风力发电系统状态监测和故障诊断技术的分析.pdfVIP

风力发电系统状态监测和故障诊断技术的分析

摘要：风力发电能够缓解国内能源供应紧张的局面，改善能源结构，对于国家

环境保护和电力工业的可持续发展具有重大意义。随着国内风力发电行业的快速

发展，风力发电机组故障已成为一个不可忽视的问题。通过对风力发电机组的运

行状态进行实时监测，能够及时发现机组运行过程中存在的故障隐患；通过提取

机组故障信息并进行分析处理，能够诊断机组故障发生的原因并制定有效的处理

措施。这对于提高风力发电机组运行可靠性，促进风力发电行业健康发展具有重

大的现实意义。鉴于此，本文对风力发电系统状态监测和故障诊断技术进行分析，

以供参考。

关键词：风力发电；监测；监测

中图分类号：TM863文献标识码：A

引言

风力发电机组由于运行环境及自身结构所限，与传统发电设备相比，故障产

生概率较高，且故障产生原因复杂多样。面对这种情况，需要对风力发电机组进

行实时、全面、系统的监测，同时采取多种分析诊断方法，及时发现并解决机组

运行时的故障，避免造成巨大的经济损失。

1风力发电机组构成

风力发电机组主要由叶轮、变桨系统、传动机构、主控系统、变频系统、发

电机组、机舱、偏航系统、塔架等结构组成，依靠风能带动叶轮转动，利用变桨

距技术调整叶轮转速、提高发电效率，借助转动系统、主控系统、变频系统保持

转速的稳定性，进而传动至发电机处完成发电。

2基于大数据技术的风力发电机组状态检测和故障诊断的优势

传统方法对风力发电机组的状态检测和故障诊断是在少量数据的基础上进行

的，主要是依靠工程师自身技术经验积累以及相关的推论假设来完成对机组状态

的检测和诊断。但是这种方法存在一定的风险，可分析数据不足或工程师自身经

验存在缺陷，都将使检测和诊断结果存在偏差。另一方面，传统技术获取的数据

在采集、传输过程中会受到传感器噪声、数据传输介质以及外部干扰的影响。这

样的数据通过分析后得到的检测和诊断结果往往与实际情况不符。而大数据分析

技术可以有效弥补上述缺点。通过对大量的数据进行收集、分析和处理，使用数

据挖掘技术去除潜在的干扰数据，得到的结论往往更加可靠。另外，大数据技术

还能够发现风力发电机组运行过程中一些细微的状态变化，能够及时发现和提前

修正机组中一些潜在的故障隐患，有效降低风力发电机组发生故障的概率，提高

机组运行的安全性和可靠性。

3风力发电机组状态监测技术

可测3.1量参数异常监测

监测风力发电机组的可测量参数时，需要掌握一定的方法和原则。一般需要

注意以下几个要点：（1）风力发电机组内可测量参数大致包括电压、电流、频

率、液压压力、温度等，需根据可测量参数类型选取不同的测量设备，多个测量

设备相互配合。（2）分析确定可测量参数的上下限范围，根据范围选取合适量

程的测量设备。（3）分析确定可测量参数的正常/异常值区间范围及动作触发条

件。

测3.2量设备异常监测

风力发电机组内的测量设备本身有出现故障的可能性，因此需要有相应的监

测机制进行防范，常用的方法有：（1）部分测量设备随附检测触点，正常状态

下为常开/常闭状态，异常情况下则为常闭/常开状态。可根据触点状态的变化对

设备状态进行判断。（2）在测量设备的输入端与输出端时分别另接一组信号进

入主控制系统，同时主控制系统内预先存储与测量设备对应的算法，时刻读取输

入值与输出值并进行比对，如输出值与输入值不符，则判断监测设备异常。

振动监测技术3.3

振动监测技术用于监测发电机组运行过程中轴承、齿轮等构件与机舱系统的

振动情况，利用传感器采集其振动信号，进而利用系统将采集到的信号与正常信

号进行对比，倘若发现该信号存在异常情况，则系统将会自动发出报警信号进行

提示。通常在使用振动监测技术时主要采用幅域统计分析法、等旋转角采集法等

方法，配合运用FFI分析法消除干扰，以此提高振动信息的精确性，相较于其他

监测技术而言成本略高。

4故障诊断技术的应用

叶片4.1、齿轮箱的故障诊断

叶片处于风力发电系统的前置部位，在检修过程中常用功率谱密度法、光纤

电流传感器网络等技术进行故障诊断，倘若发现叶片出现转子不平衡、气动力不

对称平衡等现象，则证明叶片存在故障。针对齿轮箱故障进行诊断，主要通过将

采集到的异步电机电流信号进行解析，定位故障点，随即通过幅值、频率解调实

现对转轴旋转频率的监测，采用离散小波变换法进行解调后的电流信号处理，实

现排除干扰、降噪等效果。

信号4.