基于定子电流的风电机组机械传动链诊断技术研究

金 鑫

（辽宁龙源新能源发展有限公司，沈阳 110013）

0 引言

风力发电是中国新能源发电产业的重要支柱，其装机容量及年增速连续多年位居世界第一[1]。国家“十四五”规划中，尤其是碳达峰、碳中和的背景下，新能源产业将迎来进一步大发展。风力发电产业快速发展的过程中，风电机组检测技术也发展很快，特别是对风电机组机械传动链上的叶片、滚动轴承、增速箱、发电机等关键设备的状态检测技术，已经普遍有良好的应用。检测技术对于及早发现故障，预防故障恶化，精准故障定位，维修维护等都起着至关重要的作用，是确保风电机组安全稳定运行，提高风电场运营效益的关键。

1 风电机组检测技术

风电场一般分布在滩涂岛屿、高山丘陵、戈壁荒漠等工作环境恶劣地区，极易遭受盐雾腐蚀，潮湿凝露，风沙侵蚀和极寒高温等环境影响，叠加工况不稳定、连续运行等因素导致风电机组往往处于不健康状态。风电机组单机容量小、数量众多、分布广泛，给风电机组检测工作带来极大困难[2]。风电机组长期在交变载荷的作用冲击下，其机械传动链上的机械部件极易产生疲劳损伤，导致停运时间较长，电量损失最高等的故障，所以针对风电机组机械传动链的预防性检测技术一直是风电机组检测技术的发展趋势。

1.1 性能检测技术

数据采集与监视控制（SCADA）系统作为国内风电场标准配置，可以实时对批量风电机组的运行参数进行监视、分析与控制[3]。利用众多运行参数开展数据分析是目前风电机组性能评价的主要手段，具体分别是性能参数曲线分析、功率曲线分析，用以判断影响风电机组运行性能及发电效率。

性能参数曲线分析主要通过截取周期时间的温度、压力、变桨角度、偏航、变桨力矩、风速、风向等SCADA数据生成二维曲线图，与正常机组曲线比对，依靠风电机组运行逻辑、温度、压力阈值等参数来判断机组的风扇、传感器、电磁阀、驱动阀、驱动电机、电容器、电感器等部件是否存在故障。这些故障具有不报警，不影响机组运行的“隐性”特征，是近年来随着大数据技术而发展起来的一种数据分析方法，对“隐性”故障效果良好。

功率曲线是风电机组发电性能的设计依据，反映了风电机组的功率特性和运行特点，在风电机组设计、认证、使用及维护过程中都涉及功率曲线验证。功率曲线是10min的平均风速与输出功率生成二位关系曲线，与标准曲线比对可判断机组性能。其中，一般精度曲线可从SCADA系统调取数据绘制得到；精准曲线则需实际测量，同时采集风速、平均功率、气压、空气密度、温度等参数，经过换算、修正数据可得到精确量值，常用来作为评估风电机组的运行性能的一个重要指标[4,5]。

1.2 健康检测技术

健康检测是保证风电机组安全稳定运行的一种重要手段。应用较为成熟的包括振动检测、油液检测、载荷检测、模态检测、无损检测等。其中，振动检测、油液检测已在国内风电行业推广应用，对风电机组机械传动链上的主轴承、齿轮箱、发电机等关键设备诊断效果精准，国内已陆续形成一整套诊断、评价标准。其余检测方法为非常规性检测方式，多用于设计、研发过程中的理论验证及实际中的事故分析。载荷检测主要是用于风电机组不同工况下的载荷计算，开展动态性能分析，常见的实效分析居多，如叶片连接螺栓断裂、塔筒法兰螺栓断裂，塔筒弯矩、转矩及一阶固有频率分析，偏航振动大等问题，通过将计算值与极限载荷比较诊断问题；模态检测主要是用于风电机组结构损伤的检测方法，通过测量、计算得到固有频率、阻尼和振型，对比原始设计值来诊断是否存在共振现象，结构是否在安全范围内运行；无损检测主要用于叶片、塔筒及螺栓，常用的有涡流检测、渗透检测、激光超声检测等[6,7]。

1.3 检测技术现状

性能检测是基于SCADA系统中周期时间数据生成曲线进行分析诊断的，故障诊断定位精准、快速，数据采集方式从SCADA中调取简易，只需自动化手段生成图形，其结果往往对提升机组发电性能成效明显，原理及图形对诊断人员要求不高，种种条件显示性能检测具备推广应用条件，目前已经在各新能源发电企业大范围应用。

健康检测针对的是影响机组安全稳定运行的关键设备状态，其故障预警的有效性、经济性及社会效益已经广为证实并被认可，但由于性价比低、检测难度高等问题一直没有有效改观，处于较尴尬的地位。主要是因为需要在被检测设备上布置大量传感器，同时还需要满足一定的外部环境条件才能采集到有效完整数据，测试要求较高，测试难度较大，偶尔还存在测试风险，致使风电行业短时间内难以有效实现状态检修模式的转变。

至此，一些学者提出了基于发电机定子电流的检测研究思路。这种方法减少了大量传感器，采用非接触数据采集方式，降低了设备成本，受噪声及环境干扰小，更可贵的是电流信号中包含了风电机组机械传动链上所有关键设备的运行工况信息，以电流信号为切入点开展分析诊断，具有很重要的学术价值和工程意义[8-10]。

2 定子电流检测机理

以装机数量最多的双馈异步风力发电机（DFIG）为例，定子绕组直接连接三相电网，转子绕组经过背靠背IGBT变流器连接电网，如图1。转子绕组的幅值、频率与相位由变流器根据运行工况自动调节。发电机变速恒频输出频率公式：

式（1）中：f1为定子输出频率；f2为转子频率（P×n/60）；fs为转差频率。即当发电机转速n＜同步转速n1时，转差率s＞0，有f1=f2+fs，正序低频交流励磁；当n＞n1时，s＜0，有f1=f2-fs，负序低频交流励磁；当n=n1时，s=0，fs=0，变频器提供直流励磁。由以上可知，定子电流包含转子电流及励磁电流成分。同理，可理解为当发电机转子发生扭矩、负载或振型变化时，将影响发电机转子绕组磁通量及转子转速，进而可从定子电流入手分析，诊断分析影响发电机转子扭矩、负载或振型等特征信息。所以，DFIG允许发电机在一定转速范围内变速运行，通过变流器励磁转子绕组，实现变流器对转子机械频率和电频率之差进行补偿来实现机组变速恒频运行。

为了方便研究DFIG的数学模型，不考虑空间谐波、磁路饱铁心损耗等，假设定子绕组、转子绕组每相匝数相等，那么，当机械传动链上的叶轮、主轴、齿轮箱、发电机等关键设备异常时，发电机转子上将产生额外的干扰转矩，影响定子磁通量，进而引起定子电流变化，达到稳态。干扰转矩会随着转子旋转产生周期性的波动，将其分解为三角函数，可表示为：

图1 双馈风电机组系统结构图Fig.1 Doubly-fed wind turbine system structure diagram

式（2）中：t是瞬态时间；TL是发电机转子转矩；TL0是发电机转子上产生的机械转矩分量；ΔTL是干扰转矩在发电机转子上产生的转矩分量；fg是故障特征的基本频率；TLK和φLK是故障特征的周期函数的傅里叶级数，k是整数。

相应的电磁转矩表示式为：

式（3）中：Te0为干扰产生的机械转矩分量对应的电磁转矩分量；ΔTe为干扰产生的电磁转矩分量；Tek和φek是故障特征中的周期函数的傅里叶级数。

结合abc三相静止坐标系和dq两相旋转坐标系变换，双馈发电机电磁转矩Te可利用定子电流在d轴方向上的分量isd表示：

定子绕组直连定频三相电网，定子三相电压矢量us可视为不变。那么，在dq坐标系下，Ψs也可视为不变。故当Te中出现周期性震荡时，会导致isd出现相同的频率。有：

式（5）中：isd0为Te0对应产生的定子电流在d轴上的分量；Δisd为干扰发生时额外产生的定子电流在d轴上的分量；isdk和φdk是故障特征中的傅里叶级数。

abc-dq坐标系有如下关系：

那么，发电机转子位置信息可表示为：

式（7）中：θ0为转子瞬时初始状态；fe为转子电角速度频率；θtz为角速度波动量产生的调制分量。将id和θ的表达式带入式（5）中，有：

式（8）揭示了扭矩与发电机定子电流信号的内在关联。干扰转矩波动体现在发电机定子电流信号频谱上会产生频率调制现象，即电流基频fe两侧出现|fe±kfg|的频率分量，k为正整数。

3 定子电流诊断方法

3.1 风电机组叶轮故障诊断分析

风电机组叶片由于受风沙磨损、盐雾侵蚀、叶片结冰等影响，会引起叶轮在旋转时发生挥舞、摆振等现象，均反映为叶轮不平衡故障，该故障会对发电机扭矩产生影响。风电机组单机容量增加，叶片呈大型化、柔性化发展趋势，叶轮不平衡将对风电机组的稳定运行带来极大的安全隐患。根据叶轮不平衡时一倍叶轮转频凸显的故障特征，可通过查找一倍叶轮转频处是否出现频率尖峰来判断。叶轮转速一般介于12rpm～30rpm，频率对应在0.2Hz～0.5Hz之间。假定叶轮转速为20rpm，即一倍转频约为0.33Hz。结合发电机定子电流故障频率分量|fe±kfg|可知，故障特征频率为（50±0.33）Hz，即50Hz两边出 现49.67Hz与50.33Hz边频。考虑定子电流较大，故障特征频率相对较微弱，特征信号易被基频电流的泄露及噪声淹没，往往很难直接诊断出叶轮一倍转频分量。特别是风电机组正常运行时，风速不恒定导致叶轮转速不恒定，为消除基频电流的泄露及噪声影响，可以采取对定子电流求二次导数等方法消除噪声。

3.2 风电机组齿轮故障诊断分析

齿轮系统发生啮合运动时，渐开线齿轮机构的输入扭矩保持恒定，输出扭矩会有一定波动[11]。当齿轮传动系统发生故障时，会影响发电机所受到的负载扭矩，如齿轮断齿故障会使负载扭矩包含冲击成分信息，齿轮磨损故障会使齿轮啮合时的负载扭矩波动增大，相应故障频率幅值的大小正比于故障严重程度，即与信号调制的变化程度紧密关联。

风电机组齿轮箱结构复杂，包含多级传动。假设某一级齿轮传动发生故障，结合发电机定子电流故障频率分量|fe±kfg|可知，频率成分应该包含fe、fm±fe、fe±fr1、fe±fr2的频率分量。其中，fm为齿轮啮合频率，fr1为啮合齿轮主动轮转频，fr2为啮合齿轮从动轮转频。由于电流信息被调制，频谱中应该会出现一系列上述频率分量的边频带，即齿轮故障负载扭矩的波动体现在定子电流频谱上的是基频fe两侧出现齿轮调制频率|fe±kfg|边频带，结合时域波形特征信息及频谱中特征频率幅值等变化情况，判断齿轮故障类型。

3.3 风电机组发电机故障诊断分析

3.3.1 匝间短路故障

匝间短路会导致发电机三相电流不平衡，线圈发热、电流增大，发电机仍可运行，严重时会引发相间短路。匝间短路主要原因是绕组绝缘老化失去作用，而绝缘老化会因发电机长期超过限温运行而加剧。当发生定子匝间短路时，定子三相绕组电感不平衡，磁通畸变，通过电压、磁通间的耦合关系，可推导出定子发生匝间短路故障特征频率公式：

发电机正常运行时，定子绕组是对称的，谐波成分和谐波幅值很小；当发生定子匝间短路故障时，谐波成分和幅值将明显增大，其3次、5次谐波分量的幅值增大最为明显，实际测试中也很容易发现此类故障特征。因此，高次谐波是判断匝间短路故障较好的方法。

3.3.2 转子偏心故障

发电机转子偏心总是存在的，只要不超过误差平均值10%就不会对发电机正常运行造成太大影响。发生转子偏心故障后，转子气隙磁场中心偏移，导致磁通畸变，定子绕组会感应出大量电流谐波，转子偏心故障的定子电流故障特征频率公式：

式（10）中：Z为电机转子槽数；s为转差率；p为电机极对数；v为定子谐波阶阶次，可取±1,±3,±5…；nq为偏心系数，静态偏心取值0，动态偏心取值1,2,3…。静态偏心与动态偏心往往同时存在，定子绕组感应频率公式：

式（11）中：fr为发电机转子转速频率。实际分析时，需要同时考虑式（10）和式（11）。分析可知，式（10）为转子偏心故障调制的高频分量，式（11）为转子偏心故障调制的低频分量。转子偏心故障在风电机组中很少发生，往往通过细化谱，比较2倍fe处频率幅值，并查找其边频是否存在对称转频谐波为判断的故障特征。

3.4 风电机组滚动轴承故障分析

风电机组均采用滚动轴承，主要分布在主轴轴承、齿轮箱轴承和发电机轴承。轴承故障会引起转子中心径向位移和负载扭矩的变化，相继会引发一系列发电机内部磁场变化，在定子电流上反映出转子偏心和扭矩振动的电流调制特征，转子偏心对定子电流的影响频率如下：

对于滚动轴承外圈故障：

对于滚动轴承内圈故障：

对于滚动轴承滚动体故障：

式（14）中：k=1,2,3…。fo是滚动轴承外圈特征频率；fi是滚动轴承内圈特征频率；fcage是滚动轴承保持架特征频率；fb是滚动轴承滚动体特征频率。

转子扭矩变化反映在定子电流效果即在相位m上进行相位信息调制，等效于随时间变化的频率内容，对定子电流的影响频率如下：

对于滚动轴承外圈故障：

对于滚动轴承内圈故障：

对于滚动轴承滚动体故障：

综上，风电机组滚动轴承发生故障，相关特征信息都会映射到定子电流中，可通过时域波形结合频谱中fe两侧的边频数值诊断轴承故障。

4 总结

定子电流诊断技术主要通过采集定子电流，分析基频 两侧的谐波进行诊断。手段相比传统状态检测方法具有明显优势，但实现应用及分析诊断在实践过程中十分复杂。目前，基于定子电流检测技术在风电领域还未有市场应用。本文从风电机组健康检测和性能检测两方面，综述了近年来风电机组的检测应用情况。针对目前风电机组机械传动链设备检测的特点，提出了基于定子电流的诊断方法，推导出定子电流检测机理，归纳了风电机组机械传动链上关键设备发生故障在定子电流上映射的故障特征频率关系，希望可以为风电行业状态检测工作提供有价值的参考。