风力发电机组状态监测和故障诊断技术的应用研究.pdf

38doi:10.3969/j.issn.1009-3230.2023.11.009应用能源技术2023年第1 1 期（总第31 1 期）风力发电机组状态监测和故障诊断技术的应用研究蓝瑛，吴治坚（国家能源集团国源电力有限公司内蒙古分公司，内蒙古呼和浩特0 1 0 0 0 0）摘要：风力发电机状态监测是通过实时监测风力发电机运行状态，旨在发现潜在故障，预防事故的发生，进而提高风电设备的可靠性与安全性。由于风力发电机组长期运行在恶劣环境下，容易出现各类故障问题，为避免经济损失，保证风力发电机组稳定运行，做好实时状态监测和故障诊断至关重要。文章针对风力发电机组的运行以及故障处理等相关技术进行了分析,从发电机、齿轮箱、叶片、电气系统、液压传动系统状态监测和故障诊断几方面，研究了风力发电机组状态监测和故障诊断技术应用，以此确保整个系统安全稳定运行。关键词：风力发电机组；状态监测；故障诊断中图分类号：TM614Application Research on Wind Turbine Unit Condition Monitoring(Inner Mongolia Branch of State Energy Group Guoyuan Electric PowerAbstract:Wind turbine unit condition monitoring involves real-time monitoring of the operationalstatus of wind turbines,aiming to identify potential faults,prevent accidents,and thereby enhancethe reliability and safety of wind power equipment.Due to the prolonged operation of wind turbineunits in harsh environments,various types of faults can occur.To avoid economic losses and ensurethe stable operation of wind turbine units,it is crucial to perform real-time condition monitoring andfault diagnosis.This paper analyzes the operation and fault handling techniques related to windturbine units,focusing on aspects such as generator,gearbox,blades,electrical system,hydraulictransmission system,and explores the application of wind turbine unit condition monitoring and faultdiagnosis technology.The goal is to ensure the safe and stable operation of the entire system.Key words:wind turbine unit;condition monitoring;fault diagnosis0引言近年来，环境污染、能源短缺问题愈发严重，作为一项重要的能源形态，我国风能资源较为丰富。据相关统计数据显示,我国年均风能资源存量能够达到30 亿kW以上，可应用存量达到1 0收稿日期：2 0 2 3-0 9-0 9 修订日期：2 0 2 3-1 0-1 0作者简介：蓝瑛（1 98 4），女，硕士，工程师，从事风力发电机组运维方面的研究工作。文献标志码：Aand Fault Diagnosis TechnologyLAN Ying,WU ZhijianCo.,Ltd.,Hohhot 010000,China)文章编号：1 0 0 9-32 30(2 0 2 3)1 1-0 0 38-0 5亿kW以上,因此具有广泛的发展前景。风力发电场,大多处于环境相对偏远的区域,环境较为恶劣，仅依靠人力巡检，很难及时发现风力发电机组的故障问题。因此,为保障风力发电机组稳定运行,及时排查和解决风力发电机组的故障问题,应做好状态监测和故障诊断工作，借助先进技术,从数据监测分析入手，及时定位故障，排除故障。发电机2023年第1 1 期（总第31 1 期）1风力发电机组状态监测技术1.1扶技术特征分析风电监测系统可实时监测机组的转速、振动、温度、电压、电流等参数，通过监控机组的各种运行参数及其变动状态，可以有效的确定机组是否有异常问题,从而及早发现风机故障，方便维护人员及时对故障进行处理,避免重大事故的发生,其系统可如图1 所示。将风力发电机组的运行参数分为计量参数和计算参数二个类别。其中,计算数据主要是指对于所需的可计算数据,运用科学算法加以统计,并将之视为运算参数。为更好地风速仪风向仪加速度传感器位移传感器温度传感器转速传感器机组健康监测数据存储数据预处理故障诊断应用能源技术掌握发电机组的状态，需要从运算数据当中总结相关规律,明确相关算法,进而给出准确的结论，为发电机组的管理决策提供相应参考 。在此过程中,要注重测量装置的匹配性，确保电力参数大小变化和能量状态得以准确测量。比如,振动监测，通过振动信号频率变化,分析机械状态变化情况。通过轴承松动、转子不平衡、轴系统失调等,推断机械状态。油液监测,通过检测液压油和润滑油性能,分析确定机械部件磨合情况,进而推断机组运行状况。叶片转速传感器加速度传感器机舱轮毂塔架塔基无线通信网络远程传输上位机.39传动轴系位移传感器解缆传感器温度传感器电压传感器电流传感器机组运行状态监测数据显示数据分析报警偏航系统图1 风力发电机组状态监测系统1.2可测量参数异常监测作为反映风力发电机组运行状态的关键性指标,为了更加准确地针对机组可测量参数进行整合，需要遵循相应的要求,提升监测流程的规范性与可行性。一般而言,机组运行过程当中所涉及到的可测量参数主要涵盖了液压压力、电流、电压以及运行温度等几个方面，具体见表1 所示。为了提升测量结果的准确性,应选定合适的测量工具以及测量方法,明确不同参数的测量要求,从而得到准确可靠的测量结果，使其能够为风力发电机组的运行状态分析工作提供进一步的参考与依据。40表1风力发电机组GW77/1500电压/V620电流/A642运行温度/-30 +401.3汉测量设备异常监测在针对机组可测量参数进行监控的过程当中,相关计量设备所面临的运行工况往往较为复杂,这对于装置的运行可靠性提出了一定的要求，明确监测工具的运行状态，是保障最终测量结果准确性的关键所在。相关技术人员通过测量接点的位置情况，可以更有效判别装置位置情况。在检测装置的输入与输出二端，分别把一组传感器另交给主机控制器，在系统当中，设定合适的测量与存储设备算法，读取并对比输入值和输出值，若二者数值不符，那么就可判断监测设备为异常状态2 1 。1.4计算参数异常监测风力发电机组运行过程当中涉及到的可测量参数内容与形态往往较为复杂，计算所需结果应用到的方法也应当进行合理选择。不同类型在参数异常计算时要选择不同的算法和策略。结合风力发电机组的情况和需要，选择合适算法。为了给参数计算工作的开展提供更加可靠的依据，技术人员还应当保障风力发电机组运行过程中相关数据传输渠道的稳定性，避免数据传输过程当中的失真现象,使其能够更加准确地反映出机组的运行状态以及故障类别。2风力发电机组故障诊断技术2.1故障诊断分析风力发电机组中,有诸多运行部件,结构也相对复杂,对于故障分析工作的开展提出了一定的挑战。在针对诊断方案进行规划与设计的同时，相关技术人员应当考虑到机组的日常运行特点以及运行工况,同时从整体性的角度进行综合判断，保障最终结果的准确可靠。在诊断过程中,应积应用能源技术部分风力发电机组可测量参数极引进先进理念和技术,对各故障进行准确诊断。GW82/1500W87/150062062087087030:+40-30 +402023年第1 1 期（总第31 1 期）在故障诊断期间,技术人员还应当明确机组在不同工况下的故障表现，使最终的诊断结果能够更加有效地反映出机组的实际运行情况2.2热力参数分析在风力发电机组的运行过程当中，机组内部的温湿度表现状况对于合理判断机组的运行故障具有关键性作用。相关技术人员应当针对设备所反馈的机组不同部分的温湿度状态以及读数情况针对机组运行工况进行分析。为保障监控参数的全面性与有效性，应分别针对内环境温度以及内相对湿度等两方面指标进行同步观察与监测，从而能够更加准确全面地掌握机组运行生产过程当中的实际状况，便于对故障诱因进行分析和定位。2.3振动分析在风力发电机组的运行过程当中，还可能受到故障因素的影响产生异常振动,因此为更加准确地针对机组运行情况进行诊断与辨识，技术人员还应当针对传感器所反馈的异常振动现象进行判断,明确振动部位以及振动原因，找到系统故障。3风力发电机组状态监测和故障诊断技术应用3.1发电机状态监测和故障诊断在风力发电机组的日常运行过程当中，发电机发挥着关键性作用。但由于其运行原理以及运行过程等因素的影响,导致其始终处于复杂的工况状态下，容易产生异常发热以及异常振动等故障现象,对于机组内部线圈、轴承等情况也形成了一定的挑战。据相关统计数据,发动机故障当中,轴承故障频率最高，达40%左右，定子故障问题占38%左右,转子故障率占1 0%左右。在基于反馈参数针对发电机组运行工况以及运行状态进行判断的过程当中，技术人员应分别基于传感器所传输的电2023年第1 1 期（总第31 1 期）压、电流以及功率等相关指标信息进行综合分析，并结合机组实际运行状况对其故障问题进行分析和诊断 3。例如,在针对转子故障进行诊断的过程当中，技术人员还应当结合反馈参数进行抓取，对机组内部轴承的状态进行比对分析，保障机组正常运行。3.2齿轮箱状态监测和故障诊断机组运行过程当中,齿轮箱的运行状态以及运行工况与机组的运行故障表现息息相关，一旦齿轮箱发生故障，不仅会对发动机造成一定的影响，同时还可能引发严重的后果,造成相应的经济损失。因此相关技术人员应当严格按照技术规范以及技术标准针对齿轮箱状态进行监测,及时地掌握其故障状态以及故障表现，同时有效给出对应的解决方案以及解决措施，规避故障造成的影响。通过对发电机组齿轮箱运行表现以及故障表现进行的综合分析过后能够发现,其内部常见的故障类别以及故障形态包括了齿轮故障以及轴承故障两种主要类别。为了更加准确地针对齿轮箱内部故障进行定位和处理，减少故障所造成的损失，技术人员应分别基于传感器所反馈的振动信号以及温度信号对齿轮箱部件的运行工况进行判断与分析,使技术人员能够更加准确地针对机组内部故障情况进行分析，同时将异常信号与正常运行状态进行相互比对，为后续保养维修等相关工作的开展提供准确参考。3.3叶片状态监测和故障诊断风力发电机组内部的叶片长期处于强风影响下，因此容易出现运行故障。由于其具体形态较大,因此容易由于颤振问题,造成叶片裂纹。尤其对于高山区域的风力发电机而言，更容易受环境影响,另外雷击要素同样也是引发叶片故障的关键成因之一。为充分减少叶片故障给机组运行造成的损失，相关技术人员需要针对其生产过程中的材料、规格、工艺及叶片安装要求进行明确，提应用能源技术升叶片整体强度，减少受迫性损坏所造成的故障和影响。叶片状态监测和故障诊断,可利用应力应变测量方式进行，但考虑到所处环境因素，应力应变传感器的使用要更加专业化 4。技术人员应广泛运用光栅传感器等手段对叶片运行状态信号进行采集，同时，还可结合使用红外成像检测和声发射检测，与光纤光栅传感器共同运用。分析叶片运行过程当中存在的开裂风险，并能够及时进行处理。通过声发射检测，可检测受空气冲击下叶片所产生的内部应力集中断裂问题和应力波，分析叶片变形情况,判断叶片整体的状态。3.4电气系统状态监测和故障诊断风力发电机当中,电气系统的重要的一部分，内部电气系统的很大的组成部分，利用电力设备，如自动化电机等，向电网输出能量,从而有效的电气系统。内部电气系统中最为普遍的故障种类，大多是过电流、过电压、短路故障、过高温等问题，但不管出现了哪类故障，都能在一定程度上损害发电机。因此根据内部电气系统的故障种类和特点,在状态检测与故障诊断时,应将传感器反馈数据与正常运行数据进行相互比对，掌握相关故障表现规律,从而能够及时采取措施对机组的故障进行处理。3.5液液压传动系统状态监测和故障诊断在针对机组内部传动系统进行检测的过程当中,可主要针对其内部液位情况进行监控与分析，结合液位变化针对故障部位以及故障状态进行判断,从而及时采取合理的解决方案对机组故障进行控制 54风力发电机组状态监测和故障诊断技术发展与展望风力发电机组状态监测和故障诊断技术,起始于2 0 世纪90 年代，依靠于简单的数据处理技术和模式识别技术。在计算机技术和传感器技术飞速发展的环境下，人工智能逐渐兴起，大数据技4142术广泛应用,这使得风力发电机组状态监测和故障诊断技术得到进一步发展。比如,在数据分析工作中，神经网络和深度学习的算法逐渐被广泛应用,提高了状态监测和故障诊断的时效性和准确性。风力发电机状态监测与故障诊断技术,利用不同类型传感器，采集风力发电机组的各项运行状态参数,再结合科学的数据算法预处理方法，分析解读数据,进而实时监测风力发电机组的运行状态,及时诊断故障问题。其中,状态监测的核心为传感器技术，如振动传感器、速度传感器、温度传感器等。数据的分析处理，主要利用模式识别、人工智能等先进技术实现。风力发电机状态监测和故障诊断技术,在不同应用场景下,有着不同的应用方式和效果。风电场并网运维工作中，利用状态监测和故障诊断技术，可实时监测风电机组运行情况，确保其稳定安全运行。在风电设备制造和运维工作中，状态监测和故障诊断技术能为设备维修检测提供便利，保证设备运行稳定性和可靠性，延长设备使用期限。在科学技术不断发展和完善的环境下，风力发电机组状态监测和故障诊断技术也在不断优化，迎来更好的发展机遇和更多的发展可能性。一方面，物联网技术、区块链技术等新兴技术，将在风力发电领域逐步引人,大范围应用,这为风力发电机组状态监测和故障诊断技术提供了更多的数据获取和分析方式，提高数据获取效率和数据分析可靠性。另一方面,未来,风力发电机组状态监测和故障诊断技术将进一步向标准化和规范化应用能源技术方向发展，促进技术普及和规范发展。此外，未来在该领域将加强研发智能维护系统,利用智能维护系统，实现实时监测分析，进行预测性和预防性维护,以此降低风力发电机运维难度,降低维护成本，保证风力发电机稳定运行。5结束语风力发电能够有效缓解能源紧张、环境污染等局面,改善能源结构，促进持续发展。在风力发电飞速发展的背景下，风力发电机组故障成为重要问题。利用实时监测和故障诊断技术,可有效对风力发电机组进行全面、准确监测,及时发现并排除安全隐患，采取针对性的处理应对措施，保障风力发电机组稳定可靠运行，促进风力发电行业持续发展。参考文献1汪玉玲.风力发电机状态监测和故障诊断技术的研究 J.现代工业经济和信息化,2 0 2 2,1 2（1 1)：31 7-318.2王文杰.风力发电机状态监测和故障诊断技术研究J.光源与照明,2 0 2 2(5):1 6 7-1 6 9.3魏协奔，卢旭锦，孙培明.浅析风力发电机组振动状态监测与故障诊断 J.中国设备工程,2 0 2 1(1 5)：142-143.4萨锦炜.风力发电机状态监测与故障诊断技术分析J.绿色环保建材,2 0 2 1(7):1 7 7-1 7 8.5张润雨，王明昊，尹冰冰.振动分析法在风力发电机组监测与故障诊断中的应用 J.河北农机,2 0 2 1(7):74-75.2023年第1 1 期（总第31 1 期）