风力发电机状态监测与故障诊断技术

风力发电机状态监测与故障诊断技术

黄晓杰

江苏龙源风电技术培训有限公司 江苏省南通市 226600

摘要：随着我国经济的不断发展，我国电力部门也开始重视新能源发电的概念，风能是一种可再生、无污染的能源，再加上我国风能资源非常丰富，因此，风力发电的前景一片光明。但由于风力发电机在日常运行中，由于监测系统不完善，以及风能发电机设备技术水平不过关等原因，造成风力发电机频繁故障，危及员工的身体健康。基于此，本文重点研究了风力发电机运行中出现的故障问题，并对其产生的故障和如何对其进行严密监控和诊断。

关键词：风力发电机；状态监测系统；故障诊断技术

前言

国内对于风力发电机的研究与国外相比还存在一定的差距，由于发电机的价格比较昂贵，其内部部件结构比较复杂，部分零件过大，一旦出现故障，需要运送到更远的专业维修公司维修，这不仅给电力供应造成安全隐患，同时也会浪费大量资金。由于风力发电机一般建在人迹罕至的地方，再加上长时间暴露于室外，常年受雨、雪、雷等影响，容易使大量的风力发电机受损，对我国新能源发电事业造成一定的阻力。因此，有必要对发电机日常监测和故障诊断技术进行研究。

1常见故障

1.1转动叶片的故障

发电机叶片一般长20米左右，在风能的驱动下进行转动，是发电器的动力源，由于长期暴露于户外环境，且日夜不停地运转，对叶片造成极大的伤害，老化速度极快，并出现裂纹，严重时与内部结构接合处失灵，甚至出现断裂的情况。基于这一特点，叶片长度、厚度与材质等选择时，都要有较为严格的要求。在进行修建时，可以适当的提高叶片的厚度，降低叶片的宽度，在进行材质的选择上，可以选用一些如纤维复合型等高分子材料进行叶片的制造，这样可以增加叶片的使用年限，提高风力发电机的工作效率。

1.2发电机保护故障

发电机是主要运行设备，在日常工作中，较易受电磁干扰及过载所引起的发电机内部转子、定子、轴承与齿轮等部件的损坏。发电机的价格比较昂贵，一般电厂都会对发电机采取保护性措施，但是，由于维护不当等因素，设备也易发生故障。

1.3齿轮箱发生的故障

齿轮箱是用作将叶片转换的动能与发电机之间建立联系，为发电机提供能量，一般情况下，叶片转动的幅度很小，需要通过齿轮箱进行加速。齿轮箱主要出现的故障有润滑系统、密封部件、齿轮与轴承等部分由于磨损、损坏、老化等原因而出现的故障。齿轮箱作为风力发电机的核心部件，造价昂贵，一旦发生故障，维护成本很高，也会影响发电机的正常运行。

2故障诊断技术

2.1针对齿轮箱的故障诊断技术

当前，振动测试法已成为国内外齿轮箱故障诊断领域中应用最为广泛、最为严格的一种测试技术，其主要通过检测振动变化，把采集的信息转换成便于观察的电信号数据。要求工作人员能够熟练地掌握传感器与仪器设备的使用方法和测量方法，根据分析得出的数据，对变速箱进行诊断维修。

2.2针对发电机的故障诊断技术

对发电机进行故障诊断时，主要采用了对电流、电压与功率等信号进行故障判别。该方法首先会确定诊断范围，并利用离散傅氏变换（DFT）的快速算法对所采集的电信号进行运算，获得相应的谐波分量，并将所得计算数据与原始数据进行比对，分析故障原因和位置，便于维修人员维修。

2.3针对叶片的故障诊断技术

叶片故障诊断中，主要是以振动测试法为基础，用传感器捕获信号对叶片进行故障诊断，在进行日常监测和诊断之前，首先要记录叶片的原始数据，然后把采集到的波形与记录的原始信号相比较，分析出故障的位置和原因。随着科技的发展，科学工作者采用光栅光缆传感器对叶片进行故障诊断，运用光学传感仪器，通过叶片对其的反馈数据分析，研究不同情况下的叶片的受力情况与原始数据进行对比，可以较直观地诊断出叶片的故障位置。然而，以上诊断方法仍需借鉴原始资料，且诊断时可能会给叶片带来损伤，因此将红外线设备、声波检测相结合，可有效地提高诊断效率，并且不会对叶片造成损伤。

2.4人工智能故障诊断

近年来，为提高智能化故障诊断的正确率，采用基于模糊推理的人工神经网络和专家系统，对滚动轴承振动信号进行采集，并对风力发电机的故障模型进行一致性检验以及归一化处理，能有效确定发电机的故障元器件和故障类型。

结语

综上，国内风力发电技术起步较晚，在研制和开发中存在许多问题，开展风力发电机状态监测系统的研究和故障处理技术的研究，能够有效地提高我国风能发电的水平，减少发电机故障，不但能保障周边居民的安全，而且能确保国家资源的有效利用。要保证工作的可靠性和准确性，就必须进行日常监测。因此科技方面要做好相关软、硬件系统的开发，针对我国目前的情况，开展科学研究，为我国风能发展作出贡献。

参考文献

[1]郜士祥.风力发电机状态监测与故障诊断技术综述[J].湖北农机化，2019,05:48-49.

[2]陈雪峰，李继猛，程航，李兵，何正嘉.风力发电机状态监测和故障诊断技术的研究与进展[J].机械工程学报，2011,47(09):45-52.

[3]王志远.风力发电机状态监测与故障诊断技术分析[J].科技创新与应用，2020(09):158-159.

[4]吴艳标.风力发电机状态监测和故障诊断技术的研究[J].城市建设理论研究（电子版），2018（07）：1.