吉慶昌 邸英杰 陰兆武 張冬梅

【摘? 要】針對(duì)風(fēng)電機(jī)組運(yùn)行中狀態(tài)監(jiān)測(cè)的特點(diǎn)和開展計(jì)劃性維護(hù)與維修的需求，論文應(yīng)用大數(shù)據(jù)處理技術(shù)設(shè)計(jì)了一種風(fēng)電機(jī)組故障診斷及預(yù)警系統(tǒng)。系統(tǒng)集成了基于風(fēng)電機(jī)組海量運(yùn)行狀態(tài)監(jiān)測(cè)數(shù)據(jù)的數(shù)據(jù)采集、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等技術(shù)，由數(shù)據(jù)采集與匯聚、數(shù)據(jù)挖掘與計(jì)算、狀態(tài)展示與應(yīng)用3個(gè)子系統(tǒng)組成，可以自動(dòng)地計(jì)算出反映機(jī)組運(yùn)行狀態(tài)的特征值，將不同的特征值進(jìn)行邏輯組合可實(shí)現(xiàn)不同故障的診斷與預(yù)警，以便對(duì)風(fēng)電機(jī)組開展計(jì)劃性維護(hù)與維修。

【Abstract】According to the characteristics of condition monitoring in wind turbine operation and the needs to carry out planned maintenance and repair， the paper applies big data processing technology to design a fault diagnosis and early warning system for wind turbine. The system integrates data acquisition， data mining， machine learning and other technologies based on the massive operation condition monitoring data of wind turbine. It is composed of three subsystems： data acquisition and aggregation， data mining and calculation， condition display and application， which can automatically calculate the eigenvalues reflecting the operation condition of the turbine. The logical combination of different eigenvalues can realize different fault diagnosis and early warning， so as to carry out planned maintenance and repair of wind turbine.

【關(guān)鍵詞】風(fēng)電機(jī)組;故障預(yù)警;大數(shù)據(jù)處理技術(shù)

【Keywords】wind turbine; fault early warning; big data processing technology

【中圖分類號(hào)】TM315? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻(xiàn)標(biāo)志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號(hào)】1673-1069（2021）10-0179-03

1 引言

風(fēng)能作為一種清潔能源，相對(duì)于其他可再生能源，在經(jīng)濟(jì)效益、技術(shù)成熟度、基礎(chǔ)設(shè)施建設(shè)等方面具有明顯優(yōu)勢(shì)，它是全球發(fā)展較為迅速的新能源發(fā)電技術(shù)[1]。面對(duì)日趨嚴(yán)峻的碳減排形勢(shì)，為早日實(shí)現(xiàn)碳達(dá)峰和碳中和目標(biāo)，我國(guó)風(fēng)電裝機(jī)規(guī)模繼續(xù)保持穩(wěn)步增長(zhǎng)。由于對(duì)風(fēng)能的特殊需求，我國(guó)的風(fēng)電場(chǎng)多分布在哈密、蒙東和蒙西、河北壩上、東南沿海島嶼等偏遠(yuǎn)地區(qū)。另外，隨著風(fēng)電機(jī)組使用年限的增長(zhǎng)，各種故障頻發(fā)，于是對(duì)風(fēng)電機(jī)組的運(yùn)行狀態(tài)進(jìn)行在線監(jiān)測(cè)，實(shí)現(xiàn)故障診斷與預(yù)警，開展計(jì)劃性維護(hù)與維修顯得越來(lái)越重要。

風(fēng)電機(jī)組在線監(jiān)測(cè)與故障診斷技術(shù)對(duì)于及時(shí)了解機(jī)組的運(yùn)行狀態(tài)、對(duì)機(jī)組故障進(jìn)行預(yù)警、有針對(duì)性地開展設(shè)備維護(hù)、減少突發(fā)性故障和提高設(shè)備利用率都具有重要的現(xiàn)實(shí)意義。國(guó)外學(xué)者對(duì)于風(fēng)電機(jī)組故障診斷的研究開展得比較早，并且在發(fā)電機(jī)、齒輪箱等方面研究得比較深入，研究方法主要是通過(guò)分析風(fēng)電機(jī)組的輸出功率信號(hào)達(dá)到故障診斷的目的。Mari Cruz Garcia等人從健康管理的角度提出了風(fēng)電機(jī)組故障預(yù)警的智能系統(tǒng)，可以評(píng)估風(fēng)電機(jī)組的健康狀況，并診斷其故障類型[2]。

國(guó)內(nèi)學(xué)者對(duì)風(fēng)電系統(tǒng)故障診斷的研究起步比較晚，其中的一個(gè)研究方向是通過(guò)在風(fēng)電機(jī)組上安裝大量的傳感器以獲得振動(dòng)數(shù)據(jù)，再利用振動(dòng)分析方法監(jiān)測(cè)傳動(dòng)鏈（齒輪箱）的運(yùn)行狀態(tài)，并進(jìn)行故障診斷[3-5]。隨著我國(guó)風(fēng)電裝機(jī)規(guī)模的持續(xù)擴(kuò)大，風(fēng)電機(jī)組運(yùn)行狀態(tài)監(jiān)測(cè)和故障診斷預(yù)警的需求不斷增長(zhǎng)，其監(jiān)測(cè)數(shù)據(jù)出現(xiàn)了多源異構(gòu)、數(shù)據(jù)量大、增長(zhǎng)迅速的電力大數(shù)據(jù)特點(diǎn)[6]。傳統(tǒng)的故障診斷與預(yù)警方法在處理風(fēng)電機(jī)組運(yùn)行狀態(tài)監(jiān)測(cè)大數(shù)據(jù)時(shí)，難以在保證精度的情況下進(jìn)行快速處理。隨著大數(shù)據(jù)處理技術(shù)的不斷成熟，其在電力系統(tǒng)狀態(tài)監(jiān)測(cè)領(lǐng)域的研究與應(yīng)用開始起步[7]。錢進(jìn)、曲朝陽(yáng)等人為了處理離散型大數(shù)據(jù)，利用MapReduce編程模型對(duì)傳統(tǒng)的粗糙集屬性約簡(jiǎn)算法進(jìn)行了并行化改進(jìn)[8，9]。曲朝陽(yáng)等人設(shè)計(jì)了基于MapReduce的MPApriori算法，可以在海量廣域測(cè)量系統(tǒng)電網(wǎng)數(shù)據(jù)中挖掘出連鎖故障各站點(diǎn)之間的關(guān)聯(lián)，可以很好地處理海量數(shù)據(jù)[10]。

本文針對(duì)目前風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)的實(shí)際情況和現(xiàn)實(shí)需求，利用大數(shù)據(jù)處理技術(shù)，通過(guò)建立數(shù)據(jù)采集與匯聚、數(shù)據(jù)挖掘與計(jì)算、狀態(tài)展示與應(yīng)用3個(gè)子系統(tǒng)，可以實(shí)現(xiàn)對(duì)風(fēng)電場(chǎng)內(nèi)風(fēng)電機(jī)組的運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測(cè)、設(shè)備異動(dòng)的實(shí)時(shí)監(jiān)測(cè)、典型故障實(shí)時(shí)診斷與預(yù)警和設(shè)備運(yùn)維的輔助決策等功能。

2 機(jī)組結(jié)構(gòu)

風(fēng)電機(jī)組主要由風(fēng)輪、葉片、變槳距系統(tǒng)、傳動(dòng)系統(tǒng)、齒輪箱、發(fā)電機(jī)、電氣系統(tǒng)、控制系統(tǒng)、傳感器、剎車系統(tǒng)、液壓系統(tǒng)和偏航系統(tǒng)等幾部分構(gòu)成，其結(jié)構(gòu)如圖1所示[11]。風(fēng)推動(dòng)葉片轉(zhuǎn)動(dòng)，風(fēng)能通過(guò)風(fēng)輪轉(zhuǎn)換成機(jī)械能，再借助主軸、齒輪箱等傳動(dòng)系統(tǒng)帶動(dòng)發(fā)電機(jī)轉(zhuǎn)動(dòng)，從而將機(jī)械能轉(zhuǎn)換成電能，最后通過(guò)變頻器接入電網(wǎng)，實(shí)現(xiàn)風(fēng)力發(fā)電。

風(fēng)電機(jī)組在運(yùn)行過(guò)程中，風(fēng)速的不穩(wěn)定性造成葉片受到短暫且頻繁的沖擊載荷，這種沖擊會(huì)附加到傳動(dòng)系統(tǒng)的各個(gè)相關(guān)部件。隨著時(shí)間的推移，這些部件會(huì)出現(xiàn)各種故障，其中發(fā)電機(jī)、齒輪箱以及連接軸故障率比較高，嚴(yán)重影響風(fēng)電機(jī)組的正常運(yùn)轉(zhuǎn)。根據(jù)神華國(guó)華能源投資有限公司的數(shù)據(jù)統(tǒng)計(jì)，發(fā)電機(jī)、主軸和齒輪箱的故障占總故障次數(shù)的18%，但從停機(jī)的時(shí)間上統(tǒng)計(jì)占到了68.7%。齒輪箱的損壞對(duì)于風(fēng)電場(chǎng)發(fā)電量和維護(hù)成本影響很大，如何保證齒輪箱、發(fā)電機(jī)等機(jī)械零部件的可靠性，做到預(yù)防性維護(hù)，已經(jīng)成為亟待解決的問(wèn)題[12]。

本文通過(guò)在風(fēng)電機(jī)組主軸承座、齒輪箱、發(fā)電機(jī)的選定位置安裝振動(dòng)傳感器、轉(zhuǎn)速計(jì)等，結(jié)合數(shù)據(jù)采集裝置、光纖通信設(shè)備構(gòu)成在線監(jiān)測(cè)系統(tǒng)。由于風(fēng)電場(chǎng)風(fēng)機(jī)數(shù)量眾多，例如，一個(gè)裝機(jī)300臺(tái)機(jī)組的風(fēng)電場(chǎng)，安裝的傳感器數(shù)量多達(dá)幾千個(gè)，這些傳感器的監(jiān)測(cè)數(shù)據(jù)，結(jié)合SCADA、GIS數(shù)據(jù)構(gòu)成預(yù)警平臺(tái)的數(shù)據(jù)感知層。由于不同廠家生產(chǎn)的不同年代、不同型號(hào)的風(fēng)電機(jī)組可能使采集的數(shù)據(jù)類型、位數(shù)和存儲(chǔ)格式等產(chǎn)生差異，同時(shí)，需要以秒級(jí)周期從風(fēng)電機(jī)組眾多傳感器采集數(shù)據(jù)寫入服務(wù)器，因此，形成了量大、多源、異構(gòu)、復(fù)雜、增長(zhǎng)迅速的風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)大數(shù)據(jù)。

3 系統(tǒng)設(shè)計(jì)

基于大數(shù)據(jù)處理技術(shù)的風(fēng)電機(jī)組故障診斷及預(yù)警系統(tǒng)利用大數(shù)據(jù)的相關(guān)理念與技術(shù)手段來(lái)采集和管理不斷增多的現(xiàn)場(chǎng)數(shù)據(jù)，按照風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)大數(shù)據(jù)的處理順序從下到上分為3個(gè)子系統(tǒng)，分別是數(shù)據(jù)采集與匯聚、數(shù)據(jù)挖掘與計(jì)算、狀態(tài)展示與應(yīng)用子系統(tǒng)，3個(gè)子系統(tǒng)之間依靠數(shù)據(jù)服務(wù)總線進(jìn)行數(shù)據(jù)交互，構(gòu)成一個(gè)分布式大數(shù)據(jù)加工平臺(tái)，實(shí)現(xiàn)風(fēng)電機(jī)組故障診斷與預(yù)警功能。其架構(gòu)如圖2所示。

數(shù)據(jù)采集與匯聚子系統(tǒng)位于最底層，是系統(tǒng)的感知層。其硬件平臺(tái)由部署在風(fēng)電場(chǎng)的若干機(jī)架式服務(wù)器和數(shù)據(jù)采集裝置組成，規(guī)?？梢愿鶕?jù)機(jī)組數(shù)量進(jìn)行擴(kuò)展;軟件平臺(tái)可以實(shí)現(xiàn)數(shù)據(jù)采集、數(shù)據(jù)同步、編碼轉(zhuǎn)化與存儲(chǔ)、數(shù)據(jù)管理與接口等功能。該子系統(tǒng)通過(guò)數(shù)據(jù)采集裝置接收安裝在風(fēng)電機(jī)組上的傳感器數(shù)據(jù)，服務(wù)器將傳感器數(shù)據(jù)和SCADA、GIS數(shù)據(jù)匯聚后按照KKS進(jìn)行編碼同構(gòu)后儲(chǔ)存到數(shù)據(jù)庫(kù)中，以便于數(shù)據(jù)挖掘與計(jì)算子系統(tǒng)進(jìn)行訪問(wèn)和調(diào)取。

數(shù)據(jù)挖掘與計(jì)算子系統(tǒng)位于中間層，是系統(tǒng)的處理器。它是實(shí)現(xiàn)系統(tǒng)各項(xiàng)功能的核心部件，通過(guò)在線調(diào)用感知層的監(jiān)測(cè)數(shù)據(jù)分發(fā)給各算法模塊，完成特定指標(biāo)量和特征值的加工與處理，將計(jì)算結(jié)果匯總后存入該子系統(tǒng)的數(shù)據(jù)平臺(tái)，以供應(yīng)用層調(diào)用。各算法模塊是根據(jù)風(fēng)電機(jī)組故障診斷與預(yù)警專門開發(fā)的判斷故障類型以及變化趨勢(shì)的專用算法，算法可根據(jù)需求定制和二次開發(fā)，從而實(shí)現(xiàn)風(fēng)電機(jī)組運(yùn)行狀態(tài)的在線監(jiān)測(cè)、設(shè)備狀態(tài)評(píng)價(jià)、劣化趨勢(shì)分析和故障診斷與預(yù)警等功能。

狀態(tài)展示與應(yīng)用子系統(tǒng)位于最外層，是交互可視化的數(shù)據(jù)分析與展示平臺(tái)。使用者可以根據(jù)分析場(chǎng)景，快速搭建數(shù)據(jù)指標(biāo)分析儀表盤，以一種直觀友好的方式展現(xiàn)風(fēng)電機(jī)組的實(shí)時(shí)工作情況、運(yùn)行狀態(tài)以及故障趨勢(shì)等。該子系統(tǒng)是數(shù)據(jù)挖掘與計(jì)算子系統(tǒng)中各算法模塊的結(jié)果展示層，使用者可以接入不同算法模塊的計(jì)算結(jié)果數(shù)據(jù)，無(wú)需編寫代碼，可以自由定制不同分析數(shù)據(jù)的儀表盤、線圖、柱圖、波形分析圖等。

4 算法開發(fā)

本文提出的基于大數(shù)據(jù)處理技術(shù)的風(fēng)電機(jī)組故障診斷及預(yù)警系統(tǒng)的核心是數(shù)據(jù)挖掘與計(jì)算子系統(tǒng)的設(shè)計(jì)。該子系統(tǒng)采用流式算法模塊的設(shè)計(jì)，能夠?qū)崟r(shí)調(diào)用感知層的監(jiān)測(cè)大數(shù)據(jù)，通過(guò)專用算法分析風(fēng)電機(jī)組運(yùn)行狀態(tài)、健康指標(biāo)，還可以利用感知層的歷史數(shù)據(jù)預(yù)測(cè)指標(biāo)的變化趨勢(shì)，實(shí)現(xiàn)風(fēng)電機(jī)組的故障診斷與預(yù)警功能。

通過(guò)風(fēng)電機(jī)組振動(dòng)數(shù)據(jù)、SCADA和GIS數(shù)據(jù)綜合分析其運(yùn)行狀態(tài)，實(shí)現(xiàn)故障診斷與預(yù)警是一項(xiàng)比較復(fù)雜的工程，目前，廣大學(xué)者在機(jī)理研究建立故障模型方面取得了一些成就，但由于現(xiàn)場(chǎng)各種干擾的存在、工況的不同，在實(shí)際應(yīng)用上還沒有完全普及。所以利用大數(shù)據(jù)處理技術(shù)，通過(guò)機(jī)器學(xué)習(xí)的方式長(zhǎng)期、連續(xù)從海量監(jiān)測(cè)大數(shù)據(jù)中自動(dòng)對(duì)風(fēng)電機(jī)組振動(dòng)數(shù)據(jù)進(jìn)行在線分析，再結(jié)合SCADA、GIS數(shù)據(jù)獲得有價(jià)值的特征信息，通過(guò)健康指標(biāo)機(jī)理模型推斷出故障原因，實(shí)現(xiàn)設(shè)備實(shí)時(shí)故障診斷，便有了比較大的應(yīng)用空間。其執(zhí)行流程如圖3所示。

系統(tǒng)根據(jù)常見故障類型，以感知層海量大數(shù)據(jù)為基礎(chǔ)，對(duì)風(fēng)電機(jī)組的工況基礎(chǔ)數(shù)據(jù)進(jìn)行網(wǎng)格劃分，以方便數(shù)據(jù)挖掘與計(jì)算子系統(tǒng)中算法模塊的高效調(diào)用。各算法模塊通過(guò)提取不同工況的網(wǎng)格數(shù)據(jù)，經(jīng)過(guò)機(jī)器自學(xué)習(xí)功能，訓(xùn)練算法模型直至算法模型收斂。系統(tǒng)通過(guò)統(tǒng)計(jì)振動(dòng)數(shù)據(jù)各頻率成分的隨機(jī)分布規(guī)律提取特征值，確定風(fēng)電機(jī)組在正常運(yùn)行時(shí)振動(dòng)測(cè)點(diǎn)健康運(yùn)行區(qū)間。當(dāng)風(fēng)電機(jī)組運(yùn)行的一個(gè)或多個(gè)振動(dòng)測(cè)點(diǎn)值在某特定網(wǎng)格下偏離健康運(yùn)行區(qū)間或出現(xiàn)單方向持續(xù)變化，則判定設(shè)備異動(dòng)，給出預(yù)警信息，確定故障位置，實(shí)現(xiàn)故障診斷與智能預(yù)警的功能。表1是系統(tǒng)目前實(shí)現(xiàn)的風(fēng)電機(jī)組主要故障類別及判定方法。

5 系統(tǒng)驗(yàn)證

為驗(yàn)證系統(tǒng)的可行性，對(duì)某風(fēng)電廠原有機(jī)組在線振動(dòng)監(jiān)測(cè)和診斷分析系統(tǒng)進(jìn)行了改造。原系統(tǒng)只有當(dāng)某個(gè)測(cè)點(diǎn)測(cè)值超過(guò)設(shè)定的報(bào)警值時(shí)向外發(fā)布報(bào)警，不能提前預(yù)測(cè)可能存在的故障或在運(yùn)行中長(zhǎng)期跟蹤機(jī)組運(yùn)行狀態(tài)的變化。改造的基于大數(shù)據(jù)處理技術(shù)的風(fēng)電機(jī)組故障診斷與預(yù)警系統(tǒng)從實(shí)際需求出發(fā)，在現(xiàn)有設(shè)備基礎(chǔ)上獨(dú)立添加了通信設(shè)備、服務(wù)器設(shè)備，不影響原有設(shè)備或系統(tǒng)的運(yùn)行安全，并且通過(guò)手動(dòng)設(shè)置故障驗(yàn)證了系統(tǒng)的有效性。系統(tǒng)可以實(shí)現(xiàn)的故障預(yù)警監(jiān)測(cè)點(diǎn)及實(shí)時(shí)數(shù)據(jù)值如圖4所示，人為設(shè)置故障及其預(yù)警信息展示如圖5所示。

6 結(jié)語(yǔ)

本文在分析風(fēng)電機(jī)組故障診斷與預(yù)警技術(shù)現(xiàn)狀的基礎(chǔ)上，根據(jù)狀態(tài)監(jiān)測(cè)大數(shù)據(jù)的特點(diǎn)和開展計(jì)劃性維護(hù)與維修的需求，設(shè)計(jì)了一種應(yīng)用大數(shù)據(jù)處理技術(shù)的風(fēng)電機(jī)組故障診斷及預(yù)警系統(tǒng)。該系統(tǒng)可以自動(dòng)從海量的監(jiān)測(cè)數(shù)據(jù)中挖掘出反映機(jī)組運(yùn)行本質(zhì)的特征值，從而對(duì)機(jī)組設(shè)備進(jìn)行異動(dòng)檢測(cè)，不同的特征值進(jìn)行邏輯組合可實(shí)現(xiàn)不同的故障診斷，從而達(dá)到運(yùn)維輔助決策功能。其創(chuàng)新性在于：

①在現(xiàn)有風(fēng)電機(jī)組振動(dòng)監(jiān)測(cè)和診斷系統(tǒng)基礎(chǔ)上開發(fā)了大數(shù)據(jù)挖掘與計(jì)算平臺(tái)，通過(guò)對(duì)風(fēng)電廠機(jī)組振動(dòng)數(shù)據(jù)、SCADA和GIS數(shù)據(jù)進(jìn)行處理，完成了基于大數(shù)據(jù)處理技術(shù)的風(fēng)電機(jī)組故障診斷與預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。

②系統(tǒng)提供的專用開放式大數(shù)據(jù)挖掘與計(jì)算平臺(tái)，能夠積累故障樣本，從而獲得不同運(yùn)行參數(shù)之間的關(guān)聯(lián)，實(shí)現(xiàn)診斷模型的更新與重構(gòu)，有利于應(yīng)對(duì)不同的故障情況。

【參考文獻(xiàn)】

【1】何曉龍，楊靜靜.儲(chǔ)能技術(shù)在風(fēng)力發(fā)電中的應(yīng)用[J].建筑工程技術(shù)與設(shè)計(jì)，2018（32）：647.

【2】Mari Cruz Garcia，Miguel A.Sanz-Bobi，Javierdel Pico.SIMAP： Intelligent System for Predictive Maintenance： Application to the health condition monitoring of a windturbine gearbox[J].Computers in Industry，2006，57（6）：552-568.

【3】王瑞闖，林富洪.風(fēng)力發(fā)電機(jī)在線監(jiān)測(cè)與診斷系統(tǒng)研究[J].華東電力，2009，37（1）：190-193.

【4】蔣東翔，洪良友，黃乾，等.風(fēng)力機(jī)狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)研究[J].電網(wǎng)與清潔能源，2008（9）：40-44.

【5】唐新安，謝志明，王哲，等.風(fēng)力機(jī)齒輪箱故障診斷[J].噪聲與振動(dòng)控制，2007（1）：120-124.

【6】薛禹勝，賴業(yè)寧.大能源思維與大數(shù)據(jù)思維的融合（一）大數(shù)據(jù)與電力大數(shù)據(jù)[J].電力系統(tǒng)自動(dòng)化，2016，40（1）：1-8.

【7】周國(guó)亮，朱永利，王桂蘭，等.實(shí)時(shí)大數(shù)據(jù)處理技術(shù)在狀態(tài)監(jiān)測(cè)領(lǐng)域中的應(yīng)用[J].電工技術(shù)學(xué)報(bào)，2014，29（S1）：432-437.

【8】曲朝陽(yáng)，陳帥，楊帆，等.基于云計(jì)算技術(shù)的電力大數(shù)據(jù)預(yù)處理屬性約簡(jiǎn)方法[J].電力系統(tǒng)自動(dòng)化，2014，38（8）：67-71.

【9】錢進(jìn)，苗奪謙，張澤華，等.MapReduce框架下并行知識(shí)約簡(jiǎn)算法模型研究[J].計(jì)算機(jī)科學(xué)與探索，2013，7（1）：35-45.

【10】曲朝陽(yáng)，朱莉，張士林.基于Hadoop的廣域測(cè)量系統(tǒng)數(shù)據(jù)處理[J].電力系統(tǒng)自動(dòng)化，2013，37（4）：92-97.

【11】張文秀，武新芳.風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷相關(guān)技術(shù)研究[J].電機(jī)與控制應(yīng)用，2014，41（2）：50-56+63.

【12】任玉亭.振動(dòng)監(jiān)測(cè)技術(shù)在風(fēng)力發(fā)電機(jī)組的應(yīng)用[J].內(nèi)蒙古電力技術(shù)，2010，28（2）：8-12.