风力发电机组旋转机械的故障诊断技术研究.pdf

中文科技期刊数据库（引文版）工程技术 50 风力发电机组旋转机械的故障诊断技术研究 刘彦斌 晋能清洁能源风力发电有限责任公司，山西 朔州 036000 摘要：摘要：风能作为一种可再生清洁能源，近年来，受到了世界各国发电企业的重视和青睐，它的可再生、无辐射、无污染等特点，促使我国风力发电行业突飞猛进的发展。风力发电机整机的配套产品主要由风力发电机组旋转机械组成，由于风力发电机组旋转机械部件相对较多、结构相对复杂，这也导致风力发电机组旋转机械故障问题时有发生。因此，为保障风力发电机组的安全运行，尽可能的避免故障问题的发生，加大风力发电机组旋转机械故障诊断技术的研究力度，优化故障诊断技术措施具有着十分重要的现实意义，本文探究了风力发电机组旋转机械的常见故障，分析了国内外风力发电机组旋转机械故障技术的研究现状，并提出了相应的故障诊断技术，仅供参考。关键词：关键词：风力发电机组；旋转机械；检测；故障诊断；技术研究 中图分类号：中图分类号：TM7 近年来，世界风力发电技术取得了突飞猛进的发展，风能作为新能源、清洁能源，也已经成为世界能源中增长最快的一种。现如今，风力发电已经广泛应用于地处林海、草原等宽阔边远、自然环境恶劣的大部分地区。在风力发电运行过程中，当突遇故障问题的发生，一定要及时采取科学的故障诊断技术进行诊断，找到故障问题的主要原因所在，并进行维修。如果未能及时采取科学的故障诊断技术进行诊断，就无法找到故障问题的主要原因所在，那么随着时间的推移，就很有可能会造成连锁事故的发生，从而在一定程度上，限制风力发电机组的正常运行进程。1 国内外风力发电机组旋转机械故障技术的研究现状 1.1 国外风力发电机组旋转机械故障技术的研究现状 近几年来，国外不断加大对于风电机组旋转机械故障诊断技术的研究力度，通过探究齿轮、叶片及发电机组等机械部件之间的联系，以此来诊断故障问题出现的主要原因，判定故障部件的具体方位。此外，通过结合转系电流频谱，还可以帮我们关注到滑轮环的运行状态，通过分析电机终端功率信号的频谱变化，可以使我们找到叶片存在故障的方位，通过分析发电机解调信号频谱，可以判断齿轮是否存在故障问题。1.2 国内风力发电机组旋转机械故障技术的研究现状 由于我国对于风力发电机组故障诊断技术研究起步时间相对较晚，所以就目前阶段而言，我国国内对于风力发电旋转机械的故障研究仍然非常局限，我国对于风电机组旋转机械故障诊断的研究重点主要在齿轮箱等方面，通过分析风力发电机组旋转机械在振动的时候发出的信号，以此来判断齿轮是否存在故障问题1。2 风力发电机旋转机械的故障检测方法概述 由于风力发电机旋转部分的结构相对复杂，且工作所处环境相对恶劣，所以对于齿轮和齿轮箱会受到伤害的风险也是相对较大的，一旦齿轮和齿轮箱受到了损害，那么就会造成故障的产生。在早期，由于故障信号相较微弱，所以常常会由于背景噪声过大，而被我们忽略，因此，提取丰富发电机旋转机械的故障信息，就显得尤为重要。现阶段，在风力发电机组旋转机械的故障检测中，小波分析是最常用的诊断方法之一，其主要是通过依靠机组监测装置采取故障信息，收集到更全面的微弱故障特征信息，可以帮助我们更加全面的了解、掌握故障的类型特点，确定故障问题的主要原因所在。通常情况下，依据积累的经验，我们可以将一些检测数据所显示的正常部位进行排除，再对留下的最有可能造成的故障情况进行分析，通过层层筛选的方中文科技期刊数据库（引文版）工程技术 51 式，最终判断实际的故障类型2。3 风力发电机旋转机械的常见故障 在风力发电机组运行过程中，随着时间的增长和不可抗力因素的影响，不可避免的出现叶片故障、发电机故障、轴承故障等多种故障，从而造成质量差异的产生，加快部件的磨损情况，缩短部件的实际使用寿命。下面依据风力发电机旋转机械的常见故障原因和故障类型进行简单分析，探究风力发电机组故障产生的重要原因及故障部件的具体方位，并基于此提出多种故障诊断技术。3.1 叶片故障 在风力发电机旋转机械工作过程中，叶片处于长期运行状态，随着时间的推移，叶片上不可避免的会出现一些污垢，而这些污垢的产生会造成叶片重力不平衡，质量出现差异等问题，从而造成叶片故障。在风轮旋转运行的过程中，受到外界不稳定因素的影响，风轮的离心惯力也会产生一定变化，随着时间的增长，会在一定程度上，加快风轮部件的磨损程度，加大风轮组件运转的噪音，从而导致主轴偏离，降低风力机组的工作效率，磨损程度严重的情况下，还会大大缩短风力机组的实际使用寿命。此外，在风力机组运行过程中，针对叶片的轻微裂痕问题，可以通过采用超声波和探伤等方法进行初步检测，而对于叶片较大的裂纹或者断裂问题，可以通过分析发电机电信号、震动信号等方法进行故障诊断3。3.2 主轴故障 在风机发电组旋转机械工作过程中，最普遍、最常见的故障就是主轴故障，在传递风轮扭矩增速箱的过程中，主轴不可避免的会产生振动，这种振动情况会大大增加主流的磨损程度，从而造成主轴偏心等故障问题。3.3 轴承故障 当轴承出现振动、磨损和疲劳等故障问题的时候，都可以初步诊断为轴承故障。在风力机组运行过程中，主轴轴承作为风轮和支撑轴的主要支撑点，整个风力机组的轴承压力都集于主轴一身，所以，一旦叶片产生质量差异，风轮运行就会不平衡，这在一定程度上，会大大增加轴承的振动压力，加速轴承的疲劳程度及磨损速度，从而造成轴承故障。3.4 发电机故障 当发电机出现转子和定子不对称、定子线圈故障等故障问题的时候，都可以初步判定可能是发电机出现了故障，可以通过分析电机电信号状态来发电机是否产生故障。3.5 齿轮故障 在风力发电机组旋转机械工作过程中，最常见的齿轮故障主要包括齿轮折断、磨损、偏心及点蚀等问题。随着风力发电机使用年限的增长，细纹裂纹会逐渐扩展，慢慢的就会造成断齿的情况，而随着齿轮和滚动轴承长时间的工作运转，且润滑选择不当，慢慢的就会出现齿轮点蚀的情况。同时，如果润滑条件不好，或者受到干涉，还会造成齿轮胶合的情况。针对齿轮故障问题，可以通过分析电机的电信号、振动信号及润滑油金属含量等方法进行初步故障诊断4。4 风力发电机组旋转机械的故障诊断技术 近几年来，随着社会经济的不断发展，人们的生活质量水平越来越高，对于地处林海、草原等宽阔边远、自然环境恶劣的大部分地区，风力发电的应用越来越广泛，基于此，我国越来越重视风力机组旋转机械的故障问题，逐渐加大了风力机组旋转机械故障问题的研究力度，并在实际应用过程中，取得了优秀成果，下面就最常应用的几种风力发电机组旋转机械的故障诊断技术进行简单分析，探究不同种类的分析诊断技术的应用领域及应用优势。4.1 润滑油油液分析诊断技术 目前，在风力发电机组旋转机械工作过程中，润滑油油液分析诊断技术是最普遍也最常应用的诊断技术，通过定期检查风力发电机组的润滑油油液的状态，以此来分析润滑油油液是否出现问题，是否需要更换，从而判断风力发电机组旋转机械故障出现的主要原因及部位。现阶段，最常用的两种润滑油油液分析诊断技术就是油中微粒分析诊断技术和油质分析诊断技术，下面就两种最常用的润滑油油液分析诊断技术进行简单分析。中文科技期刊数据库（引文版）工程技术 52 其一，通过分析润滑油油液的颗粒大小及分布情况，以此来判定润滑油油液状态是否良好，确定风力发电机组故障发生的原因及故障部件的具体方位。其二，通过分析润滑油油液的含量，以此来判定润滑油油液状态是否良好，质量是否达标，确定风力发电机组故障发生的原因及故障部件的具体方位。此外，润滑油油液分析诊断技术，还可以诊断风力机组部件的磨损情况，以此来判定风力发电机组故障发生的原因及故障部件的具体方位。4.2 信号故障特征提取诊断技术 在风力发电机组运行过程中，电流、电压、噪声等情况都会造成信号故障。通过采用信号故障特征诊断技术，对上述情况进行检测分析，提取出故障的主要特征，以此来诊断风力机组旋转机械的故障方位及造成故障问题产生的主要原因。同时，上文所提到的发电机故障、齿轮故障、叶片故障和主抽故障、主轴承故障等问题，都可以采用信号故障特征提取诊断技术进行故障问题诊断5。4.3 设备状态在线监测诊断技术 设备状态在线监测诊断技术是一种综合性技术，也是最常用的一种故障诊断技术，在风力发电机组运行过程中，通过在线监测设备状态，判断运行噪音、振动信号等多种条件因素，并经过监测、采集、分析、总结、判断等过程中，以此来判定故障发生的原因及故障部件的具体方位，对于出现和有可能出现的故障问题，并进行报警，以此来精准判断故障的发生方位和故障类型，更便于我们及时制定针对性的维修方案，采取科学、合理的处理措施。同时，通过对采集的数据信息进行全面分析处理，还可以帮助我们判断风力发电机组旋转机械产生故障的原因和发展趋势，以便于我们可以更加准确的找到故障发生的具体原因及故障部件的具体方位。设备状态在线监测诊断技术的应用过程主要体现在以下几个方面。其一，信号采集，是对风力发电机组的电信号及振动信号进行采集，并进行分析和整理的一种过程。其二，状态监测，通过将采集到的信号数据与数据库中事先设定好的数据信息进行比对，以此分析风力发电记住旋转机械故障问题产生的主要原因。其三，分析诊断，通过的风力发电机组日常运行的数据信息进行分析和诊断，以此来判断风力发电机组旋转机械故障的问题类型。其四，远程监控，通过网络进行风力发电机组状态监测故障诊断系统，可以实现对风力发电机组的远程监控，远程监视风力发电机的运行状态，以此来诊断风力发电机的故障问题6。4.4 人工智能诊断技术 人工智能诊断技术主要分为模式识别诊断技术与神经网络诊断技术两种。其一，模式识别诊断技术，通过对风力发电机组旋转机械的运行状态进行判断，可以分析出风力发电机组旋转机械的信号状态及运行特征，以此来诊断出风力发电机组旋转机械故障问题产生的主要原因及故障方位。此外，模式识别诊断技术还可以细分为统计模式识别和结构模式识别，其中，统计模式识别是基于多元统计理论的基础上，通过描述数据特征形式，对模式进行统计分类的一种过程。结构模式识别是基于语言理论的基础上，通过描述结构原图的形式，对模式结构进行分析的一种过程。现阶段，最常用的就是模式诊断技术，且其在实际应用中已经取得了较为显著的成就与效果。其二，神经网络诊断技术，此种技术是基于人的生理学及心理学的基础上，结合人的大脑是经营结构，研发出来的一种新型智能网络诊断技术。通过识别语音和图像，可以帮助我们细化风力发电机组旋转机械故障问题发生的原因。但是就目前而言，神经网络诊断技术仍不完善，在实际应用过程中，如果操作不当很容易产生负偏差，从而导致诊断信息模糊、诊断结果不可靠。5 结束语 结合以上论述，本文针对，风力发电机组旋转机械故障技术的国内外研究现状、检测方法、常见故障及故障诊断技术，进行简单分析，由此可知，随着我国电力行业的不断发展，电业行业对于风力发电的重视程度越来越高。近年来，我国逐渐加大了对风力发电机组旋转机械故障技术的研究力度，从多个方面、多个角度研究出了多种故障诊断技术，并在实际应用过程中，取得了优秀成果，这为促使我国风力发电行业的稳定发展中文科技期刊数据库（引文版）工程技术 53 奠定了坚实的基础，更有助于促进我国风力发电行业的健康可持续发展。参考文献 1石港,王伟,雷志鹏,王飞宇,向学艺.风力发电机组 状 态 监 测 与 故 障 诊 断 研 究 综 述 J.山 西 电力,2023(1):43-46.2杨淼森,周文.风力发电系统预防性维修决策技术分析J.中国设备工程,2023(4):74-76.3郭明龙.风力发电机组故障诊断与预测技术探究J.城市建设理论研究(电子版),2023(4):58-60.4周刘俊,王琨,宋碧昊,苗驰壮.风力发电场远程集中监控系统的设计及系统应用成果分析J.科学技术创新,2023(1):221-224.5刘军,安柏任,张维博,甘乾煜.大型风力发电机组健 康 状 态 评 价 综 述 J.电 力 系 统 保 护 与 控制,2023,51(1):176-187.6张冬梅,王红艳,孙晓辉.风力发电机组故障诊断技术综述J.内江科技,2019,40(7):45-26.7申凯.风力发电机组旋转机械的故障判断探讨J.时代农机,2017,44(6):41-42.