高鹏

摘 要：风力发电机的状态和人们的生活是息息相关的。对风力发电机状态监测和故障诊断技术进行论述。其中，基于多参量的故障监测诊断技术是重点发展的方向。

关键词：风力发电机；状态监测；故障诊断技术

基金项目：“基于SCADA数据信息融合的风力机叶片履冰诊断与预测技术研究”（19C1374）

由于对风力发电厂的设备和一些重要的关键部件了解不足，风力发电机组如果出现问题，就只能按照制定好的计划维修或者是在发现故障后进行维修[1]。

1 风力发电机诊测时会出现的问题

为了解决问题，需要对机组的信息有更加全面的了解，例如每个部件的电压、电流、温度与振动情况等。通过风力发电机组状态监测和故障诊断系统，获取相关信息后，就可以根据检测结果，采取一些措施，便于实施维修计划。应用风力发电机组状态监测和故障诊系统，可以降低事故发生的概率，进而减少维修费，节约成本[2]。

机械故障和电气故障是在发电机运行过程中比较常见的故障。其中，机械故障的主要表现形式是转子质量不平衡故障、转子偏心故障、轴系不对中故障和发电机振动频率过高等[3]。电气故障的主要表现形式是三相不平衡、绝缘损坏、线圈路短和气隙不均衡等[4]。在风力发电机组中，风力发电机是很重要的一个部件，其运行状况会对整个风力发电机组造成影响。如果在工作中风力发电机产生故障就会影响整个工作的进度。所以，维护工作特别重要，可以防止故障的发生，从而节约成本。

1.1 通过发电机振动、温度和转速等诊断机械故障

发电机输出的电流、电压和功率如果不一样，那就和发电机的机械故障有密切的关系。高频振动一般都是由轴承故障引起的。高频故障的转速很高，达到一千多，要想获得轴承故障特征信号，可以通过振动传感器来取得轴承振动信号，然后对这一信号进行处理，以此解决机械故障中的轴承故障。对轴承故障的诊断可以使用峰值能量法、包络解调法、小波分析法以及基于快速傅立叶变换的故障诊断法。振动频率较低是因为轴系不对准、转子质量不平衡、机座松动等，要想获得这些信息，需要对振动的信号进行滤波、放大处理，然后进行傅立叶交换。在运行过程中也会出现发电机转子偏心故障和发电机定子和转子之间气隙不均衡的现象，这两个故障是由磨损和温度升高等原因造成的。谐波成分很重要，通过对发电机定子输出电流、电压、功率等信号中的谐波成分监测，可以诊断电机转子的偏心故障。当发电机转子和轴承不能正常运转时，可以通过不断的小波变换给发电机的输出功率发出信号。一旦发生了不太严重的机械故障，气隙振动也会被发电机转轴的振动引发，然后发电机转子与定子间气隙磁通出现不平衡。定子的电流解析能够解决转轴的振动故障。

1.2 电气故障发出信号的控制

首先对一些参量的信号开展测验，发出的信号有发电机定子的线圈温度、定子的电压、定子与转子的电流、发电机输出功率以及转子转速等，然后对其进行处理，最后进行识别。要想找到电气不运作的原因，可以使用定子电流检测方式、一小部分放电的监测方式、振动检测法等。转子或定子线圈短路故障根据研究发现是发电机转子、定子线圈绝缘损坏引起的，包括匝间短路、相间短路、层间短路等问题，所以，短路故障监测和诊断是研究的重点。为了监测发电机的状态，可以对电压、电流和转子扭矩进行检测。要想对发电机状态实施更全面的监测，还可以对大气温度和大气压力等进行测量。

在转子电流信号中会出现故障谐波分量，这是由于发电机定子出现了匝间短路，定子电流的对称性被打破，生成一个反向的旋转磁场。对于发电器每匝之间短路事件的检测包括负序的电流、电流的谐波成分、电流Park的矢量运行路距等。在短路匝数比较少时，定子电流变化量微小，这种情况很难检测出谐波成分。定子单相、双相、三相的短路这3种情况被称作相间的短路现象。要想更好地识别发电机的相间短路故障，可以采集发电机的电流、温度和振动等信息。采集和相间短路有很大联系，当发生相间短路时，采集就会产生变化。故障特征也是和短路的时间息息相关的，诊断发电机相间短路的主要方法是基于功率谱密度的故障诊断法、基于离散小波变换的故障诊断法、反向传播（Back Propagation，BP）神经网络法、Elman神经网络法以及概率神经网络（Probabilistic Neural Network，PNN）法。其中，速度比较快的是BP神经网络法；网络结构比较简单的是Elman神经网络；PNN的神经网络的优势为容错能力较强。

2 对故障模拟实验研究的分析

2.1 两种研究途径

双馈的风力发电器故障诊断技术通过风力发电器的数学建模仿真来进行钻研和探讨，钻研的途径主要有两种：故障仿真和实验模拟。创设双馈风力发电器的物理和数学建模时最常见的故障仿真建模方法需要从两个方面来考虑：“场”和“路”。

在“场”这一方面，研究分析时会创建双馈风力发电机的物理建模，这一模型是在有界限的元方法在电磁场分析的ANSYSMaxwell软件中建立的，然后模仿双馈风力发电机平常运作和无法正常运作的状态。但是这一模拟存在一定问题，为了解决这一问题，专家在ANSYSMaxwell中建立双馈风力发电机的有限元模型。要想模拟不同程度的匝间短路故障，就需要将绕组重新分组，然后改变短路匝数和外电路的电阻、电感值。最后的结果就是故障的程度越高，短路支路的电流就会越大，同时，相电流相位差的不平衡度也会越大。

在“路”这一方面，双馈发电机数学的模型是专家们通过多个回路的理论和发电机数学的方程得来的，然后进行双馈发电机的仿拟，经过对比正常和故障的状况，总结出一些信息：和正常状态时的相电流对比，发电机出现故障时大大超过正常状态时的相电流；绕组故障程度越高，相电流越大；绕组故障程度越低，相电流越小。

2.2 風力发电器的仿拟验证分析与探讨

创设风力发电机故障的模拟平台，要想对所有类别故障的诊断算法开展实验，就需要在开展故障信号模拟的同时，开展风力发电机事故的监测和诊视。在此之前有人已经做好了定子不平衡状态或转子不平衡状态的模拟实验，其电阻值需要与定子或者转子相等。实验台可以模拟很多故障，例如传动系机械的不正常运作、发电机的定子绕组短路事故等。创设的风力发电机可以模仿很多事故，其中有定子绕组匝间短路事故、定子不平衡和转子不平衡现象，因为这一实验模仿平台有一个感应的发电机是滑环双馈式的绕线感应发电机。定子和转子会出现一些故障，例如定子、转子在绕组时每匝之间的短路现象、层间短路现象以及相间短路现象等，都能够通过双馈型的风力发电机故障模拟实验平台来开展模拟实验，采用和实际运行的双馈发电机差不多的结构，同时，可以人为进行控制。

3 风力发电机状态监测系统

收集发电机振动的信息，对其进行解析，就可以明确机组所有部件的运作状况，这就是传统风力发电机在线情况监控系统的具体实施方法。外国很多企业的风力发电机状态监控系统都是如此，例如，IMX-W和Turningpoint的在线监控系统，分别是瑞典SKF公司和新西兰况德实仪器公司研制的，国内CDMA-6100状态监测与故障诊断系统和VibDAQ网络化离线监控平台，就是西北工业大学和北京的威锐达监控系统有限公司制造研发的。

如果只采集和分析振动数据，那么对风力发电机会造成诊断不准确的现象。目前，我国已研制出一种能够对发电机状态实现综合监测和故障诊断的系统，就是WT-1型风力发电机状态监测与故障诊断系统，发电机的电气信息和风力发电机组运输链各个部件的振动信号都可以通过这一系统获得和监控，然后把负序电流法、电流谐波成分分析法等常用的电气信号处理方法集中到该系统中。

4 技术的不断发展

风力发电机组对人们的生活越来越重要，也受到越来越多人的关注。风力发电机组最重要的就是可靠性，所以，要求对风力发电的机组进行更好的保养。

将互联网的信息技术、大数据处理技术应用于其中，是在将来的风力发电机组状态监测和故障诊断领域以多参量的故障监视和诊视技术为根本的重要进程之一。振动和功率等信息，可以显示风力发电机的工作状态，对其进行综合解析，就可以全面掌握发电机的工作状态。完善信号盲分离、减小信噪比，是风力发电机状态监测行业信息解决方式的最关键角度。风力发电机故障诊断系统需要得到更深入的应用。

5 结语

风力发电机的状态会直接影响人们的生活质量，希望未来风力发电机状态监测和故障诊断技术能够得到普及。

[参考文献]

[1] 黄树红，李建兰.发电设备状态检修与诊断方法[M].北京：中国电力出版社，2008.

[2] 沈艳霞，李帆.风力发电系统故障诊断方法综述[J].控制工程，2017（20）：789-795.

[3] 趙勇，韩斌，房刚利.风力发电机状态监测与故障诊断技术综述[J].热力发电，2016，45（10）：1-5.

[4] 姚晓燕，张丛杰，闫铁伦，等.一种行之有效的故障诊断新方法[J].振动工程学报，2005，17（增刊1）：326-327.

Analysis on condition monitoring and fault diagnosis technology of wind turbine

Gao Peng

（Hunan Nonferrous Metals Vocational and Technical College， Zhuzhou 412000， China）

Abstract：The condition of wind turbine is closely related to peoples life. The condition monitioring and fault diagnosis technology of wind turbine are discussed. Among them， multi parameter based fault monitoring and diagnosis technology is the key development direction.

Key words：wind turbine； condition monitoring； fault diagnosis technology