張健

摘要：針對風(fēng)力發(fā)電系統(tǒng)中的主要部件，發(fā)電機(jī)、葉片、軸承、變流器及齒輪箱等故障，對現(xiàn)有故障診斷方法進(jìn)行了介紹，為提高對風(fēng)力發(fā)電系統(tǒng)的可靠性、降低成本，促進(jìn)其工程化進(jìn)程提供了有效的參考。

關(guān)鍵詞：風(fēng)力發(fā)電；葉片；軸承；故障診斷

近年來，隨著大規(guī)模風(fēng)電場的投入運(yùn)行，出現(xiàn)了很多運(yùn)行故障，因而需要高額的運(yùn)行維護(hù)成本，大大影響了風(fēng)電場的經(jīng)濟(jì)效益。風(fēng)電場一般處于偏遠(yuǎn)地區(qū)，工作環(huán)境復(fù)雜惡劣，風(fēng)力發(fā)電機(jī)組發(fā)生故障的幾率比較大，如果機(jī)組的關(guān)鍵零部件發(fā)生故障，將會使設(shè)備損壞，甚至導(dǎo)致機(jī)組停機(jī)，造成巨大的經(jīng)濟(jì)損失。為降低風(fēng)電機(jī)組運(yùn)行的風(fēng)險，維護(hù)機(jī)組安全經(jīng)濟(jì)運(yùn)行，都應(yīng)該發(fā)展風(fēng)電機(jī)組狀態(tài)監(jiān)測和故障診斷技術(shù)。

狀態(tài)監(jiān)測和故障診斷可以有效監(jiān)測出傳動系統(tǒng)、發(fā)電機(jī)系統(tǒng)等的內(nèi)部故障，優(yōu)化維修策略、減少非計劃停機(jī)次數(shù)和降低機(jī)組的運(yùn)行維護(hù)費(fèi)用等。風(fēng)力發(fā)電機(jī)組的狀態(tài)監(jiān)測和故障診斷系統(tǒng)集合了信號采集、在線監(jiān)測以及信號分析等功能；能對系統(tǒng)的各種機(jī)械參數(shù)和電氣參數(shù)等進(jìn)行監(jiān)測，并將采集到的數(shù)據(jù)進(jìn)行分析處理，從而正確定位各系統(tǒng)的故障。

1 狀態(tài)監(jiān)測技術(shù)分類

狀態(tài)監(jiān)測技術(shù)可幫助發(fā)現(xiàn)機(jī)組機(jī)械和電氣的初始故障，遏制重要事故的發(fā)生。風(fēng)電機(jī)組狀態(tài)監(jiān)測系統(tǒng)可在機(jī)組運(yùn)行過程中實(shí)時監(jiān)控各個部件的運(yùn)行狀態(tài)，及時判斷部件存在的問題和隱患，及時采取處理措施，提高了機(jī)組運(yùn)行可靠性。對于風(fēng)力發(fā)電機(jī)組，狀態(tài)監(jiān)測技術(shù)主要可以分為以下幾類：

（1）油液監(jiān)測。油液監(jiān)測技術(shù)檢測的是設(shè)備潤滑油和液壓油的性能，掌握設(shè)備運(yùn)行中的潤滑和零部件的磨損信息。油液監(jiān)測包括油液品質(zhì)檢查、鐵屑檢查等。

（2）振動監(jiān)測。振動信號能夠反映機(jī)械故障特征，機(jī)械狀態(tài)的變化可以通過振動信號體現(xiàn)出來?？蓪C(jī)械設(shè)備進(jìn)行準(zhǔn)確的檢驗和故障診斷，比如轉(zhuǎn)子不平衡、油膜振蕩、轉(zhuǎn)軸彎曲等。

（3）溫度監(jiān)測。在設(shè)備劣化的情況下，溫度的高低可以直觀地反應(yīng)設(shè)備的運(yùn)行情況，因此溫度監(jiān)測通常用于電子和電氣元件的故障診斷。

（4）應(yīng)變力監(jiān)測。對風(fēng)電機(jī)組中的葉片壽命預(yù)測和疲勞狀況監(jiān)測，應(yīng)變力測量是一種高效方法，主要通過在關(guān)鍵部位安裝應(yīng)變力傳感器測量。

2 故障診斷

2.1發(fā)電機(jī)故障

發(fā)電機(jī)是風(fēng)電機(jī)組的核心部件，負(fù)責(zé)將旋轉(zhuǎn)的機(jī)械能轉(zhuǎn)化為電能，并為電氣系統(tǒng)供電。隨著風(fēng)力機(jī)容量的增大，發(fā)電機(jī)的規(guī)模也在逐漸增加，使得對發(fā)電機(jī)的密封保護(hù)受到制約。發(fā)電機(jī)長期運(yùn)行于變工況和電磁環(huán)境中，容易發(fā)生故障。常見的故障模式有發(fā)電機(jī)振動過大、發(fā)電機(jī)過熱、軸承過熱、轉(zhuǎn)子/定子線圈短路、轉(zhuǎn)子斷條以及絕緣損壞等。據(jù)統(tǒng)計，在發(fā)電機(jī)的所有故障中，軸承的故障率為40%，定子的故障率為38%，轉(zhuǎn)子的故障率為10%，其他故障占12%。

根據(jù)發(fā)電機(jī)的故障特點(diǎn)，采用的診斷方法主要是基于轉(zhuǎn)子/定子電流信號、電壓信號以及輸出功率信號等狀態(tài)檢測手段。POPA等借助定子電流和轉(zhuǎn)子電流信號的時域分析得到其幅值信息，再通過FFT得到電流信號的諧波分量，最后通過判斷諧波分量的變化實(shí)現(xiàn)對發(fā)電機(jī)3種模擬故障的識別。借助連續(xù)小波變換，對輸出功率信號進(jìn)行分析，能夠識別出發(fā)電機(jī)轉(zhuǎn)子偏心故障和軸承故障。

2.2葉片故障

風(fēng)力發(fā)電機(jī)組安裝在野外比較惡劣的環(huán)境，經(jīng)常處于無人值守的狀態(tài)，對其運(yùn)行狀態(tài)的監(jiān)測尤其重要。由于環(huán)境因素，機(jī)體各部件故障率較高，葉片作為風(fēng)力發(fā)電機(jī)組的主要部件之一，對其故障監(jiān)測十分必要，一旦出現(xiàn)故障，要是不及時處理，葉片就會很快的斷裂。輕則造成停機(jī)，重則燒壞機(jī)組，影響正常供電，造成不可挽回的損失.

風(fēng)機(jī)葉片故障類型可分為裂紋、凹痕和破損等，葉片的振動形式主要包括擺振、揮舞振動、扭轉(zhuǎn)振動和復(fù)合振動，葉片的故障信息通常依靠現(xiàn)場監(jiān)測的震動信號進(jìn)行反應(yīng)。在風(fēng)力發(fā)電機(jī)組故障中，突變信號和非平穩(wěn)信號往往會伴隨故障存在。理論上講，當(dāng)葉片出現(xiàn)裂紋時，振動信號中會伴隨有較強(qiáng)的高頻沖擊波，并且這些離散的故障信號是可能存在任意頻段內(nèi)的。

2.3軸承故障檢測

風(fēng)電機(jī)組主要零部件的可靠性研究表明，在風(fēng)電機(jī)組的故障中電氣和控制系統(tǒng)故障率最高，傳動系統(tǒng)如齒輪箱、主軸承等故障率相對較低。但進(jìn)一步的研究表明電氣和控制系統(tǒng)的故障容易排除，停機(jī)時間短，并且也不需要吊車等輔助工具。從機(jī)組故障引發(fā)的停機(jī)時間、維護(hù)費(fèi)用和是否容易造成的繼發(fā)故障等角度分析，與電氣和控制系統(tǒng)相比，機(jī)械傳動系統(tǒng)的狀態(tài)監(jiān)測與預(yù)警維護(hù)更為重要。

風(fēng)力發(fā)電機(jī)用軸承大致可以分為四類：變槳軸承、偏航軸承、傳動系統(tǒng)軸承和發(fā)電機(jī)軸承。目前的實(shí)際應(yīng)用的風(fēng)電軸承運(yùn)行狀態(tài)監(jiān)測與故障識別的方法主要有基于數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)（SCADA）的方法，基于振動分析、潤滑油檢測的方法，基于聲音、紅外圖像的方法以及多種方法相結(jié)合等方法。

2.4變流器故障診斷

在雙饋風(fēng)力發(fā)電系統(tǒng)中，變流器是故障頻率相對較高的環(huán)節(jié)之一，其故障類型中最為常見的是功率開關(guān)的短、開路故障。診斷這一方面的主要研究方向可以分為全局短路故障診斷和局部短路故障診斷，全局短路故障診斷的內(nèi)容是在變流器直流側(cè)安裝傳感器獲得直流鏈的變化值，通過對電流值進(jìn)行分析來判斷故障的類型。從容錯的角度來講，局部故障診斷有助于我們判斷出故障的具體位置，便于系統(tǒng)的重構(gòu)。功率期間一旦發(fā)生短路故障，最有效的手段就是對故障開關(guān)進(jìn)行隔離。

可以將開路故障診斷方法分為兩種類型，即模型法和非模型法。模型法首先是要建立整個發(fā)電系統(tǒng)的數(shù)學(xué)模型，在設(shè)定的正常狀態(tài)和故障狀態(tài)下，比較分析數(shù)學(xué)模型在各種變量的差異。而非模型法相比較而言則省去了建立繁雜的模型的過程，只需要故障狀態(tài)下各種變量的相關(guān)信息，特別是當(dāng)系統(tǒng)要建立復(fù)雜的、非線性的模型時，這種方法可以大大減輕人們的工作量。隨著智能方法的發(fā)展，先進(jìn)的智能方法在開路故障診斷中的應(yīng)用會更加廣泛。

2.5齒輪箱故障診斷

齒輪箱是風(fēng)力發(fā)電機(jī)組的核心傳動部件，工作狀況將影響整個風(fēng)力發(fā)電機(jī)組的性能。據(jù)統(tǒng)計，在風(fēng)力發(fā)電機(jī)的故障中，46%是齒輪箱故障。長期以來采用的是計劃維修與事后維修的方式，嚴(yán)重地影響了日常發(fā)電工作，造成重大損失。因此，對風(fēng)電系統(tǒng)的齒輪箱進(jìn)行狀態(tài)檢測與故障診斷，是保障風(fēng)力發(fā)電機(jī)組運(yùn)行的可靠性、降低風(fēng)電成本的重要手段。

齒輪箱發(fā)生故障時，齒輪箱故障的振動信號為復(fù)雜的非線性、非平穩(wěn)信號。小波變換是時頻分析中最常用的方法，具有多分辨特性，在高頻率部分能夠放大尺度，具有很好的頻率分辨性，在低頻率部分能夠縮小尺度，具有很好的時間分辨性。采用小波變換對風(fēng)電系統(tǒng)齒輪箱故障信號降噪預(yù)處理以提高EMD分解的精度，再用Hilbert變換對包含主要故障信息的IMF進(jìn)行包絡(luò)譜分析。實(shí)現(xiàn)風(fēng)電機(jī)組齒輪箱故障特征頻率的有效提取。

神經(jīng)網(wǎng)絡(luò)是在生物神經(jīng)學(xué)研究成果基礎(chǔ)上提出的人工智能概念。隨著人工神經(jīng)網(wǎng)技術(shù)的發(fā)展，神經(jīng)網(wǎng)絡(luò)大量應(yīng)用于分類和模式識別，而故障檢測與診斷本質(zhì)上也是一個模式識別問題。齒輪箱作為機(jī)械傳動的主要部件，其中的齒輪、滾動軸承和軸系的工作情況較復(fù)雜，各種典型故障一般并不以單一形式出現(xiàn)，往往多個故障同時發(fā)生且相互影響。因此，基于神經(jīng)網(wǎng)絡(luò)的人工智能技術(shù)能夠在齒輪箱故障診斷中得到很好的應(yīng)用。

3 結(jié)論

本文對風(fēng)力發(fā)電系統(tǒng)中易故障部位，包括發(fā)電機(jī)、葉片、軸承、變流器及齒輪箱的故障診斷方法進(jìn)行了介紹。研究基于數(shù)據(jù)的故障診斷系統(tǒng)，實(shí)時監(jiān)測風(fēng)力發(fā)電系統(tǒng)的狀態(tài)，進(jìn)行風(fēng)力發(fā)電系統(tǒng)的故障檢測與識別，對于進(jìn)一步提高風(fēng)力發(fā)電系統(tǒng)的可靠性，推進(jìn)風(fēng)電系統(tǒng)的工程化和市場化進(jìn)程有著重大的現(xiàn)實(shí)意義。