基于定子電流的風電機組機械傳動鏈診斷技術研究

金 鑫

（遼寧龍源新能源發展有限公司，沈陽 110013）

0 引言

風力發電是中國新能源發電產業的重要支柱，其裝機容量及年增速連續多年位居世界第一[1]。國家“十四五”規劃中，尤其是碳達峰、碳中和的背景下，新能源產業將迎來進一步大發展。風力發電產業快速發展的過程中，風電機組檢測技術也發展很快，特別是對風電機組機械傳動鏈上的葉片、滾動軸承、增速箱、發電機等關鍵設備的狀態檢測技術，已經普遍有良好的應用。檢測技術對于及早發現故障，預防故障惡化，精準故障定位，維修維護等都起著至關重要的作用，是確保風電機組安全穩定運行，提高風電場運營效益的關鍵。

1 風電機組檢測技術

風電場一般分布在灘涂島嶼、高山丘陵、戈壁荒漠等工作環境惡劣地區，極易遭受鹽霧腐蝕，潮濕凝露，風沙侵蝕和極寒高溫等環境影響，疊加工況不穩定、連續運行等因素導致風電機組往往處于不健康狀態。風電機組單機容量小、數量眾多、分布廣泛，給風電機組檢測工作帶來極大困難[2]。風電機組長期在交變載荷的作用沖擊下，其機械傳動鏈上的機械部件極易產生疲勞損傷，導致停運時間較長，電量損失最高等的故障，所以針對風電機組機械傳動鏈的預防性檢測技術一直是風電機組檢測技術的發展趨勢。

1.1 性能檢測技術

數據采集與監視控制（SCADA）系統作為國內風電場標準配置，可以實時對批量風電機組的運行參數進行監視、分析與控制[3]。利用眾多運行參數開展數據分析是目前風電機組性能評價的主要手段，具體分別是性能參數曲線分析、功率曲線分析，用以判斷影響風電機組運行性能及發電效率。

性能參數曲線分析主要通過截取周期時間的溫度、壓力、變槳角度、偏航、變槳力矩、風速、風向等SCADA數據生成二維曲線圖，與正常機組曲線比對，依靠風電機組運行邏輯、溫度、壓力閾值等參數來判斷機組的風扇、傳感器、電磁閥、驅動閥、驅動電機、電容器、電感器等部件是否存在故障。這些故障具有不報警，不影響機組運行的“隱性”特征，是近年來隨著大數據技術而發展起來的一種數據分析方法，對“隱性”故障效果良好。

功率曲線是風電機組發電性能的設計依據，反映了風電機組的功率特性和運行特點，在風電機組設計、認證、使用及維護過程中都涉及功率曲線驗證。功率曲線是10min的平均風速與輸出功率生成二位關系曲線，與標準曲線比對可判斷機組性能。其中，一般精度曲線可從SCADA系統調取數據繪制得到；精準曲線則需實際測量，同時采集風速、平均功率、氣壓、空氣密度、溫度等參數，經過換算、修正數據可得到精確量值，常用來作為評估風電機組的運行性能的一個重要指標[4,5]。

1.2 健康檢測技術

健康檢測是保證風電機組安全穩定運行的一種重要手段。應用較為成熟的包括振動檢測、油液檢測、載荷檢測、模態檢測、無損檢測等。其中，振動檢測、油液檢測已在國內風電行業推廣應用，對風電機組機械傳動鏈上的主軸承、齒輪箱、發電機等關鍵設備診斷效果精準，國內已陸續形成一整套診斷、評價標準。其余檢測方法為非常規性檢測方式，多用于設計、研發過程中的理論驗證及實際中的事故分析。載荷檢測主要是用于風電機組不同工況下的載荷計算，開展動態性能分析，常見的實效分析居多，如葉片連接螺栓斷裂、塔筒法蘭螺栓斷裂，塔筒彎矩、轉矩及一階固有頻率分析，偏航振動大等問題，通過將計算值與極限載荷比較診斷問題；模態檢測主要是用于風電機組結構損傷的檢測方法，通過測量、計算得到固有頻率、阻尼和振型，對比原始設計值來診斷是否存在共振現象，結構是否在安全范圍內運行；無損檢測主要用于葉片、塔筒及螺栓，常用的有渦流檢測、滲透檢測、激光超聲檢測等[6,7]。

1.3 檢測技術現狀

性能檢測是基于SCADA系統中周期時間數據生成曲線進行分析診斷的，故障診斷定位精準、快速，數據采集方式從SCADA中調取簡易，只需自動化手段生成圖形，其結果往往對提升機組發電性能成效明顯，原理及圖形對診斷人員要求不高，種種條件顯示性能檢測具備推廣應用條件，目前已經在各新能源發電企業大范圍應用。

健康檢測針對的是影響機組安全穩定運行的關鍵設備狀態，其故障預警的有效性、經濟性及社會效益已經廣為證實并被認可，但由于性價比低、檢測難度高等問題一直沒有有效改觀，處于較尷尬的地位。主要是因為需要在被檢測設備上布置大量傳感器，同時還需要滿足一定的外部環境條件才能采集到有效完整數據，測試要求較高，測試難度較大，偶爾還存在測試風險，致使風電行業短時間內難以有效實現狀態檢修模式的轉變。

至此，一些學者提出了基于發電機定子電流的檢測研究思路。這種方法減少了大量傳感器，采用非接觸數據采集方式，降低了設備成本，受噪聲及環境干擾小，更可貴的是電流信號中包含了風電機組機械傳動鏈上所有關鍵設備的運行工況信息，以電流信號為切入點開展分析診斷，具有很重要的學術價值和工程意義[8-10]。

2 定子電流檢測機理

以裝機數量最多的雙饋異步風力發電機（DFIG）為例，定子繞組直接連接三相電網，轉子繞組經過背靠背IGBT變流器連接電網，如圖1。轉子繞組的幅值、頻率與相位由變流器根據運行工況自動調節。發電機變速恒頻輸出頻率公式：

式（1）中：f1為定子輸出頻率；f2為轉子頻率（P×n/60）；fs為轉差頻率。即當發電機轉速n＜同步轉速n1時，轉差率s＞0，有f1=f2+fs，正序低頻交流勵磁；當n＞n1時，s＜0，有f1=f2-fs，負序低頻交流勵磁；當n=n1時，s=0，fs=0，變頻器提供直流勵磁。由以上可知，定子電流包含轉子電流及勵磁電流成分。同理，可理解為當發電機轉子發生扭矩、負載或振型變化時，將影響發電機轉子繞組磁通量及轉子轉速，進而可從定子電流入手分析，診斷分析影響發電機轉子扭矩、負載或振型等特征信息。所以，DFIG允許發電機在一定轉速范圍內變速運行，通過變流器勵磁轉子繞組，實現變流器對轉子機械頻率和電頻率之差進行補償來實現機組變速恒頻運行。

為了方便研究DFIG的數學模型，不考慮空間諧波、磁路飽鐵心損耗等，假設定子繞組、轉子繞組每相匝數相等，那么，當機械傳動鏈上的葉輪、主軸、齒輪箱、發電機等關鍵設備異常時，發電機轉子上將產生額外的干擾轉矩，影響定子磁通量，進而引起定子電流變化，達到穩態。干擾轉矩會隨著轉子旋轉產生周期性的波動，將其分解為三角函數，可表示為：

圖1 雙饋風電機組系統結構圖Fig.1 Doubly-fed wind turbine system structure diagram

式（2）中：t是瞬態時間；TL是發電機轉子轉矩；TL0是發電機轉子上產生的機械轉矩分量；ΔTL是干擾轉矩在發電機轉子上產生的轉矩分量；fg是故障特征的基本頻率；TLK和φLK是故障特征的周期函數的傅里葉級數，k是整數。

相應的電磁轉矩表示式為：

式（3）中：Te0為干擾產生的機械轉矩分量對應的電磁轉矩分量；ΔTe為干擾產生的電磁轉矩分量；Tek和φek是故障特征中的周期函數的傅里葉級數。

結合abc三相靜止坐標系和dq兩相旋轉坐標系變換，雙饋發電機電磁轉矩Te可利用定子電流在d軸方向上的分量isd表示：

定子繞組直連定頻三相電網，定子三相電壓矢量us可視為不變。那么，在dq坐標系下，Ψs也可視為不變。故當Te中出現周期性震蕩時，會導致isd出現相同的頻率。有：

式（5）中：isd0為Te0對應產生的定子電流在d軸上的分量；Δisd為干擾發生時額外產生的定子電流在d軸上的分量；isdk和φdk是故障特征中的傅里葉級數。

abc-dq坐標系有如下關系：

那么，發電機轉子位置信息可表示為：

式（7）中：θ0為轉子瞬時初始狀態；fe為轉子電角速度頻率；θtz為角速度波動量產生的調制分量。將id和θ的表達式帶入式（5）中，有：

式（8）揭示了扭矩與發電機定子電流信號的內在關聯。干擾轉矩波動體現在發電機定子電流信號頻譜上會產生頻率調制現象，即電流基頻fe兩側出現|fe±kfg|的頻率分量，k為正整數。

3 定子電流診斷方法

3.1 風電機組葉輪故障診斷分析

風電機組葉片由于受風沙磨損、鹽霧侵蝕、葉片結冰等影響，會引起葉輪在旋轉時發生揮舞、擺振等現象，均反映為葉輪不平衡故障，該故障會對發電機扭矩產生影響。風電機組單機容量增加，葉片呈大型化、柔性化發展趨勢，葉輪不平衡將對風電機組的穩定運行帶來極大的安全隱患。根據葉輪不平衡時一倍葉輪轉頻凸顯的故障特征，可通過查找一倍葉輪轉頻處是否出現頻率尖峰來判斷。葉輪轉速一般介于12rpm～30rpm，頻率對應在0.2Hz～0.5Hz之間。假定葉輪轉速為20rpm，即一倍轉頻約為0.33Hz。結合發電機定子電流故障頻率分量|fe±kfg|可知，故障特征頻率為（50±0.33）Hz，即50Hz兩邊出 現49.67Hz與50.33Hz邊頻?？紤]定子電流較大，故障特征頻率相對較微弱，特征信號易被基頻電流的泄露及噪聲淹沒，往往很難直接診斷出葉輪一倍轉頻分量。特別是風電機組正常運行時，風速不恒定導致葉輪轉速不恒定，為消除基頻電流的泄露及噪聲影響，可以采取對定子電流求二次導數等方法消除噪聲。

3.2 風電機組齒輪故障診斷分析

齒輪系統發生嚙合運動時，漸開線齒輪機構的輸入扭矩保持恒定，輸出扭矩會有一定波動[11]。當齒輪傳動系統發生故障時，會影響發電機所受到的負載扭矩，如齒輪斷齒故障會使負載扭矩包含沖擊成分信息，齒輪磨損故障會使齒輪嚙合時的負載扭矩波動增大，相應故障頻率幅值的大小正比于故障嚴重程度，即與信號調制的變化程度緊密關聯。

風電機組齒輪箱結構復雜，包含多級傳動。假設某一級齒輪傳動發生故障，結合發電機定子電流故障頻率分量|fe±kfg|可知，頻率成分應該包含fe、fm±fe、fe±fr1、fe±fr2的頻率分量。其中，fm為齒輪嚙合頻率，fr1為嚙合齒輪主動輪轉頻，fr2為嚙合齒輪從動輪轉頻。由于電流信息被調制，頻譜中應該會出現一系列上述頻率分量的邊頻帶，即齒輪故障負載扭矩的波動體現在定子電流頻譜上的是基頻fe兩側出現齒輪調制頻率|fe±kfg|邊頻帶，結合時域波形特征信息及頻譜中特征頻率幅值等變化情況，判斷齒輪故障類型。

3.3 風電機組發電機故障診斷分析

3.3.1 匝間短路故障

匝間短路會導致發電機三相電流不平衡，線圈發熱、電流增大，發電機仍可運行，嚴重時會引發相間短路。匝間短路主要原因是繞組絕緣老化失去作用，而絕緣老化會因發電機長期超過限溫運行而加劇。當發生定子匝間短路時，定子三相繞組電感不平衡，磁通畸變，通過電壓、磁通間的耦合關系，可推導出定子發生匝間短路故障特征頻率公式：

發電機正常運行時，定子繞組是對稱的，諧波成分和諧波幅值很??；當發生定子匝間短路故障時，諧波成分和幅值將明顯增大，其3次、5次諧波分量的幅值增大最為明顯，實際測試中也很容易發現此類故障特征。因此，高次諧波是判斷匝間短路故障較好的方法。

3.3.2 轉子偏心故障

發電機轉子偏心總是存在的，只要不超過誤差平均值10%就不會對發電機正常運行造成太大影響。發生轉子偏心故障后，轉子氣隙磁場中心偏移，導致磁通畸變，定子繞組會感應出大量電流諧波，轉子偏心故障的定子電流故障特征頻率公式：

式（10）中：Z為電機轉子槽數；s為轉差率；p為電機極對數；v為定子諧波階階次，可取±1,±3,±5…；nq為偏心系數，靜態偏心取值0，動態偏心取值1,2,3…。靜態偏心與動態偏心往往同時存在，定子繞組感應頻率公式：

式（11）中：fr為發電機轉子轉速頻率。實際分析時，需要同時考慮式（10）和式（11）。分析可知，式（10）為轉子偏心故障調制的高頻分量，式（11）為轉子偏心故障調制的低頻分量。轉子偏心故障在風電機組中很少發生，往往通過細化譜，比較2倍fe處頻率幅值，并查找其邊頻是否存在對稱轉頻諧波為判斷的故障特征。

3.4 風電機組滾動軸承故障分析

風電機組均采用滾動軸承，主要分布在主軸軸承、齒輪箱軸承和發電機軸承。軸承故障會引起轉子中心徑向位移和負載扭矩的變化，相繼會引發一系列發電機內部磁場變化，在定子電流上反映出轉子偏心和扭矩振動的電流調制特征，轉子偏心對定子電流的影響頻率如下：

對于滾動軸承外圈故障：

對于滾動軸承內圈故障：

對于滾動軸承滾動體故障：

式（14）中：k=1,2,3…。fo是滾動軸承外圈特征頻率；fi是滾動軸承內圈特征頻率；fcage是滾動軸承保持架特征頻率；fb是滾動軸承滾動體特征頻率。

轉子扭矩變化反映在定子電流效果即在相位m上進行相位信息調制，等效于隨時間變化的頻率內容，對定子電流的影響頻率如下：

對于滾動軸承外圈故障：

對于滾動軸承內圈故障：

對于滾動軸承滾動體故障：

綜上，風電機組滾動軸承發生故障，相關特征信息都會映射到定子電流中，可通過時域波形結合頻譜中fe兩側的邊頻數值診斷軸承故障。

4 總結

定子電流診斷技術主要通過采集定子電流，分析基頻 兩側的諧波進行診斷。手段相比傳統狀態檢測方法具有明顯優勢，但實現應用及分析診斷在實踐過程中十分復雜。目前，基于定子電流檢測技術在風電領域還未有市場應用。本文從風電機組健康檢測和性能檢測兩方面，綜述了近年來風電機組的檢測應用情況。針對目前風電機組機械傳動鏈設備檢測的特點，提出了基于定子電流的診斷方法，推導出定子電流檢測機理，歸納了風電機組機械傳動鏈上關鍵設備發生故障在定子電流上映射的故障特征頻率關系，希望可以為風電行業狀態檢測工作提供有價值的參考。