周 进，房 宁，郭 鹏

(新能源电力系统国家重点实验室(华北电力大学)，北京市102206)

0 引 言

风电机组安装在户外，工作条件恶劣，导致机组的故障率高。通过有效的状态监测和故障诊断方法能够及早发现风电机组部件的早期故障隐患，避免或减小故障带来的损失，对提高风电场运行的经济性和安全性有重要意义。振动分析是风电机组状态监测的重要方法，用来监视如风电机组齿轮箱、塔架等部件的工作状态［1］。文献［2］利用小波分析具有良好的时频定位特性和对非平稳信号的自适应能力，对风电机组传动链振动信号进行分析和处理。为了克服振动信号调制载波边带重叠和测量噪声的影响，文献［3］首先采用经验模态分解(empirical mode decomposition，EMD)将非平稳的风电机组振动信号分解为基本的固有模态函数，然后对其采用希尔伯特变换，以达到精确识别故障的目的。但在上述文献中，仅对某部件本身的振动信号进行了分析和处理。实际上，风电机组各部件之间存在着严重的机械耦合关系，如叶轮气动特性变化时，塔架受到的载荷会发生变化，进而塔架振动会发生变化［4-9］。本文以某风电场数据采集与监控系统(supervisory control and data acquisition system，SCADA)运行数据为基础，对塔架振动及其影响因素进行详细的分析。采用相对主元分析方法(relative principal component analysis，RPCA)建立塔架与其影响因素之间的关系模型。通过计算监控统计量Hotelling T2(简称T2)和平方预测误差SPE(squared prediction error)的计算实现塔架振动运行数据的分析挖掘，从而实现对其的状态监测与故障诊断。……