卢永 许明亮 王应智 陈浩天

摘要：近年来，我国综合国力在多方面利好因素的影响下得到了全面的发展，从而为各个领域的发展壮大带来了诸多的机遇，与此同时也推动了风力发电领域的发展。在风力机组运转过程中，转子叶片的旋转速度往往会受到自然界风速的转速的影响，在遇到阵风的时候，叶片在风力的影响下平衡的状态往往会遭到破坏，所以会造成叶片会受到多种作用力的影响，最终会对整个机组的所有部件的运转造成一定的制约，在实施人工检修的时候也会遇到很多的困难，所以针对风电机组故障诊断和预测技术进行综合分析研究是具有较强的现实意义的。

关键词：风力发电;机组;故障诊断;预测技术

引言：就现如今实际情况来说，能源是人类生产生活的重要基本保障，所以受到了人们的重视，在很多地区已经出现了能源斗争。风力发电能够切实的缓解当前能源紧缺的问题，并且其因为具有良好的清洁型的特征，所以也于当前全面推行的环保工作相统一，风力发电适合大范围的推行。

一、风力发电及发电机组发展现状

就现如今实际情况来说，全球的风能量为2.74×109MW，可以转变为可用的能量为2×107MW，超出了水能的九倍。风能拥有良好的开采价值，其存储量十分的丰富，并且具备清洁型的特征，是当前新能源企业的主要研究领域。现如今我国风力发电技术还在不断的发展，发电机装机容量也随之逐渐的扩展，相信在不久的将来，这项技术的运用成本也会有所降低。结合相关数据分析来看，我国我国（除港澳台地区）新增风力发电机装置的容量达到了19.66GW，累计装机容量188GW。就当前全球情况来说，我国新增装机容量在世界中的占比达到了百分之三十七，处在世界领先的位置。这就充分的说明了我国风力发电事业正在不断的发展壮大，在国内新疆地区是我国风力发电的主要场所，每年的风力储备粮达到了9127亿KW，这个地区建造了我国最大的风能发电基地，总体装机容量已经达到了12.5万千瓦，单机1500千瓦。当下，新疆地区也在逐步的加强对风力资源的利用力度，风力发电必然会成为我国未来发展中的主要新型能源[2]。

二、风力发电机组的故障诊断技术分析

1.基于振动信号的故障诊断技术

当下，利用振动信号对风力发电机组中的叶片、齿轮箱、轴承等重要结构部件实施监测和故障诊断的方法在我国已经达到了较为成熟的水平，相关研究人员结合风电机组的故障特征，借助小波神经网络方法对风电机组齿轮箱实施故障排查，主要是围绕风电机组的微弱故障信号，结合风电机组齿轮箱的故障特征。借助谱峭度能够更加精准的对星齿轮箱故障情况加以判断，利用频率调节方法判断行星齿轮故障的根源，随后针对风电机组振动信号采用适合的方法来实施降噪，借助专业的学习方法对风电机组的前期微弱故障加以诊断。其次，针对叶片故障实施诊断，其实质就是经过分析压电陶瓷传感器监测到的振动信号来实现诊断的目的[3]。

2.基于电气信号的故障诊断方法

与振动信号相对比来说，电气信号中与故障存在关联的内容相对较弱，并且往往也会被电机原有的电气信号所影响。所以需要将先进的科学技术加以合理地运用，在电气信号中对与故障存在关联的信息加以利用，结合电机、转子动力学模型，对风电机组故障加以综合分析。电机的动力学模型能够将电流信号与电机系统的扭矩波动存在的关联关系加以综合判断，借助模型能够对齿轮箱故障与电流信号之间所存在的关系进行模拟，这样就可以高效的对电机传动系统故障的根源加以明确，最后借助维纳滤波来将电流信号的噪声加以清除，结合统计过程控制图能够对电机轴承故障加以高效的诊断。结合轴承故障情况对于轴承的故障加以综合分析。在针对直流无刷电机转子故障进行分析的时候，可以借助加窗Fourier变换以及Wigner-Ville分布，运用动态分析的方法结合电流信号来完成诊断。专业人士通常都是利用同步采样的方法，从电流信号中对故障特征加以綜合分析，利用关联维数进行推算，从而能够准确的对风电机组故障加以判断[4]。定子匝间短路故障的判断，通常都是利用隐马尔可夫模型的阶次，创建HMM故障诊断模型来实现既定的诊断目标。齿轮故障的诊断，可以运用调制信号双谱分析方法来加以完成。针对转子断条电机和偏心故障的诊断需要保证相关技术具有良好的专业水平。

三、风力发电机组故障预测技术的研究与探讨

1.对风电机组中机械结构系统的故障预测方法探测

风电机组的早期故障，预测机械结构的剩余寿命，可以大大提高风电机组运行的可靠性，降低维修费用。故障预测与故障诊断有相通之处，因此，风电机组的振动数据也可以应用到故障预测中。根据风电机组固有的结构特性和功能特征，应用振动数据可以对发电机轴与轴承、齿轮箱轴与轴承、塔筒等机械传动与支撑部件进行故障预测。首先要连续地录取运行中的风电机组的振动数据，然后对数据进行特征分析，提取时域信号或是频域信号，其中频域信号的特征值对故障更为敏感，再根据统计学规律设定预警以及告警阈值，最终以特征值的发展趋势作出预测。对齿轮箱油位、发电机电气量、叶片应变、传动链转矩、噪声等的监测，可以实现相应部件的故障预测[5]。

2.风电机组中电子系统的故障预测方法

近年来，风电机组单机容量不断的扩展，直驱式风电机组的市场得到了有效的开发，电子系统故障的问题越发的受到了人们的重视，尽管对机械结构故障相对比来说，电子系统故障所引发的停机情况持续时间较短，后续维修较为方便，但是故障造成的不良后果较为严重，往往需要投入大量的维修资金。

结语：总的来说，当下以及未来对风电机组的故障诊断技术和预测技术的要求会不断的提升，为了保证风电事业的未来持续稳定发展，还需要相关行政机构增强投资力度，对于风电发电机组故障诊断和预测技术进行深入的分析研究。

参考文献：

[1]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，2019（12）：155-156.

[2]朱振海.风力发电机组故障诊断与预测技术研究综述[J].工程建设与设计，2018（18）：63-64.

[3]杨巍.风力发电机组故障诊断与预测技术研究综述[J].工程建设与设计，2018（04）：77-78.

[4]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，2017，38（05）：1041-1053.

[5]刘敬智，宋鹏，白恺，姚万业，杨伟新.风力发电机组故障预测技术研究[J].华北电力技术，2016（12）：49-54.