风电机组在线智能故障诊断技术发展趋势

魏则辉　张云

【摘 要】人们生活水平的提高，用电需求的不断增多，促进了我国电力产业的不断发展。随着环境问题、能源危机的日益突出，以风电、光伏等为代表的可再生清洁能源的装机容量占电力系统的比重不断增加。全球风能理事会发布的统计数据表明，全球风电新增装机容量63.0GW，其中中国新增30.5GW，总规模达到432.4GW。另外，随着风电机组单机容量的不断增长以及风电场规模的日益扩大，风电系统的结构变得越来越复杂，不同组件间耦合更加紧密，一个微小的缺陷可能引发灾难性的大故障，造成机组停机，甚至导致机组部件的损坏，给企业带来巨大的经济损失。本文就风电机组在线智能故障诊断技术发展趋势展开探讨。

【关键词】风力发电；齿轮箱；故障预测；故障诊断

1风电机组的主要故障类型

1.1齿轮箱故障

齿轮箱是风电系统中故障率最高的部件，且造成停机时间较长，包含齿轮、滚动轴承和轴等部件，其常见的故障主要为齿轮和滚动轴承的故障。近年来，新投产风电机组普遍都配备了振动监测系统。当齿轮或滚动轴承存在局部缺陷时，其振动信号中含有丰富的信息。通过有效提取信号的特征，一般可以较为准确地诊断出缺陷种类及所处的部位。常用的时频分析方法有傅里叶变换、小波变换、Hilbert-Huang变换等，将其与基于神经网络方法、人工智能技术以及专家系统的学习与分类能力相结合，可实现对齿轮箱故障的快速准确的智能化诊断。

1.2发电机故障

发电机中所有的故障都是按照一定的机理产生的，具有规律性，会引起电压、电流、功率或者振动、温度的变化，现有的绝大多数故障诊断方法都是通过电气信号和机械信号的变化分析总结得出，目前主要应用的诊断方法有：电压高次谐波检测诊断法、定子电流诊断法、振动和温度检测诊断法。快速傅里叶分析处理转子调整信号诊断方法通过在转子、定子绕组中串联电阻的方式来模拟定、转子绕组不对称故障，并结合FFT来提取转子、定子电流以及转子调整信号的频谱，通过比较故障情况下转子、定子电流的谐波频谱和转子调整信号的频谱来判断是否产生故障。另外一种方式则是通过分析信号的功率谱密度来诊断匝间短路故障，功率谱密度分析法也是目前故障诊断中最广泛使用的分析法。但FFT和PSD具有缺乏空间局部性等特点，新发展起来的小波分析法具有非常好的时频特性及高质量的分辨率。

1.3电力电子装置故障

并网风电机组一般通过变频器接入电网，从而实现在环境风速变化的情况下，也可以向电网输送高质量电能。所不同的是：永磁直驱式风力发电机是定子侧通过变频器接入电网的；双馈式风力发电机是转子侧通过变频器接入电网的，定子侧直接与电网相连。变速恒频式风力发电机，尤其是双馈式风力发电机在电网发生故障时容易导致风力发电机机端电压跌落，造成发电机定子电流增加进而导致转子电流的增加，极易导致风电机组变频装置的功率元器件损坏。功率元件的故障信息主要通过开路故障反映，常用小波分析的方法提取变频装置故障状态下电路响应中所包含的有效故障特征信息，并结合神经网络方法对故障进行分类和严重程度的判断。

2风电机组故障诊断算法选择

（1）神经网络算法从理论上分析十分适合风电机组子系统的故障诊断，然而运用至实际系统中因耗时较长而失去优势。并且不能对推理过程进行展现，而失去对故障诊断结果准确性的说服力。（2）符号有向图能够根据经验或基本定理，但在風电机组整体系统建立中此模型仅限子系统的故障建立，并不能反映底层元件的情况，因此没有能够完全实现风电机组故障诊断。（3）专家系统能有效提高诊断速度与准确度，但在大型专家系统中会出现知识库维护难度大，容错能力较差等缺陷。（4）模糊故障Petri网能够简洁清晰的表示出风电机组的组成结构，细化到底层元件。以矩阵计算完成推理过程，使得推理过程具有快速的优势。不过在建立系统中也存在一定的缺陷，系统过大会造成节点过多，导致关联矩阵过大而产生的空间爆炸。综上所述，在风电机组整机故障诊断中，选择模糊故障Petri网实现故障诊断。在系统建立过程中解决模糊故障Petri网自身存在的缺陷。实现整机的故障诊断过程。

3在线智能故障分析的发展方向

完整和正确的数据采集是后续状态分析和故障诊断的基础。因此，在今后的集中监控技术研究中，应将风电机组SCADA系统、升压站综合自动化系统、风功率预测系统、AGC/AVC能量管理系统、生产管理系统等现有分散监控与管理系统进行整合。采取不同时间尺度的异构数据采集技术、防止数据丢失的数据队列技术以及不同时间尺度的异构数据的统一存储技术，建立以风电机组关键部件的振动在线监测数据、油液在线监测数据、叶片在线监测、离线点检数据、风电场的环境监测数据等为基础的统一实时和历史数据库，确保风电场实时数据的完整性和正确性。进而，基于各类异构数据的统一管理技术，将实时数据库和历史数据库与统一的风电设备健康状态数据库相结合，建立风电场统管数据库。基于风电场统管数据库，开发风电场场群的集中监控与管理技术，实现不同供应商的各类设备的集中监控与管理，实现风电场场群的状态监测、运维调度和生产运营的统一管理。具体的技术路线如图1所示。在风电场场群的实时监测、运维管理和生产运营的统一管理基础上，下一步的工作即是开发重要子系统的在线监测系统，如齿轮箱磨损状态监控、叶片表面状态监控等。以齿轮箱磨损状态监控为例，通过对齿轮摩擦副的摩擦、磨损、润滑与润滑油劣化特征的研究，寻求对齿轮油运动粘度、油中水含量、介电常数、温度、磨损烈度指数等多参数的集成式实时在线检测方法，从而系统地建立风电机组齿轮箱润滑磨损在线监测体系，其技术路线如图2所示。风电场故障预警技术的实现，有利于运维人员工作职责的原子化、远程化和信息化，实现风电场维护的智能化和简易化，最终达到风电场的安全、稳定、高效运行，如图3所示。

结语

风力发电在不断发展，风场数量以及容量在快速增加，风电在电力系统中所占比例也在逐年增长。对风电机组运行状态进行监测评估能够有效提高风电机组的运行可靠性，能为风电机组检修和维护提供依据，降低故障维修成本。

参考文献：

[1]李帆.风力发电系统故障诊断方法综述[J].控制工程，2017.

[2]杨明.大型风电机组故障模式统计分析及故障诊断[D].北京：华北电力大学，2015.

（作者单位：浙江运达风电股份有限公司）