1.5 风力发电机组故障诊断技术概述

风电场多位于偏远的山区或近海区域，交通不便；场内风力发电机组分布面积广，数量多，远离监控中心；风力发电机组工作在高空，长期工作于雷雨、暴雪、大风、曝晒等恶劣环境中，受极端的温度、大量的灰尘以及振动、风沙气候的影响，海上风力发电机组还受海风对风电设备的腐蚀作用等，这些因素都会增加风力发电机组故障的概率。而且风力发电机组的受力情况也很复杂，机组在工作过程中，叶片的转速是随风速的变化而变化；当阵风袭来，叶片受到短暂而频繁的冲击载荷，而这个冲击载荷也会传递到传动链上的各个部件，使得各个部件也受到复杂交变的冲击，对其工作寿命造成极大的影响，造成机组运行中的各种故障。因此一旦机组的某些部件出现故障，长时间停机不仅造成发电量损失，而且整个机组的重新吊装和部件更换，都需要极大的人力和物力。风力发电机组的设计寿命是20年，长期以来，采用的是计划维修和事后维修的方式；因此采用状态监测和故障诊断技术，在风力发电机组运行过程中实时监控各关键部件的运行状态，及时了解各部件存在的故障隐患，采取措施，防止造成严重损失，提高风力发电机组运行的可靠性，延长其使用寿命具有重要的意义。

1.5.1 风力发电机组故障诊断的目的

风力发电机组故障诊断的根本目的是保证风力发电机组安全、可靠、经济和高效的运行，具体可概括为以下几方面：

（1）对设备的各种异常状态及故障及时、有效、正确地作出诊断，预防和消除故障；为风力发电机组的运行维护提供必要的指导，保证设备运行的安全性、可靠性和经济性。

（2）根据机组设备状况，制定合理的检测维修制度。使风力发电机组工作时充分发挥最大的设计能力，在允许的条件下挖掘设备潜力，降低设备全寿命周期费用，延长设备使用寿命。

（3）通过故障分析、性能评估等为设备结构修改、设计优化、生产过程工艺参数确定提供必要的依据。

1.5.2 大型风力发电机组的常见故障

风力发电机组主要分为：①双馈式变桨变速风力发电机组；②直驱永磁式变桨变速型风力发电机组；③失速定桨定速型风力发电机组，该类型是风电领域早期产品，是非主流机型，运行维护方便。

以双馈式风力发电机组为例，风力发电机由风轮及变桨距系统、轮毂、机舱、塔架、主轴、齿轮箱、发电机、电气系统、控制系统、传感器、刹车系统、液压系统和偏航系统等构成。由于兆瓦级风力发电机组塔架高度一般都在70m或以上的高空，机组工作环境恶劣、受力情况复杂。风力发电机组在运行过程中，不断承受着变化的风带来的交变冲击载荷作用，会使风轮以及与其刚性连接的主轴、齿轮箱、发电机等产生各种故障，影响设备工作寿命，严重时会造成机组停机。

风力发电机组由于其构成的复杂性，故障表现形式千变万化，总体可归纳为电气故障和机械故障两大类。

（1）电气故障。包括传感器故障、通信故障、变流器故障、电机故障、电网故障等。具体表现有：电气系统的故障有电磁干扰、短路故障、接地故障、过电流故障、过电压故障、欠电压故障、过温故障、变频器无法启动和继电器频跳故障等；发电机的故障中的振动过大、噪声过大、发电机过热、轴承过热、不正常杂声和绝缘损坏等。

（2）机械故障。包括齿轮箱故障、叶片故障、轴承故障、机械刹车故障、变桨执行机构故障、偏航故障、液压故障等。具体表现有：风轮的故障中的桨叶腐蚀、轮毂损伤；偏航系统的偏航齿圈齿面磨损、噪声异常、偏航限位开关故障等；齿轮箱的故障中的齿轮点蚀、剥落、损坏等；轴承的故障中的轴不对中、轴承损坏渗漏油等。

通过对大型风力发电机组进行故障诊断总结得出，有些部位的故障概率很大，但修复时间短，对风电场发电量的影响不大，而有些关键部件尽管故障概率不是最高，但一旦损坏对大型风力机发电量的影响却很大。例如，齿轮箱是齿轮型机组的关键部件，由于其长期承受复杂且难以控制的交变载荷和瞬态冲击载荷，当发生故障导致需要更换整个齿轮箱时，造成的经济损失，除齿轮箱成本（通常占总的风力发电机成本约10%）外，还需要额外支付运输费、起重机租赁和工时费等，同时还会因设备停机而产生发电量损失。

表1-3给出了瑞典皇家理工学院（KTH）的可靠性评估管理中心（RCM）对瑞典、芬兰、德国共2151台的风力发电机组的故障情况统计。

从表1-3中可以看出，单次故障造成最长停机时间的部件分别是齿轮箱、驱动链、发电机等。这表明电气系统、控制系统、传感器、液压系统等虽然故障频繁，但容易处理，不会产生长时间停机维护，经济损失小，而齿轮箱、驱动链、发电机故障频率不是最高，但是一旦发生，产生的后果严重，会造成机组长时间的停机维护，带来严重的经济损失。

图1-8是国外机构对德国和丹麦1993—2004年超过6000台风力发电机组的数据调查统计，得到的机组各子系统可靠性的统计图。

图1-8 风力发电机组可靠性统计

从图1-8中可以看出，除电网故障外，故障集中在叶轮、电控系统、发电机、齿轮箱、偏航、变桨系统等，本书后面将分章针对风力发电机组主要部件的故障展开分析讨论。

1.5.3 风力发电机组故障诊断实施技术

在风力发电机组故障诊断过程中，要想使故障诊断分析达到预定的目标，还依赖于对风力发电机组设备故障诊断实施技术。故障诊断实施技术就是在故障诊断过程中实际采用的工程技术，包括监测和诊断两部分，它是故障诊断实现的手段。

（1）振动诊断法：以平衡振动、瞬态振动、机械导纳及模态参数为检测目标，进行特征分析、谱分析和时频域分析，也包括含有相位信息的全息谱诊断法。

（2）声学诊断法：以噪声、声阻、超声、声发射为检测目标，进行声级、声强、声源、声场、声谱分析。超声波诊断法、声发射诊断法属于此类诊断方法，应用较多。

（3）振声诊断法：为了能验证或获取更多信息，将振动诊断法与声学诊断法同时应用，能够得到较好的效果。

（4）温度诊断法：以温度、温差、温度场、热像为监测目标，进行温变量、温度场、红外热像识别与分析。红外热像诊断法就是其中一种。

（5）强度诊断法：以力、扭矩、应力、应变为检测目标，进行冷热强度、变形、结构损伤、容限分析与寿命估计。

（6）污染物诊断法：以泄漏和残留物的气体、液体、固体的成分为检测目标，进行液气成分变化、气蚀、油蚀、油质磨损分析。油样诊断法与铁谱诊断法就属于此类诊断方法，应用较多。

（7）压力流量诊断法：以压差、流量压力及压力脉动为检测目标，进行气场压力场、油膜压力场、流体湍动、流量变化等分析。

（8）电参数诊断法：以功率、电信号及磁特性等为检测目标，进行物体运动、系统物理量状态、机械设备性能等分析。

（9）光学诊断法：以亮度、光谱和各种射线效应为检测目标，研究物质或溶液构成，分析构成成分量值，进行图形成像识别分析。

（10）表面形貌诊断法：以裂纹、变形、斑点、凹坑、色泽等为检测目标，进行结构强度、应力集中、裂纹破损、气蚀、化蚀、摩擦磨损等现象分析。

（11）性能趋向诊断法：以发电设备各种主要性能指标为检测目标，研究和分析设备的运行状态，识别故障的发生与发展，提出早期预报与维修计划，预估发电设备的剩余寿命，有时参与产品质量控制与管理。

1.5.4 发电设备故障诊断系统的构成

下面以某个发电设备故障诊断系统为例，简要描述一个在线的故障诊断系统的基本结构和诊断过程。

1.5.4.1 发电设备故障诊断系统构架

发电设备对安全和可靠性的要求高，因此发电设备故障诊断系统比其他机械设备故障诊断系统要求更高。发电设备故障诊断系统应该能够在获取的历史数据和实时监测数据进行建模、处理和比较分析的基础上，利用很完备的知识库，对设备状态进行自动判断评价，并在设备出现故障时发出报警，通过建模给出故障的风险程度，同时利用模型进行故障部位和故障原因的推理，最后提供有价值的参考，帮助检修人员及时了解设备状态，提高检修工作的效率。图1-9示例了一种发电设备故障诊断系统的功能框架。

图1-9 发电设备故障诊断系统功能框架

1.5.4.2 发电设备故障诊断系统的工作过程

1.信息获取

发电设备的故障诊断需要建立在详尽的设备信息和故障信息基础上，故设备信息和故障信息的获取是进行发电设备故障诊断前提。通常，故障诊断所需要的信息可分为设备静态信息和故障实时信息两大类。

（1）设备静态信息是指设备在一定时期内相对静态的各种信息，包括设备基本信息（如静态技术参数、设备的设计数据、性能指标等）、设备状态评价和故障记录等数据，以及设备所在位置、设备文档、声像资料。

（2）故障实时数据获取需要访问实时数据库系统。对于不同的发电设备，其故障诊断所需要的信息量或者数据的采样频度是不一样的，故需要在数据获取上设置采集分辨率。故障诊断系统首先要知道需要的历史数据起源点，然后根据当前数据时刻点及采样间隔，向数据库提取数据。

2.信息处理

在故障诊断过程中，由于其设备的复杂性和测点的性能特点，使获取的信息会产生冗余和无效性，所以在进行故障诊断时，需要对获取的信息进行信息处理。

在发电设备故障诊断过程中，故障诊断信息主要包括设备基础信息、测点信号和故障分析信息三类。设备基础信息由设备制造厂商决定，对它的信息处理直接根据故障诊断的需要进行筛选即可。测点信号和故障分析信息是故障诊断的重要来源，对它们的分析处理需根据实际情况选择不同的策略。

（1）对测点信号的信息处理。测点信号具有实时特性，对它的信息处理应该包含在信号获取的整个过程中。通常测点信号的处理包括信号前置处理、测量参数筛选和数据通信三部分。

1）信号前置处理。信号前置处理主要对来自现场传感器群的振动、过程量信号等进行隔离、滤波、衰减/放大、整形等处理，使得这些信号变为数据采集板能直接采集的标准信号。

2）测点参数筛选。测点参数逻辑筛选是对信号前置处理后的信息进行进一步选择，筛选出需要的测点信息并作为故障实时数据参与故障诊断。

3）数据通信。数据通信指数据采集站与服务器间的双向通信，通过网卡实现，包括实时数据上传和系统信息下传。

（2）对故障分析信息的处理。设备故障分析是指专家或系统在结合设备历史及当前运行数据的基础上，运用分析模型对设备故障进行的分析，分析的结果被记录和储存下来，成为未来设备故障分析的依据。对它的处理要根据信息本身的特性来进行。

图1-9所示的系统中，是采用基于故障模式及影响分析（FMEA）的故障诊断方法得到设备的故障分析信息，所以要根据FMEA分析结果的特点进行信息处理。在FMEA分析结果中，由于故障的表现形式不唯一，在提取描述故障特征的各种征兆时也常常带有一定的盲目性，从而导致了故障状态之间是模糊的，这就决定了发电设备的故障分析与信息处理要具有处理模糊和不确定知识功能。

粗糙集理论是一种处理模糊和不确定知识的新型数学工具，它的最大特点是不需要提供求解问题时所需处理的数据集合之外的任何先验信息（如统计中要求的先验概率和模糊集中要求的隶属度），就能有效地分析和处理不确定、不一致、不完整等各种不完备数据，并从中发现隐含知识，揭示其潜在规律。因此图1-9所示例的故障诊断系统采用基于粗糙集的故障分析与信息处理技术。其具体实施步骤：①组织列出FMEA分析得到的系统原始故障诊断知识；②应用粗糙集理论确定故障征兆属性集合和故障决策属性集合，选择各属性的值域，进行数据预处理，对故障征兆属性进行约简；③最终得到系统故障诊断规则，生成故障诊断决策表，形成诊断知识库。

3.故障诊断知识库

发电设备故障诊断的目的是通过建立的模型进行推理诊断，最后得出故障的可能部位以及原因。因此要求故障诊断知识库中必须包含发电设备基础配置信息（包括设备编码、型号等）、设备测点基础信息、设备状态评价信息、设备故障模式信息、设备故障征兆信息、设备故障影响后果信息、设备故障原因信息以及设备故障诊断历史等。

4.故障部位和原因推理

在发电设备故障诊断知识库的基础上，利用知识库逻辑推理，可以初步得出设备故障发生的可能部位及可能原因，形成故障疑似部位群。根据图1-9所示系统建立了存储故障问题表、故障征兆表、故障原因表和事件表4个数据表，根据这4张表，便可推导出一个关系表，如图1-10所示。

图1-10 信息存储数据表

5.评价反馈

由知识库推导出来的是故障疑似部位群，在发电设备故障诊断中，还需要对故障疑似部位群进行校验和剔除，生成设备参考故障部位群，进行维修决策。上述过程通过评价反馈环节完成。评价反馈利用状态评价原理和方法，得出部位部件的状态，对疑似故障部位群进行评价，其流程如图1-11中虚线框所示：①由知识库推导出故障原因和产生故障的疑似部位群，并对其进行评价反馈；②根据得出的部位部件状态，判定疑似故障部位是否劣化，如果部位状态已经发生劣化，则将此部位作为设备参考故障部位群中的元素，若疑似故障部位状态良好，则将此部位从疑似群中剔除，由此确定最终的参考故障部位群。上述评价反馈环节中得出的各故障部位状态作为指导发电机维修决策的依据，同时对参考故障部位群还需要执行下一步风险评估环节。所谓风险评估就是量化测评某一事件或事物带来的影响或损失的可能程度。

图1-11 评价反馈流程图

6.风险程度评估

设备故障参考部位群是最后形成故障诊断决策的参考故障点，对它们进行风险程度评估可以将故障诊断结果定量化，按照风险程度排序的诊断使维修专家更容易确定故障隐源。

上述系统采用模糊综合评判法对故障风险因素进行评估，结合权重理论对故障风险进行分析评估。故障风险评估遵循以下步骤：

（1）确定设备参考故障对应的评估因素集，为风险分析提供参评依据。

（2）确定故障风险评语集，为风险分析提供备选结论和风险等级，并设定报警上限等级。

（3）确定模糊综合评判矩阵，为风险分析提供方法工具。

（4）确定权重集，对评估因素进行权重划分。

（5）进行综合评判，得出风险分析结论，进行排序。

7.报警系统

发电设备故障诊断的报警系统不单要在监测端设置，也需要在风险评估端设置，如图1-12所示。

图1-12 报警系统布局