Overview of Fault Diagnosis Methods for Wind Turbine Generators

Wu Dazheng,Weiwei, Chenlei

China Huaneng Group Co., Ltd. Shenyang，Liaoning ，China

【Abstract】The entire mechanical structure of a wind turbine is simple, including components such as shaft, blades, gearbox, generator, and controller. Wind turbines use wind energy to generate electricity, which has advantages such as environmental protection and high efficiency in the process of power generation. In the long-term operation of the wind turbine, if a fault occurs, it will affect the power generation efficiency, or cause equipment damage, which can even lead to related accidents. Therefore, fault diagnosis of wind turbines is crucial. This article will provide an overview of fault diagnosis methods for wind turbines, in order to handle wind turbine faults more timely and accurately.

【Key words】Wind turbine generator; Fault diagnosis; Diagnostic method

0  引言

风力发电机组是将风的动能转换为电能的系统^[1]。风力发电机组包括风轮、发电机；风轮中含叶片、轮毂、加固件等组成；它有叶片受风力旋转发电、发电机机头转动等功能。有数据显示，近些年全球可再生能源利用年增长率达到25％，可再生能源的利用将以电力行业为主导^[2]，风能作为一种清洁的可再生能源，备受世界各国关注，也因此快速发展起来。

尽管风力发电机组发展比较迅速，但也因气象环境等因素影响，时常会在工作中出现一些故障，传动系统的主轴承、齿轮箱、齿轮以及电气和控制系统等部分因损耗较大，出现故障较多，严重影响机组的安全稳定运行^[3-4],因此,关于机组故障诊断技术及方法已成为国内外众多研究人员研究的对象。本文主要针对风电机组常出现的故障及故障诊断常用方法进行综述，为风电机组在运行及故障诊断中提供更有利的依据。

1  机组构成

风电机组是一个“风—构—控—电”等多学科交叉和耦合的集成系统^[5]，一般小型机组包括风轮、发电机，大型风力发电机组结构复杂，除风轮、发电机还包括机舱、传动机构、控制系统、液压系统以及塔架等。风电机组的核心结构即为风轮，在风力的带动下，风轮进行旋转，从而带动增速器的低速轴，再通过增速器的高速轴带动发电机运行。风轮中含叶片、轮毂、加固件等组成，它有叶片受风力旋转发电、发电机机头转动等功能。发电机是整个风力发电系统的做工装置，它的作用是将机能转换成电能。风力发电电源由风力发电机组、支撑发电机组的塔架、蓄电池充电控制器、逆变器、卸荷器、并网控制器、蓄电池组等组成。

2  风电机组故障的主要形式

风力发电机组的叶轮、控制系统、齿轮箱、液压系统故障率较高，分别占总故障率的13.4％、12.9％、9.8％和13.3％，由于故障导致的停机事件的对应比率分别为9.4％、18.3％、19.4％和4.4％^[6]。

2.1 叶片部分故障

叶片在发电机组故障极为常见，叶片始终暴露在空气中，表面易被腐蚀，且在工作中长期受到风的振动和载荷作用，磨损在所难免，工作效率也会降低，还会出现损坏，这种损坏包括松动、小块剥落、裂纹扩展、折断等，可发生在叶片任一位置。造成此问题最主要原因为环境问题，机组在复杂多变的环境中运行，恶劣的天气及环境因素会损害机组的稳定性，其次叶片材料质量较差或涉及不合理等也容易引起损坏导致机组无法正常运行，因此在出现叶片故障时，应及时修复，避免带来更大的损失或发生事故。

2.2 齿轮箱部分故障

齿轮箱作为发电机组的重要机械部件，其主要功用是将风轮在风力作用下所产生的动力传递给发电机并使其得到相应的转速，实现风能向电能的转化。齿轮箱中的齿轮是时时受到重压力和高速摩擦的零件，易产生磨损和断裂等故障，另外由于摩擦生热，若未能及时散热，润滑剂作业效果也会降低。齿轮损伤、轴承损坏、油污及油温不合适等。当这些问题发生时，需要及时采取相应的措施进行解决。

2.3 控制系统故障

风电机组系统故障的出现，主要是受系统所处环境条件的影响。由于作用机理的特殊性,风电机组往往都暴露在室外,在运行过程中难免会遇到沙尘、雨雪、大风等比较恶劣的天气条件,长期处于潮湿环境下,电机系统极易出现机械短路断路、轴承磨损过热等故障。与此同时,系统轴承磨损严重、内部温度过高等问题,也将在一定程度上导致设备故障停机。电机系统的稳定性，将对整个风电机组的工作效率及电能质量产生决定性影响。

3 机组故障原因浅析

风力发电机组产生故障的原因有很多，主要包括机组自身因素与环境因素，产生故障时需要专业有效的诊断方法快速判断故障原因，能更好地解决故障。

3.1 环境因素

风力发电机组的工作环境不稳定，气候、风俗对机组的运行都会产生影响。大风天气时机组必须使用刹车系统，避免风速超速导致机组超速运转，这样就容易产生刹车系统故障，进而发生相关事故。另外，酸雨及长时间日晒，会腐蚀或损坏机组的表面，导致机组原材料损坏。

3.2 自身因素

风力发电机组是一个集机电一体化的机器，各个组件的工作相辅相成，无法独立工作，受不同部件之间负载的影响，如风轮、变速器、发电机、转向系统等，长时间运转，容易产生疲劳损伤，导致故障。另外，如果在检测与维护不当时，也会导致机组故障，机组需要及时检测运行状态、及时保养，也会减少故障发生。

4 风力发电机组故障诊断技术方法

4.1 振动监测法

机组工作的特点为多部件共振。振动信号包含了多部件运行状态，当发生故障时往往会导致信号的频率结构发生变化。运维人员可根据频率成分的组成及大小判断故障原因。振动监测方法一般用于大型机械设备，设备中安装传感器，在机械设备的实际运行过程中，内部的轴承、齿轮等部件会逐渐出现裂纹、剥落等状况，从而形成振动的激励源并以周期的形式表现在振动信号中^[7]。振动信号早期表现在波形幅值上，如计算波形的峰值、峰峰值、有效值、平均值。在幅值上的各种处理通常称为幅域分析。有研究^[8]使用统计分析方法对风电机组振动特征值进行比较，证明了幅域统计分析能初步诊断出齿轮箱及发电机轴承故障。也有研究者^[9]采用统计分析方法对风速、输出功率和叶片表面增加的粗糙度等参数进行分析，用以监测风机的叶片性能。时域分析主要是指波形分析、轴心轨迹分析、相关分析和时序分析等，它们可以在时域中抽取信号的特征。频域分析是确定信号的频域结构，即信号中包含哪些频率成分，分析的结果是以频率为自变量的各种物理量的谱线或曲线。振动监测法的原理就是通过对振动信号的时域、频域波形图进行记录,再与正常机组的振动信号进行对比,分析计算出故障的位置。

4.2 数据融合法

数据融合法需要在机组中安装多个传感器，用于收集机组工作时所有信息，收集数据后，其中一部分需要进入数据层融合，一部分与经过处理的数据进行融合。融合的数据有层次之分，原始数据处理为第一层融合，一般称之为数据级融。原始数据整合处理后将继续融合，该层次一般称之为特征层融合，此次融合后得出相关决策，称之为决策级融合。数据级融合直接使用传感器收集的原始数据，该过程工作量巨大，没有针对性，存在不确定因素较多。特征层融合一般依托于模式识别技术，目的是让分析出的数据具有一定的指向性，该层级数据经过多层处理，虽有一定的指向性，但也会存在弱化数据真实性的情况，导致误判断。决策级融合主要验证数据的有效性，为诊断提供依据，该层级需要结合实际情况，经过一些理论及特殊方法综合梳理数据，最后根据人机交互以及逻辑推理机制，解析相关数据，全面检测机组运行的状况，快速诊断机组故障情况，出具相关故障报告。

数据融合方法在实施过程中，传感器数据信息极为重要，需要在各个层次内进行融合，分析出的结果需体现出机组是否存在异常状态，信息数据准确可进一步提高发电机组的诊断准确性。但该法存在一定的干扰性，因环境因素的不确定，会出现噪声及振动干扰，为避免该现象对数据准确性带来影响，需扩大采集点，大量安装，合理确定相关信号的频率，确保数据信息具有更高的参考价值。

4.3 电信号监控分析法

电信号监控分析法诊断故障多用于涡轮机械、轴承以及感应式电机等设备。该方法主要通过对发电机输出电流信号、功率信号进行处理，电信号分析与振动法分析均为获得信号进行处理，可使用傅里叶变换法、连续小波变换法。技术人员可根据处理后的波形及数据作出判断，找出故障位置，进行维修与保养。

4.4 润滑油油液与红外光谱分析法

润滑油油液分析法与红外光谱分析法原理相同，二者也可互相配合进行故障诊断。两种方法均为分析相关成分，分析润滑油油液中的微粒成分及油质，然后使用过程中监测机械杂质、酸碱度、水溶性等，从而判断故障情况。在对油中的颗粒进行分析时，使用光谱分析，不同的成分的物质在光谱中均有不同的表现形式，通过该方法，技术人员可准确把握磨损部位。

5  结语

风力发电作为可再生能源，绿色环保，已成为全球的主要电力资源。然而，不管在国外还是国内，机组故障一直频频发生，严重影响发电效率，带来了重大损失。因此，快速诊断机组故障尤为重要。本文简单介绍机组的故障类型，并总结了几种常用且有效的故障诊断方法，有利于运维人员及时发现故障隐患，并准确解决故障问题，这对于提升风电场的运行效益具有非常重要的作用。

【参考文献】

[1]中华人民共和国国家质量监督检验检疫总局. 风力发电场项目建设工程验收规程:GB/T 31997-2015[S]. 2015.

[2]唐建平,王立鹏. 风力发电机组[J].大功率变流技术,2010(3):33-37,50.

[3] Hameed Z, Hong Y S, Cho Y M,et al.Condition monitoring and fault detection of wind turbines and related algorithms: A review[J].Renewable & sustainable energy reviews, 2009,13(1):1-39.

[4]安学利,蒋东翔. 风力发电机组运行状态的混沌特性识别及其趋势预测[J]. 电力自动化设备,2010,30(3):15-19,24.

[5]余娜,温曼童,吴可,等. 风力发电机组整机模型设计与装配[J]. 模具制造,2024,24(2):211-213.

[6] J Ribrant,L Bertling．Survey of failures in wind power systems with focus on Swedish wind power plants during 1997-2005[C].//IEEE Power Engineering Society General Meeting.2007

[7]蔚恒,牛素玲.风力发电机组故障诊断技术研究[J]. 现代工业经济和信息化,2021,11(2):151-152.

[8] 盛迎新,周继威.风电机组在线振动监测系统及现场应用[J]. 振动、测试与诊断,2010,30(6):703-705.

[9] P  CASELITZ, J  GIEBHARDT. FAULT PREDICTION TECHNIQUES FOR OFFSHORE WIND FARM MAINTENANCE AND REPAIR STRATEGIES[C].//2003 European Wind Energy Conference & Exhibition, CD 2. 2003:1929-1945.