風(fēng)力發(fā)電系統(tǒng)故障診斷技術(shù)淺析

余志平　姜興華

摘要：隨著大規(guī)模風(fēng)電場的投入運(yùn)行，風(fēng)電場陸續(xù)出現(xiàn)了較多運(yùn)行故障，需要高額的運(yùn)行維護(hù)成本，大大影響了風(fēng)電場的經(jīng)濟(jì)效益。針對風(fēng)力發(fā)電系統(tǒng)中變頻器、變流器及齒輪箱等主要部件的故障，對現(xiàn)有故障診斷方法進(jìn)行了介紹，為提高對風(fēng)力發(fā)電系統(tǒng)的可靠性、降低成本、促進(jìn)其工程化進(jìn)程提供了有效的參考。

關(guān)鍵詞：風(fēng)力發(fā)電系統(tǒng)；故障診斷技術(shù)

風(fēng)電場一般處于偏遠(yuǎn)地區(qū)，工作環(huán)境復(fù)雜惡劣，風(fēng)力發(fā)電機(jī)組發(fā)生故障的幾率比較大，如果機(jī)組的關(guān)鍵部件發(fā)生故障，將會(huì)使設(shè)備損壞，甚至導(dǎo)致機(jī)組停機(jī)，造成巨大的經(jīng)濟(jì)損失。為降低風(fēng)電機(jī)組運(yùn)行的風(fēng)險(xiǎn)，維護(hù)機(jī)組安全經(jīng)濟(jì)運(yùn)行，都應(yīng)該發(fā)展風(fēng)電機(jī)組故障診斷技術(shù)。

1.風(fēng)力發(fā)電系統(tǒng)常見故障及診斷技術(shù)

1.1變頻器故障診斷

變頻器故障的產(chǎn)生，不僅有外部環(huán)境的影響，也有內(nèi)部因素的限制，就目前變頻器使用而言，主要利用速恒頻式的風(fēng)力發(fā)電機(jī)，此類型的風(fēng)力發(fā)電機(jī)在應(yīng)對電網(wǎng)故障的方面存在比較大的缺陷，所以其發(fā)生故障的情況也比較普遍。

在實(shí)際應(yīng)用中發(fā)現(xiàn)風(fēng)力發(fā)電機(jī)的調(diào)節(jié)速度比較慢，故障前期風(fēng)機(jī)吸收的風(fēng)能不會(huì)減少，由于發(fā)電機(jī)組端電壓下降，所以會(huì)出現(xiàn)不能向電網(wǎng)輸送電能的情況。風(fēng)力發(fā)電機(jī)組產(chǎn)生的電能一部分不能輸送到電網(wǎng)當(dāng)中，這些不能輸送到電網(wǎng)中的電能被系統(tǒng)自行消化，會(huì)導(dǎo)致電容充電和直流電壓快速升高，進(jìn)而會(huì)產(chǎn)生電子轉(zhuǎn)機(jī)加速和電磁轉(zhuǎn)矩突變等問題。

1.2變流器故障診斷

在雙饋風(fēng)力發(fā)電系統(tǒng)中，變流器是故障頻率相對較高的部件。故障診斷的主要研究方向分為全局短路故障診斷和局部短路故障診斷。全局短路故障診斷的內(nèi)容是在變流器直流側(cè)安裝傳感器獲得直流鏈的變化值，通過對電流值進(jìn)行分析來判斷故障的類型。從容錯(cuò)的角度來講，局部短路故障診斷有助于判斷出故障的具體位置，便于系統(tǒng)的重構(gòu)。一旦發(fā)生短路故障，最有效的手段就是對故障開關(guān)進(jìn)行隔離。

開路故障診斷方法分為兩種類型，即模型法和非模型法。模型法是建立整個(gè)發(fā)電系統(tǒng)的數(shù)學(xué)模型，在設(shè)定的正常狀態(tài)和故障狀態(tài)下，比較分析數(shù)學(xué)模型在各種變量的差異。非模型法相比較而言省去了建立繁雜模型的過程，只需要故障狀態(tài)下各種變量的相關(guān)信息，特別是當(dāng)系統(tǒng)要建立復(fù)雜的、非線性的模型時(shí)，這種方法可以大大減輕人們的工作量。

1.3齒輪箱故障診斷

齒輪箱是風(fēng)力發(fā)電機(jī)組的核心傳動(dòng)部件，工作狀況將影響整個(gè)風(fēng)力發(fā)電機(jī)組的性能。據(jù)統(tǒng)計(jì)，在風(fēng)力發(fā)電機(jī)的故障中，46%的故障是齒輪箱故障。

齒輪箱發(fā)生故障時(shí)，齒輪箱故障的振動(dòng)信號(hào)為復(fù)雜的非線性、非平穩(wěn)信號(hào)。小波變換是時(shí)頻分析中最常用的方法，具有多分辨特性，在高頻率部分能夠放大尺度，具有很好的頻率分辨性；在低頻率部分能夠縮小尺度，具有很好的時(shí)間分辨性。采用小波變換對風(fēng)力發(fā)電系統(tǒng)齒輪箱故障信號(hào)降噪預(yù)處理以提高EMD分解的精度，再用Hilbert變換對包含主要故障信息的IMF進(jìn)行包絡(luò)譜分析。實(shí)現(xiàn)風(fēng)電機(jī)組齒輪箱故障特征頻率的有效提取。

2.風(fēng)力發(fā)電系統(tǒng)常見故障診斷方法

2.1基于解析模型的故障診斷法

在故障診斷剛起步時(shí)就開始應(yīng)用這種故障診斷方法。使用該方法時(shí)，必須有準(zhǔn)確的數(shù)學(xué)模型。該方法是把實(shí)測信息和模型輸出信息進(jìn)行分析對比，計(jì)算出實(shí)際輸出和和理論輸出之間的差值，根據(jù)對這些差值的分析、運(yùn)算來進(jìn)行故障分析診斷。在運(yùn)算過程中，參數(shù)與狀態(tài)是難點(diǎn)，需要對系統(tǒng)比較了解的前提下計(jì)算出系統(tǒng)的精確數(shù)學(xué)模型。在實(shí)際工況下，需要進(jìn)行建模的生產(chǎn)設(shè)備具有不確定性，生產(chǎn)設(shè)備的模型會(huì)隨著時(shí)間、溫度和人為因素進(jìn)行變化。

2.2基于信號(hào)處理的故障診斷法

這種方法把研究對象當(dāng)作是一個(gè)黑盒子，只需要知道被控對象的輸入和相應(yīng)的輸出信號(hào)對其進(jìn)行建模，不需要知道具體的數(shù)學(xué)解析模型。研究對象的輸入信號(hào)，輸出信號(hào)，可以通過傳感器測量并記錄下來。使用信號(hào)特征向量提取方法提取信號(hào)的特征值，在建模階段，可以通過建立特征值和故障之間的關(guān)系來建立對象的故障模型，然后把實(shí)時(shí)信號(hào)引入到模型中，通過信號(hào)分析來判斷故障的種類和具體位置?；谛盘?hào)處理的故障診斷方法具有比較好的實(shí)時(shí)性，這種診斷方法有非?？斓脑\斷速度，靈敏度高，而且容易實(shí)現(xiàn)。但是缺陷很多，如：雖然診斷速度快，但是診斷精確度較低，極易出現(xiàn)故障的誤判和漏判?；谛盘?hào)處理的故障診斷方法主要分為3種，分別是頻譜分析法、信息融合法、小波變化法。

2.3基于神經(jīng)網(wǎng)絡(luò)的故障診斷法

基于神經(jīng)網(wǎng)絡(luò)的故障診斷有很多優(yōu)點(diǎn)：神經(jīng)網(wǎng)絡(luò)的知識(shí)表達(dá)形式統(tǒng)一，經(jīng)過歸一化后，知識(shí)庫管理容易，通用性強(qiáng)，便于移植擴(kuò)展。神經(jīng)網(wǎng)絡(luò)的知識(shí)獲取容易實(shí)現(xiàn)，可以實(shí)現(xiàn)并行聯(lián)想和自適應(yīng)推理，而且容錯(cuò)能力強(qiáng)。神經(jīng)網(wǎng)絡(luò)能夠表示事物之間的復(fù)雜關(guān)系。神經(jīng)網(wǎng)絡(luò)可以避免專家系統(tǒng)遇到的很多問題，比如：組合爆炸、無窮遞歸等問題。神經(jīng)網(wǎng)絡(luò)推理過程簡單，可以實(shí)現(xiàn)實(shí)時(shí)在線診斷。

神經(jīng)網(wǎng)絡(luò)在故障診斷的研究主要分為以下三個(gè)方向：（1）在模式識(shí)別方向。神經(jīng)網(wǎng)絡(luò)可以作為故障分類器進(jìn)行設(shè)備的故障分類。（2）在預(yù)測方向。用神經(jīng)網(wǎng)絡(luò)可以作為動(dòng)態(tài)模型的設(shè)備的故障預(yù)測。（3）在知識(shí)處理方向?？梢园焉窠?jīng)網(wǎng)絡(luò)和專家系統(tǒng)融合，建立混合故障診斷系統(tǒng)。

3.結(jié)語

風(fēng)力發(fā)電在目前的電力生產(chǎn)中已經(jīng)占據(jù)了重要的地位，在未來的能源結(jié)構(gòu)中地位的重要性將會(huì)進(jìn)一步顯現(xiàn)。為了使得風(fēng)力發(fā)電更好的發(fā)展，使得風(fēng)力發(fā)電系統(tǒng)更加的安全，要積極的利用現(xiàn)代化技術(shù)做好風(fēng)力發(fā)電機(jī)組重要部件故障的診斷，防患于未然，這樣風(fēng)力發(fā)電系統(tǒng)的運(yùn)行效率才會(huì)更高。