摘 要 宁夏地区拥有丰富的风力资源，拥有较多的风电产业，因此对风力发电机组进行研究具有深刻意义。随着风力发电机组的装机量不断增加，运行时间持续增加，风力发电机组出现故障的频率就容易增加，这会严重影响风能的使用率。一旦风力发电机组发生故障，人工检测故障工作量较大且困难较多，为了确保风力发电机组能够正常运行，提高风能的利用率，对风电机组故障诊断与预测就显得尤为重要。本文将综合阐述现有的风电机组故障诊断与预测技术。
关键词 风电机组;故障诊断;故障预测
引言
随着社会的不断发展，人们对能源的需求不断增加，能源受到世界各地的重视。风能作为一种环保能源越来越受到人们关注。风力发电不仅能够缓解能源压力，而且能够保护地球环境，所以作为将风能转化为电能的风力发电机组装备得到快速发展。风电机组投入使用后就需要持续不断的工作，在工作中，故障发生频率就会增多，因此想要风电机组提高工作效率，降低故障发生率，就需对风力发电机组故障诊断与预测技术进行研究，确保风电机组将风能转化为电能。
1 风力发电及风力发电机组发展现状
全球范围内，风能总量丰富，决大多数风能能够转化电能，与水能相比，具有数倍优越性。我国幅员辽阔，风能资源丰富，处于世界前几位，并且风能开发条件高。风能具有较高开采价值、储量多、清洁等优势，是新能源企业研究的方向。目前，我国风力发电技术不断进步，风电企业不断增加。从统计数据来看，我国风力发电机组装机容量不断增多，总装机容量占全球比例较大。宁夏地区作为我国风能资源丰富地区，具有众多开发优势，宁夏地区政府对风电产业支持力度大，拥有丰富的风能资源，并且有较强的机械加工能力，人力资源丰富，培养了较多的高素质风电设计与维护人员[1]。
2 风力发电机组故障特点
（1）叶片故障。叶片是风力发电机组的重要组成部分，是获得风能的主要部件，当风力发电机组处于工作中，叶片所受压力较大，出现故障的频率较大。由于长时间处于空气中，受自然环境影响，叶片容易被腐蚀，这会导致叶片结构不稳定，易脱落。一旦叶片发生故障，首先影响个发电机组的受力平衡，这种受力不平衡将会对发电机舱造成影响，导致机舱颤抖，影响整个机舱的稳定性[2]。
（2）齿轮箱故障。连接风电机组主轴与发电机的重要部分是齿轮箱，主要功能是满足发电机工作所需转速。齿轮箱构造复杂、工作环境恶劣、工作情况复杂，因此故障发生率较高，虽然齿轮箱不是整个风电机组发生故障次数最多的，但是齿轮箱故障带来的影响确是严重的。齿轮箱发生故障时，风电机组停止工作时间较长，而且维修费用较高，所以对齿轮箱故障的诊断收到广泛的关注。
（3）偏航、变桨与刹车系统故障。偏航系统具有两大功能，一是使风电机组能够对风向进行跟踪，二是在跟踪风向时易使从机舱内部引出的电缆发生缠绕，在缠绕过多时，偏航系统可直接解除电缆缠绕问题。变桨系统的主要作用是风速变化时，通过控制叶片角度来调整风电机组，获得空气动力转矩，从而控制功率。刹车系统的主要作用是防止叶片转速过高，以及发生故障时能够及时停止风电机组工作，所以刹车系统所受摩擦力较大，刹车片易损坏，刹车系统也容易出现故障[3]。
3 风力发电机组故障诊断技术
（1）基于振动信号的故障诊断技术。在实际的应用中，这种诊断方法使用次数较大，因为中方法能够对整个风电机组关键部位进行深入检查，例如：齿轮箱、叶片等部位的故障。随着科研人员的不断努力，对不同部件的故障有了不同的诊断方法。当风电机组齿轮箱故障时，可以采用小波神经网络的方法诊断。现阶段，当风电机组发生故障时，主要诊断方式是观察稳态条件下机组的振动信号。
（2）基于电气信号的故障诊断方法。在电动机的故障诊断中，由于设备本身工作时噪音较大，振动信号故障诊断方法难以适应，而且电气信号中存在的与故障相关的信号较弱，所以需要更加先进的电气信号分析技术，提取与故障相关的电气信号，作为故障诊断与维修的依据。
4 风力发电机组的故障预测技术
（1）机械结构系统的故障预测方法。风电机组发生机械故障会影响整个机组的运行，影响发电效率，造成经济损失。齿轮箱、叶片、轴承结构这些机械结构在日常工作中使用频率较高、工作环境恶劣，所以发生故障频率较高，因此需要加强对这类机械结构故障的预测。机械结构系统故障的预测有几方面，一是借助HMM及隐半Msrkov模型对动态部件状态进行分析;二是通过Gamma过程分析设备的运行数据，判断设备的使用寿命;三是通过相对方均值计算设备的性能状态。对机械设备故障的预测需要分析不同的数据，利用不同的模型进行分析预测[4]。
（2）电子系统的故障预测方法。风电机组的电子系统构成复杂，有各个方面的子系统，这些子系统通常故障率较高。随着风电机组的不断发展，电子系统故障逐渐引起人们注意。虽然电子系统故障不会导致较长时间的停机，而且维修相对容易，但是电子系统的维修往往会耗费较高成本。电压过高、电流过大等都会引起电子系统故障，所以对电子系统故障的预测通常较为困难。电子系统故障预测方法主要有四种，一是在产品设计时将自我检测功能植入相关的硬件与软件中，二是构建保护模块，三是实时检测关键电子器件参数变化，四是构建不同环境下的应力或疲劳模型，估计故障程度。
5 结束语
综上所述，通过对风力发电机组故障诊断及预测技术的分析总结，风力发电机组工作环境较差，易出现故障，而人工维修成本过高，需要对故障诊断及预测技术进行研究，以更好促进风电机组顺利工作，提高效率。
参考文献
[1] 高培昱，程珩，赖成，等.风力发电机变桨连接螺栓断裂故障诊断研究[J].机械设计与制造，2018，（7）：134-136.
[2] 任岩，张锴.风电机组传动链综合状态监测与故障诊断技术[J].排灌机械工程学报，2018，36（7）：613-616.
[3] 吴士博，田春林.刍议风电机组的基本结构及易出故障[J].科技展望，2017，（17）：60.
[4] 刘昊，代海涛，黃宜森，等.大型风电机组叶片故障声学诊断技术研究[C].第五届中国风电后市场专题研讨会.第五届中国风电后市场专题研讨会论文集.北京：北京邮电大学自动化学院，2018：11-13.
相关热词搜索： 技术研究 综述 故障诊断 预测 风力发电机组
