引言

 

风力发电机组是风力发电系统的重要组成部分，对风力发电有重要影响。在风力发电机组运行过程中，会出现故障问题，导致机组运行效率下降，进而影响机组运行效果。为保证机组运行良好，企业需要成立机组管理机构，定期处理发电机组故障，定期运行维护机组，保护机组，降低故障概率，延长机组使用寿命。

 

1.风力发电研究

 

风力发电是一个转化风能的过程。关于其定义，龙霞飞等学者提出，风能是一种可再生资源，具有重要的环境保护意义。风力发电是将风的动能转化为机械动能，然后将机械动能转化为电力动能的过程。其原理是利用风力驱动风车叶片旋转，增速机进一步提高旋转速度，促进发电机发电。风力发电过程节省了电力能源，特别是在一些偏远地区，风力发电能的应用可以为这些地区的供电提供便利。

 

2.风力发电机组故障诊断与预测技术探究

 

2.1根据模式识别进行诊断

 

该诊断方法是基于机组的多样化信号，通过在时域和频域中建立模型来分析故障。以轴承故障诊断为例，这种诊断方法的应用可以从构建立体模型中找出并解决故障。具体方法如下：利用Laplacianeigenmaps算法构建故障可视化模型，为技术人员提供三维图形，呈现故障特征，可快速发现故障；借助非线性流形学习，动态轴承可在三维空间结构的基础上进行故障分析；对于轴承粗糙度故障，可采用线性判断方法进行分析诊断，锁定故障位置，加快解决速度。以上方法能有效诊断轴承故障，在实际应用中具有一定的可行性。在当前的研究环境中，该方法分为两种，但无论是否有监督，都需要大量的算法，数据采集需要相当长的时间，应用将花费一定的成本，如果该方法应用于频繁故障部位，也可能增加企业负担，应根据实际情况选择诊断方法。

 

2.2风电机组电子系统故障预测方法

 

随着风电机组单机容量的不断增加和直驱风电机组市场的大规模发展，电子系统的故障引起了广泛的关注。虽然与机械结构故障相比，电子系统故障引起的停机时间短，维护方便，但故障率高，也会导致维护成本高。通过定点安装传感器，可以实时监控风电机组振动引起的电流变化、旋转部件旋转引起的振动变化以及偏航轴承偏航引起的应变化，预测设备的运行状态，完全可以提前预警故障，防止故障发生。此外，电子系统从故障开始到完全故障的时间通常很短，其性能下降过程不像机械结构那么明显，因此电子系统故障预测相对困难，可采取以下措施：（1）在电子产品设计阶段植入相关硬件电路和软件功能，用于电子系统自检，包括故障发现、隔离故障和修复；（2）在电子系统内建立保护功能模块；（3）实时监控关键参数，注意电子设备或系统内部状态的变化；（4）建立多套不同环境下的应力或疲劳模型，以估计故障程度。故障预测算法的关键参数可以通过以下方法得到：（1）通过场效晶体管的加速寿命试验，得到不同健康条件下功率器件的参数；（2）分析热应力试验中绝缘栅双极晶体管的数据参数，找出可用于表示其性能退化和剩余寿命预测的健康指标；（3）利用现代技术，建立综合故障诊断预测平台，收集一些电容寿命数据，分析后得出；（4）随着电容性能的下降，等效串联电阻值将继续增加，电容容量将继续下降，根据这一经验预测电子系统故障是一种相对简单的方法。

 

2.3偏航和制动系统故障

 

（1）使风力发电机组动态跟踪风向；（2）跟踪风向容易缠绕机舱内引出的电缆。当缠绕过多时，偏航系统可以直接消除电缆缠绕问题。变桨系统的主要功能是通过控制叶片角度来调整风力发电机组，从而获得空气动力的扭矩，最终实现功率的有效控制。当风速过高或风力发电机组发生故障时，调整叶片到顺桨状态可以有效地实现制动。此外，制动系统的主要功能是避免转子叶片旋转速度过快，同时在风力发电机组其他部件故障过程中切断风力发电机组。由于摩擦片磨损和应力过大，制动系统在突然外力作用下也容易出现故障。

 

2.5检测新技术的应用

 

风力发电机组故障检测是为故障维护打下良好的基础。但在目前风力发电机组故障检测实施过程中，检测技术的应用相对落后，在一定程度上影响了风力发电机组的运行，经常出现检测错误，导致故障处理效率差。因此，在风力发电机组故障检测实施过程中，需要采用新的检测技术进行故障处理，提高检测效果。在现代风电机组的运行过程中，为了提高检测精度，智能技术、自动化技术和自传感技术已经开始应用于故障检测。在检测实施过程中，可实现无人检测，并可实时获取电机运行参数，保证电机检测的快速完成。实际上，在风电机组运行实施过程中。机械振动过大、卡机、转速不稳定、运行停机等故障极易发生。因此，需要建立在线监测系统来检测故障。例如，在研究风力发电机组故障检测时，本文针对KNME-W研究/Y发电机监测装置。该装置具有风电机组温度检测、三轴监测、噪声监测等多种功能。该装置采用纳米无线测温，无需接线，采用最先进的CI3130芯片，整体设计方案采用国际仪表标准。实时温度监测内置反馈系统，ms级响应，支持标准工业通信系统。智能检测电机温度并做出预测报警。在三轴监测过程中，对电机X轴、Y轴、Z轴进行精确监测，当电机振动异常时及时反馈和维护。最后，在监测系统运行过程中，对电机运行噪声进行实时监测，检测转子的健康状况。在整个设备运行过程中，采用先进的人工智能算法，识别系统效率低下，探索节能潜力，及时维护旋转设备，避免设备故障或亚健康状态，提高其服务产品的产量和质量。在不更换设备的情况下，减少排放和对环境的影响，提高能效。

 

2.6机组电子系统故障预测技术

 

近年来，各国对风力发电的关注不断上升，对其故障的诊断和预测也越来越深入。电子系统故障也是机组维护中更重要的预测环节，虽然不会形成大面积停机，维护成本很低，但故障次数的增加也会增加维护难度，系统故障时间短，如果故障也可能导致系统瘫痪，但也加重了故障检测的难度。在实际预测工作中，可通过以下几个方面进行：一是系统植入。在系统建设和投入使用之初，应优化系统，植入独立维护系统，使其能够独立发现、检查、隔离和修复故障，减轻预测负担。二是建立保护功能。与植入类似，应在系统建设中添加保护功能模块，发现故障后打开保护模式，相关技术人员也可以打开该功能。三是实时监控数据。对电子系统进行监控，可适当增加预警功能，遇到重大故障时可警告相关技术人员，通过数据显示问题位置，及时解决。第四，建立应力或疲劳模型。通过模型预测故障状态和程度。

 

结语

 

综上所述，目前和未来对风电机组的故障诊断技术和预测技术有很大的需求。为了风电行业的健康发展，政府部门需要增加投资，进一步研究和开发风电机组的故障诊断和预测技术，促进一系列科学的在线监测系统。