，比较适用于叶片的应力应变检测，在预测叶片使用寿命中具有重要作用。为了弥补光纤光栅传感器的不足，还可将声发射检测和红外成像检测结合运用。利用声发射检测能够检测出叶片因与空气冲击导致的内部应力集中断裂以及变形时释放的应力波，以此来判断叶片健康状况。红外成像检测技术可对叶片表面裂纹、剥落等呈现的热辐射能量分布状态来识别叶片的健康状态。

4.风机状态监测与故障诊断技术的发展趋势

（1）向整体系统发展，集中控制，建立大型故障数据库，对风力发电机运行转台进行比对，及时发现故障、解决故障。整个系统向着可靠性、智能化、开放性及与设备融合为一体的方向发展。（2）采集器，作为对振动信号采集的关键部件向高精度、高速度、高集成以及多通道方向发展，精度从8位到12位甚至16位，采集速度从几赫到几万赫，采集方式从等时采样到等角度同步整周期采样方向发展。（3）数据传输，将传感器采集到的数据迅速传输回控制中心，由计算机的串行口和并行口通讯向着网络通讯的方向发展。（4）监测系统，界面更人性化、智能化、友好化，方便用户的观看和操作，融进多媒体技术，实现数据的动态显示。（5）诊断系统，诊断更智能化，可以实现多个故障的诊断，实现在线采集振动数据，实时诊断振动状态的方向发展。（6）数据存储，存储容量更大，存储方式更便捷的方向发展，建立通用安全的、可靠的大型数据库。

结 语：

风力发电机组故障诊断应采取先进、科学的诊断技术进行分析，准确判断故障出现的位置、故障种类以及故障的严重程度，并根据诊断结果制定具体的应对措施，寻求快速诊断检修方法，力求缩短维修时间，降低检修成本，提高风力发电机组安全在线运行时长，确保风力发电质量和电能。

参考文献：

1. 侯爽.风力发电机故障诊断方法研究[J].科技创新与应用，2015.

2. 高鹏.风力发电机状态监测与故障诊断技术分析[J].现代盐化工，2020.