中国电建集团贵阳勘测设计研究院有限公司贵州贵阳550081
摘要：近年来我国科学技术飞速发展，风力发电蓬勃发展，国内风电装机容量累计逐年增长。本文主要对风力发电机组故障诊断展开研究，期望能够为后续风电工作起到参考作用。
关键词：风力发电机组；故障诊断；诊断技术
引言
风电机组工作期间，转子叶片的转速会随着自然界风速的变化不断做出调整，阵风作用下，叶片受到外力作用时的平衡性可能会受到影响，导致叶片受到复杂交变冲击载荷，最终影响整个机组的各个部件。从风电机组工作环境及工作流程来看，在长时间的应用过程中，不可避免地会出现一些故障，但基于各种原因，导致人工检修较为困难，为此，有必要加强对风电机组故障诊断技术的研究。
1风力发电概述
在当今世界，随着社会的不断发展，大气环境污染问题日渐加剧，因此，对新能源的开发利用引起了全球范围的重视。风力发电作为一种绿色环保可再生能源，在近几十年里迅速的发展起来，并且被认为是最清洁的能源之一。发展清洁电力是建设和谐宜居社会的必然选择，国家发改委《可再生能源中长期发展规划》提出至2020年，全国风电总装机容量将达到3000万千瓦。由此可见，我国对风电事业的重视，风能必将成为我国未来第一大能源。随着风能作为清洁能源而大规模开发利用，机组单机容量及等效利用小时数大幅增长，为了提高发电效率并减少建设成本，风电场选址倾向于荒凉偏僻地区，长期运行在恶劣的自然环境当中，并受闪电、雷击等影响，很多风电机组都出现了运行故障，如机械故障、电气故障等。但由于各种原因，使得人工检修较为困难。这些都直接影响了风电的安全性和经济性。为了风电事业的稳步增长，要不断降低风电的制造成本、维护成本和维修成本。为此，做好风机运行中的状态监测和故障判断是保障风电机组安全运行和获得长期稳定收益的重要因素。
2风力发电机组故障研究
2.1叶片故障
金晓航等学者通过研究发现，叶片是风电机组获得风能的主要部件，风电机组处于工作状态时，叶片会承受较大的应力，容易出现故障，例如，叶片在长时间运行后，由于长期与蒸汽和空气进行接触，容易腐蚀叶片，出现剥落情况，从而导致表面粗糙；由于结构松动而引发的结构不稳定等。当叶片由于外力而出现裂纹或变形等情况时，会释放高频瞬态的声发射信号，基于此特点，发射检测被应用到叶片损伤评估工作中。叶片一旦发生故障，会导致转子叶片受力不均衡，而这种应力经由主轴进行传递会对机舱造成一定的影响，促使整个机舱出现颤动，严重影响风电机组的稳定性。
2.2齿轮箱故障
齿轮箱是连接风电机组主轴和发电机的重要部件，主要作用是提高主轴运转速度，促使其满足发电机运行的基本需求。齿轮箱多包括行星齿轮与两级平行齿轮2个构造，工作环境较为恶劣，且工作情况较为复杂。齿轮箱内部行星齿轮与高速轴侧轴承等均较容易在长期运行下出现故障。在风电机组运行期间，较容易受到交变应力及冲击荷载等作用的影响，从而导致齿轮出现磨损、生锈、滑动等问题。虽然齿轮组故障的发生频率相对较小，但是，一旦齿轮组出现故障问题而不能继续工作，需要花费较长的时间进行维修，且维修费用较高，因此，齿轮组的故障诊断是近几年风电机组故障诊断技术研究的主要方向之一。
2.3电机故障
电机发生的故障可总结为电气故障与机械故障，其中电气故障包括短路、断路、过热等;机械故障包括轴承过热、损坏、磨损严重等。经由对震动与电流以及温度等信号的分析，可以有效对电机故障进行检测与评估。双馈式风电机组转速较高，定额转速可达到1500r/min，为此，风电机组的齿轮箱需要在提速后才能配合其运行过程，但这种调整会在一定程度上增加机组自身的质量，且发电机的快速运行会造成噪声污染。
3风力发电机组故障诊断技术分析
3.1故障诊断分析
对风力发电机组进行故障诊断时，要根据机组自身结构的复杂性和机组运行环境的特殊性，综合分析各种因素，提高故障诊断结果的准确性。风力发电机组运动部件多、结构复杂，故障诊断比较困难。因此需要更新传统诊断技术，积极应用新技术和新理念，准确诊断各种故障，为故障的解决提供依据。对于风力发电机组的故障诊断，需要准确掌握各类不同的故障现象，根据机组电力参数、振动、压力、形变、磨损、温度等性能特征进行综合分析，完成故障诊断。
3.2机组机械系统故障技术
机组中的机械系统若发生故障会影响整体机组的运行，甚至造成停机，不仅影响发电效果，还会形成数额较大的维修成本，严重影响工作效率和经济效益。较为普遍的机械结构有轴承结构、齿轮箱及叶片等，此类装置由于日常负压较大、工作环境恶劣等原因极易发生故障，所以在进行故障预测时应加大对此类设备的关注。在具体的预测中，可以通过以下几个方面入手：第一，借助HMM及隐半Msrkov模型，对动态的部件运行状态进行分析，能够推理出轴承退化的状态，进而判断其寿命。这种方法在实际的应用中效果较好，预测成果也最多。举例来说，部分学者利用离散观测序列提取出隐半Msrkov链，在此基础上利用转台转移矩阵可以进行故障预测；Dong利用HMM准确预测出了水泵的寿命；Bechhoefer利用前人理论将改进后的HMM用于转轴的预测；曾庆虎借助离散HSMM建造出了轴承的退化模型，种种研究成果都表明该理论及模型的预测可行性。第二，利用Gamma过程分析设备运行数据，能够得出其寿命的概率分布状况，可以依据数据密度判断其具体寿命。第三，借助相对方均根值能够计算出设备的性能及使用状态。可以通过麦克风多测点监测的方法分析设备噪声状况，在此基础上用小波分析法对设备故障数据进行提取，进而诊断故障。
3.3机组电子系统故障技术
近年来，各国对于风力发电的关注度持续上升，对于其故障诊断及预测也愈加深入。电子系统故障在机组检修中也是较为重要的预测环节，虽然不会形成较大面积的停工，维修成本也很低，但是故障次数的增多也会加重维修难度，并且该系统故障发生时间短，若发生故障还极有可能引发系统瘫痪，更是加重了故障检测的难度。在实际的预测工作中，可以通过以下几个方面进行：第一，系统植入。在系统建设及投入使用之初，应对系统进行优化，植入自主检修系统，使其能自主进行故障发现、检查、隔离及修复，减轻预测负担。第二，保护功能的建立。与植入类似，在系统的建设中还应添加保护功能模块，在发现故障后开启保护模式，相关技术人员也可以进行开启该功能。第三，数据实时监控。对电子系统进行监控，可以适当添加预警功能，在遇到重大故障时能对相关技术人员发出警告，通过数据呈现出问题位置，及时解决。
结束语
综上所述，风力发电机组由于运行环境及自身结构所限，与传统发电设备相比，故障产生概率较高，且故障产生原因复杂多样。面对这种情况，需要对风力发电机组进行实时、全面、系统的监测，同时采取多种分析诊断方法，及时发现并解决机组运行时的故障，避免造成巨大的经济损失。
参考文献
[1]谢源,焦斌.风力发电机组状态监测系统与故障诊断方法研究现状[J].上海机电学院学报,2018,13(6):328-333
[2]孟涛,沈艳霞,纪志成.基于风能转换系统的T-S模糊建模与控制[J].微特电机,2017,39(10):68-72
[3]刘景浩.齿轮传动故障诊断专家系统的研究与应用[D].重庆:重庆大学,2017