風力發電機組狀態監測和故障診斷技術的應用研究

摘要：風力發電機組的工作態勢影響其發電能力與作業穩定性，需要加強監測工作并做好故障診斷和處理。分別從風力發電機組狀態監測技術、故障診斷技術2個角度出發進行分析，就監測內容、工作流程、故障診斷方式、智能診斷模式等進行分析。最后結合某風電廠的工作實例進行輔助說明，以系統服務風力發電機組的監測和故障處理，保障與提升其工作水平。

關鍵詞：風力發電機組"狀態監測"故障診斷"監測效率

Application"Research"on"State"Monitoring"and"Fault"Diagnosis"Technology"of"Wind"Turbine"Generator"System

MA"Liang

Business"Department"of"Datang"Chifeng"New"Energy"Co.，"Ltd.，"Chifeng，"Inner"Mongolia"Autonomous"Region，，024000"China

Abstract："The"working"situation"of"wind"turbines"affects"their"power"generation"capacity"and"operational"stability，"and"it"is"necessary"to"strengthen"monitoring"work"and"do"a"good"job"in"fault"diagnosis"and"handling."From"the"perspectives"of"wind"turbine"status"monitoring"technology"and"fault"diagnosis"technology，"this"article"conducts"analysis"on"monitoring"content，"workflow，"fault"diagnosis"methods，"and"intelligent"diagnosis"modes."Finally，"a"working"example"from"a"certain"wind"power"plant"is"used"as"an"auxiliary"explanation"to"provide"systematic"services"for"monitoring"and"fault"handling"of"wind"turbines，nbsp;ensuring"and"improving"their"work"level.

Key"Words："Wind"turbine"generator"system;"Status"monitoring;"Fault"diagnosis;"Monitoring"efficiency

風電是一種可再生的潔凈能源，屬于新型源能的一種，在我國以及其他國家、地區得到廣泛關注和運用。由于風電依賴風力提供動能，而風能具有很強的動態性、不穩定性，風電機組的工作也存在一定動態性，以保證其運行質量和安全性為目標，需要加強風力發電機組狀態監測，并針對各類故障優化診斷技術。截止2023年底，我國?風電裝機容量約為4.4億kW，同比增長20.7%，這也進一步要求做好技術綜合管控[1]。在此背景下，分析風力發電機組狀態監測、故障診斷技術，具有一定的現實意義。

1"風力發電機組狀態監測技術

1.1主要監測內容

風力發電機組狀態監測內容可分為電力和風力兩大部分，，電力部分又可分為電壓參數、電流參數、機組功率參數、輪葉轉速參數、設備工作頻率參數；風力部分則分為風速參數、風向參數、風能密度參數與風輪葉片角度參數[2]。電力參數一般作為風力發電機組狀態監測的直接參數，影響機組的工作能力，風力參數作為輔助參數。從作用上看，上述參數信息的收集可以形成大數據和各類原始資料，以評估區域內風能水平、利用態勢，也可以分析風能資源應用調整方案，對輪葉的角度、規格等進行調整。此外，如果風力發電機組工作時間已經較長，必要的監測也可以用于分析其性能撥動，作為故障預防、局部設施更換的參考[3]。

1.2基本作業框架

對電力參數、風力參數的監測本質上均關注持續性、實時性，需要借助現代化的工作設備，對風力發電機組的各類信息進行采集，并做實時傳輸、記錄。其一般工作框架如圖1所示。

以圖1所示模式為基準，風力發電機組狀態監測工作框架分為終端結構、通信結構、遠程結構、其他附屬結構4個關鍵結構。

終端結構即圖1中的各類采集設備。從一般角度上看，風力發電機組狀態監測不能由人工獨立完成，尤其是電力、風力等專業參數，這些參數需要通過傳感器進行感知和收集，傳感器屬于此類參數收集的“終端設備”，其他參數的收集也以類似方式開展，如溫度表、電能計量設施等。通信結構是指服務風力發電機組狀態監測工作的通信設施，一般為各類通信線路，也包括與此有關的其他輔助性設施，如信號提純工作設備[4]。由于風力發電機組對周邊通信干擾較強，組織信息采集和傳輸時，一律采用有線模式，非必要時不采用無線通信模式。遠程結構即遠程端的電子計算機、存儲設備、便攜設備等。現場采集終端采集的信息通過通信結構提供給遠程端，由遠程計算機及工作人員分析風力發電機組狀態是否異常。其他附屬結構如避雷設備、外部連接裝置等，主要作用在于改善風力發電機組狀態監測工作綜合質量，提高其安全性和穩定性[5]。

1.3標準工作流程

按照圖1所示模式，電力發電機組的狀態（即電力參數和風力參數），利用不同的工作設備進行采集，這種采集必要的廣泛、實時的，以風力傳感器、電流傳感器等作為核心設備，分別配置在風力發電機組各個區域，對各類參數進行收集，收集所獲參數第一時間通過有線線路進行傳輸，提供給遠程設備（一般為性能優良為大型計算機），由遠程設備對采集設備提供的信息進行記錄，并利用輔助結構進行必要的延伸處理，如借助可視化設備將風力發電機組參數提供給工作人員、利用云技術直接挖掘其規律形成結構化數據等。

以電力參數監測為例，在標準情況下（即監測設備無異常、監測環境良好、工作設備性能無問題），由采集設備采集風力發電機組的溫度參數，再通過內置轉化設施對溫度進行分析，在電壓、電阻、功率基本不變的情況下，根據溫度茶樹獲悉風力發電機組內的電流參數，將其以電信號的形式實時提供給遠程計算機，遠程計算機對電信號進行轉化，行程可以被計算機直接讀取、呈現的數字化信號，無論信號是否正常，均一體記錄，并由工作人員進行查看和分析。如果系統連接了云模塊、大數據模塊，終端設備提供的各類信息，也可同步借助上述模塊進行加工，以形成更具結構化特點的進階數據。

2"風力發電機組故障診斷技術

2.1風力發電機組多見故障

風力發電機組多見故障包括葉片故障、機械部件故障、電氣系統故障、塔架和基礎故障、運行參數異常等，這些故障成因各有不同，影響也存在差異。

葉片即輪葉機的葉片，是風能轉化為動能、動能轉化為電能的核心設施，該設備的故障包括葉片缺損、開裂等，可能因長期工作老化導致，也可能為外力破壞形成。機械廣包括軸承故障、齒輪故障等，這些設備一般位于風力發電機組內部，出現故障會降低發電機組工作效率、增加無用功，甚至損壞工作設施。此類故障可能因潤滑不足、過負荷作業、構件老化導致。電氣系統故障包括短路、過電流、電壓不穩定、并網異常等，是風電機組的核心、重點故障，故障成因也比較復雜，形成的危害較大，有可能導致強電流沖擊電網，造成設備損壞、電力火災。塔架和基礎故障屬于硬件故障，如風力發電機組的承重結構搖晃、根基部位不穩定等。運行參數異常包括輪葉轉速過于緩慢、電能輸配異常等，這些故障一般與其他故障同步出現，如輪葉機損壞導致其轉動緩慢、電壓不穩導致輸配電能效率低下等。

2.2故障診斷技術

風力發電機組故障診斷技術可分為兩大類：一是針對故障進行的針對性診斷；二是針對尚未出現的故障進行的預診斷；前者一般在故障出現后運用，以排除故障為目標，后者一般周期開展，即便未出現故障也常規進行，以預防故障、診斷未發生的故障隱患為目標。

如上文所述的并網異常故障，在針對性診斷模式下，需要進行故障的具體評估，風電機組的穩定性偏低，其電壓異常、工作波動是被允許的，如果異常值過大，導致電流自電力系統（即并網對象）反向流入風力發電機組，則需要暫停風電機組的工作，評估其成因。通常可能由于風電機組電壓嚴重不足導致，可建設補償機制或對風電發電機組并網模塊進行變壓，使風電機組電能可以正常進入并網對象系統中。在預診斷模式下，則針對風力發電機組的各部分工作情況進行分析，實時了解電壓水平，通過監測技術評估其波動情況，定期更換并網模塊的變壓設備，適當檢修、處理補償模塊，保證其工作能力穩定，減少故障發生率。

2.3智能診斷模式

隨著現代技術發展，智能模式得到關注并逐步運用于風力發電機組狀態監測和故障診斷工作中。就故障診斷而言，智能技術的效率更高，也便于快速進行定位和處理。以過電流故障為例，默認風力發電機組內的工作電流為X安培，實際工作中，其工作電流因風能的動態性、環境變化、設備老化因素影響，可能出現上下波動的情況，表現為

[min；E8；9G；-；X；ge；-i；8a；max]（1）

式（1）中，min和max表示風力發電機組內電流變化的極限值，即正常工作狀態下的最小值和最大值，除min、max和X外，其他均為隨機出現的電流值參數，且均處于min、max之間。可通過大數據資料進行數據分析，確定風力發電機組的功能特點，以及min、max的具體取值信息。將其代入計算機中完成記憶。利用傳感器對風力發電機組的電流參數進行實時檢測，當其電流值圍繞X上下變動，但處于min、max范圍內時，系統持續工作；反之，當系統內電流值快速提高，接近max時，需要發出警報或切斷電能供應，避免過電流故障造成更多破壞。

電力發電機組的工作電流信息以傳感器收集，提供給智能模塊，由設備處的計算機提供作業平臺，分析電流情況。如果電流異常，可進行斷電、警報等處理；反之，則繼續工作。有關信息通過輔助功能進行延伸，包括信息記錄存儲、可視化呈現等。

3"案例分析

3.1目標對象

2014年，某風力發電廠建成并投產，經過9年運營后，于2023年開始出現各類故障、工作參數波動等問題。為提升風力發電機組管控能力，該場決定引入智能技術，服務風力發電機組狀態監測和故障診斷。按照設計思路，狀態監測目標為風力參數和電力參數，故障診斷主要針對風力發電機組各類參數和設備，不針對外部因素。

3.2風力發電機組狀態監測和故障診斷過程

2023年5月，該場完成技術改造，并以智能技術服務風力發電機組狀態監測和故障診斷。截止2023年末，進行7個月的工作和信息觀察、整理，發現智能技術可以改善風力發電機組狀態監測和故障診斷效果，在故障診斷方面的作用尤為突出。具體而言，風力發電機組狀態監測數據共形成214組數據能夠詳細記錄214個工作日的電力參數信息和風力參數信息，與該廠此前操那個的人工作業方法相比，數據更豐富、原始資料更完善，總數據量約為此前同期的11倍，更加詳實、豐富。故障診斷方面，智能技術運用后，該場共出現了各類故障56起，其中33起與風力發電機組各類參數和設備有關，在智能技術支持下，故障診斷平均耗時為2.8"min，技術改造前則為14.2"min，效率提升比較顯著。準確性方面前后變化不明顯。這表明智能技術可以提升風力發電機組狀態監測和故障診斷技術效率，但在質量方面的優勢不突出，未來可加以運用。

4結論

綜上所述，風力發電機組狀態監測和故障診斷技術的應用，可以實現異常的提前察覺、處理，快速應對各類故障，具有一定的積極價值。當前主要針對其參數穩定性、工作效率等組織監測，以現代化信息技術提供支持，有助于改善風力發電機組狀態監測效率、水平。故障診斷則以其表現為基礎，可通過智能技術方法改善診斷工作水平。結合某風電場工作模擬結果可知，本文提出的技術方法可以改善風力發電機組狀態監測和故障診斷能力，能夠為未來同類系統提供參考。

參考文獻

[1]李沿君.風力發電機組狀態監測和故障診斷技術研究[J].光源與照明，2024（2）：100-102.

[2]藍瑛，吳治堅.風力發電機組狀態監測和故障診斷技術的應用研究[J].應用能源技術，2023（11）：38-42.

[3]陸洋.雙饋風力發電機的狀態監測與故障診斷研究[D].湖南：湖南科技大學，"2022.

[4]何晨.基于遷移學習的風機傳動系統關鍵機械部件故障診斷研究[D].上海：上海電機學院，2023.

[5]汪玉玲.風力發電機狀態監測和故障診斷技術的研究[J].現代工業經濟和信息化，2022，12（11）：317-318.