風(fēng)力機(jī)狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)研究

吳 娜，孫麗玲，楊 普

(華北電力大學(xué)電氣與電子工程學(xué)院，河北保定 071003)

風(fēng)力機(jī)狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)研究

吳 娜，孫麗玲，楊 普

(華北電力大學(xué)電氣與電子工程學(xué)院，河北保定 071003)

風(fēng)力發(fā)電機(jī)在惡劣的自然環(huán)境下工作，極易出現(xiàn)故障.利用狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)可以對(duì)其運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)控，并對(duì)可能出現(xiàn)的故障進(jìn)行診斷.回顧了狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)的歷史與現(xiàn)狀，介紹了狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)的基本結(jié)構(gòu).對(duì)風(fēng)力機(jī)常用狀態(tài)監(jiān)測(cè)技術(shù)及主要測(cè)量參數(shù)進(jìn)行了分析研究，并分析了風(fēng)力機(jī)部件的常見(jiàn)故障，研究了部件的故障機(jī)理.最后，分析研究了適合于風(fēng)力機(jī)的多種故障診斷方法.

狀態(tài)監(jiān)測(cè);故障診斷;風(fēng)電機(jī)組;振動(dòng);油液;溫度;應(yīng)變

中國(guó)風(fēng)能資源豐富，可開(kāi)發(fā)利用的風(fēng)資源14億kW，其中陸上6億kW、海上8億kW.2008年中國(guó)累計(jì)裝機(jī)容量達(dá)到1 221萬(wàn)kW(12.2 GW)，其中并網(wǎng)發(fā)電的有894萬(wàn)kW.預(yù)計(jì)到2020年我國(guó)風(fēng)電裝機(jī)將達(dá)到1.5億kW［1］.根據(jù)世界風(fēng)能委員會(huì)的預(yù)測(cè)，到2020年全世界的電力消耗將有12%來(lái)自風(fēng)力發(fā)電［2］.風(fēng)力發(fā)電技術(shù)已經(jīng)成為世界各國(guó)的研究熱點(diǎn)，其研究重點(diǎn)在于如何降低風(fēng)力發(fā)電的成本和如何提供可靠的、高質(zhì)量的電能.

在日常的運(yùn)行中，由于風(fēng)力發(fā)電機(jī)工作在野外，工作環(huán)境非常惡劣，風(fēng)力發(fā)電機(jī)組發(fā)生故障的位置比較復(fù)雜，同時(shí)發(fā)生故障的幾率也比較大，一旦風(fēng)力發(fā)電機(jī)因故障而導(dǎo)致停機(jī)，就將帶來(lái)巨大的經(jīng)濟(jì)損失［3］.所以有必要對(duì)風(fēng)力發(fā)電機(jī)的各個(gè)部位及周?chē)沫h(huán)境進(jìn)行實(shí)時(shí)監(jiān)測(cè)，避免不必要的損失.目前風(fēng)電場(chǎng)的維護(hù)多采用計(jì)劃維修與事后維修方式.計(jì)劃維修，即一般風(fēng)力機(jī)運(yùn)行2 500 h或5 000 h后進(jìn)行例行維護(hù)，這種維修方式無(wú)法全面、及時(shí)地了解設(shè)備運(yùn)行狀況;而事后維修是當(dāng)系統(tǒng)處于故障后才進(jìn)行檢修，危險(xiǎn)性較大，且由于事先的準(zhǔn)備不夠充分，往往造成維修工作的耗時(shí)太長(zhǎng)、損失嚴(yán)重［4］.對(duì)風(fēng)電機(jī)組進(jìn)行實(shí)時(shí)狀態(tài)監(jiān)測(cè)和故障診斷，有效地避免了上述缺陷，達(dá)到在不停機(jī)狀態(tài)下對(duì)運(yùn)行設(shè)備的監(jiān)控.使用在線監(jiān)測(cè)系統(tǒng)以后，能增加風(fēng)電場(chǎng)的正常運(yùn)行時(shí)間、優(yōu)化設(shè)備運(yùn)行工況、降低風(fēng)力發(fā)電設(shè)備的維修費(fèi)用、提高風(fēng)力發(fā)電機(jī)組的運(yùn)行安全性.

1 狀態(tài)監(jiān)測(cè)與故障診斷研究的歷史與現(xiàn)狀

最初的狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)主要是依靠現(xiàn)場(chǎng)獲取設(shè)備運(yùn)行時(shí)的感觀狀態(tài)，憑借經(jīng)驗(yàn)或多位專(zhuān)家進(jìn)行分析研究，確定可能存在的故障或故障隱患.隨著測(cè)量技術(shù)及測(cè)量?jī)x器的發(fā)展，狀態(tài)監(jiān)測(cè)逐步發(fā)展為依靠?jī)x器測(cè)量設(shè)備的某些關(guān)鍵部位，根據(jù)獲取的參數(shù)(如頻率、振幅、速度、加速度及溫度等參數(shù))，并與固有參數(shù)進(jìn)行對(duì)比，確定故障點(diǎn)或故障隱患點(diǎn).受到當(dāng)時(shí)科技水平的限制，早期的“系統(tǒng)”規(guī)模小、測(cè)點(diǎn)數(shù)少、自動(dòng)化程度低、數(shù)據(jù)處理速度慢、存儲(chǔ)容量小［5］.

近幾年，隨著電子技術(shù)、測(cè)試技術(shù)、計(jì)算機(jī)技術(shù)、信號(hào)分析與數(shù)據(jù)處理技術(shù)等的迅速發(fā)展，狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)與計(jì)算機(jī)技術(shù)結(jié)合起來(lái)，將監(jiān)測(cè)數(shù)據(jù)傳輸給計(jì)算機(jī)和Internet網(wǎng)絡(luò)，計(jì)算機(jī)對(duì)這些數(shù)據(jù)做出綜合分析，顯示出相關(guān)的圖譜，如倍頻譜圖、倒頻譜圖、時(shí)域頻譜圖和幅值圖等，并可通過(guò)計(jì)算機(jī)上的專(zhuān)家系統(tǒng)對(duì)所測(cè)的數(shù)據(jù)進(jìn)行綜合評(píng)價(jià)，從而實(shí)現(xiàn)在線監(jiān)測(cè)和網(wǎng)絡(luò)遠(yuǎn)程監(jiān)測(cè)［6］.現(xiàn)代監(jiān)測(cè)與診斷系統(tǒng)也越來(lái)越復(fù)雜，系統(tǒng)的功能和性能都有了全面提高;單純的監(jiān)測(cè)與診斷向著監(jiān)測(cè)、診斷、控制、管理、調(diào)度的集成化過(guò)渡;監(jiān)測(cè)的對(duì)象從單一的機(jī)組發(fā)展成為多個(gè)區(qū)域多臺(tái)機(jī)組的監(jiān)測(cè)網(wǎng)絡(luò);應(yīng)用領(lǐng)域已經(jīng)迅速擴(kuò)展到石油、化工、電力、冶金、能源、航空、核工業(yè)等國(guó)民經(jīng)濟(jì)的主要行業(yè)［7－8］.

2 狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)的基本結(jié)構(gòu)

風(fēng)力發(fā)電機(jī)在線監(jiān)測(cè)與診斷系統(tǒng)是集合了信號(hào)采集、在線監(jiān)測(cè)以及信號(hào)分析于一體的多功能在線監(jiān)測(cè)診斷分析系統(tǒng)，對(duì)風(fēng)力發(fā)電機(jī)的振動(dòng)、溫度、壓力和電氣參數(shù)等進(jìn)行在線的監(jiān)測(cè)，將監(jiān)測(cè)結(jié)果與事先設(shè)定的值進(jìn)行比較，在線監(jiān)測(cè)和診斷系統(tǒng)，能夠及時(shí)地發(fā)現(xiàn)運(yùn)行異常并報(bào)警，可對(duì)采集到的數(shù)據(jù)進(jìn)行各種分析處理，從而可以準(zhǔn)確地確定設(shè)備故障［9］.風(fēng)力機(jī)狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)的主要組成包括:信號(hào)采集、信號(hào)處理、狀態(tài)辨識(shí)、監(jiān)測(cè)與診斷決策、診斷結(jié)果［10］.信號(hào)采集由安裝在設(shè)備上或設(shè)備附近的傳感器完成，信號(hào)處理、狀態(tài)辨識(shí)和監(jiān)測(cè)與診斷決策一般由計(jì)算機(jī)系統(tǒng)或由專(zhuān)用儀器設(shè)備完成［11］.

3 風(fēng)力機(jī)狀態(tài)監(jiān)測(cè)技術(shù)

風(fēng)力發(fā)電機(jī)是將風(fēng)能轉(zhuǎn)換成電能的發(fā)電設(shè)備，風(fēng)能先后通過(guò)葉輪、主軸、齒輪箱和發(fā)電機(jī)后轉(zhuǎn)換成電能.風(fēng)力發(fā)電機(jī)結(jié)構(gòu)長(zhǎng)期受到隨機(jī)風(fēng)載荷的作用，同時(shí)由于風(fēng)輪和發(fā)電機(jī)轉(zhuǎn)子的偏心等，在旋轉(zhuǎn)時(shí)都會(huì)產(chǎn)生不平衡的慣性力.這些原因會(huì)激起風(fēng)機(jī)結(jié)構(gòu)的振動(dòng)，影響結(jié)構(gòu)的安全性和可靠性.要對(duì)風(fēng)機(jī)進(jìn)行故障預(yù)測(cè)診斷，就必須監(jiān)測(cè)風(fēng)機(jī)的運(yùn)行參數(shù)，從參數(shù)中提取故障特征.一般地，監(jiān)測(cè)參數(shù)包括很多種信號(hào)，如風(fēng)機(jī)電量參數(shù)、風(fēng)機(jī)非電量參數(shù)、機(jī)械振動(dòng)信號(hào)、負(fù)荷參數(shù)信號(hào)和特定的其他信號(hào)等.實(shí)踐證明，分析測(cè)量得到的所有信號(hào)不僅不現(xiàn)實(shí)，而且也沒(méi)有必要［12］.

為了解風(fēng)力發(fā)電機(jī)組的運(yùn)行狀態(tài)，理想情況下，至少需要測(cè)量以下參數(shù):風(fēng)速、風(fēng)向、槳距角、葉根擺振和揮舞振動(dòng)彎矩、轉(zhuǎn)子軸扭矩和彎矩、轉(zhuǎn)子頻率和相位、偏航位置、機(jī)艙加速度、主軸承振動(dòng)、齒輪箱振動(dòng)、塔架扭矩和彎矩、發(fā)電機(jī)電流(三相)和電功率輸出以及運(yùn)行噪音等［13］.

風(fēng)力機(jī)狀態(tài)的監(jiān)測(cè)技術(shù)主要分為以下5類(lèi).

3.1 振動(dòng)監(jiān)測(cè)

振動(dòng)信號(hào)是機(jī)械故障特征的載體，不同頻率對(duì)應(yīng)不同故障.振動(dòng)信號(hào)的變化都可能表明機(jī)械狀態(tài)的變化［14］.振動(dòng)分析是對(duì)于旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)中使用最廣泛的方法.采用振動(dòng)分析法，可以對(duì)大部分機(jī)械設(shè)備進(jìn)行準(zhǔn)確的設(shè)備檢驗(yàn)和故障診斷，如轉(zhuǎn)子不平衡、轉(zhuǎn)軸彎曲、軸承松動(dòng)、軸系不對(duì)中、動(dòng)靜件摩擦、油膜振蕩、旋轉(zhuǎn)失速及喘振、轉(zhuǎn)軸的橫向裂紋、結(jié)構(gòu)共振等［15］.文獻(xiàn)［16］中介紹的斯凱孚公司(SKF)在線振動(dòng)監(jiān)測(cè)系統(tǒng)，可以監(jiān)測(cè)動(dòng)平衡，對(duì)中情況，軸承、齒輪嚙合，軸彎曲，機(jī)械松動(dòng)，塔筒振動(dòng)，葉片振動(dòng)，電氣故障，共振等風(fēng)機(jī)故障.

用于振動(dòng)監(jiān)測(cè)的傳感器可以由其監(jiān)測(cè)的機(jī)械頻率來(lái)分類(lèi):對(duì)于低頻區(qū)域?yàn)槲恢脗鞲衅鳌?duì)于中頻區(qū)域?yàn)樗俣葌鞲衅?、?duì)于高頻區(qū)域?yàn)榧铀俣葌鞲衅?、?duì)于甚高頻區(qū)域?yàn)槟芰款l譜傳感器［17］.

在風(fēng)電機(jī)組中，振動(dòng)監(jiān)測(cè)法主要用于監(jiān)測(cè)齒輪箱的齒輪和軸承、發(fā)電機(jī)的軸承、主軸承以及機(jī)艙的振動(dòng)，也有少數(shù)用來(lái)監(jiān)測(cè)葉片.

利用風(fēng)力發(fā)電機(jī)的振動(dòng)信號(hào)分析，故障診斷的方法可分為簡(jiǎn)易診斷法和精密診斷法2種［18］.當(dāng)用簡(jiǎn)易診斷檢測(cè)出風(fēng)力發(fā)電機(jī)中部件出現(xiàn)故障后，若希望把故障定位到元件級(jí)，可以借助頻譜分析技術(shù)和元件的特征頻率計(jì)算，定位故障.

風(fēng)力發(fā)電機(jī)故障的精密診斷大多采用頻譜分析.頻譜分析一般是根據(jù)部件的頻譜結(jié)構(gòu)分頻帶進(jìn)行，再根據(jù)其特征頻率和故障特征信息進(jìn)行分析.但由于風(fēng)力發(fā)電機(jī)中的滾動(dòng)軸承和齒輪箱的頻譜結(jié)構(gòu)復(fù)雜，還會(huì)用到其他的分析方法，如倒譜分析、希爾伯特包絡(luò)分析、小波分析、細(xì)化譜分析等.

文獻(xiàn)［19］采用小波理論對(duì)沈陽(yáng)工業(yè)大學(xué)自主研發(fā)的SUT21000型MW級(jí)風(fēng)電機(jī)組的振動(dòng)數(shù)據(jù)進(jìn)行分析，得到直觀的包絡(luò)譜線，進(jìn)而判斷風(fēng)力發(fā)電機(jī)組的實(shí)際工作狀態(tài).文獻(xiàn)［20］采用對(duì)兆瓦級(jí)風(fēng)力機(jī)主軸和齒輪箱振動(dòng)信號(hào)進(jìn)行頻譜分析的方法.若采集到的頻譜信號(hào)超過(guò)設(shè)定的報(bào)警限，則對(duì)實(shí)時(shí)處理信號(hào)與數(shù)據(jù)庫(kù)存儲(chǔ)信號(hào)進(jìn)行比較，通過(guò)LabVIEW圖形化編程語(yǔ)言，將采集的信號(hào)進(jìn)行小波變換和頻譜分析，獲得信號(hào)頻譜圖，從而判斷出風(fēng)力發(fā)電機(jī)產(chǎn)生的故障及位置.在故障診斷中，確定風(fēng)力機(jī)故障的指標(biāo)非常困難，通常都是根據(jù)經(jīng)驗(yàn)來(lái)確定標(biāo)準(zhǔn)限.而文獻(xiàn)［20］采取的是“歸一化”法.

3.2 油液監(jiān)測(cè)

油液監(jiān)測(cè)技術(shù)是通過(guò)對(duì)被監(jiān)測(cè)設(shè)備潤(rùn)滑油和液壓油本身性能的檢測(cè)，檢測(cè)油內(nèi)磨屑微粒的情況，從而掌握設(shè)備運(yùn)行中的潤(rùn)滑和零部件的磨損信息.油液分析技術(shù)可實(shí)現(xiàn)機(jī)械零部件從磨合階段、正常磨損階段、直到嚴(yán)重磨損階段的全過(guò)程監(jiān)測(cè)［21］.

油液監(jiān)測(cè)包括油液品質(zhì)檢查、鐵屑檢查，有時(shí)候也包括油濾壓降檢查以及油溫檢查.

油液分析的手段可分為油液理化指標(biāo)及污染度檢測(cè)、油液鐵譜分析及油液光譜分析［22］.

在風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)中，油液分析有2個(gè)目的:監(jiān)測(cè)潤(rùn)滑油的質(zhì)量和監(jiān)測(cè)被潤(rùn)滑的工件質(zhì)量.

風(fēng)電機(jī)組的油液分析多數(shù)情況下采用取樣后離線分析的方法.但目前也已經(jīng)有了商業(yè)化的在線油液監(jiān)測(cè)系統(tǒng)，這些系統(tǒng)可以實(shí)時(shí)監(jiān)測(cè)油液中的水分和微粒.除此之外，風(fēng)力發(fā)電機(jī)組對(duì)液壓系統(tǒng)過(guò)濾器的狀態(tài)監(jiān)測(cè)已經(jīng)被廣泛采用，這在某種程度上也可視為是對(duì)液壓油質(zhì)量的監(jiān)測(cè)［17］.

3.3 應(yīng)變監(jiān)測(cè)

應(yīng)力傳感器可以用來(lái)監(jiān)測(cè)風(fēng)力發(fā)電機(jī)組的結(jié)構(gòu)載荷和低速軸轉(zhuǎn)矩，對(duì)于風(fēng)力發(fā)電機(jī)組的設(shè)計(jì)驗(yàn)證和壽命預(yù)期有很重要的意義.目前被認(rèn)為最適合風(fēng)力發(fā)電機(jī)組進(jìn)行應(yīng)力測(cè)試的是光纖應(yīng)力傳感器，它具有耐環(huán)境性能優(yōu)越、抗電磁干擾、體積小、靈敏度高的優(yōu)點(diǎn).

3.4 溫度監(jiān)測(cè)

溫度監(jiān)測(cè)通常用于電子和電氣元件的故障診斷.在設(shè)備劣化或過(guò)負(fù)荷的情況下，溫度值可以很直觀地反映設(shè)備運(yùn)行故障.對(duì)于風(fēng)力發(fā)電機(jī)組，在發(fā)電機(jī)、變流器和齒輪箱等設(shè)備內(nèi)都安裝有很多溫度傳感器.

3.5 電參數(shù)監(jiān)測(cè)

在發(fā)電機(jī)組中，電參數(shù)是其重要的性能指標(biāo).風(fēng)力發(fā)電機(jī)組與電網(wǎng)連接點(diǎn)的各項(xiàng)電參數(shù)表征了風(fēng)力發(fā)電機(jī)組的發(fā)電性能和對(duì)電網(wǎng)的適應(yīng)能力，而變流、變槳等子系統(tǒng)的電參數(shù)監(jiān)測(cè)則是為了實(shí)時(shí)了解其運(yùn)行狀態(tài).

4 風(fēng)力機(jī)故障診斷技術(shù)

風(fēng)力機(jī)故障主要分為電氣故障和機(jī)械故障兩大類(lèi).電氣故障包括傳感器故障、低壓器件故障、通信故障、變流器故障、變槳故障、電網(wǎng)故障等;機(jī)械故障包括齒輪箱故障、回轉(zhuǎn)支撐故障、軸承故障、葉片故障、機(jī)械剎車(chē)故障、液壓故障、對(duì)中故障等［23］.風(fēng)電機(jī)組最常發(fā)生的故障是電氣系統(tǒng)故障，主要的停機(jī)時(shí)間是由齒輪故障造成的［24］.風(fēng)力機(jī)尺寸越大，故障的頻率越高.對(duì)于海上風(fēng)力機(jī)，由于其工作環(huán)境更惡劣，比陸上風(fēng)力機(jī)更難以進(jìn)行維護(hù)操作.以下分析風(fēng)力機(jī)主要部件的故障診斷方法.

4.1 齒輪箱的故障診斷

按照不同的驅(qū)動(dòng)方式，風(fēng)力發(fā)電機(jī)可以分為齒輪驅(qū)動(dòng)、直接驅(qū)動(dòng)和混合驅(qū)動(dòng)，當(dāng)前世界上大約70%的風(fēng)力發(fā)電采用的是齒輪驅(qū)動(dòng)技術(shù).在風(fēng)力發(fā)電機(jī)組中，齒輪箱是一個(gè)重要的變速傳動(dòng)部件，通過(guò)齒輪副完成整個(gè)風(fēng)力發(fā)電機(jī)組能量的傳遞.齒輪箱和主軸的壽命往往決定著風(fēng)力發(fā)電機(jī)組的壽命，因此齒輪箱的狀態(tài)監(jiān)測(cè)和故障診斷技術(shù)就顯得非常重要.從齒輪故障診斷的角度出發(fā)，凡是使齒廓偏離理想形狀和位置的變化，都屬于齒輪故障［25］.齒輪箱常見(jiàn)故障模式有齒輪磨損、齒輪斷齒、齒輪偏心、軸承損壞、潤(rùn)滑不良、油溫過(guò)高等［26］.

文獻(xiàn)［26］中介紹了一套風(fēng)力機(jī)齒輪的故障診斷軟件.該軟件利用Visual C++和MATLAB混合編程，可對(duì)采集的故障齒輪的振動(dòng)信號(hào)進(jìn)行時(shí)頻、解調(diào)和倒譜分析，并對(duì)齒輪狀態(tài)作出診斷.用試驗(yàn)平臺(tái)測(cè)試了這套軟件系統(tǒng)的可行性.

文獻(xiàn)［27］針對(duì)風(fēng)力發(fā)電機(jī)齒輪箱的故障特征，運(yùn)用在線編程技術(shù)，開(kāi)發(fā)了基于B/S的風(fēng)電機(jī)組在線監(jiān)測(cè)系統(tǒng).該系統(tǒng)由固定在風(fēng)電齒輪箱上的傳感器采集齒輪箱的振動(dòng)信號(hào)、噪聲信號(hào)和溫度信號(hào)，將采集到的數(shù)字信號(hào)上傳到Web服務(wù)器中，Web服務(wù)器可以將實(shí)時(shí)的數(shù)據(jù)通過(guò)局域網(wǎng)發(fā)送到客戶(hù)端，實(shí)現(xiàn)在線監(jiān)測(cè)，也可以將歷史數(shù)據(jù)通過(guò)Internet發(fā)送到遠(yuǎn)程診斷中心進(jìn)行遠(yuǎn)程診斷.該系統(tǒng)將網(wǎng)絡(luò)技術(shù)與狀態(tài)監(jiān)測(cè)相結(jié)合，大大提高了在線監(jiān)測(cè)系統(tǒng)的效率和準(zhǔn)確性.

文獻(xiàn)［28］建立了圓柱齒輪的有限元模型.對(duì)ANSYS中設(shè)計(jì)的直齒圓柱齒輪在一定載荷(頻率)作用下的狀態(tài)進(jìn)行有限元仿真分析，通過(guò)計(jì)算齒輪頻率和變形，求解出其正常工作和故障頻率情況下的形狀、位移和等效應(yīng)力的變化，得出振型圖，直觀地分析圓柱齒輪的故障動(dòng)態(tài)特性.文獻(xiàn)［29］對(duì)齒輪箱進(jìn)行油溫故障分析.以ANSYS為主要分析工具，建立模型，進(jìn)行穩(wěn)、瞬態(tài)熱分析及熱應(yīng)力分析;通過(guò)分析其溫度場(chǎng)分布、變形、應(yīng)力等，找出油溫故障原因、閾值、易出故障部位.

4.2 發(fā)電機(jī)的故障診斷

發(fā)電機(jī)內(nèi)存在多個(gè)相關(guān)的工作系統(tǒng)(如電路系統(tǒng)、磁路系統(tǒng)、機(jī)械系統(tǒng)、絕緣系統(tǒng)、通風(fēng)散熱系統(tǒng)等)，故障起因和故障征兆表現(xiàn)出多樣性.風(fēng)力系統(tǒng)中發(fā)電機(jī)的常見(jiàn)故障包括定子繞組故障(占12.89%)、軸承故障(41.77%)、轉(zhuǎn)子導(dǎo)條和端環(huán)故障(7.64%)、轉(zhuǎn)軸或連軸器故障(4.3%)以及其他各種故障.發(fā)電機(jī)的故障通常產(chǎn)生以下一種或者多種征兆:氣隙電壓和電流的不平衡，轉(zhuǎn)矩脈動(dòng)的加強(qiáng)，平均轉(zhuǎn)矩的減小，效率的降低，電流、電壓、磁通波形的擾動(dòng)等［30］.

發(fā)電機(jī)的振動(dòng)分析可與低速軸、齒輪箱的振動(dòng)監(jiān)測(cè)結(jié)合起來(lái).但振動(dòng)傳感器存在價(jià)格昂貴、安裝不便以及可靠性較差的缺點(diǎn).定子電流信號(hào)是另一種常用的分析信號(hào)，相對(duì)振動(dòng)信號(hào)，它具有安裝簡(jiǎn)單、價(jià)格便宜、非侵入式以及與電機(jī)控制系統(tǒng)共享電流信號(hào)的特點(diǎn)，已成為感應(yīng)電機(jī)故障診斷信號(hào)分析的熱點(diǎn).

文獻(xiàn)［30］提出將離散小波變換、統(tǒng)計(jì)分析、能量譜結(jié)合在一起，分析定子電流信號(hào)，從而判斷雙饋風(fēng)力發(fā)電機(jī)組的故障.文獻(xiàn)［31］通過(guò)監(jiān)測(cè)風(fēng)力發(fā)電機(jī)組中的同步發(fā)電機(jī)的電信號(hào)、發(fā)電機(jī)轉(zhuǎn)軸的轉(zhuǎn)矩和轉(zhuǎn)速來(lái)診斷發(fā)電機(jī)繞組故障和轉(zhuǎn)子不平衡故障.文獻(xiàn)［32］對(duì)永磁風(fēng)力發(fā)電機(jī)的溫度場(chǎng)及電磁場(chǎng)進(jìn)行耦合計(jì)算，得出基本仿真的數(shù)據(jù);使用現(xiàn)場(chǎng)實(shí)際測(cè)量的以及部分仿真的數(shù)據(jù)，結(jié)合電流、電磁場(chǎng)、溫度場(chǎng)和振動(dòng)等多種信號(hào);利用多種智能診斷技術(shù)和方法(BP網(wǎng)絡(luò)、Elman網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò))，對(duì)發(fā)電機(jī)的多種故障數(shù)據(jù)融合處理，分類(lèi)判斷，分析故障原因和嚴(yán)重程度，得出診斷結(jié)論.

4.3 人工智能故障診斷

人工智能在可再生能源技術(shù)上的應(yīng)用越來(lái)越廣泛［33］.人工智能診斷方法包括人工神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘、模糊邏輯、專(zhuān)家系統(tǒng)等.為了提高診斷準(zhǔn)確率，更好地適應(yīng)工程需要，近年來(lái)還出現(xiàn)了多種診斷技術(shù)相結(jié)合的診斷方法，如小波神經(jīng)網(wǎng)絡(luò)、模糊自組織神經(jīng)網(wǎng)絡(luò)、基于模糊集的故障樹(shù)、基于粗糙集的人工神經(jīng)網(wǎng)絡(luò)、基于模糊推理的專(zhuān)家系統(tǒng)等.

文獻(xiàn)［34］提出了一種基于小波包變換的優(yōu)化LDB算法結(jié)合SOM－BP混合神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷的新方法.文獻(xiàn)［32］利用多種智能診斷技術(shù)和方法(BP網(wǎng)絡(luò)、Elman網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò))對(duì)發(fā)電機(jī)的多種故障數(shù)據(jù)融合處理，分類(lèi)判斷，分析故障原因和嚴(yán)重程度，得出診斷結(jié)論.文獻(xiàn)［35］利用滾動(dòng)軸承振動(dòng)信號(hào)，設(shè)計(jì)應(yīng)用于風(fēng)電機(jī)組故障診斷的神經(jīng)網(wǎng)絡(luò)模型.該模型的輸入樣本由振動(dòng)信號(hào)的部分時(shí)域特征值，經(jīng)過(guò)歸一化處理和一致性檢驗(yàn)后組成;輸出樣本由各種故障現(xiàn)象組成.神經(jīng)網(wǎng)絡(luò)技術(shù)其效果的好壞關(guān)鍵取決于樣本訓(xùn)練的結(jié)果.神經(jīng)網(wǎng)絡(luò)系統(tǒng)的性能在很大程度上受到所選擇的訓(xùn)練數(shù)據(jù)集的限制，訓(xùn)練數(shù)據(jù)的正交性和完備性如果不好，就會(huì)使系統(tǒng)性能惡化.此外，樣本質(zhì)量的好壞直接影響訓(xùn)練質(zhì)量繼而嚴(yán)重影響應(yīng)用結(jié)果.因此，針對(duì)系統(tǒng)比較復(fù)雜的應(yīng)用環(huán)境，應(yīng)當(dāng)進(jìn)一步考慮加強(qiáng)對(duì)模糊融合等算法實(shí)現(xiàn)問(wèn)題的研究，進(jìn)一步提高故障診斷系統(tǒng)解決不確定性問(wèn)題的能力.

5 結(jié)語(yǔ)

狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)是一門(mén)融合電子、測(cè)試、計(jì)算機(jī)、信號(hào)分析與數(shù)據(jù)處理、人工智能等多學(xué)科交叉的技術(shù).隨著信號(hào)處理技術(shù)、計(jì)算機(jī)技術(shù)以及人工智能的發(fā)展，許多先進(jìn)的技術(shù)都被引入到風(fēng)力發(fā)電機(jī)組故障診斷中.但許多先進(jìn)技術(shù)和理論并沒(méi)完全成熟;如何進(jìn)一步提高這些方法的有效性尚待進(jìn)一步研究;如何融合先進(jìn)方法，充分發(fā)揮各自?xún)?yōu)點(diǎn)，是故障診斷技術(shù)發(fā)展的方向之一;如何從多傳感器中提取綜合信號(hào)并處理，以提高故障診斷的精確性;如何研究多類(lèi)型故障的診斷是未來(lái)發(fā)展的熱點(diǎn)問(wèn)題.未來(lái)狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)的發(fā)展將是各種先進(jìn)診斷方法的融合以及發(fā)展遠(yuǎn)程的狀態(tài)監(jiān)測(cè)和故障診斷等.

［1］王志新，張華強(qiáng).風(fēng)力發(fā)電及其控制技術(shù)新進(jìn)展［J］.低壓電器，2009，19:1 －7.

［2］World Wind Energy Association.World wind energy report 2008［R/OL］.［2009 － 08 － 29］.http://www.wwindea.org/home/images/stories/worldwindenergyreport2008_s.pdf.

［3］Yang Wenxian，Jiang Jiesheng，Tavner P J，et al.Monitoring wind turbine condition by the approach of empirical mode decomposition［C］//2008 International Conference on Electrical Machines and Systems.Wuhan，China:IEEE，2008:736－740.

［4］趙振宙，鄭源，陳星鶯.海上風(fēng)電機(jī)組主要機(jī)械故障機(jī)理研究［J］.水利水電技術(shù)，2009，40(9):32 －45.

［5］李建華.在線設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)的應(yīng)用［J］.石油化工設(shè)備，2010，39(3):73 －75.

［6］戴東華.設(shè)備監(jiān)測(cè)與診斷技術(shù)的特點(diǎn)及發(fā)展應(yīng)用［J］.企業(yè)技術(shù)開(kāi)發(fā)，1999(6):4－6.

［7］李曉虎.旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)與信號(hào)分析系統(tǒng)的復(fù)用研究［D］.南京:東南大學(xué)，2004.

［8］盧學(xué)軍.汽輪發(fā)電機(jī)組故障診斷系統(tǒng)中幾個(gè)關(guān)鍵技術(shù)的研究［D］.杭州:浙江大學(xué)，2001.

［9］王瑞闖，林富洪.風(fēng)力發(fā)電機(jī)在線監(jiān)測(cè)與診斷系統(tǒng)研究［J］.華東電力，2009，37(1):190 －193.

［10］龍泉，劉永前，楊勇平.狀態(tài)監(jiān)測(cè)與故障診斷在風(fēng)電機(jī)組上的應(yīng)用［J］.現(xiàn)代電力，2008，25(6):55 －59.

［11］張雨，徐小林，張建華.設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷的理論和實(shí)踐［M］.北京:國(guó)防科技大學(xué)出版社，2000.

［12］王小鵬.基于小波變換和數(shù)據(jù)挖掘的風(fēng)電機(jī)在線故障診斷［D］.蘭州:蘭州理工大學(xué)，2010.

［13］Caselitz P，Giebhardt J，Mevenkamp M.On-line fault detection and prediction in wind energy converters［C］//EWEC’94，Thessaloniki，1994:623 －627.

［14］丁康，李巍華，朱小勇.齒輪及齒輪箱故障診斷實(shí)用技術(shù)［M］.北京:機(jī)械工業(yè)出版社，2005.

［15］操煉.振動(dòng)信號(hào)在船舶設(shè)備檢驗(yàn)中的應(yīng)用探討［D］.上海:上海海事大學(xué)，2005.

［16］任玉亭.振動(dòng)監(jiān)測(cè)技術(shù)在風(fēng)力發(fā)電機(jī)組中應(yīng)用［J］.內(nèi)蒙古電力技術(shù)，2010，28(2):8 －12.

［17］葉杭治.風(fēng)力發(fā)電機(jī)組監(jiān)測(cè)與控制［M］.北京:機(jī)械工業(yè)出版社，2011.

［18］吳佳梁，王廣良，魏振山.風(fēng)力機(jī)可靠性工程［M］.北京:化學(xué)工業(yè)出版社，2010.

［19］金嘉琦，關(guān)新，單光坤.小波理論在風(fēng)力發(fā)電機(jī)振動(dòng)監(jiān)測(cè)中的應(yīng)用［J］.沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào)，2008，30(5):520－524.

［20］陳長(zhǎng)征，梁樹(shù)民.兆瓦級(jí)風(fēng)力發(fā)電機(jī)故障診斷［J］.沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào)，2009，31(3):277 －280.

［21］王小斌.油液分析技術(shù)在機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)中的應(yīng)用分析［J］.煤炭技術(shù)，2001，20(9):52 －53.

［22］許斌，余學(xué)軍.油液分析技術(shù)在設(shè)備維修中的應(yīng)用與研究［J］.潤(rùn)滑油，2006，21(4):61 － 64.

［23］吳佳梁，胡杰，陳修強(qiáng).風(fēng)力機(jī)安裝、維護(hù)與故障診斷［M］.北京:化學(xué)工業(yè)出版社，2011.

［24］Ribrant J.Reliability performance and maintenance-a survey of failures in wind power systems［D］.Sweden:KTH School of Electrical Engineering，2006.

［25］繩曉玲，萬(wàn)書(shū)亭.基于VC與Matlab的風(fēng)力發(fā)電機(jī)組齒輪故障診斷系統(tǒng)［J］.機(jī)械傳動(dòng)，2011，35(6):72 －75.

［26］張積堅(jiān)，王奉濤.風(fēng)力發(fā)電機(jī)組齒輪箱在線監(jiān)測(cè)系統(tǒng)的開(kāi)發(fā)［J］.工業(yè)控制計(jì)算，2009，22(12):49 －50.

［27］周培毅，張新燕.風(fēng)力發(fā)電機(jī)組圓柱齒輪的故障振動(dòng)分析［J］.華東電力，2008，36(6):70 －72.

［28］張新燕，何山，張曉波，等.風(fēng)力發(fā)電機(jī)組主要部件故障診斷研究［J］.新疆大學(xué)學(xué)報(bào)，2009，26(2):140 －144.

［29］Al-Ahmar E，Benbouzid M E H，Amirat Y，et al.DFIG-based wind turbine fault diagnosis using a specific discrete wavelet transform［C］//2008 International Conference on Electrical Machines，2008:1 －6.

［30］Yang Wenxian，Tavner P J，Michael Wilkinson.Wind turbine condition monitoring and fault diagnosis using both mechanical and electrical signatures［C］//International Conference on Advanced Intelligent Mechatronics，2008，Xi＇an，China，2008:1296 －1301.

［31］何山，王維慶，張新燕，等.基于類(lèi)神經(jīng)網(wǎng)絡(luò)的MW永磁風(fēng)力發(fā)電機(jī)短路故障智能診斷［J］.電機(jī)與控制應(yīng)用，2011，38(9):24 －29.

［32］Soteris A Kalogirou.Artificial neural networks in renewable energy systems applications a review［J］.Renewable and Sustainable Energy Reviews，2001(5):373 － 401.

［33］莊哲民，殷國(guó)華，李芬蘭，等.基于小波神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電機(jī)故障診斷［J］.電工技術(shù)學(xué)報(bào)，2009，24(4):224－228.

［34］吳元修.神經(jīng)網(wǎng)絡(luò)在風(fēng)電機(jī)組機(jī)械傳動(dòng)系統(tǒng)故障診斷中的應(yīng)用研究［J］.制造業(yè)自動(dòng)化，2010，32(10):130－132.

Research on Wind Turbine Condition Monitoring and Fault Diagnosis

WU Na，SUN Li-ling，YANG Pu
(School of Electrical and Electronic Engineering，North China Electric Power University，Baoding 071003，China)

Wind turbines are subject to fault because of bad working conditions in the natural environment.A condition monitoring and fault diagnosis system can be used to monitor its operating condition and diagnose the possible fault in real time.The historical and present researches of wind turbine condition monitoring and fault diagnosis techniques are reviewed in the paper，and its basic structure is illustrated.The frequently-used condition monitoring technique and its main measurement parameters are analyzed here to put forward the common faults，and the failure mechanism.At the end，the paper discusses several fault diagnosis methods fit for the wind turbine.

condition monitoring;fault diagnosis;wind turbine;vibration;oil;temperature;strain

1002－5634(2012)02－0086－05

2011－12－25

中央高?；究蒲袠I(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金項(xiàng)目.

吳 娜(1986—)，女，湖北咸寧人，碩士研究生，主要從事風(fēng)力發(fā)電機(jī)故障診斷方面的研究.

(責(zé)任編輯:杜明俠)