黑龙江龙源新能源发展有限公司 黑龙江哈尔滨 150000
摘要：在我国快速发展过程中，人们的生活质量在不断提高，对于电力的需求在不断加大，随着日常生产生活对能源需求的不断增加以及不可再生能源（石油、天然气等）储量的不断减少，可再生能源成为能源及环保领域内的研究和开发重点。在追求环保节能的大背景下，风能发电已经成为一种重要的可再生能源发电方式。目前风能发电技术发展较为成熟，具有一定的商业化发展优势，近年来风电产业规模不断增加，促使大型／超大型风力发电机组的使用数量随着不断增加，需合理地定制风力发电机运维决策计划，以确保风力发电机可靠运行，这就对风力发电机系统的状态监测及故障分析提出了更高的要求。
关键词：风力发电机组；状态监测；故障版隐患排查；故障分析；关键技术
引言
状态监测与故障诊断是排查风力发电机组故障隐患，实现预防性维修的重要手段。本文分析了风力发电机组的构成与状态监测技术，探讨了数学解析模型、信号处理与神经网络三种故障诊断技术的具体应用，并围绕平台装置设计、测控方案设计两个层面进行了基于故障诊断的风力发电系统试验装置设计，以供参考。
1风力发电机组状态监测和故障诊断的意义
风力发电能够缓解国内能源供应紧张的局面，改善能源结构，对于国家环境保护和电力工业的可持续发展具有重大意义。随着国内风力发电行业的快速发展，风力发电机组故障已成为一个不可忽视的问题。通过对风力发电机组的运行状态进行实时监测，能够及时发现机组运行过程中存在的故障隐患；通过提取机组故障信息并进行分析处理，能够诊断机组故障发生的原因并制定有效的处理措施。这对于提高风力发电机组运行可靠性，促进风力发电行业健康发展具有重大的现实意义。
2风力发电机状态监测技术与故障诊断
2.1风力发电机状态监测方法
（１）振动状态监测的实现。作为风力发电机组状态监测的重要手段，通过传感器采用等旋转角采集的方式完成包括轴承、齿轮、机舱部位在内的振动信号的采集后，对振动情况采用幅域统计分析方法进行监测分析，并将监测信号对比正常信号，对于异常会发出报警信号。振动监测设备的使用成本相对较高，通过使用ＦＦＴ分析能够使干扰信息得以有效消除，从而保证获取信息的准确性。（２）检查性能参数。风力发电机组的实际输出功率及其特性是机组运行过程中的必要监控参数，同样通过将监控结果同正常参数数值进行比对分析，对于超出阈值的性能参数判定为风力发电系统出现故障。（３）油液监测。需要定期监测风力发电系统的油液，油液监测包括对油液质量、油滤压降、铁屑、油温等的检查。通常采用离线检查方式完成油液监测，实现对应用油液相关部件运行状况的及时准确地掌握。（４）过程参数监视。不断完善的风力发电机组的功能对状态监测工作提出了更高的要求，将获取的运行过程参数同系统正常运行允许值进行对比，系统在不匹配即异常的情况下发出警报。
2.2平台装置设计
风力发电系统主要由叶轮、主轴、齿轮箱、传动系统、发电机组等部件构成机械结构，利用叶轮将捕获到的风能转化为机械能，经由传动系统传动至双馈电机处，以此完成电能的输出。通过调查分析可以发现，齿轮箱、发电机、风轮叶片等部件为引发系统故障的主要因素，其中齿轮箱的故障诱因多体现在轴承、齿轮轴、箱体与齿轮上，而故障频次最高的轴承故障又以高速平行轴作为最主要的故障诱因。
基于此，本文拟风力发电系统高速平行轴的传动结构为例进行试验装置设计，用以模拟出风力发电机组的故障特征，在考虑到实验室空间、功率等参数的影响下，拟以G58-850kW风力机作为原型，依照γ=7.5的相似因子进行模拟试验装置设计，该试验装置的额定功率为750kW、高速轴输出转矩为3.5Nm、高速轴输出转速为1500rpm、传动链长度为1.5m、主轴惯量为2.64kgm2、发电机惯量为0.002kgm2、等效刚度系数为24.5Nm/rad。同时，驱动源选取一台0.75kW的三相异步感应电机充当驱动源，依次连接平行轴齿轮箱、动态扭矩转速仪用于模拟高速传动级、监测输出轴的转速与扭矩，尾端连接0.75kW三相异步感应电机模拟风力发电机。该试验装置采用电动率封闭结构，充当动力源的驱动电机经由直流母线处获取电能，驱动传动系统运行，发电机产生与电机转轴旋转方向相反的电动磁矩完成加载，将系统中原有的机械能转化为电能，进而依托回馈至直流母线的方式实现电能的再利用，电源模块只需从电网处获取少量电能便可以保障传动机构的正常运行，在节约电能的基础上也有助于提高整体风力发电机组的运行效率。同时，该试验装置能够在封闭系统出现电能过剩问题时，将直流母线中的能量转化为交流电进行反馈，实现对直流母线的保护。当发电机组在制动状态下产生瞬时过高能量时，可借助制动模块将多余的机械能、电能转化为热能消耗掉，以此保护系统的安全，实现风力发电系统故障问题的有效防范。
2.3故障诊断分析
对风力发电机组进行故障诊断时，要根据机组自身结构的复杂性和机组运行环境的特殊性，综合分析各种因素，提高故障诊断结果的准确性。风力发电机组运动部件多、结构复杂，故障诊断比较困难。因此需要更新传统诊断技术，积极应用新技术和新理念，准确诊断各种故障，为故障的解决提供依据。对于风力发电机组的故障诊断，需要准确掌握各类不同的故障现象，根据机组电力参数、振动、压力、形变、磨损、温度等性能特征进行综合分析，完成故障诊断。
2.4神经网络和专家系统的应用
不断发展完善的信息及人工智能等现代技术为风力发电机组的故障诊断提供了强大的技术支撑，现阶段在风力机故障诊断中模糊逻辑、人工神经网络、专家系统等技术的应用正在不断深入，主要包含三种应用方向：模式识别层面，通过神经网络的使用（代替故障分类器发挥作用）完成对设备故障类型的判断及分类；故障预测层面，以动态模型设备为对象采用神经网络完成故障预测过程；知识处理层面，通过混合故障诊断系统的构建（需结合运用专家系统）实现对故障诊断技术应用的有效拓宽。在风力发电机故障诊断中运用神经网络过程中可通过归一化处理方法的使用简化知识的并行联想与自适应推理过程，实现知识库管理难度的有效降低，使在运用专家系统时出现的问题（无穷递归、组合爆炸等）得以有效规避，从而使故障诊断的实时性和准确性得以显著提示。此外需注重对工作人员的培训，使其具备较强的专业素养和能力。
结语
风力发电作为一种可再生能源发电方式，在对其发电机组进行故障诊断和状态监测过程中涉及较多的领域和学科，风能开发过程中对于发生故障若未能及时检修会使风力发电系统的安全稳定受到显著影响。本文主要阐述了风力发电机组监测管理与故障分析方案以及相关状态监测与诊断的技术和方法，需注重对不同学科技术及方法的有效融合，不断提高风力发电机组的监测与管理水平。
参考文献：
[1]贺德馨.中国风能发展战略研究[J].中国工程科学，2011，13（6）：6～13.
[2]王瑞闯，富洪.风力发电机在线监测与诊断系统研究[J].华东电力，2009（1）：190～193.
[3]高阳，潘宏侠，吴升.基于DSP和神经网络的风力发电机齿轮箱远程故障诊断系统[J].仪表技术与传感器，2011，12（1）：67～70.