风力发电机组的状态监测与诊断

风力发电机组的状态监测与诊断

杨博

身份证号码：2323011985****1110

摘要：经济的发展，促进社会对电力的需求也逐渐增加，这有效地推动了电力企业的发展。“双碳”战略目标背景下，我国对于可再生清洁能源的使用愈发重视，风力发电逐渐成为主流供电方式。与火力发电、核发电相比，风力发电更加清洁、健康，在为社会提供优质电能的同时，能够维护环境健康，促进生态的可持续发展。但由于风力发电机组结构十分复杂，再加上叶片长时间受外力作用，因此很容易出现各种故障，降低了风力发电的安全性和稳定性。因此，如何对风力发电机组的故障进行有效诊断并精准预测，是当前风力发电行业需要研究的重点问题。

关键词：风力发电；机组；故障诊断；故障预测

引言

随着社会时代的进步与发展，电力逐渐成为人们生产生活中不可或缺的一种能源，且人们对于电力的需求不断增加，促使人们对风力发电机组安装工程的质量要求也越来越高。但从当前风力发电机组安装工程的建设现状来看，在风力发电机组的安装过程中通常会发生一些安全事故，这不仅会使相关施工人员的人身安全受到一定威胁，还会严重影响到工程建设的整体质量，从而造成巨大的经济损失。

1风力发电机组常见运行故障

1.1叶片故障

风力发电机组中叶片是其主要构件之一。机组在工作过程中叶片将承受十分巨大的压力，由于机组全天候运作，因此叶片承受的压力会伴随在机组运行全程，是最容易出现故障的构件之一。比如，叶片运行时会和蒸汽和空气接触，在压力的影响下会加快叶片腐蚀，从而出现陀螺的问题。当叶片运作时间过长时，内部配件容易出现松动的问题，从而导致叶片连接不稳定，引发故障。如果叶片受外力影响产生裂纹及形变，将释放出高频瞬态的声发射信号，此信号是叶片损伤评估的主要途径之一。当叶片出现故障后，将导致叶片的转子受力失衡，此种受力会通过主轴传送到机组内部，从而导致机舱出现震动，轻者导致局部故障，重者导致机组基础失衡。

1.2风力发电机组事故处理预案不完善

由于海上风电场不受气候条件的影响，因此在风电机组发生故障时可以有效快速完成故障处理工作，并且减少损失，但是中国在海上风电机组故障处理预案中没有明确划分事故情况下的责任和分工，容易出现事故后责任不清的情况。例如在风机设备发生故障时，如果事故处理预案中出现误操作，会造成电机烧毁的情况发生，从而对于风电机组存在较大的安全隐患，这种情况下企业就需要对发生故障及后果进行合理的分析研究并制定相应的应急处理预案，避免给企业带来经济损失。例如在风电场发生风机故障的时候，风电场应该做好相应的应对措施，将风力发电机的发电功能进行有效利用和保护。但部分风电场未制定相应的应急预案，导致事故处理无法按计划进行完成。例如对风电机组出现故障后的应急措施没有明确规定该如何处理。由于应急处理预案不明确所以导致了在风力发电机组发生故障时就无法进行处理，甚至可能会引发人员的伤亡事故。

1.3机组系统的故障

目前，偏航系统的功能包括风向跟踪和解除电缆缠绕两种。前者可引导风电机组对风向进行追踪，最大限度提高风能的接受比率；当机组对风向进行跟踪时，很容易出现电缆缠绕的问题，因此偏航系统会判断电缆缠绕的严重程度，当超过阈值后会自动解除缠绕。当偏航系统发生故障时，继续风向跟踪与电缆缠绕解除功能失效。

2风力发电机组故障诊断技术

2.1科学做好风力发电机组安装安全生产技术保障措施

若想有效加强风力发电机组安装工程建设的安全管理，相关工作人员还应当积极做好效应的安全生产技术保障措施。施工人员展开具体的施工安装操作之前，应当提前查询和了解当地的天气预报，避免在极端的天气下进行安装操作。当自然风速超过8m/s时，安装人员的应当禁止进行叶片和叶轮起吊作业。此外，在起吊物件时，安装作业人员还应当将物件提升到离地面一些高度，并要再三确认和检查，无异常现象后方可继续提升。放置物件时也应当缓慢的下降，且相关操作人员还应当确认物件是否放置平稳。

2.2基于大数据人工智能技术的故障诊断方法

信息时代的到来让大数据技术和人工智能技术渗透到各行各业当中，在机组的故障诊断当中采用机器深度学习技术和3D建模技术能够充分利用智能预警系统对风机设备的异常情况进行实时监控和定期扫描，在故障出现的初期进行识别并及时预警，有效降低了设备损坏和非停损坏的情况发生。以风机设备为核心的检测系统能够针对机组的核心设备、控制系统、传感器以及主要参数进行实时监控，通过机器深度学习来进行设备故障的识别，确保参数恶化、参数越限、启停状态异常、设备异常等故障和其他紧急情况能够进行及时的预警，进而减少非计划性的突发停机情况所造成的成本损失以及隐藏的发电性能不达标造成的损失，充分利用远程监测中心来构建资产风险预警中心（见图1）。

图1 大数据预测告警+智能诊断分析

2.3风力发电机组各类情况测试

由于风电机组的各类故障数量庞大，不可能在有限的时间内对所有故障一一测试，可根据故障列表选择其中一些具有典型性的常见故障进行测试，如传感器类故障、通信类故障等。此外，有一些非故障类的停机，譬如环境温度超过机组设计运行温度等，均需予以考虑。另外，随着定制化风电新技术的运用，如避共振穿越控制技术、独立变桨控制技术、雷达前馈控制技术等，均需予以考虑，并对这些新技术在机组中的实现和运用效果进行验证。

2.4风电机组机械结构系统故障预测

风力发电机组运行过程中容易出现诸多故障问题，例如叶片故障、电机故障、齿轮箱故障等。相较于电气结构，风力发电机组的机械结构故障更为严重，不仅关系着风电机组运行的稳定性、安全性，并且一旦发生机械故障，还会产生高额的维修费用。因此，对于风电机组机械结构故障的预测显得至关重要。与故障诊断不同，故障预测主要是通过日常监测发电机组的运行状态、运行数据从而对可能发生的故障进行分析，并采取相应措施防止故障或降低故障发生率。二者虽然存在本质上的区别，但也有一定的相似之处。例如，在预测风电机组机械结构故障的过程中，可以参考风电机组的振动数据。风电机组运行过程中，不同结构都有其独特的功能和特性，因此通过对振动数据的监控分析，能够全面预测发电机组的机械部位可能存在的功能问题。首先，风电机组日常运行过程中，需要定期收集风电机组振动所产生的参数数据；其次，对收集到的数据进行深度分析，提取其中的频率信号、时域信号。通过分析信号的特征值，能够精准确定机组机械结构各部件的运行状态，发现可能存在的故障问题；最后，以统计学理论为基础，根据风电机组的运行规律制定报警数值，进而在保证不影响机组正常运行的状态下对可能发生的严重故障问题进行精准预测。

结语

综上所述，中国风力发电机组安装工程施工质量问题在风电开发及运维环节中一直都存在，且其存在的危险性也非常大。现阶段，为满足“双碳”战略发展目标，风力发电逐渐成为主流供电方式，为保证风电机组的稳定运行，亟需制定一套高效、精准度机组运行故障、预测方法。

参考文献

[1]金晓航,孙毅,单继宏,吴根勇.风力发电机组故障诊断与预测技术研究综述[J].仪器仪表学报,2021,38(5):1041-1053.

[2]陈琛.基于PHM技术的风电机组状态监测与故障诊断方法研究[D].石家庄铁道大学,2019.

[3]陆鹏.基于关键数据挖掘的风力发电机组故障预测与诊断技术研究[D].昆明理工大学,2020.

[4]邢海军.风力发电机组故障诊断与预测技术研究综述[J].化工管理,2021(12):155-156.

[5]王兆心.风电机组在线智能故障诊断技术发展趋势[J].建材发展导向（上）,2020,17(5):374.