风力发电机组故障诊断与预测技术研究综述

郑磊

摘要：风力发电机组运行时间越长，越容易出现故障，因此，风电机组维修问题日益严峻，急需有效的故障诊断与预测技术，本文探究了风力发电机组的故障原因，归纳总结了风力发电机组的故障诊断技术与故障预测技术，以期为相关人员提供参考。

关键词：风力发电机组;故障诊断;预测技术

引言：风能是一种绿色环保可再生能源，风电机组可以将风能转化为电能，因此一般将其安置在风力较大、环境较为恶劣的偏远地区，受到天气和周围环境的影响，风电机组可能会出现一系列故障，而人工检修十分复杂，因此，需要加强对风电机组的故障诊断和预测。

一、风力发电机组故障

（一）葉片故障

风电机组主要由叶片来获得风能，叶片体积较大，长期裸露在外部环境下，工作状态时，叶片承受较大风力，容易出现故障，例如：由于雨雪和雷电的侵蚀，叶片容易被腐蚀，表面粗糙，导致外壳剥落，内部结构松动或出现裂纹，引起叶片动力学不稳固。

叶片变形或者碎裂时，会发出高频声发射信号，此信号可应用于对叶片检测评估。叶片的故障使转子叶片受力不均，影响主轴的稳定性，导致机舱不稳定，进而影响整个风电机组的稳定性。因此可以在主轴上安装传感器，以便接受声发射信号，及时发现机组故障。

（二）电机故障

风电机组中的电机包括机械发电机和电动机。发电机结构复杂，成本较高，直径较大，目前广泛使用的有双馈发电机、异步发电机、直驱式风力发电机、永磁同步发电机等，电动机在风电机组变桨、偏航等系统中被广泛应用。

电机故障包括机械故障和电气故障。机械故障通常由磨损严重、轴承过热、转子间气隙异常等原因造成，电气故障的原因有：三相不平衡、绕阻短路、断路、过热等。通过检测电流、温度和震动可以分析风电机组是否发生故障。

（三）齿轮箱故障

齿轮箱连接发电机和风电机组主轴，将主轴的低转速调高，达到发电机所需转速，齿轮箱中包含一级齿轮和二级齿轮组，其工作强度大、传送复杂、工作条件恶劣导致齿轮箱中润滑系统及转动轴承部分易出现故障。在风电机组运行中，受冲击载荷与交变应力的影响，齿轮容易出现断齿、齿面擦伤、齿轮磨损等故障;轴承容易产生滚道打滑、滚道划伤、跑圈、磨损等故障，一旦齿轮箱出现故障，将会耗费较长维修时间和较高的维修费用。

（四）电气和控制系统

风电机组中电气系统是故障发生率最高的子系统，由于单机兼容的增加，电气系统应用越来越多，故障发生也越来越频繁。电气系统故障是由于震动、湿度过大、过热、过压、过流等因素造成电路板或电子元件失效而导致。

控制系统可以控制风电机组的桨距、偏航、电缆解绕等操作，控制系统中有各类传感器、控制器以及执行机构，控制系统的故障分为传感器故障和其他故障，其他故障包括控制电路板故障、偶然死机等，一般通过控制系统的重新启动可以消除。

二、故障诊断技术

（一）振动信号诊断技术

对震动信号进行分析诊断是目前最广泛的故障诊断方法，通过风电机组中叶片、主轴轴承、齿轮箱等部位的振动信号进行分析，判断风电机组的故障部位及发生故障的危险程度。有专家提出一种小波神经网络法，可以对叶片和齿轮箱的故障进行诊断，根据叶片和齿轮箱微弱故障信号特点，提出一种集平稳子空间分析的连续小波变化和信号分析的方法，有效识别风电机组叶片和齿轮箱的故障特征[1]。

现阶段，针对风电机组的诊断基本是在稳态情况的基础下对振动信号进行分析观察，但实际环境中风电机组的工作是动态的，并且存在较多的不可控因素，因此，仍需进一步的讨论机组振动信号，研究发现新的可行性更高的方法。

（二）电气信号诊断技术

通过电气信号诊断风电机组故障研究较少，一般用来检测电动机故障，但是由于电气信号中故障信号较为微弱，容易被电机本身固有信号掩盖，因此提取有效故障信号十分困难。利用先进信号分析法将故障相关特征从电气信号中分离出来，结合电机模型进行分析诊断，国外科学家通过动力模型，发现了电机系统与电流信号之间存在耦合关系，成功判断出电机故障，利用模型仿真分析齿轮箱与电流信号间的关系，并通过实验进一步的证明，电机的其他关键部位，如转子轴承等也可以通过电流进行故障诊断，国内也有科学家根据电流调制信号诊断出与齿轮相关的故障，利用模量频谱分析方法，通过对转子断条电机的故障进行仿真实验研究，对于电机的故障诊断具有较高精准度。

（三）其他识别方法

分析风电机组产生的信号，在时间和频率上构建高维特征，通过计算机将特征进项融合分析，进而实现对故障的诊断;基于失效物理模型的故障检测方法，是指根据关键物的物理特点与工作环境、工作时间等关系，结合当前设备状况进行预估，估算出设备剩余寿命，并且利用各类数据进行分析，并建立退化模型，预测设备未来某一时刻可能会遇到的故障问题。

三、故障预测技术

随着运行时间的增加，风力发电机组功能必然衰退，机组零件也将出现故障。为确保设备能正常进行工作，避免故障带来的巨大经济损失，故障预测技术引起了人们的广泛关注。

（一）电子系统故障预测方法

电子系统由控制系统传感器、发电机、电气系统等电力方面的子系统构成，随着直驱式风电机组的应用和单机容量的不断增大，电子系统故障发生率越来越高。虽然机械故障需要花费较大维修成本以及停机较长时间，但电子系统故障的发生却更加频繁，同样使维修成本居高不下。电子系统故障通常是由于电流过大散热不好，老化电压过高等原因引起，由于电子系统故障发生时间短，其性能衰退速度快，因此故障预测往往比较困难。针对电子系统的故障原因，有关学者提出了以下方法：①在产品设计时，将内部加入类似保险丝的功能模块进行保护;②在电子系统中植入有自检功能的软件，以便随时进行检测，及时发现故障;③设计模型，在不同的环境下可以预估部件的损伤程度，推测构件寿命。④使用长效晶体管进行加速寿命实验研究，针对其不同环境状况，使用预测算法来推测电子构件剩余的寿命[2]。

根据实验数据分析，可以发现随着电容性能的衰退，电容容量逐渐减小，电容的串联电阻阻值不断增大，因此需加强对电子系统及其关键元件的故障预测。

（二）机械结构系统故障预测

风电机组中的机械结构系统包括：叶片、齿轮箱、轴承等，由于恶劣的工作环境以及需承受较重载荷等原因，机械结构容易发生故障，因此电机组早期故障的探测对提高风电机组的运行有着重要的意义。

目前，有几种对风电机组中机械构件进行探测的方法：①利用逻辑回归模型进行分析，模拟构件性能的退化过程，用当前测得的振动信号和电流型号等，对构件状态进行评估，预测构件的剩余寿命，由此可以反向逆推零件的受损程度。②通过观察测到的构件数据，通过卡尔曼滤波算法进行数据建模，并预测构建的剩余寿命。③根据轴承上的信号探测器分析振动信号，通过扩展卡尔曼滤波技术推测轴承剩余寿命，由此来计算构件故障程度。

当前的预测故障预测工作主要是对装备性能退化数据进行研究，在此基础上进行展开分析，推测装备的故障程度，从而实现对故障的预测，然而风力发电机组的工作状态变化频繁，受力情况较为复杂，构件的性能退化程度存在非线性特征，因此还需要进行更加深入的研究。

结论：随着我国对风能的广泛利用，风电机组的维修技术需要进一步的提高，通过探讨风电机组不同故障传出的不同信号，分析风电机组中电气系统和机械结构发生的故障，及时有效的进行维修，根据预测方法有效的进行故障预测，对风电机组未知故障进行诊断研究，对风电机组的推广使用有重大意义。

参考文献：

[1]杨巍.风力发电机组故障诊断与预测技术研究综述[J].工程建设与设计，2018，000（004）：77-78.

[2]邢海军.风力发电机组故障诊断与预测技术研究综述[J].化工管理，2019，000（012）：155-156.