风力发电机组状态监测和故障诊断技术研究

1风力发电机组状态监测和故障诊断的意义

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。

2风力发电机组状态监测技术

2.1技术特征分析

风力发电机组常用的状态监测方法之一主要是从风力发电机组的各项运行参数入手,通过监测机组运行参数的变化来判断机组是否发生异常。风力发电机组中的运行参数类型多样,大体分为可测量参数及计算参数两大类。其中,计算参数是指需要读取可测量参数,并使用一定的算法进行计算,将计算所得结果作为运行参数。根据机组实际情况,按需选取合适的测量装置或算法是进行风力发电机组状态检测的重要前提。如测量装置不匹配,将无法准确测量相关电力参数能量状态或数值大小的变化:如算法使用不当或编写错误,将会得出错误的计算参数。这都将影响机组的正常运行状态。但不同种类、不同厂家的测量装置和各类算法都存在各自的优缺点,如何进行选择需要根据机组的实际需求确定。

2.2可测量参数异常监测

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。

2.3计算参数异常监测

风力发电机组内的计算参数需要选择合适的监测技术和检测方法,在实际操作过程中需要注意以下几个要点:

（1）在检测计算参数的过程中选择合适的算法。风力发电机组有多种类型,每种类型的风力发电机组内多处需要用到各类不同算法,而每类算法中又有多种策略可供选择。这要根据风力发电机组实际情况和需求来选择合适的算法,因为不同的算法直接影响最终的计算结果,选取合适的算法能够显著提高计算参数监测的准确性和计算效率。（2）选择合适的设备运行算法。所谓合适的设备是指:1）算法稳定、长期运行需要执行设备本身的硬件条件支持:2）风力发电机组内需配置可靠、稳定的数据传输设备及测量设备,为算法的运行提供计算依据及输出渠道。

2.4测量设备异常监测

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。

3风力发电机组故障诊断技术

3.1故障诊断分析

对风力发电机组进行故障诊断时,要根据机组自身结构的复杂性和机组运行环境的特殊性,综合分析各种因素,提高故障诊断结果的准确性。风力发电机组运动部件多、结构复杂,故障诊断比较困难。因此需要更新传统诊断技术,积极应用新技术和新理念,准确诊断各种故障,为故障的解决提供依据。对于风力发电机组的故障诊断,需要准确掌握各类不同的故障现象,根据机组电力参数、振动、压力、形变、磨损、温度等性能特征进行综合分析,完成故障诊断。

3.2热力参数分析

风力发电机组热力参数分析,即通过分析风力发电机组在运行过程中各项温度和湿度的变化,确定其运行状态。

风力发电机组内的温度主要有:各大部件（如发电机、齿轮箱、发电机、运动电机、变流器等）的内部温度、机舱内温度、控制柜内温度、各项液压油/润滑油温度。而风力发电机组内的湿度主要有:机舱内湿度、控制柜内湿度等。

通过对风力发电机组内的热力参数进行监控,能够有效监测机组的运行状态。同时根据热力参数的变化趋势和反馈结果,能够准确判断机组内产生故障的设备位置,能够为分析故障原因提供充分详实的依据。

3.3振动分析

振动分析的应用原理是在机组内各大部件（如齿轮箱支架、发电机支架、主轴支架、机组机架）上安装振动传感器,这

些传感器能够准确测量机组内各大部件的振动情况。通过对传感器反馈的振动信号进行处理和分析,能够快速、精准地判断机组内各部件的振动状态以及运行趋势,并以此分析振动来源和产生原因,判断机组运行是否出现故障。

4大数据背景下风力发电机组的监测和故障诊断

传统风力发电机组的状态监测和故障诊断主要是通过各类监测设备对机组内的相关参数进行监测、分析和诊断。但是随着大数据技术不断发展,各种基于大数据的分析方法不断被应用于风力发电机组的状态监测和故障诊断中。

4.1大数据技术

大数据技术是指从大量的、不完全的、有噪声的、模糊的、随机的工业生产数据中,通过算法提取数据背后隐含的具有价值的规律。大数据技术在风力发电行业中的应用有:收集并汇总一定区域内或一定类型风力发电机组中的海量运行数据,通过大数据挖掘和分析技术,总结数据背后存在的显著的统计因素,利用这些统计因素进一步判断风力发电机组可能存在的故障类型以及故障发生的最大概率,建立相关区域或相关类型的风力发电机组故障模型,并根据故障模型提前制定处理策略。大数据挖掘和分析的技术手段有很多,常见的手段有基于最小二乘法或利用多元回归模型来构建大数据模型,然后进行回归分析得到影响变量的主要因素,这些因素可以广泛应用于风力发电机组状态检测和故障诊断。

4.2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。

5结语

综上所述,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。