【基于故障樹的風力發(fā)電機的故障診斷10000字（論文）】

基于故障樹的風力發(fā)電機的故障診斷摘要本文主要利用相關性分析，針對風場風電機組實時運行監(jiān)測數(shù)據(jù)進行分析處理,本文內(nèi)容的章節(jié)安排如下主要闡述了風電機組故障診斷的研究背景及意義，以及國內(nèi)外故障診斷技術的研究現(xiàn)狀進行了分析比較。主要介紹了風電機組的各個主要子系統(tǒng)的結構、功能以及主要的故障形式，并且總結了各個子系統(tǒng)故障診斷的所需參量以及目前應用于實際的主要診斷方法，為后續(xù)的研究奠定了基礎。本文探討故障樹理論及其在風力發(fā)電系統(tǒng)故障診斷中的應用。關鍵詞：故障樹；風力發(fā)電機；故障診斷一風電機組故障診斷的研究背景及意義1.1風電機組故障診斷的研究背景二十世紀六十年代初產(chǎn)業(yè)革命階段，國外最早開始了對機械設備的監(jiān)測與故障診斷技術的研宄。六十年代末，由于航天、軍工業(yè)的需要迅速發(fā)展，對大型旋轉(zhuǎn)機械的機械振動、振動信號提取方法、信號處理技術以及故障診斷系統(tǒng)進行了深入研宄，英國對設備故障診斷技術的探討始于此時期，以著名的博士為核心人物的英國機器保健中心，在診斷技術的集成開發(fā)方面做了許多分析與研宄，并取得了一定的成果。到七十年代后期，一些測試診斷儀器進入工程實用領域。日本的診斷技術思索便是誕于七十年代左右，年新日鐵以豐田利夫教授為核心展開了對診斷技術的開發(fā)，到年己能夠運用到應用方面。雖然日本的發(fā)展時間較短，但進展較快，其可以借鑒的行為是一直注視著世界各國故障診斷技術的發(fā)展狀況，著重注意研究美國故障診斷技術的實況，積極仿效和引進最新技術。到九十年代，由于現(xiàn)代測試技術、計算機技術以及信號處理技術等方面的一成就，促使大型旋轉(zhuǎn)機械的運行狀態(tài)監(jiān)測與故障診斷系統(tǒng)的飛速發(fā)展。1.2國內(nèi)外故障診斷技術的研究現(xiàn)狀分析比較國外計對風力發(fā)電系統(tǒng)容易發(fā)生故障的部件己經(jīng)展開了較多的研究。目前的研究重點主要在電氣系統(tǒng)（發(fā)電機、葉片、傳動系統(tǒng)（齒輪箱）等方面。國外主要是通過對風力發(fā)電機的輸出信號如電流、電壓和功率等來進行分析，以診斷故障。國內(nèi)研究現(xiàn)狀及趨勢：國內(nèi)對風力發(fā)電系統(tǒng)的故障診斷還處于起步階段，目前我國從事風電系統(tǒng)故障診斷技術研宄與開發(fā)的單位較少，主要有新疆大學、沈陽工大、西華大學、中國石油大學和大連理工等高等院校，最近清華大學、華北電力大學和天津工業(yè)大學也開展了一些研究。此外，一些公司對傳統(tǒng)的旋轉(zhuǎn)機械振動監(jiān)測故障診斷系統(tǒng)進行了改造，應用到了風力發(fā)電系統(tǒng)上，如新疆風能有限公司、新疆金風和深圳創(chuàng)為實等公司已開發(fā)出相應的產(chǎn)品。國內(nèi)都是針對風電機組的某個設備開展了故障診斷方法的研究，并沒有從系統(tǒng)的角度去研究系統(tǒng)的故障特征。大多數(shù)研究文獻并沒有考慮風速變化對故障特征的影響，例如有文獻指出表面粗糙和偏航不對中造成的氣動力不平衡，可以通過一倍頻、二倍頻處的幅值增大反映出來，但實際上在不同的風速范圍，其幅值增大程度并不一樣。二故障樹理論2.1故障樹分析法故障樹分析法(faulttreeanalysis}FTA)是1961年由美國貝爾實驗室的華生(H.A.Watson)和漢塞爾(D.F.Haasl)首先提出，并應用于民兵導彈發(fā)射系統(tǒng)的質(zhì)量控制。經(jīng)過多年發(fā)展，F(xiàn)TA在對機械系統(tǒng)可靠性、安全性分析和風險評估上得到了廣泛應用，己成為一種較為成熟的工程計算方法傳統(tǒng)的FTA方法存在以下不足之處:首先，傳統(tǒng)的FTA方法在對系統(tǒng)的可靠性進行分析時，認為部件只有工作或故障兩種狀態(tài)，不能對系統(tǒng)的可靠做出更確切或更符合客觀實際的評價;其次，傳統(tǒng)的FTA方法以布爾代數(shù)法為基礎，需要精確己知部件故障發(fā)生概率和故障事件之間的聯(lián)系，忽略了環(huán)境的模糊性和數(shù)據(jù)的不準確性會對部件故障概率產(chǎn)生影響，給故障樹定量計算帶來很大的誤差;最后，部件故障概率值的獲取和故障事件之間關系的明確需要大量統(tǒng)計數(shù)據(jù)，對于新研制產(chǎn)品或故障發(fā)生概率很低的部件難以獲取大量的數(shù)據(jù)。由于這些問題的存在，導致在分析多狀態(tài)不確定性復雜系統(tǒng)時，傳統(tǒng)的FTA方法難以得到令人滿意的結果。故障樹方法的改進,1983年，H.Tanaka等人提出模糊故障樹方法。該方法針對故障樹的頂上事件和基本事件的發(fā)生概率，采用模糊概率值取代精確概率值，將模糊數(shù)學和經(jīng)典的事故樹理論進行了有效的結合，解決了頂上事件和基本事件的精確發(fā)生概率難以確定的問題，在各領域得到了發(fā)展和應用。近年來，李瑰賢、周繼忠等人提出將灰色關聯(lián)分析方法用于故障樹分析過程，解決故障信息缺乏導致的故障事件之間關聯(lián)不確定性問題，取得了一定的進展。但是，在工程實際中往往在一個信息不完全的問題中存在許多模糊的因素，或是具有模糊因素的一個問題不具備完全充分的資料，即在一個問題中既存在模糊性，又具有灰色性。因此，本文同時考慮系統(tǒng)的模糊性和灰色性，采用灰關聯(lián)分析方法對模糊故障樹進行改進，形成模糊灰關聯(lián)分析方法。2.2模糊灰色關聯(lián)分析方法2.2.1建立故障樹首先確定一個最不希望發(fā)生的故障事件作為頂上事件(用T表示)，逐步找出各中間故障事件(用A表示)的全部可能起因，并用故障樹符號表示各類故障事件及其邏輯關系，直至分析到各類基本事件(用X表示)。2.2.2求故障樹的結構函數(shù)和最小割集求故障樹的結構函數(shù)就是將故障樹用簡單的數(shù)學表達式表示出來，以便于對故障樹進行簡化，并用數(shù)學方法進行運算。具有n個基本事件的故障樹的結構函數(shù)可表示為:yX,Xz,...。故障事件所組成的集合中全部基本事件都發(fā)生時頂事件必然發(fā)生，則這個故障集合是故障樹的一個割集，若將割集中任意去掉一個基本事件后割集就不成立的故障集合則為最小割集(用F表示)[A]。確定簡單故障樹的最小割集時，只需將故障樹的結構函數(shù)展開，使之成為具有最小項數(shù)的積之和的表達式，每一項乘積就是一個最小割集。2.2.3確定基本事件的模糊概率基本事件的精確概率往往難以確定，這里采用模糊數(shù)來表示基本事件的發(fā)生概率。模糊數(shù)有多種形式，如三角形模糊數(shù)、梯形模糊數(shù)、正態(tài)模糊數(shù)、LR型模糊數(shù)和語言值等。而三角模糊數(shù)參照函數(shù)處理較方便，代數(shù)運算較容易。因此，在模糊故障樹分析中采用三角模糊數(shù)。一個三角模糊數(shù)P的隸屬度函數(shù)具有如下形式，即：隸屬度函數(shù)可以通過圖1形象的表示出來。因此，三角模糊數(shù)也可由3個參數(shù)a，m，b表示，記為p=(a，m，b)。2.3確定參考列和比較列灰色關聯(lián)分析的基本思想是根據(jù)序列曲線幾何形狀的相似程度來判斷其聯(lián)系是否緊密。曲線越接近，相應序列之間的關聯(lián)度就越大，反之就越?。?1］。因此，首先需要確定參考序列和比較序列。這里把對各基本事件的模糊重要度做均值化處理后作為參考列。當故障樹具有m個最小割集時，可用一個特征向量來代表相應的最小割集，進而構成一個典型故障的特征矩陣。最終，最小割集的灰色關聯(lián)度的大小，灰色關聯(lián)度越大的最小割集所代表的故障模式造成頂上事件發(fā)生的可能性就越大;反之造成頂上事件發(fā)生的可能性就越小。3故障樹結構在風力發(fā)電機和故障樹風輪葉片中的分析和運用3.1建立故障樹風輪葉片故障樹結構風力發(fā)電機作為風能轉(zhuǎn)化為電能的基礎設施在整個風力發(fā)電系統(tǒng)中有著舉足輕重的作用。風力發(fā)電機各部件長期工作在野外。由于環(huán)境影響因素眾多且相互之間作用復雜，導致了風力發(fā)電機故障種類繁多，故障原因復雜，故障征兆模糊，故障機理不清，故障數(shù)據(jù)缺乏等問題，從而使得現(xiàn)場數(shù)據(jù)帶有極大的復雜性、模糊性、不確定性，給故障分析過程造成困難。使用傳統(tǒng)的可靠性分析方法難以得到令人滿意的結果。風力發(fā)電系統(tǒng)主要包括塔架、風輪、變槳系統(tǒng)、機艙、傳動系統(tǒng)、偏航系統(tǒng)、剎車系統(tǒng)、發(fā)電機、電氣系統(tǒng)、主控系統(tǒng)、傳感器等子系統(tǒng)。其中風輪是捕獲風能的裝置，由葉片和輪毅組成。由于風力發(fā)電機長期工作于雨、雪、大風等惡劣環(huán)境中，易造成風輪不平衡、漿葉和輪毅的腐蝕、損傷等故障。本文依據(jù)風力發(fā)電機的故障統(tǒng)計資料，建立風輪葉片故障的故障樹，利用上述模糊灰關聯(lián)分析方法對故障樹進行分析，其過程如下。圖2風輪葉片故障樹Fig．2FTAofrotorblades故障樹的頂上事件T表示風輪葉片故障;中間事件A1表示質(zhì)量不平衡，A2表示空氣動力學不平衡，A3表示葉片裂紋損傷;各基本事件的含義如表1所示。求故障樹的結構函數(shù)和最小割集上面故障樹的結構函數(shù)為:可見故障樹的每個基本事件就構成一個最小割集，即：3.2確定基本事件的模糊概率根據(jù)工程經(jīng)驗，利用三角模糊數(shù)來表示各基本事件的模糊概率，如表1所示。計算頂上事件的模糊概率根據(jù)故障樹的結構函數(shù)和三角模糊數(shù)的運算法則，計算頂上事件的模糊概率為：計算基本事件的模糊重要度根據(jù)式：計算得各基本事件的模糊重要度所構成的集合：{e1，e2，e3，e4，e5，e6，e7，e8，e9，e10}={0.032726，0.032726，0.109729，0.039689，0.039689，0.000622，0.00056，0.000498，0.000124，0.054069}確定參考列和比較列根據(jù)式：確定參考序列，即：X0=［1.054208，1.054208，3.534697，1.278508，1.278508，0.02005，0.018043，0.016037，0.004007，1.741735］。根據(jù)式(9)確定比較序列，即：計算關聯(lián)系數(shù)與灰色關聯(lián)度根據(jù)式(10)和式(11)求得關聯(lián)系數(shù)如表2所示：根據(jù)式(12)求得各最小割集的灰色關聯(lián)度所組成的集合{r1，r2，r3，r4，r5，r6，r7，r8，r9，r10}={0.757866，0.757866，0.731167，0.751827，0.751827，0.688775，0.688616，0.688458，0.687503，0.74352}。對各最小割集的灰色關聯(lián)度進行排序:r1=r2＞r4=r5＞r10＞r3＞r6＞r7＞r8＞r9。該結果反映出了各最小割集所代表的故障模式導致頂上事件發(fā)生的可能性的大小。本文提出了利用灰關聯(lián)分析方法對故障樹基本事件的模糊重要度進行分析的模糊灰關聯(lián)分析方法。解決傳統(tǒng)的故障樹分析方法無法解決的由于故障信息缺乏所導致的頂上事件和基本事件的概率無法確知以及基本事件與頂上事件之間的相互關聯(lián)難以確定的問題。應用該方法對風力發(fā)電機系統(tǒng)的風輪葉片故障樹進行分析，對造成頂上事件發(fā)生的各種故障模式可能性大小做出判斷，找出了風輪系統(tǒng)中變槳振動調(diào)節(jié)閘漏油，結冰腐蝕污垢等關鍵故障模式，為處理事故的輕重緩急、控制事故的發(fā)生、改進系統(tǒng)可靠性和安全性提供了理論依據(jù)。3)該方法同時考慮系統(tǒng)的模糊性和灰色性，經(jīng)進一步的研究改進，可用于包括機械系統(tǒng)在內(nèi)的多狀態(tài)不確定性復雜系統(tǒng)的可靠性分析。四風力發(fā)電機的故障診斷4.1風力發(fā)電機組的故障特點風電機組主要分為三類：①雙饋式變槳變速機型，是目前大部分企業(yè)采用的主流機型；②直驅(qū)永磁式變槳變速機型是近幾年發(fā)展起來的，是未來風電的發(fā)展方向之一；③失速定槳定速機型是非主流機型，運行維護方便[10]。考慮到目前風場中主要以雙饋式變槳變速機型為主，故本文內(nèi)容主要針對該機型的故障及狀態(tài)監(jiān)測方法加以討論。風力發(fā)電機由風輪及變槳距系統(tǒng)、輪轂、結構(機艙、地基和塔架)、傳動裝置、齒輪箱、發(fā)電機、電氣系統(tǒng)、控制系統(tǒng)、傳感器、剎車系統(tǒng)、液壓系統(tǒng)和偏航系統(tǒng)等構成[11]。風電機組首先將風能通過風輪轉(zhuǎn)換成機械能，再借助主軸、齒輪箱等傳動系統(tǒng)和發(fā)電機將機械能轉(zhuǎn)換成電能，從而實現(xiàn)風力發(fā)電。風力發(fā)電機組一般都設在50～80m或以上的高空，其工作環(huán)境惡劣復雜，機組的受力情況也很復雜。風力發(fā)電機組在工作過程中，槳葉的轉(zhuǎn)速是隨風速的變化而變化。當陣風襲來，葉片受到短暫而頻繁的沖擊載荷，而這個沖擊載荷也會傳遞到傳動鏈上的各個部件，使得各個部件也受到復雜交變的沖擊，對其工作壽命造成極大的影響，使風力機在運行過程中出現(xiàn)各種故障，尤其是風輪以及與其剛性連接的主軸、齒輪箱、發(fā)電機等在交變載荷的作用下很容易出現(xiàn)故障，造成機組停機。表3是西班牙納瓦拉水電能源集團公司(EHN)對2001～2003年風力發(fā)電機主要部件的故障比例統(tǒng)計。據(jù)統(tǒng)計其中行星齒輪段占54%，中間軸占4%，高速軸占38%，其他原因占4%[12]。表3EHN公司風力發(fā)電機故障比例統(tǒng)計%年份齒輪箱發(fā)電機葉片200148213120025627172003602911近年來，在國家政策的大力支持下，我國自行研發(fā)的風力發(fā)電機組已逐步占有市場，市場份額比例也在逐年上升，但是在引進國外先進技術的同時，欠缺對我國特殊的氣候環(huán)境和地理因素的考慮，致使產(chǎn)品質(zhì)量問題越來越突出。在國家相關部門的調(diào)研中發(fā)現(xiàn)[8]，各整機制造企業(yè)在運行和調(diào)試過程中均出現(xiàn)過質(zhì)量問題，問題部件及原因如表4所示。表4風電整機及零部件部分產(chǎn)品質(zhì)量問題與原因風場多位于偏遠的山區(qū)或近海區(qū)域，交通不便，并且機組處于高空，一旦機組的某些部件出現(xiàn)故障，不僅長時間停機造成發(fā)電量損失，而且整個機組的重新吊裝和部件更換，都需要極大的人力和物力。長期以來，風力發(fā)電機采用的是計劃維修和事后維修的方式。計劃維修即機組運行2500h和5000h后的例行維護，如：檢查螺栓是否松動、抽檢油樣、加注潤滑油等。這種維修方式無法全面、及時地了解設備的運行狀況;而事后維修則由于事先準備不足，造成維修工作耗時太長，損失嚴重。所以，必須在風力發(fā)電機組運行過程中實時監(jiān)控各關鍵部件的運行狀態(tài)，及時了解各部件存在的故障隱患，以便及時采取措施，防止造成嚴重損失，提高風力發(fā)電機組運行的可靠性，延長其使用壽命。狀態(tài)監(jiān)測和故障診斷技術可以在機組不停機的情況下，對其進行連續(xù)監(jiān)控，實時了解設備的健康狀態(tài)，及時發(fā)現(xiàn)故障隱患，避免重大事故的發(fā)生，并且得到的機組長時問運行狀態(tài)數(shù)據(jù)對零部件后續(xù)的設計改進有積極的指導作用。通過國內(nèi)外的統(tǒng)計數(shù)據(jù)可以發(fā)現(xiàn)，風力發(fā)電機組的典型故障主要集中在葉片、齒輪箱、發(fā)電機等部位。針對不同的故障部件和故障特征，采取合適的故障診斷方法是有效實施狀態(tài)監(jiān)測和故障診斷技術的保證。4.2風場風電機組實時運行監(jiān)測和風場風電機組實時運行監(jiān)測數(shù)據(jù)分析處理針對風力發(fā)電這一新型裝備制造業(yè)，目前尚缺乏有效的監(jiān)測診斷方法，其有效的在線振動監(jiān)測診斷系統(tǒng)可以說還是空白。風力機容量的增加，使得風力機體積變大，發(fā)生事故的概率增大。面對風力機事故發(fā)生頻繁以及造成的巨額損失，風力機的狀態(tài)監(jiān)測技術引起了國內(nèi)外相關人員的極大關注。但鑒于現(xiàn)代風力機的運行特點，傳統(tǒng)的狀態(tài)監(jiān)測方法雖然可以實現(xiàn)故障的有效診斷，但存在一定的局限性，尤其是在線狀態(tài)監(jiān)測方面，問題尤為突出。選擇合適的狀態(tài)監(jiān)測方法，實現(xiàn)風力機故障的有效診斷是現(xiàn)在風力機狀態(tài)監(jiān)測面臨的主要問題。本文在簡要介紹風電發(fā)展趨勢的基礎上，主要介紹了風力機的主要故障部件和現(xiàn)有的狀態(tài)監(jiān)測方法，以及有待研究的一些問題。五風場風電機組故障診斷隨著人類對能源的需求日益增加，可持續(xù)發(fā)展的迫切需要，建立在天然氣、石油、煤等傳統(tǒng)資源基礎上的能源體系在推動人類社會進步的同時也帶來了人類居住環(huán)境的日益惡化。如何實現(xiàn)能源的可持續(xù)發(fā)展，尋求清潔、安全且能夠重復利用的綠色能源，從而滿足社會經(jīng)濟的可持續(xù)發(fā)展，已經(jīng)成為世界各國共同面對的難題。在此背景下，具有分布廣、巨大蘊藏量、無污染、可再生等優(yōu)點的風能越來越受到世界各國的相關部門的重視，成為可再生能源發(fā)展的重要方向。如今全球的風能總量約為2.7×109MW，其中可利用的風能約為2×109MW，我國的風能資源豐富程度僅此于美國和俄羅斯，居世界第三位。風力發(fā)電作為風能利用的主要方面，是世界上增長最快的發(fā)電技術，風電裝機容量正在逐年迅速增長，從1996年開始，全球風電累計裝機容量已經(jīng)連續(xù)15年保持在20%到40%的高速增長水平，2010年，世界風電發(fā)電量約占用全球電力消費的2.5%，到2020年，預計風電提供全球約7.7%~8.3%的電力。截止2012年年底，全球總裝機容量超過2.83×109MW，新增裝機容量達到44，711MW。風電的快速發(fā)展也給風電設備制造業(yè)也帶來了巨大挑戰(zhàn)。伴隨風電機組裝機容量越來越大，風電機組故障發(fā)生率也越來越高，隨著投產(chǎn)的風機數(shù)量不斷增加，裝機規(guī)模的不斷擴大，發(fā)展相關的第三產(chǎn)業(yè)即風機運行維護、監(jiān)測、故障診斷等己逐漸成為行業(yè)新的增長點。5.1齒輪箱齒輪箱位于機艙內(nèi)，是風力機傳動鏈上的重要部件，是連接主軸和發(fā)電機的重要樞紐。齒輪箱一般由一級行星齒輪傳動和兩級平行齒輪傳動構成，內(nèi)部結構和受力情況較為復雜，尤其是在變工況、變載荷的情況下運行，容易發(fā)生故障。齒輪箱的常見故障包括齒輪故障和軸承故障，軸承作為齒輪箱的關鍵部件，其失效常常會引起齒輪箱災難性的破壞。常見的齒輪故障有：斷齒、齒面疲勞、膠合等；軸承故障有：磨損、點蝕、裂紋、表面剝落等。表5是瑞典皇家理工學院的可靠性評估管理中心對分布于瑞典的風力機齒輪箱故障類型的統(tǒng)計數(shù)據(jù)。齒輪箱是風力機正常、高效運行的保障。風電技術的快速發(fā)展和單機容量的增加，使得風力機的規(guī)模越來越大，對其性能的要求也越來越高。隨著大重型機組的投入運行，齒輪箱的故障頻率也隨之增加。據(jù)統(tǒng)計，一臺風力機故障停機時問的20%是由齒輪箱故障引起的。一旦齒輪箱出現(xiàn)問題，除了高額的維修費用，長時問停機造成的發(fā)電量損失也是巨大的。表6是1997--2004年瑞典皇家理工學院對瑞典風力機齒輪箱故障時問統(tǒng)計數(shù)據(jù)。面對風力機齒輪箱故障的頻繁發(fā)生以及造成的巨額損失，近年來，已有不少科研人員對風力機齒輪箱的故障檢測進行了研究。振動測量方法是技術最成熟、最普及的一種故障檢測方法。唐新安等[13}借助時域信號的統(tǒng)計指標實現(xiàn)了對齒輪箱故障的初步診斷，然后借助傳統(tǒng)的快速傅里葉變換(FastFouriertransform,FFT)和功率譜對診斷結果進一步加以確認。眾所周知，故障特征頻率是判斷齒輪、軸承等健康狀態(tài)的重要指標。借助故障特征頻率可以實現(xiàn)故障的準確定位，提高診斷精度。時頻分析方法是結合了時域和頻域的雙重信息，適用于非平穩(wěn)信號的處理方法。常見的時頻分析方法有小波分析、短時傅里葉變換以及經(jīng)驗模態(tài)分解等。BARSZCZ等提出了利用譜峭度診斷行星齒輪箱故障的方法。譜峭度具有對沖擊信號敏感的特性，利用譜峭度可以檢測出信號中的沖擊成分，從而診斷出故障原因。HUANG等[[1G}研究了小波神經(jīng)網(wǎng)絡在風力機齒輪箱故障診斷中的應用。該方法借助小波變換的時頻分析特性和神經(jīng)網(wǎng)絡的白學習功能，將小波函數(shù)作為神經(jīng)網(wǎng)絡的隱含層，提高了診斷精度，減少了神經(jīng)網(wǎng)絡的層數(shù)，加快了收斂速度。1NALPOLAT等[17}對行星齒輪箱的建模和動力學行為進行了研究，為闡述其復合傳動引起的故障相互調(diào)制和禍合等故障機理提供了依據(jù)。溫度測量方法是基于零部件的溫度變化實現(xiàn)異常狀態(tài)識別的診斷方法。溫度作為狀態(tài)量，測量方便，操作簡單。鑒于溫度測量方法的簡單易行等特點，該方法已集成在風力機的控制系統(tǒng)中，用于檢測齒輪箱、發(fā)電機以及主軸等部件的健康狀態(tài)。5.2發(fā)電機發(fā)電機是風電機組的核心部件，負責將旋轉(zhuǎn)的機械能轉(zhuǎn)化為電能，并為電氣系統(tǒng)供電。隨著風力機容量的增大，發(fā)電機的規(guī)模也在逐漸增加，使得對發(fā)電機的密封保護受到制約。發(fā)電機長期運行于變工況和電磁環(huán)境中，容易發(fā)生故障。常見的故障模式有發(fā)電機振動過大、發(fā)電機過熱、軸承過熱、轉(zhuǎn)了/定了線圈短路、轉(zhuǎn)了斷條以及絕緣損壞等。據(jù)統(tǒng)計，在發(fā)電機的所有故障中，軸承的故障率為40%定了的故障率為38%，轉(zhuǎn)了的故障率為10%其他故障占12%。根據(jù)發(fā)電機的故障特點，采用的診斷方法主要是基于轉(zhuǎn)了/定了電流信號、電壓信號以及輸出功率信號等狀態(tài)檢測手段。POPA等[is}借助定了電流和轉(zhuǎn)了電流信號的時域分析得到其幅值信息，再通過FFT得到電流信號的諧波分量，最后通過判斷諧波分量的變化實現(xiàn)對發(fā)電機3種模擬故障的識別。WATSON等[m}借助連續(xù)小波變換，對輸出功率信號進行分析，識別出了發(fā)電機轉(zhuǎn)了偏心故障和軸承故障。DJUROVIC等[}zo}研究了穩(wěn)態(tài)狀況下，短時傅里葉變換方法在發(fā)電機定了開環(huán)故障中的應用。通過對比發(fā)現(xiàn)，雖然基于定了電流和瞬時功率的診斷方法均可識別出故障，但瞬時功率信號中包含了更多的故障信息。發(fā)電機的轉(zhuǎn)了偏心現(xiàn)象是軸承過度磨損或其他故障隱患的表現(xiàn)。基于輸出電流、電壓、功率等信號的檢測方法是識別轉(zhuǎn)了偏心故障的有效手段。此外，MOHANTY等針對多級齒輪箱研究通過解調(diào)異步發(fā)電機的電流信號來診斷齒輪箱故障。另外，BENNOUNA等在變轉(zhuǎn)速下建立了基于多項式的雙饋式異步發(fā)電機線性與非線性數(shù)學模型，利用故障特征分析法檢測出了轉(zhuǎn)了偏心故障，但是此方法也僅能判斷發(fā)電機出現(xiàn)故障類型，而不能準確找出故障源。YANG等[23}針對同步發(fā)電機為消除變轉(zhuǎn)速的影響，提出了基于轉(zhuǎn)矩和主軸轉(zhuǎn)速的判斷準則。模擬定了繞組線圈的短路，對發(fā)電機定了繞組電流/功率信號，先用離散小波去除噪聲，再使用連續(xù)小波提取特征頻率，有效地識別出了故障。5.3葉片葉片是風力發(fā)電機組吸收風能的關鍵部件。葉片長期露天工作在惡劣的環(huán)境下，難以避免受到濕氣腐蝕、陣風或雷擊等因素的破壞以及長時問運行產(chǎn)生的疲勞裂紋等故障隱患。風力機葉片長度一般在30^-40m，由纖維增強型復合材料組成，體積質(zhì)量巨大，一旦發(fā)生故障，不僅造成葉片本身的損壞，還會對整機的安全產(chǎn)生致命性損傷。因此，研究風力機葉片的狀態(tài)檢測方法，對于降低故障損失，保證機組長時問安全運行具有重要意義。目前，國內(nèi)雖然在風力機葉片的設計制造技術方面取得了一定的研究成果，如清華大學針對風力機葉片在運行過程中出現(xiàn)的顫振等現(xiàn)象綜述了葉片氣動彈性穩(wěn)定性問題的研究成果[24]，為風力機葉片的設計提供理論依據(jù)。但現(xiàn)有文獻對其運行過程中的狀態(tài)檢測技術研究的較少，GHOSHAL等[[z5}基于振動測量方法，利用壓電陶瓷傳感器捕捉振動信號，提出了4種用于葉片故障診斷的方法。傳遞函數(shù)和動態(tài)變形分析方法需借助多普勒激光掃描測振儀和葉片健康狀態(tài)時的測量數(shù)據(jù)作為參考，雖然診斷結果較為準確，但難以在實際中應用;響應比較和波動傳播分析方法只需壓電陶瓷傳感器和激振器，借助傳感器信號之問的比較判斷葉片是否存在異常。波動傳播方法只對位于傳感器和激振器之問的故障敏感，有一定的局限性;但響應比較分析方法算法簡單·對歷史數(shù)據(jù)要求低。SCHROEDER等z基于安裝在運行風力機葉片中的光纖光柵傳感器測量系統(tǒng)的成功運行，介紹了用光纖光柵傳感器實現(xiàn)風力機葉片的在線監(jiān)測的可行性。根據(jù)風力機葉片在運行過程中的載荷變化，借助葉片上對稱分布的光纖光柵傳感器捕捉應變信號，評判葉片健康狀態(tài)。SUNDARESAN等利用壓電陶瓷傳感器捕捉葉片中的應力應變波形，通過分析這些波形的傳播特性實現(xiàn)對葉片的故障識別。可見，對于葉片的故障檢測，主要是根據(jù)材料在不同受力情況下的應力應變變化，從而識別出故障狀態(tài)。應力應變檢測方法是通過應力應變傳感器(光纖光柵傳感器)檢測葉片在運行過程中應力應變的變化范圍，從而確保葉片的安全運行，并且該方法對于預測葉片壽命也非常有效。光纖光柵傳感器具有較好的抗電磁干擾、抗腐蝕、尺寸小、壽命長等優(yōu)點，適合葉片結構的狀態(tài)檢測。但葉片損傷容限準則尚未有效建立，基于光纖光柵傳感器獲得的信號難以與葉片損傷模式對應，YE等針對復合材料損傷的失效容限和性能退化預測進行了相關研究工作。此外，國外相關人員還利用現(xiàn)代無損檢測手段對葉片的健康狀態(tài)進行識別。聲發(fā)射檢測方法是利用物體內(nèi)部因應力集中產(chǎn)生斷裂、變形時釋放的應變波來識別被檢部件的異常情況。風力機葉片長期受到空氣動力的交變沖擊以及腐蝕等，會產(chǎn)生裂紋、變形等異常，可借助聲發(fā)射檢測。紅外成像檢測方法是利用物體在不同溫度下輻射出來的紅外線成像識別異常狀況。物體表面的健康狀態(tài)(裂紋、剝落等)會影響熱輻射的能量分布，利用該特點，紅外成像檢測方法可用于零部件表面裂紋的診斷識別[[30]雖然國外在風力機葉片故障診斷方面取得了一定的研究成果，但主要還是處于試驗階段，應用到實際中還需要一定的時問。5.4槳距控制系統(tǒng)、電氣系統(tǒng)與偏航系統(tǒng)采用槳距控制除可控制轉(zhuǎn)速外，還可減少轉(zhuǎn)了和驅(qū)動鏈中各部件的壓力，并允許風力機在很大風力下運行，目前主流的調(diào)速方式采用變槳距結構。其一般有兩種傳動機構:齒輪式與連桿式。在大型風力機中，常采用電了控制的液壓機構來控制葉片的槳距，液壓調(diào)節(jié)器控制齒輪或連桿推動葉片。變槳距系統(tǒng)轉(zhuǎn)速極低、運行不連續(xù)、負載隨機，對其狀態(tài)監(jiān)測可采用振動檢測，也可采集發(fā)電機的電流信號進行分析。風電機組的電氣系統(tǒng)通過變頻器等電氣設備與電網(wǎng)相連，向電網(wǎng)輸送電能，同時控制電能參數(shù)。電氣系統(tǒng)部件較多，發(fā)生故障的概率較大，故障類型主要有:短路故障、過電壓故障、過電流故障以及過溫故障等。電氣系統(tǒng)的任一部件出現(xiàn)故障，都有可能問接引起發(fā)電機的損壞。鑒于電氣系統(tǒng)的特點，可以采取性能參數(shù)檢測方法，如檢測輸出電壓、電流、功率、溫度等是否和正常值相一致，借此判斷電氣系統(tǒng)各個部件的健康狀態(tài)。偏航系統(tǒng)在風力發(fā)電機組中的作用是轉(zhuǎn)動機艙，使轉(zhuǎn)了隨時與風向保持一致，以保證風力發(fā)電機具有最大的發(fā)電能力。偏航系統(tǒng)主要由偏航電機、偏航齒輪、偏航齒圈等組成，出現(xiàn)的問題主要包括輪齒磨損、定位不準確、偏航電機故障以及限位開關故障等。鑒于偏航系統(tǒng)白身的運行特點，如轉(zhuǎn)速低、狀態(tài)多變、負載重等，對其進行狀態(tài)監(jiān)測，采用的方法大致是振動檢測以及針對偏航電機的電流、電壓檢測方法等。市場調(diào)查研究風力發(fā)電機姐的故障情況及故障診斷方法。首先采用調(diào)查法調(diào)查了風力發(fā)電技術的發(fā)展現(xiàn)狀，風力發(fā)電場的地理分布特點和風為發(fā)電機組的故障情況，并對其現(xiàn)有的故障診斷方法進行重點調(diào)查分析，了解其原理、應用范圍和優(yōu)缺點，掌握基本情況為后續(xù)的設計與實現(xiàn)奠定基礎。通過對于現(xiàn)有技術的綜合了解，對于當前技術進行簡單的分析尋找當前風力發(fā)電市場現(xiàn)有的故障診斷系統(tǒng)的不足之處，結合實際情況分析。就目前來說，國內(nèi)應用于風力發(fā)電場的故障診斷系統(tǒng)只能做到響應式維護和定期維護，有預知維護方面的理論研巧基礎，雖然部分公司開發(fā)一些針對風力發(fā)電機組某一部位進行預知維護的軟件但因為技術原因，目前還未大規(guī)模投入使用，并且沒有對整個風電場進行預知維護的故障診斷系統(tǒng)。六總結現(xiàn)如今風電機組的狀態(tài)監(jiān)測與故障診斷技術正在飛速發(fā)展之中，越來越多的研究人員參與其中，但是其成熟度依舊跟不上風電機組的發(fā)展速度，且對狀態(tài)監(jiān)測與故障診斷應用于風電機組的研究還處在初級階段，國內(nèi)外研究人員雖然提出了大量的監(jiān)測診斷方法，但是其中的大部分還是處于仿真理論研究或離線診斷階段，且實際監(jiān)測數(shù)據(jù)目對于仿真數(shù)據(jù)更為復雜，現(xiàn)有應用的故障診斷系統(tǒng)功能也‘較為簡單，許多系統(tǒng)還達不到自動診斷，不能及時準確的給出故障診斷結果，許多故障還需要專家進行現(xiàn)場診斷，這些都是現(xiàn)在所面臨的主要問題。本文在簡要介紹了故障診斷發(fā)展趨勢的基礎上，對風電機組的智能預測診斷技術做了研究，對解決實際風場故障診斷問題有重要意義。參考文獻[1]武花榮，王晨升，劉磊磊，等.基于