1風力發(fā)電機組狀態(tài)監(jiān)測和故障診斷的意義

風力發(fā)電能夠緩解國內能源供應緊張的局面,改善能源結構,對于國家環(huán)境保護和電力工業(yè)的可持續(xù)發(fā)展具有重大意義。隨著國內風力發(fā)電行業(yè)的快速發(fā)展,風力發(fā)電機組故障已成為一個不可忽視的問題。通過對風力發(fā)電機組的運行狀態(tài)進行實時監(jiān)測,能夠及時發(fā)現(xiàn)機組運行過程中存在的故障隱患:通過提取機組故障信息并進行分析處理,能夠診斷機組故障發(fā)生的原因并制定有效的處理措施。這對于提高風力發(fā)電機組運行可靠性,促進風力發(fā)電行業(yè)健康發(fā)展具有重大的現(xiàn)實意義。

2風力發(fā)電機組狀態(tài)監(jiān)測技術

2.1技術特征分析

風力發(fā)電機組常用的狀態(tài)監(jiān)測方法之一主要是從風力發(fā)電機組的各項運行參數入手,通過監(jiān)測機組運行參數的變化來判斷機組是否發(fā)生異常。風力發(fā)電機組中的運行參數類型多樣,大體分為可測量參數及計算參數兩大類。其中,計算參數是指需要讀取可測量參數,并使用一定的算法進行計算,將計算所得結果作為運行參數。根據機組實際情況,按需選取合適的測量裝置或算法是進行風力發(fā)電機組狀態(tài)檢測的重要前提。如測量裝置不匹配,將無法準確測量相關電力參數能量狀態(tài)或數值大小的變化:如算法使用不當或編寫錯誤,將會得出錯誤的計算參數。這都將影響機組的正常運行狀態(tài)。但不同種類、不同廠家的測量裝置和各類算法都存在各自的優(yōu)缺點,如何進行選擇需要根據機組的實際需求確定。

2.2可測量參數異常監(jiān)測

監(jiān)測風力發(fā)電機組的可測量參數時,需要掌握一定的方法和原則。一般需要注意以下幾個要點:（1）風力發(fā)電機組內可測量參數大致包括電壓、電流、頻率、液壓壓力、溫度等,需根據可測量參數類型選取不同的測量設備,多個測量設備相互配合。（2）分析確定可測量參數的上下限范圍,根據范圍選取合適量程的測量設備。（3）分析確定可測量參數的正常/異常值區(qū)間范圍及動作觸發(fā)條件。

2.3計算參數異常監(jiān)測

風力發(fā)電機組內的計算參數需要選擇合適的監(jiān)測技術和檢測方法,在實際操作過程中需要注意以下幾個要點:

（1）在檢測計算參數的過程中選擇合適的算法。風力發(fā)電機組有多種類型,每種類型的風力發(fā)電機組內多處需要用到各類不同算法,而每類算法中又有多種策略可供選擇。這要根據風力發(fā)電機組實際情況和需求來選擇合適的算法,因為不同的算法直接影響最終的計算結果,選取合適的算法能夠顯著提高計算參數監(jiān)測的準確性和計算效率。（2）選擇合適的設備運行算法。所謂合適的設備是指:1）算法穩(wěn)定、長期運行需要執(zhí)行設備本身的硬件條件支持:2）風力發(fā)電機組內需配置可靠、穩(wěn)定的數據傳輸設備及測量設備,為算法的運行提供計算依據及輸出渠道。

2.4測量設備異常監(jiān)測

風力發(fā)電機組內的測量設備本身有出現(xiàn)故障的可能性,因此需要有相應的監(jiān)測機制進行防范,常用的方法有:（1）部分測量設備隨附檢測觸點,正常狀態(tài)下為常開/常閉狀態(tài),異常情況下則為常閉/常開狀態(tài)?？筛鶕|點狀態(tài)的變化對設備狀態(tài)進行判斷。（2）在測量設備的輸入端與輸出端時分別另接一組信號進入主控制系統(tǒng),同時主控制系統(tǒng)內預先存儲與測量設備對應的算法,時刻讀取輸入值與輸出值并進行比對,如輸出值與輸入值不符,則判斷監(jiān)測設備異常。

3風力發(fā)電機組故障診斷技術

3.1故障診斷分析

對風力發(fā)電機組進行故障診斷時,要根據機組自身結構的復雜性和機組運行環(huán)境的特殊性,綜合分析各種因素,提高故障診斷結果的準確性。風力發(fā)電機組運動部件多、結構復雜,故障診斷比較困難。因此需要更新傳統(tǒng)診斷技術,積極應用新技術和新理念,準確診斷各種故障,為故障的解決提供依據。對于風力發(fā)電機組的故障診斷,需要準確掌握各類不同的故障現(xiàn)象,根據機組電力參數、振動、壓力、形變、磨損、溫度等性能特征進行綜合分析,完成故障診斷。

3.2熱力參數分析

風力發(fā)電機組熱力參數分析,即通過分析風力發(fā)電機組在運行過程中各項溫度和濕度的變化,確定其運行狀態(tài)。

風力發(fā)電機組內的溫度主要有:各大部件（如發(fā)電機、齒輪箱、發(fā)電機、運動電機、變流器等）的內部溫度、機艙內溫度、控制柜內溫度、各項液壓油/潤滑油溫度。而風力發(fā)電機組內的濕度主要有:機艙內濕度、控制柜內濕度等。

通過對風力發(fā)電機組內的熱力參數進行監(jiān)控,能夠有效監(jiān)測機組的運行狀態(tài)。同時根據熱力參數的變化趨勢和反饋結果,能夠準確判斷機組內產生故障的設備位置,能夠為分析故障原因提供充分詳實的依據。

3.3振動分析

振動分析的應用原理是在機組內各大部件（如齒輪箱支架、發(fā)電機支架、主軸支架、機組機架）上安裝振動傳感器,這

些傳感器能夠準確測量機組內各大部件的振動情況。通過對傳感器反饋的振動信號進行處理和分析,能夠快速、精準地判斷機組內各部件的振動狀態(tài)以及運行趨勢,并以此分析振動來源和產生原因,判斷機組運行是否出現(xiàn)故障。

4大數據背景下風力發(fā)電機組的監(jiān)測和故障診斷

傳統(tǒng)風力發(fā)電機組的狀態(tài)監(jiān)測和故障診斷主要是通過各類監(jiān)測設備對機組內的相關參數進行監(jiān)測、分析和診斷。但是隨著大數據技術不斷發(fā)展,各種基于大數據的分析方法不斷被應用于風力發(fā)電機組的狀態(tài)監(jiān)測和故障診斷中。

4.1大數據技術

大數據技術是指從大量的、不完全的、有噪聲的、模糊的、隨機的工業(yè)生產數據中,通過算法提取數據背后隱含的具有價值的規(guī)律。大數據技術在風力發(fā)電行業(yè)中的應用有:收集并匯總一定區(qū)域內或一定類型風力發(fā)電機組中的海量運行數據,通過大數據挖掘和分析技術,總結數據背后存在的顯著的統(tǒng)計因素,利用這些統(tǒng)計因素進一步判斷風力發(fā)電機組可能存在的故障類型以及故障發(fā)生的最大概率,建立相關區(qū)域或相關類型的風力發(fā)電機組故障模型,并根據故障模型提前制定處理策略。大數據挖掘和分析的技術手段有很多,常見的手段有基于最小二乘法或利用多元回歸模型來構建大數據模型,然后進行回歸分析得到影響變量的主要因素,這些因素可以廣泛應用于風力發(fā)電機組狀態(tài)檢測和故障診斷。

4.2基于大數據技術的風力發(fā)電機組狀態(tài)檢測和故障診斷的優(yōu)勢

傳統(tǒng)方法對風力發(fā)電機組的狀態(tài)檢測和故障診斷是在少量數據的基礎上進行的,主要是依靠工程師自身技術經驗積累以及相關的推論假設來完成對機組狀態(tài)的檢測和診斷。但是這種方法存在一定的風險,可分析數據不足或工程師自身經驗存在缺陷,都將使檢測和診斷結果存在偏差。另一方面,傳統(tǒng)技術獲取的數據在采集、傳輸過程中會受到傳感器噪聲、數據傳輸介質以及外部干擾的影響。這樣的數據通過分析后得到的檢測和診斷結果往往與實際情況不符。

而大數據分析技術可以有效彌補上述缺點。通過對大量的數據進行收集、分析和處理,使用數據挖掘技術去除潛在的干擾數據,得到的結論往往更加可靠。另外,大數據技術還能夠發(fā)現(xiàn)風力發(fā)電機組運行過程中一些細微的狀態(tài)變化,能夠及時發(fā)現(xiàn)和提前修正機組中一些潛在的故障隱患,有效降低風力發(fā)電機組發(fā)生故障的概率,提高機組運行的安全性和可靠性。

5結語

綜上所述,風力發(fā)電機組由于運行環(huán)境及自身結構所限,與傳統(tǒng)發(fā)電設備相比,故障產生概率較高,且故障產生原因復雜多樣。面對這種情況,需要對風力發(fā)電機組進行實時、全面、系統(tǒng)的監(jiān)測,同時采取多種分析診斷方法,及時發(fā)現(xiàn)并解決機組運行時的故障,避免造成巨大的經濟損失。