風力發電機組故障診斷與預測技術研究綜述

羅振斌

摘 要：風力發電系統不僅可以節約電力能源，也能夠提高供電的便捷性，但因為運行的時間較長，經常會出現故障，如果通過傳統人工的方式進行故障診斷，工作量較大。因此，本文針對風力發電機組故障診斷與預測技術進行研究分析，首先簡單了解風力發電機組故障特點，其次針對風力發電以及機組運行的發展現狀，再次分析風力發電機組的故障診斷方式，最后對風力發電機組的預測技術進行分析，以供參考。

關鍵詞：風力發電機組;故障診斷;預測技術;電力供應

中圖分類號：TM315 文獻標識碼：A 文章編號：1671-2064（2019）22-0165-02

0 引言

能源應用是目前世界各國重點關注的問題，甚至于在一些地區還存在能源斗爭，在這樣的情況下，科學合理的應用可再生能源，可以讓國家能源行業得到進一步發展。風力發電就充分應用了風力這種清潔可再生能源，不僅緩解了人類社會對能源的緊迫需求，同時也是實現了生態環境的可持續發展。因此，很多地區都在積極開展相應研究工作，風力發電機組故障診斷與預測技術也是當前研究的重點內容之一。

1 風力發電機組的發展現狀分析

風力發電機組就是將風能轉化為電能的設備，風能作為一種可再生清潔能源，在實際應用，不僅具有良好的環保效益，還具有能源效益。在實際應用中，風的功能會轉變為機械動能，機械動能就會進一步轉變為電力動能。其工作原理是利用風力帶動風車葉片旋轉，然后通過增速機進一步提升轉動速度，以此促進發電機發電，風力發電機在發電過程中有效節省了電力資源，將其應用風力豐富、較為偏遠的地區，可以進一步保證供電穩定性。根據有關數據統計，全球風電機組的裝機容量不斷擴大，而中國風電機組的裝機容量已經達到了145GW，從當前增長趨勢來看，2020年中國風電機組裝機容量會達到200GW，2030會達到400GW、2050會達到1000GW。

風電機組可以分為水平軸風電機組和垂直軸風電機組兩類，在實際發展過程中，水平軸風電機組相對較多，常見機型代表包括：定槳失速風力發電機、雙饋式異步風力發電機、直驅式永磁同步風力發電機。這其中定速型風力發電機結構簡單，工作可靠，在初期得到了廣泛的應用，隨著科學技術的發展，有關材料成本的降低，直驅式永磁同步風力發電機近幾年的應用范圍不斷擴大，逐漸成為主流機型。[1]

2 風力發電機組的故障特點情況

風電機組在運行工作的過程中，不可避免的會出現一些故障，但受到多方面因素的影響，人工檢修工作的難度逐漸增加。根據實際工作經驗和具體調查情況來看，風力發電機組故障特點可以從以下幾個方面入手進行分析：

第一，葉片故障。葉片故障會導致轉子葉片出現受力不均的情況，并且導致風電機艙出現顫動，進而會對風電機組的穩定性產生負面影響，在風電機組運行過程中，葉片需要承受較大的應力，非常容易出現故障。比如：葉片在運行時，長期和蒸汽、空氣接觸，非常容易被腐蝕，導致表面粗糙、剝落，又或者出現結構不穩定等問題。除了蒸汽、空氣對葉片的影響外，外力也會對葉片產生影響，導致葉片變形、出現裂紋。在進行葉片損傷評估工作的過程中，應用發射檢測法捕獲高頻瞬態的聲發射信號。

第二，齒輪箱故障。齒輪箱在風電機組中承擔著非常重要的連接工作，通過其將機組主軸和發電機連接在一起，不僅可以提高主軸運轉速度，還可以滿足機組運行的基本需求。但齒輪機工作的環境較為惡劣，情況較為復雜，在長期運行的情況下就會出現故障，行星齒輪、平行齒輪作為齒輪箱的重要組成部分，在長期運行過程中，容易受到交變應力和沖擊荷載等作用的影響，進而出現磨損、生銹、滑動等問題。齒輪組一旦出現問題，整個風電機組都無法正常工作，而且這種故障成本較高、耗費時間較長。

第三，電機故障。電機故障就是電氣故障和機械故障，短路、斷路、過熱等故障都屬于電氣故障，而機械故障包括軸承過熱、損壞磨損嚴重等情況。在實際應用中可以通過對震動、電流、溫度等信號的分析，來檢測評估電機故障情況。這其中還有一種電機較為特殊，雙饋式風電機組在實際應用中轉速較高，定額轉速可以達到1500r/min，而齒輪箱需要在提速后才能夠配合運行，在一定程度上，機組在自身的負荷，而且快速運行會造成噪聲污染。

第四，偏航和剎車系統故障。除了上述幾個方面之外，偏航和剎車系統故障也是風力發電機組在實際運行中容易出現的問題。偏航系統在風力發電機組中具有風向動態跟蹤、解除電纜纏繞問題，而剎車系統可以避免轉子葉片旋轉速度過快，而且在其他部分出現故障時，能夠對機組進行斷電處理。另外風電機組中變槳系統可以對功率進行有效控制，如果偏航和剎車系統發生故障，那么在風電機組的安全將會無法保證，造成這種故障的主要原因是摩擦片磨損較大、受力較大或者其他外力作用等。

3 風力發電機組的故障診斷方式

雖然風電機組的故障率正處于逐漸下降的趨勢，但相比較傳統的發電系統，故障率依然相對較高，運行可靠性還需要得到進一步在加強。而且風電機組本身的工作環境就較復雜，載荷多變，非常容易發生故障，因此故障診斷工作就要得到根本上的落實。

3.1 根據振動信號進行診斷

風電機組在出現故障中，會發出振動信號，通過對振動信號的識別，可以更好的判斷故障情況。最為主要的是，根據振動信號進行診斷式目前最為常見的一種診斷模式，也是使用的頻率最高的一種，主要可以用于風力發電機組中齒輪箱、軸承、葉片等關鍵部位的檢測和診斷。比如：小波神經網絡檢測法，就是根據故障特點進行檢測，在齒輪箱故障診斷方面具有極好的效果。尤其是在齒輪箱故障特征提取上，將信號分析和連續小波變化相結合，可以提取出較為微弱的故障信號。從發展情況上看，故障診斷方法都是通過離線分析穩態情況下的振動信號實現的，但是事實上風電機組在運行過程中工作條件是動態化、多變的，因此故障診斷的結果可能會出現一定的漏洞，需要開發出相應的在線風電機組在線健康監測系統。比如：利用風電機組振動信號，在線識別故障，并且對故障情況進行科學的診斷。

3.2 根據模式識別進行診斷

根據模式識別進行診斷，是立足于機組的多元化信號得到的故障診斷方式，主要工作原理是在時域或者頻域中建立模型，根據模型對故障進行分析。比如，在分析診斷軸承故障的過程中，應用這個診斷方法可以更好的構建立體模型，然后找出相應的故障，并且進行解決[2]。最常見的可視化模型在建立過程中應用的是Laplacian Eigenmaps算法，能夠構建出故障的可視化模型，為技術人員提供立體圖形。最為突出的特點是，這種模型還可以將故障特征呈現給工作人員，幫助人員更快地找到故障所在，不僅如此，借助非線性流形模型，在立體空間結構上，能夠對動態軸承進行故障分析，同時鎖定故障位置，提高故障處理效率。

3.3 根據電氣信號進行診斷

由上可知，在風電機組發生故障時可以根據信號判斷故障情況，但大部分都是利用振動信號進行分析，真正利用電氣信號判斷風電機組故障方法相對較少，在實際應用過程中，還沒有得到有效的廣泛傳播。電氣信號最常見的就是電流信號，這中信號相對較弱，而且非常容易被噪音和其他故障影響，因此想要從電氣信號中提取出有關信息，就要更好的分析設備，采用較為先進的信號接收設備，準確識別電氣信號。比如：在根據電氣信號進行診斷的過程中，科學利用風力發電機組的動力學模型，將動力學模型和數據相結合，對故障問題進行全面的總結分析。不僅如此，還要應用維納濾波對噪音進行清理，以此可以更加清晰的判斷出機組中軸承出現的故障。在根據電氣信號進行診斷的過程中，還可以應用信號雙譜分析法、Hilbert模量頻譜等方法，也能夠更好的診斷部件發生的故障，在實際應用中，工作人員可以根據實際情況，具體選擇診斷方式。相比較振動信號診斷方式而言，這種診斷方式不需要額外購置傳感器，而且具備極好的經濟效益，應用前景較優。

4 風力發電機組的預測技術研究

對于風力發電機組而言，僅落實故障診斷是不夠的，還要實現預測技術，以此及時發現故障中存在的情況，適當延長機組工作時間，提高風力發電效益，帶動風力發電工作長期穩定發展。根據風力發電機組的實際工作情況，將預測技術分為機械結構系統、電子系統結構進行分析，以此保證風力發電機組得到穩定運行。

4.1 機械結構系統的故障預測技術方法

機械系統是保證風力發電機組的穩定運行，一旦機械結構系統出現故障，那么機組整體的運行情況也會受到影響，嚴重的情況下，還會造成停機，不僅威脅到機組的發電效果，還會產生較大的資金支出，工作效益、社會效益、經濟效益都會受到負面影響。根據上文中介紹的常見故障來看，軸承結構、齒輪箱、葉片等都屬于常見的機械結構，這些也是風電機組的故障多發區域，因此在進行故障預測的過程中，要加強對這些部分的關注。具體的預測方法包括以下幾種：

第一，借助HMM及隱半Msrkov模型對動態部件運行狀態進行分析，以此推出軸承退化狀態，并且判斷出機械結構部件的剩余使用壽命。這種預測技術是目前應用效果最好，成果最多的一種，主要原理是依賴離散觀測序列提取出隱半Msrkov鏈，然后利用轉臺轉移矩陣，全面落實故障檢測工作。比如：某風電機組就利用HMM及隱半Msrkov模型成功預測除了水泵壽命，并且建造出了水泵的退化模型，在壽命快盡前更換部件，有效避免故障發生[2]。第二，利用Gamma過程分析設備的運行情況，判斷設備的壽命概率，并且根據數據得到具體的壽命數據。然后利用小波分析法對設備故障數據進行提取，從而達到預測故障的地目的。由此可知，機械結構系統的故障預測技術方法主要依靠的是不同計算模型對設備數據進行分析，從而找到模型和數據分布機器性能退化的信息點。

4.2 電子系統結構的故障預測技術方法

由上可知，預測技術主要面向的是機械結構系統和電子系統結構這兩個部分，電子系統結構在實際應用中可以保證機組工作的穩定性。電子系統和機械結構系統不同，電子系統維修的次數越多，維修的難度也會隨之提高，一旦故障發生就會導致系統癱瘓，對故障檢測造成更加嚴重的影響。想要預測電子系統結構的故障，可以采取系統植入的方式，通過植入自主檢修系統，就能夠及時發現故障，對其進行檢查、隔離和修復，有效降低預測負擔。除此之外，還可以建立保護功能，以此在發生故障時，開啟保護模式，降低故障帶來的影響。

5 結語

綜上所述，風力發電機組故障維修難度較大，所需時間較長，如果持續發展生故障，就會導致系統癱瘓，故障檢測難度也隨之提升。在這樣的情況下，對風力發電機組故障診斷與預測技術進行進一步研究，構建形成科學的在線監測系統，可以促進風力發電事業進步，降低故障帶來的損失，讓工作人員可以更好的掌握設備工作狀態，提高故障診斷和預測質量。與此同時，政府有關部門也要適當加大投資力度。

參考文獻

[1] 邢海軍.風力發電機組故障診斷與預測技術研究綜述[J].化工管理，2019（12）：155-156.

[2] 楊巍.風力發電機組故障診斷與預測技術研究綜述[J].工程建設與設計，2018（04）：77-78.