基于風力發電系統狀態監測和故障診斷技術探究

李襄鵬

【摘 要】我國工業生產以及生活的發展對能源需求越來越多，但石油、天然氣等不可再生能源儲量有限且不可再生，使得人們加強對可再生能源的研究與開發，近年來風力發電產業進入迅速發展期。完善的風力發展技術為其發展提供了重要基礎，在成本等方面均具有優勢。但是在風力發電系統運行過程中，存在很多安全隱患，可能發生一些運行故障。針對其運行進行監控，及時發現潛在隱患以及存在問題，進行改善，保證風力發電系統正常運行。

【關鍵詞】風力發電系統;監測;故障;診斷技術

中圖分類號：TM614?????????? 文獻標識碼：A

引言

在風電系統正常運行過程中，由于系統中的風力發電機處于戶外運行，運行環境和運行條件惡劣，常常導致風力發電機出現這樣或者那樣的故障。隨著風力發電系統運行年限的增加，系統故障頻率逐年提升，故障種類和故障位置日趨復雜化，常常會因為故障難以查明而導致停機故障發生，給風場造成不必要的損失，所以在今后的風力發電系統運行中，可以采用動態化監測手段對整個運行系統的各個部位進行動態化監測，確保及時掌握設備的運行狀態，及時發現故障及時處理。

1風力機的故障診斷技術

1.1葉片的故障診斷

葉片作為風力發電機組中的前置部分，如果葉片出現問題（不平衡等）就會影響正常發現。需要對風力發電機組的葉片定期進行故障監測，主要分析葉片的轉子不平衡、氣動力不對稱平衡，主要故障集中在這兩方面。常用的方法包括小波不變化方法、功率譜密度等來分析，另外還可以利用光纖電流傳感器網絡來分析葉片的故障問題。

1.2齒輪箱的故障診斷

對于風力發電機組而言，其齒輪箱由于長期置于惡劣環境，損壞率很高，因此需要定期對齒輪箱進行定期故障診斷監測。可以采集異步電機的電流信號，并對其進行解析分析判斷齒輪箱故障，通過幅值和頻率解調來監測轉軸旋轉頻率。然后，對解調的電流信號實施離散小波變換，從而達到降噪和移去干擾的目的。最后利用某一特定層次的譜來診斷齒輪故障。

1.3神經網絡和專家系統

在風力機故障診斷中的應用隨著信息技術以及人工智能技術的發展，新技術也開始應用于風力發電機組的故障診斷部當中。目前人工神經網絡技術、專家系統技術以及模糊邏輯技術均開始應用于風力發電機組的故障診斷當中去，希望能夠提高故障診斷的準確率。

1.4發電機故障診斷

風力發電機由于工作系統較多，出現故障的種類也是十分繁雜的。一般情況下常見故障主要包含了定子繞組故障、軸承故障、轉子導條和端環故障以及其他故障。發電機出現故障之后一般會產生一種或者多種征兆，如氣息電壓和電流不平衡，轉矩動脈加強，平均轉矩減小，工作效率降低，電流、電壓和磁通波擾動等。發電機的振動分析可以和低速軸、齒輪箱振動結合起來，但是振動傳感器價格較高，安裝復雜不適合在發電機故障診斷中應用。而采用定子電流信號分析，是一種常用的、相對穩定方法，其設備安裝簡單，價格較低，能夠和發電機控制系統共同使用電流信號，在發電機故障診斷中有著很好的應用價值。

2風力發電系統狀態監測技術要點

2.1神經網絡技術

當前該技術主要包含以下三種應用方向：其一是模式識別層面，使神經網絡充當故障分類器的作用，判斷設備的不同故障類型并完成故障分類;其二是故障預測層面，將神經網絡用于針對動態模型設備進行故障預測;其三是知識處理層面，配合專家系統構建混合故障診斷系統，以此拓寬故障診斷技術的應用范疇。通過采用神經網絡進行風力發電機的故障診斷，可以借助歸一化處理降低知識庫管理難度，便于進行神經網絡知識的并行聯想與自適應推理，有效規避采用專家系統過程中存在的無窮遞歸、組合爆炸等問題，提高故障診斷的實時性。

2.2振動監測

振動監測作為風力發電機狀態監測的必要技術，主要監測分析發電機組中的軸承、齒輪以及機艙部分的振動情況。通過傳感器獲得這些部分的振動信號，然后通過系統對監測信號與正常信號進行比對分析，若出現異常系統會給出報警信號。一般在振動監測當中采用幅域統計分析的方法進行。振動監測設備和其他監測技術相比，成本要高，在應用振動監測進行監測的時候采用等旋轉角采集的方式進行信號采集，為保證信息準確性，分析時采用FFT分析消除干擾獲得準確振動信息。

2.3設備的檢修

對于風力發電機組的運行而言，設備的安全質量直接決定了發電的質量，一旦其中某一部件或者某一設備出現問題均會直接影響風力發電機組的正常運行。因此，在風力發電機組的工作與運行過程中，需要定期的對其各項設備以及各個部件進行定期的檢修與維護，不僅僅要保證各個零部件和設備的質量，還應該保證各個部件以及設備的參數設置正確，能夠正常運行。當檢測中發現問題之后，需要根據問題以及潛在安全隱患進行分析，采取有效的方法和技術手段來排除安全隱患。針對問題解決問題，針對安全隱患排除隱患，有效規避風力發電機組故障風向。另外，對于這種戶外工作的發電機組而言，不良天氣尤其需要加強檢測維護，根據預測的極端天氣開始前需要對風力發電機組進行一次全面臨時檢查，保證當前風力發電機組的狀態能夠很好應對不良天氣狀況，保證其正常運行。

2.4測控方案設計

為實現對風力發電過程的模擬，本文采用伺服運動控制與數據采集系統進行測控方案設計，將風速時域信號輸入到仿真模型中，借助尖速比計算與槳距角控制兩個模塊獲取到系統轉速與槳距角信息，并將其傳遞至風能利用系數估計模塊，實現對風力發電機的過程模擬。在采用數據采集系統進行設計時，可在齒輪箱蓋頂部安裝一個IEPE壓電加速度傳感器，實時采集齒輪箱運行中的振動參數;選取動態扭矩轉速傳感器安裝在高速軸與負載電機之間，用于采集傳動軸的轉矩、轉速數據。通過將獲取到的振動參數、轉矩、轉速等數據與標準數值進行對比，可以判斷風力發電系統有無故障問題，進而使系統及時發出警報，配合有效處理技術實現故障問題的有效解決，為風力發電系統的正常運行提供保障。

2.5風力發電系統狀態監測技術分析

首先，振動監測。振動監測是目前應用最為廣泛的一種技術，齒輪箱中部件在運行過程中，測試得到相應的振動信號，通過對振動信號進行分析以及和正常狀態下振動信號對比，出現故障后發出警報信號。振動監測包含了幅域統計分析法、時頻域的幅值譜分析法，功率譜密度分析等。在風力發電系統應用振動監測技術有其獨特的特點，其實現了低轉速動態荷載，相對于功率輸出損失，風力發電系統狀態監測設備投入較高。在對機艙振動分析過程中，為了消除風輪轉速的影響，振動信號應該采用等旋轉角采集;其次，油液監測。這方面監測主要包含油液品質檢查，鐵屑檢查，有時還會涉及到油慮壓降檢查和油溫溫度檢查;再次，過濾參數監視。這是保證風力發電系統安全穩定運行最常規的方法;最后，性能參數檢查。主要通過風力發電系統實際的輸出功率特征，將其實際的輸出功率和正常的輸出功率相對比，當實際功率超出一定范圍之后，風力發電狀態監測系統就會認為發生故障，發出相應的警報。

結束語

對于風力發電機組的狀態監測與故障診斷而言，涉及到眾多領域和不同學科。在未來的發展中，需要不斷的融合不同的學科技術以及不同的方法，來完善風力發電機組的狀態監測以及故障診斷技術，這需要眾多人員的共同努力。

參考文獻：

[1]賀德馨.中國風能發展戰略研究[J].中國工程科學，2011，13（6）：6～13.

[2]王瑞闖，富洪.風力發電機在線監測與診斷系統研究[J].華東電力，2009（1）：190～193.

[3]高陽，潘宏俠，吳升.基于DSP和神經網絡的風力發電機齒輪箱遠程故障診斷系統[J].儀表技術與傳感器，2011，12（1）：67～70.

（作者單位：國電優能正鑲白旗風電有限公司）