风力发电机故障诊断技术分析

风力发电机故障诊断技术分析

Summary：风力发电机组的装机容量越来越大，其结构形式也变得更加复杂，给日常维修和故障诊断增加了难度。异常振动是风力发电机运行中常见的故障类型，根据振动产生原因不同，又可分为电磁振动、机械振动等型式。风力发电机故障种类繁多，又由于其复杂的非线性、非平稳性，这就造成故障发生时，难以判断故障发生的部位及故障原因。因而对于风力发电机的故障诊断变得尤为重要，并且风力发电机是大型的旋转机械设备，其理论同样适用于其他大型机械设备，对风力发电机故障诊断的研究有很深远的实践意义。1.风力发电机滚动轴承故障

滚动轴承作为传动系统中的核心部件，在很大程度上决定风机组运行质量，开展风力发电机滚动轴承服役状态检测，准确轴承状态成为迫切的需求。目前，风电系统中监测轴承温度已经普及，但是，温度反映轴承状态滞后，而振动检测是一种应用广泛且更早于温度监测的手段，因此，需要寻找一种适用于大型异步风力发电机滚动轴承早期缺陷的方法和手段，及时发现轴承故障和异常，避免出现严重的事故。风力发电机滚动轴承故障诊断如下：首先是加速度包络解调。滚动轴承早期微弱损伤信号常容易被相邻的齿轮箱的冲击、不平衡、不对中等噪声信号所掩盖，尤其对于运行环境复杂多变的风电传动系统中，更需要一种能够有效提取出轴承早期缺陷引起的振动信号的方法和手段，而加速度包络解调是一种能够有效提取出早期缺陷故障所引起的微弱故障特征的方法，该方法可将微弱的低频信号转换至高频共振波形后进行包络、检波、低通滤波，最后获得一个与高频信号相对应的明显低频特征频率及其谐波波形。其次是将内圈滚道面存在微弱的早期损伤的某型号圆柱滚子轴承分别在单轴承故障诊断试验台以及安装在兆瓦级大型异步风力发电机上试验，通过与功率谱进行对比，加速度包络解调分析方法能更准确识别出存在早期缺陷轴承的缺陷位置[1]。2.对称电压故障下双馈风力发电机瞬态特性

在风电场中，双馈异步风力发电机运行时不时会出现故障。因此，尽早对双馈异步风力发电机进行故障判断，确定发生故障的相，这特别重要。通过Elman神经网络快速找到转子绕组匝间短路故障的发生相，可以节省时间和维护成本，并且可以快速而准确地确认故障位置。利用改进Elman神经网络能够在较短时间内完成对双馈异步风力发电机故障的诊断，并且准确度较高，为双馈异步风力发电机匝间短路故障相的诊断提供了一种方法。同时，当前，双馈风力发电机是风电市场能够实现变速恒频运行的主流机型之一。其主要优势是变换器功率较小仅为机组的25%，独立的有功和无功控制和好的运行性能等。然而，为了面对风电机组大规模并网运行带来的安全挑战，新的电网标准规定并网运行的风力发电机应保证具备故障穿越(FRT)能力。这是一个极大的挑战对于双馈风力发电机而言。主要原因是DFIG定子被直接连入电网，受电网电压影响较大。其一旦遭遇电压故障，将在转子绕组中引起大的振荡电流，容易烧毁变流器从而导致故障穿越失败。双馈风力发电机遭受对称电压故障时转子故障电流的理论分析方法适用于不同程度电压跌落故障的分析，也适用于电压升高故障时的转子电流计算。所提出的分析方法有效且易于理解。电网电压对称故障时DFIG转子电流由稳定的交流量、衰减的交流量和衰减的直流量三部分组成。其大小和定转子回路参数相关。同时，也与电压故障的程度、机组滑差、转子侧变换器输出电压有关[2]。3.基于零序电压的五相永磁同步风力发电机绕组故障诊断

永磁同步发电机由于其高效率、高功率密度、低噪声等优势，在电动汽车、航空作动器、风力发电等众多领域得到了广泛应用。绝大多数直驱风电机组采用永磁同步发电机（PMSM），其可靠性直接影响机组的发电量和可利用率。绕组故障会导致极高的维修和更换成本，甚至造成不可恢复的损伤。PMSM的故障类型主要表现为电气故障、机械故障以及永磁体失磁故障，其中电气故障的主要表现形式为定子绕组的匝间短路故障及开路故障。基于零序电压的PMSM绕组故障诊断方法可以有效地完成绕组匝间短路故障和开路故障的检测，不仅能灵敏地侦测到故障，而且故障诊断方法简单，可实时在线检测[3]。4.风力发电机叶轮故障识别

利用鱼群算法较快的收敛品质，避免初期过早集结至信息素浓度高的路径。引入蚁群优化算法，不仅增强算法的全局寻优和邻域搜索能力，而且避免陷入局部最优解，实现算法之间的优缺点互补。两种算法遵循的运动规律有一定的相似性，人工鱼随着拥挤度向浓度高的方向游动，蚂蚁随着信息素向浓度高的方向迁移，人工鱼的聚群行为与蚂蚁的更新信息素均取决于伙伴中心或最优个体状态的最优解。由此可见，鱼群算法－蚁群优化算法改进策略是可行有效的。将两种算法混合后，利用鱼群的觅食行为、聚群行为，缩小全局搜索范围。利用拥挤度与信息素的相似性，在搜索范围缩小后，过渡至蚁群优化算法，通过分布并行式计算和启发式搜索方式，不仅提高收敛速度，而且适当提高收敛精度，在一定程度上克服局部极值的问题。鱼群算法是一种高效智能优化算法，主要内容包括鱼群初始化、觅食行为、聚群行为、追尾行为、随机行为。鱼群算法具有克服局部极值，取得全局极值的能力，使用目标问题的函数值，对搜索空间有一定的自适应能力。鱼群算法同时具有对初值与参数选择不敏感、鲁棒性强、简单易实现、收敛速度快、使用灵活等特点，提供了一种解决问题的架构，具有与其它算法融合的基础。蚁群优化算法的基础为自然界中蚂蚁觅食的群体性行为。蚂蚁觅食过程中，会在经过的路径上释放信息素，并能够感知其它蚂蚁释放的信息素。各个路径上的信息素浓度不同，蚂蚁根据浓度高低，按照一定的随机概率选择路径，进而不断提高适合路径上的信息素浓度，形成正反馈。5.风电机组S型气溶胶自动消防系统

目前，大型风力发电机组叶片长度，机舱高度均超过百米，造价高，内部结构复杂，盐雾腐蚀严重，火灾隐患大。自动消防系统对于大型风力发电机组尤为重要，已经成为风电研究的热点。风电机组运行监测系统不仅能与风机控制系统配合，保证风机的正常工作，而且还可以根据振动、温度、声音、视频等信号，结合计算机图像识别与信号处理技术，自动检测机组运行状态，在故障征兆进行预测。当前，运行监测系统和自动消防系统已然成为风力发电机组的标配。但是，由于这两个系统属于不同的领域，来自不同的制造商，往往独立运行，增加了系统的复杂程度，降低了可靠性，也不利于火情的提前预警。风电机组的运行监测系统与自动消防系统应实现联动。通过这种方式，自动消防系统将不单单具有被动救援的功能，还能够主动对火灾隐患进行预测，及时通知维保人员检查处理，避免造成巨大的损失。6.风机状态监测与故障诊断技术的发展趋势

（1）向整体系统发展，集中控制，建立大型故障数据库，对风力发电机运行转台进行比对，及时发现故障、解决故障。整个系统向着可靠性、智能化、开放性及与设备融合为一体的方向发展。（2）采集器，作为对振动信号采集的关键部件向高精度、高速度、高集成以及多通道方向发展，精度从8位到12位甚至16位，采集速度从几赫到几万赫，采集方式从等时采样到等角度同步整周期采样方向发展。（3）数据传输，将传感器采集到的数据迅速传输回控制中心，由计算机的串行口和并行口通讯向着网络通讯的方向发展。（4）监测系统，界面更人性化、智能化、友好化，方便用户的观看和操作，融进多媒体技术，实现数据的动态显示。（5）诊断系统，诊断更智能化，可以实现多个故障的诊断，实现在线采集振动数据，实时诊断振动状态的方向发展。（6）数据存储，存储容量更大，存储方式更便捷的方向发展，建立通用安全的、可靠的大型数据库。结语

总之，做好风力发电机故障实时监测、科学诊断，对及时发现问题所在、保障机组稳定运行意义重大。构建故障监测与诊断系统，代替人工实现机组运行的全天候、实时化监测，精准识别故障源、及时采取维修措施，从而让风力发电机得以正常运行。Reference

[1]陈伟伟，许伟，金礼伟，等．基于遗传算法－人工神