大型风力发电机组故障诊断综述

大型风力发电机组故障诊断综述

发表时间：2018-05-22T10:02:18.487Z 来源：《基层建设》2018年第5期作者：李育波[导读] 摘要：近年来随着经济的不断发展，大型风力发电机组故障诊断的要求越来越高。国投白银风电有限公司甘肃兰州 730070 摘要：近年来随着经济的不断发展，大型风力发电机组故障诊断的要求越来越高。本文通过分析大型风力发电机组故障诊断方法，探讨及分析了风电机组故障诊断未来的发展方向。关键词：大型风力发电机组故障诊断引言：近年来，作为绿色、可再生能源的风能已成为解决能源污染问题必不可少的重要力量，截至2015年底，全球风电总装机容量已达427.4GW，其中陆上风电装机市场，中国仍居榜首。风力发电迅速发展带来巨大市场机遇的同时，也带来了巨大挑战。一方面，风电机组的工作条件十分恶劣，长期暴露在风速突变、沙尘、降雨、积雪等环境下，造成了风电机组故障频发。

1风电机组定性故障诊断方法和内容基于定性经验的风电机组故障诊断是一种利用不完备先验知识描述系统功能结构，并建立定性模型实现故障诊断过程的方法。大型风力发电机组故障诊断主要包括了2个方面，一个是风电机组定性故障诊断方法，另一种是风电机组定量诊断方法，这两种方法相辅相成。基于定性经验的风电机组故障诊断是一种利用不完备先验知识描述系统功能结构，并建立定性模型实现故障诊断过程的方法。基于ES风电机组故障诊断方法的基本思想是：运用专家在风力发电领域内积累的有效经验和专门知识建立知识库，并通过计算机模拟专家思维过程，对信息知识进行推理和决策以得到诊断结果。

1.1故障树分析法 FTA 是以故障树逻辑图为基础的一种演绎分析方法，20世纪60年代由美国贝尔实验室提出，既可以用作定性分析又可以用于定量分析。该方法以图形化为表达方式，从故障状态出发，逐级对故障模式和故障部件进行分析推理以确定故障原因和故障发生概率。其中，风电机组故障诊断大多是将其作为定性诊断方法进行分析。为获得清晰、形象地故障原因和宝贵的专家经验，并提供专家级的解决方案，文献结合FTA技术与专家系统应用于风电机组齿轮箱故障诊断中，结果表明该方法对专家库的依赖程度过大。提出了基于FTA的风电机组传动链故障诊断方法，采用框架结构的混合知识表达方式，建立了基于故障树的智能诊断系统。

1.2符号有向图（SDG）方法符号有向图SDG是基于定性经验或基本定律的一种故障诊断技术。可实现正、反向推理，在缺乏知识的详细过程背景下，能够捕捉有效信息并结合相关搜寻策略准确、快速地检测和定位故障。风电机组故障部件的检修顺序对降低风场运营成本起着举足轻重的作用，根据风电机组各部件的相互作用机理，建立了SDG故障诊断模型，并采用关联算法安排检修顺序，但文中仅仅针对控制回路较少的情况展开研究。结合SDG和模糊逻辑方法应用于风电机组故障诊断中，并采用了层次分析法设计故障诊断系统，有效地抑制了分辨率低等问题。基于SDG的风电机组故障诊断不要求完备的定量描述，能充分利用系统结构和正常运行条件下的不完全信息，但系统复杂程度的增加将导致SDG支路数和节点数之间复杂关系的增加，造成故障诊断的实时性和精准度较差。因此，该方法较少应用在风电机组故障诊断中。 2风电机组定量故障诊断方法

2.1基于解析模型的方法基于解析模型的故障诊断适用于观测对象传感器数量充足且具备精确数学模型的系统，通过与已知模型进行分析对比从而达到故障识别的目的，主要包括参数估计法、状态估计法等。文献建立了三叶片水平轴风电机组基准模型，采用 5种不同的故障监测与隔离方案评估了7种不同的测试系列，取得了较为满意的结果，但是基准模型的简单化不能体现风电机组的复杂功能。文献在考虑未知执行器增益和延迟两种情况下，提出了基于离散时间卡尔曼滤波器和交互多模型估计器的风电机组转换器故障诊断方法。以三叶片水平轴风电机组为研究对象，利用改进未知输入观测器方法进行故障识别，实现了干扰解耦和噪声降低的效果，提高了诊断精度，但该方法的自适应能力不强。

2.2基于数据驱动的方法基于数据驱动的诊断方法包含2种方式1分析处理监测信号以提取故障特征；2直接利用大量相关数据进行推理分析并得到诊断结果，主要包括信号处理法、人工智能定量法与统计分析法，是目前风电机组故障诊断所采用的主流方法。 3风力发电故障诊断系统为提高风场经济效益，改善运维现状，越来越多的机构致力于研发风电机组在线故障诊断系统，已经取得了许多卓有成效的成就，主要针对风电机组的关键部件，包括机舱、基础、塔架、叶片、齿轮箱等。数据采集与监控系统是目前较为成熟的商业软件之一，除了通过分析收集到的数据预测轴承和其他机械等最基本的故障以外，该系统还具有控制发电应用数据的作用。为提高风电机组故障预测精度，产生了许多结合SCADA数据进行状态监测的系统。其中通用电气的风电状态监测系统采用傅里叶频域和加速度包络分析机组运行信息，并对主轴承、发电机、机舱、齿轮箱等关键部件进行故障诊断，达到了每年每台风电机组节省 3000 美元的效果。Mita-Teknik的状态监测系统使用傅里叶振幅谱、傅里叶包络谱、峭度值分析等方法分析振动信号以判定主轴承、发电机、齿轮箱等部件的故障，大大地提高了机组的运行效率。为配合管理人员、操作人员和维修工程师的工作任务，斯凯孚的

3.0状态监测系统采用傅里叶频域分析、时域分析和包络分析等方法确定风电机组的故障类型，但该系统对风电机组主传动链的监测不太全面。相对国外而言，国内风力发电监测技术比较落后且故障自诊断技术较为不成熟，导致目前该系统以状态监测为主，并辅以专家远程人工分析，实现机组的故障诊断及其定位。主要有东北大学、华中科技大学的“风力发电在线监测和故障诊断系统”，以及金风科技公司的“风电机组在线监测系统”和唐智科技的风电机组在线故障诊断系统”等。

4结束语：随着大功率风电机组的快速发展和并网运行，对其运行可靠性与系统稳定性提出了更高的要求，必将促进风电机组状态监测、故障诊断和智能维护技术的进一步发展。任何一种单独技术或绝对方法都无法解决风电机组所有故障诊断问题，因此，采取多种技术方法相结合，取长补短实现风电机组的故障诊断将逐步成为未来的研究热点。参考文献：