风力发电机组故障诊断与预测技术研究综述

风力发电机组故障诊断与预测技术研究综述

李雄

国电电力湖南新能源开发有限公司 湖南省长沙市410000

摘要：近年来，我国对电能的需求不断增加，风力发电机组建设越来越多。大型风电机组运行环境非常恶劣，且相对复杂，容易出现各种故障。本文首先对风力发电机组故障诊断技术分析，其次探讨了风力发电机组故障预测技术，以供参考。

关键词：风力发电机组；故障诊断；预测技术

引言

大型风力发电机组的发电机、主轴、齿轮箱等主要传动部件都采用滚动轴承，而旋转机械故障中约30%是由滚动轴承引起的，风电机组传动链的主要故障很大一部分是由滚动轴承出现磨损、裂纹、疲劳、腐蚀、胶合、保持架损坏等问题造成的，因此及时准确开展滚动轴承振动监测和故障诊断能够有效提高风电机组的安全稳定性。

1风力发电机组故障诊断技术分析

1.1基于振动信号的故障诊断技术方法

风力发电机组的系统构成相对比较复杂，其中发电机组的叶片、主轴承、发电机、塔筒等关键性部位在运转工作过程中会生成相应的振动情况。通过对关键性部位进行震动监测，属于1种比较常用的故障诊断工作方法。传统方法有3种：①加速度传感器法是将加速度传感器安装在结构物上，测量其在振动时的加速度，通过加速度积分求位移，此方法的缺点是加速度两次积分后位移误差较大；②位移传感器是1种接触性传感器，对于难以接近的点无法测量；③全站仪自动扫描法存在以下缺陷：环境条件差时不能观测（台风、下雨等），各测点不同步，大变形时不可测，实时性差，效率低。改进方法，可采用加速度传感器与RTK融合分析，利用RTK高精度定位的特性，并通过算法还原风机塔筒姿态，在塔筒中心位置归零时初始化加速度传感器，从而消除加速度传感器的累积误差。

1.2时域方法

风力发电机组滚动轴承振动信号基本表现形式分为时域信号和频域信号。目前常用的时域故障诊断方法是特征参数分析法，特征参数会随着滚动轴承故障的出现和加深而发生特定的变化，其中均值、绝对均值、有效值、平均功率、方根幅值、峰值、峰峰值显示了时域上的幅值波动和能量波动情况；方差、标准差、偏斜度、峭度、波峰指标、波形指标、裕度指标、偏斜度指标、脉冲指标和峭度指标表征了时域信号的波形分布情况。时域特征参数诊断监测方法是针对振动信号数据的统计分析，风电机组滚动轴承在实际运行中有相当一部分时间为非稳态运行，且伴随着环境噪声等问题，此时时域特征参数仅作为故障诊断的一般性指标，很难凭时域特征参数确定故障类型、故障位置等关键信息。时域诊断方法多作为辅助诊断形式，与频域及时频域诊断方法相结合，简单快速进行诊断的同时，可确保诊断结果的准确性。

1.3故障诊断系统的体系结构

（1）提供基础信息。其中包括：标准故障编码，轴承数据库，专家知识库，故障特征库等；（2）提供信号分析系统。能够提供大量的信号分析工具包，通过插件形式或页面链接方式直接调用，来展示各类分析图表；（3）提供关于设备状态的综合评价。通过监测设备的各类动态信息，对信息进行预处理和特定故障征兆，用于提取算法，进而判断设备的运行状态，最后得出结果；（4）提供设备故障的专家诊断结果。通过系统内的专家知识库进行故障推理，必要时启动人机对话方式来认定故障；（5）给出维修建议。对于设备有劣化倾向的可以提供监测和保养要点，对于设备已有的故障可以提供维修建议。

2风力发电机组故障预测技术研究分析

2.1风电机组机械结构系统故障预测方法

针对风力发电机组在早期运行工作过程中存在的各种问题，主要是对风电机组的机械设备结构使用寿命进行判断，可以全面提高风电机组运行工作的安全性和稳定性，降低后续机组的维修工作费用。故障预测和故障诊断工作之间有着相似之处，因此风电机组的振动数据参数数据也可以直接使用到故障预测工作当中。根据风电机组在运行工作过程中所具有的结构特性以及功能特点，通过振动数据的合理使用可以实现对发电机组的叶片、主轴承、发电机等重要的机械传动部位，以及结构支撑部位功能问题进行全面预测和分析。首先，需要连续录取运行工作过程中风电机组产生的震动参数数据，然后分析数据特征，有效提取时域信号或者是频率信号，其中频率信号信息的特征值，对故障问题的表现更加敏感。根据统计学的工作规律设定出特定的参数预警数值以及报警数值，可以对风力发电机组运行过程中产生的严重故障问题进行合理预测。

2.2风电机组用润滑脂

国内科研工作者通过研究并借鉴国外风机润滑脂性能指标制定了我国的风力发电机专用润滑脂国家标准，包括轴承润滑脂国家标准和开式齿轮润滑脂国家标准。轴承润滑脂包括风力发电机组主轴偏航变桨距轴承润滑脂、风力发电机组发电机轴承润滑脂，开式齿轮润滑脂主要用于偏航和变桨齿轮。通常一台风机上选2～3种润滑脂，可以满足风机传动部分轴承和齿轮的润滑。风力发电机轴承脂通常用复合锂基脂作为润滑剂，风机通用复合锂基润滑脂通常由羟基脂肪酸锂皂与低分子酸锂盐复合生成的复合锂皂稠化合成基础油并加入高性能复合添加剂添制备的润滑脂，满足苛刻环境下风电轴承和齿轮的润滑需求，具有好的泵送性能、剪切性能、高的承载能力和好的抗磨性能、低温启动性能和高低速性能以及良好的耐腐蚀性能。

2.3基于设备故障模型和大数据神经网络预测方法

基于风机设备故障机理模型和基于大数据神经网络等AI诊断技术融合，建立核心设备数字化模型镜像，得到了任意时刻该设备的真实运行状态和理论上应该具有的状态对比结果。和常规报警策略相比，提升了设备异常参考基准值的准确性，改善了异常记录和报警的准确性，实现故障预警、定性、定位、危害性评估，提供有效运维检修方案。以系统、设备、参数为主线，按重要程度进行分级分类，对过程报警进行整合，形成精确报警，避免大量误报警。同时，提供越限预警、故障主因诊断、辅机设备及部件劣化趋势等报警提示信息，为运行人员赢得故障处理时间，提高机组运行水平。通过对实时数据库中存储的海量历史及实时数据进行自动挖掘，软件自动根据不同工艺系统的设备特征进行离线或在线建模。可将机组实时运行数据代入机组及工艺系统的工况预警模型中进行运算和分析，得出不同工艺段、设备参数及工艺子系统的运行故障诊断及事故预报信息，对设备的健康状态异动和潜在故障进行早期预警，自动发现各种潜在的故障关联点。

结语

随着风力发电机组的不断发展和大量投产，对风力发电机组滚动轴承振动故障诊断的及时性和准确性提出了更高的要求。目前在风力发电机组滚动轴承振动故障诊断领域，信号处理技术方法已经得到了充分的开发利用。实际工程应用中，每种分析方法都存在优缺点，结合多种分析方法在不同阶段不同方面的优势，衍生出一种甚至多种适应性更广、实用性更强的振动故障诊断方法，同时能够提取到的多类型、多尺度、多来源信号的特征量，实现全方位信息融合的振动故障诊断技术是重点研究方向，其中非稳态信号分析方法在实际应用中依然存在许多亟待解决的问题。未来，有效融入数学、材料学、力学、人工智能等众多学科的优势，将进一步推动当前滚动轴承振动故障诊断研究向更高水平发展。

参考文献

[1]周剑平，李世民.光伏、风力发电助推甘肃省经济发展和实现“双碳”目标[J].太阳能，2022（4）：13⁃18.

[2]孙荣富，徐海翔，吴林林，等.中国区域低温天气及其对风力发电影响的统计[J].全球能源互联网，2022，5（1）：1⁃10.

[3]李辉，胡姚钢，李洋，等.大功率并网风电机组状态监测与故障诊断研究综述[J].电力自动化设备，2016，36（1）：6⁃16．