风力发电机组故障特点及诊断

风力发电机组故障特点及诊断

张濠智

山东龙源新能源有限公司；山东济南；250000；

摘要:风力发电机组故障诊断技术的主要方向包括信号分析处理技术、故障机理研究、故障特征提取。经过长期研究，风电机组常见故障类型、机理初步明确，且形成了相对成熟的信号分析方法，可精准识别故障。风力发电机组故障提取，基于信息有线或无线传输，通过传感器获取有用信息，为精准识别目标的实现奠定了基础。智能传感器的成熟及其广泛应用，促进了风力发电机故障监测诊断技术的发展。

关键词：风电机组；故障特点；诊断技术；

1风力发电机组故障特点

1.1叶片故障

叶片是风力发电机组的主要零件，也是风力发电机组获得风能的关键。正常工作状态下，叶片会承受较大的应力，易产生设备故障。风电机长期运行时，在空气蒸汽、雨水等因素的影响下，叶片被锈蚀，表面粗糙程度增加，结构松散度提升，导致其稳定性下降。外力作用影响下，叶片变形或裂纹，工作时会释放高频瞬态声发射信号，基于此进行信号检测，评估叶片损失状况，反馈其质量问题。风力发电机的叶片失效，则转子叶片受力不均衡，主轴传递应力对机舱产生冲击引发机舱颤振，使其结构稳定性明显下降。

1.2齿轮箱故障

齿轮箱是风力发电机主轴连接的关键部件，通过提高主轴转速来确保发电机正常工作，其基本结构包括行星齿轮和两级平型齿轮。齿轮箱的工作环境恶劣，长期高速运转中齿轮箱中的行星齿轮与轴承之间摩擦易出现损伤。在正常运行的过程中，风力发电机组易遭受冲击荷载与交变应力的影响，滑动故障频发，齿轮磨损严重，虽然出现的几率较小，一旦出现齿轮组故障将会直接导致风力发电机组停运，增加维修成本，影响机组正常运行。由此可见，齿轮组故障诊断是风力发电机组设备故障诊断的关键项目之一。

1.3电机故障

根据电动机故障类型差异，可将风力发电机组电动机故障分为电气故障和机械故障两类。其中，电气故障包括短路、过热、短路等，机械故障包括损坏、轴承过热、严重磨损等。通过风力发电机组故障诊断技术的合理应用，借助电机电流、振动、温度信号分析，可精确评估电机故障类型。双馈风机额定转速为1500r/min，为确保风力发电机组正常运行需提高风机齿轮箱转速，确保机组运行质量，但发电机的过速运行可能导致噪音污染。

1.4偏航和制动系统故障

偏航系统可使风机动态跟踪风向，并为电缆从机舱绕组中拉出提供便利。实际应用中，绕线量过大可通过偏航系统的合理应用加以解决。变桨距控制系统根据风速变化对叶片角度进行调整，从而有效控制风力机，实现对气动转矩和有效功率的调整。风机运行过程中出现风速过高或风机故障时，通过对叶片状态的调整达到制动效果，防止转子叶片过速旋转。而如果其他风机部件出现故障，则可以直切断风机电源明确故障类型并加以维修。制动系统摩擦片过度摩擦和作用力过大，可能导致突发故障。

2风电机组的故障诊断技术

2.1齿轮箱

齿轮箱位于发动机室内，是风力发电机组正常运行不可或缺的部分，是确保叶片在风力作用下产生的功率转移至高速发电机的关键设备。齿轮箱高速运转过程中产生大量热量，齿轮和轮承是最易出现故障的部位。

现阶段，基于振动信号的故障诊断方法相对成熟且应用最广泛，精确度较高。基于时域波形的故障检测技术通过对传感器获得的振动信号数据提取与分析，明确故障类型。功率谱分析是风电机组故障诊断的有效工具之一，可通过对机械振动的识别初步判断故障部位。实际应用中我们发现，不同检测手段的适用情形有所差异，齿轮箱振动信号平稳性差，可运用时域分析法发挥出频域和时域分析的优点，提高故障检测的准确性。目前，基于时域分析法的风电机组故障诊断技术包括倒谱分析、经验模态分析和傅里叶变换分析等。

小波包分析可初步实现齿轮箱振动信号的提取并判断故障类型，通过相关数据与特征值匹配及BP神经网络的契合，实现对齿轮故障的精准识别。小波包时频分辨率小于小波变换的时频分辨率，故适应性更强。峰度值与冲击信号关系密切，是反映概率密度的有效指标，振动信号概率密度接近正态分布，工作状态下若轴承损伤，则峰度增大，轴承无法正常工作。通过对峰度检测信号的识别，获取冲击分量实现故障类型及其诱因的分析。

温度测量是风电机组故障检测与诊断的另一项技术，通过传动部位温度变化的检测反应系统运行状况。该方案诊断便捷性高，无需对测试结果进行复杂的后续处理即可明确故障类型，在齿轮箱、发电机工作状态诊断中应用较为广泛。

2.2发电机

发电机是风力发电机组的核心，将捕获的风能转化为电能，是系统故障类型最多的设备，且以元件损坏、绝缘故障、放电故障等机械故障类型位置。发电机故障会引发电流、电压、温度值的变化，且故障类型符合一定机理，通过对机电信号水平的分析提出了可行的故障检测方案。现阶段，常用的发电机组故障检测结束包括定子电流诊断法、高次谐波电压检测诊断法、定子电流诊断法、震动和温度检测法等。

功率谱密度分析是故障诊断中应用较为广泛的技术，通过对信号公路波谱密度的差异、变化分析精确诊断匝间短路故障。小波分析方法分辨率高且时频特性突出，可通过仿真模拟获取系统正常运行状态与故障情形下的观测误差，通过双馈感应电机获取的电流构成Luenberger观测器方程分析观测差异。如果收敛速度较快则处于正常工作状态，如果超过阈值水平则可能引发故障，该检测方法的实际应用意义巨大。

2.3其他

控制系统是风电机组的核心，通过对偏航系统、变桨系统的精准控制有效捕捉风能，并通过变频器使发电机稳定输出电能，常见故障类型包括逆变器故障、过载故障、短路故障、接地故障等。通过电流信号或振动信号分析，可对故障类型精准识别。

结论

风电机组的故障类型识别与日常维护是确保风电场风电机组稳定运行的关键，也是降低综合运维成本、延长使用寿命的有效手段。通过对风电机组日常故障诊断策略的分析，为精准识别故障类型提供了有效参考。在日常工作中需不断思索，通过分析问题、解决问题、总结经验，定期检查，及早发现故障，减少重复性问题，确保风电机组稳定运行，以提高风电能源质量。

参考文献

[1]王剑,兰波,礼钦.风电机组传动系统的故障诊断技术分析[J].集成电路应用,2022,39(09):124-125；

[2]程江洲,冯馨以,冯梦婷,闫冉阳,张晓瑀.计及气象因素的风电机组故障诊断与风险预测[J].科学技术与工程,2022,22(22):9645-9651；

[3]宋笛,米刚,魏涛.浅析风电机组振动检测与故障诊断系统研究[C]//.第八届中国风电后市场交流合作大会论文集,2021:243-247；

[4]齐咏生,樊佶,高学金,刘利强,李永亭. 基于MMF与IGRA风电机组滚动轴承故障诊断方法[C]//.第30届中国过程控制会议（CPCC 2019）摘要集,2019:172-173；

[5]李洪川,王旭东,王东明,曹晨艺,陈乃超,潘卫国.基于故障树的风电机组变桨系统故障诊断研究[J].设备管理与维修,2022(15):168-169.DOI；

[6]尹晓伟,王龙福,江雪峰.风电机组轴承故障模式及诊断方法研究进展[J/OL].轴承:1-10[2023-03-03]；

[7]于向军,陈刚,陈亚楠. 风电机组齿轮箱油冷系统早期故障诊断方法[C]//.风能产业（2019年3月）,2019:77-82；

[8]高俊云.一种风电机组偏航振动故障的诊断与分析[J].机械工程与自动化,2022(02):138-139。