陳小華

摘要：經(jīng)濟(jì)的發(fā)展與進(jìn)步使得風(fēng)力發(fā)電機(jī)組數(shù)量也在逐漸增多，而所應(yīng)用的故障診斷技術(shù)則是保證其運(yùn)行效率、延長使用壽命的關(guān)鍵因素。本文就大型風(fēng)力發(fā)電機(jī)組的主要故障進(jìn)行了深入分析，提出了幾種智能故障診斷方法，希望能夠?yàn)橥袠I(yè)工作人員提供一些幫助。

關(guān)鍵詞：風(fēng)力發(fā)電機(jī)組;故障;智能故障診斷;

引言：能源危機(jī)與大氣環(huán)境污染加重的大背景下，風(fēng)能以及太陽能等新興清潔能源的利用與開發(fā)逐漸被人們所重視，并在近些年獲得了飛速發(fā)展。大型風(fēng)力發(fā)電機(jī)由于其結(jié)構(gòu)特點(diǎn)，大都坐落于近海與遠(yuǎn)郊地區(qū)，因此想要對(duì)其狀態(tài)進(jìn)行實(shí)時(shí)檢測較為困難，維護(hù)成本也相對(duì)較高。近些年來，隨著人們對(duì)于風(fēng)力發(fā)電機(jī)的需求量逐漸提升，單機(jī)容量的增加使得風(fēng)機(jī)的整體結(jié)構(gòu)也逐漸變得復(fù)雜，無論是風(fēng)機(jī)的故障率還是其在運(yùn)行維護(hù)過程中的所需費(fèi)用都有明顯提升。為將風(fēng)力發(fā)電機(jī)組故障率降低，從而減少零件更換與日常維護(hù)成本，對(duì)其狀態(tài)進(jìn)行實(shí)時(shí)檢測、保證故障診斷及時(shí)性具有十分重要的現(xiàn)實(shí)意義，同時(shí)其也是確保風(fēng)力發(fā)電機(jī)組運(yùn)行高效性與穩(wěn)定性的重要前提。

1 大型風(fēng)力發(fā)電機(jī)組主要故障

1.1機(jī)械故障

1.1.1風(fēng)輪系統(tǒng)

輪轂與葉片是風(fēng)輪的主要組成部分，也是將風(fēng)能轉(zhuǎn)換為機(jī)械能的基本結(jié)構(gòu)單元，機(jī)械能在產(chǎn)生后通過帶動(dòng)轉(zhuǎn)子軸心即可完成電力轉(zhuǎn)換。常見的葉片故障包括剛性降低、疲勞以及裂縫等，而輪轂部分最為常見的故障就是由于磨損過度而導(dǎo)致出現(xiàn)的一系列機(jī)械故障。

1.1.2主傳動(dòng)鏈

齒輪箱、齒輪以及軸承等組件是主傳動(dòng)鏈系統(tǒng)的主要組成部分，也是將發(fā)電機(jī)與主軸相連的重要基礎(chǔ)，是風(fēng)機(jī)中的關(guān)鍵結(jié)構(gòu)。當(dāng)前風(fēng)力發(fā)電機(jī)組中所應(yīng)用的齒輪箱由于所包含的結(jié)構(gòu)過于復(fù)雜，因此在變載荷與變工況狀態(tài)下運(yùn)行時(shí)，極容易出現(xiàn)故障[1]。絕大多數(shù)的齒輪箱故障均由軸承開始，其作為關(guān)鍵的齒輪箱部件，若由于各種不確定因素導(dǎo)致其失效將對(duì)齒輪箱中造成難以逆轉(zhuǎn)的傷害。常見的幾種軸承故障主要包括磨損、斷裂以及疲勞剝落，而齒輪故障則包括表面疲勞、輪齒斷裂以及磨損過度等。

1.1.3偏航、變槳以及發(fā)電機(jī)系統(tǒng)

導(dǎo)致偏航系統(tǒng)或變槳系統(tǒng)出現(xiàn)故障的主要原因?yàn)槿鄙贊櫥?，長期磨損下無論是偏航齒輪還是軸承都將會(huì)產(chǎn)生故障。而導(dǎo)致發(fā)電機(jī)系統(tǒng)出現(xiàn)機(jī)械故障一般為軸承與或轉(zhuǎn)子故障，其中轉(zhuǎn)子故障包含了結(jié)構(gòu)破裂、膠套松動(dòng)以及轉(zhuǎn)子不平衡等，出現(xiàn)的軸承疲勞則主要為軸承的內(nèi)外圈故障。

1.2電氣故障

電氣故障主要為電子交換器故障、驅(qū)動(dòng)電路電氣故障以及控制系統(tǒng)故障等，引起發(fā)動(dòng)機(jī)電氣故障的主要原因?yàn)槎ㄗ永@組或轉(zhuǎn)子繞組發(fā)生故障。其中定子繞組發(fā)生故障包含了支路位置的匝間短路故障，以及在同相范圍內(nèi)不同支路的匝間短路故障，而轉(zhuǎn)子繞組故障在線路中表現(xiàn)出的主要形式為接地故障或短路故障[2];多數(shù)定子故障產(chǎn)生的原因?yàn)槔@組絕緣出現(xiàn)問題，也是引發(fā)故障停機(jī)的主要原因;電力電氣變換器故障出現(xiàn)的主要位置包括PCB板、半導(dǎo)體器件以及電容器等。無論是溫度還是濕度不正常的變化，均會(huì)增大故障的發(fā)生風(fēng)險(xiǎn)。一旦電子變換器發(fā)生故障，將有較高的停機(jī)現(xiàn)象的發(fā)生風(fēng)險(xiǎn)。對(duì)于大型風(fēng)力發(fā)電機(jī)組來說，對(duì)大型風(fēng)力發(fā)電機(jī)組的電氣故障進(jìn)行排查相對(duì)來說較為容易，且所耗成本也較低。但若海上風(fēng)電機(jī)組出現(xiàn)故障，想要對(duì)其進(jìn)行檢修需要的設(shè)備類型較多，甚至還需要用到直升機(jī)或吊裝船，并需要對(duì)天氣因素進(jìn)行綜合判斷。

2 大型風(fēng)力發(fā)電機(jī)組的智能故障診斷方法

2.1ANN

由于ANN具有高度自學(xué)能力，因此在實(shí)際的故障診斷過程中的應(yīng)用效果較好，針對(duì)于不同層級(jí)所對(duì)應(yīng)的故障類型信息的處理工作也有所不同。例如，輸入層需要對(duì)各類故障信息進(jìn)行搜集;中間層需要處理故障信息，從而制定出解決方案;而輸入層則需要將故障形式輸入，在經(jīng)過權(quán)值系數(shù)的調(diào)整后，能夠形成針對(duì)于故障的診斷結(jié)果與后續(xù)類似故障的處理方案。

該類型的故障診斷方法主要集中應(yīng)用在風(fēng)機(jī)齒輪箱輪與軸承中，一般可將其分為分類與行為預(yù)測兩大類[3]。以非線性自回歸神經(jīng)網(wǎng)絡(luò)的應(yīng)用為例，其以馬氏距離為依據(jù)完成了針對(duì)于軸承早期故障的檢測與分析，從這一點(diǎn)中也可以看到，利用該種方式能夠最大程度的降低監(jiān)測部件經(jīng)常出現(xiàn)的損害。綜合神經(jīng)網(wǎng)絡(luò)與動(dòng)量法，能夠?qū)崿F(xiàn)在確認(rèn)風(fēng)機(jī)不同振動(dòng)信號(hào)的基礎(chǔ)上的機(jī)組故障診斷。以人工神經(jīng)網(wǎng)絡(luò)為例，在將其中的數(shù)據(jù)驅(qū)動(dòng)技術(shù)融入至實(shí)際的故障檢測過程后，只需要掌握大致的風(fēng)力發(fā)電機(jī)組的結(jié)構(gòu)特點(diǎn)與應(yīng)用狀態(tài)信息，即可完成檢測，但由于人工神經(jīng)網(wǎng)絡(luò)需要耗費(fèi)大量的時(shí)間用以完成對(duì)故障的訓(xùn)練，在技術(shù)尚不成熟的情況下應(yīng)用的可靠性將無法得到保障。

2.2模糊邏輯

該種方法以二值邏輯概念為基礎(chǔ)，屬于特殊多值邏輯中的一種。其基本理念為隸屬度函數(shù)與模糊關(guān)系矩陣，并需要綜合模糊集合論與模糊關(guān)系矩陣，才能明確所產(chǎn)生故障與征兆之間的模糊關(guān)系，其也是實(shí)現(xiàn)對(duì)故障進(jìn)行自我診斷的重要基礎(chǔ)。

風(fēng)力發(fā)電機(jī)組在模糊邏輯的基礎(chǔ)上所設(shè)定的故障診斷方法，重點(diǎn)強(qiáng)調(diào)故障征兆隸屬函數(shù)建立以及矩陣確定等內(nèi)容[4]。通常情況下選擇應(yīng)用EMD作為將振動(dòng)信號(hào)中特征向量提取的有效途徑，并在利用模糊支持向量機(jī)的前提下有效解決噪聲分類與異常值問題。想要實(shí)現(xiàn)模糊隸屬函數(shù)的優(yōu)化，關(guān)鍵在于模糊C均值聚類算法的應(yīng)用，并需要綜合粒子群算法設(shè)計(jì)對(duì)應(yīng)試驗(yàn)，從而完成風(fēng)力發(fā)電機(jī)組的多分類故障診斷。故障處理人員應(yīng)在綜合發(fā)電機(jī)組實(shí)際情況與現(xiàn)場專家經(jīng)驗(yàn)的基礎(chǔ)上，構(gòu)建模糊推力模型以及時(shí)確定變槳控制系統(tǒng)故障，從而縮短發(fā)電機(jī)故障的診斷時(shí)間。

2.3灰色理論

該種方法簡單來說就是對(duì)灰色關(guān)聯(lián)度進(jìn)行深入分析，重點(diǎn)強(qiáng)調(diào)設(shè)備運(yùn)行狀態(tài)與故障特征之間的相關(guān)性，從而對(duì)設(shè)備故障進(jìn)行進(jìn)一步的確定。針對(duì)灰色理論進(jìn)行故障診斷需要在待檢模式向量的基礎(chǔ)上，對(duì)故障的典型模式與向量之間的關(guān)聯(lián)性進(jìn)行測算，以獲得關(guān)聯(lián)度序列，從而實(shí)現(xiàn)在檢測數(shù)據(jù)幫助下進(jìn)行的故障類型判斷。

2.4專家系統(tǒng)

專家系統(tǒng)是在既定的規(guī)則下實(shí)現(xiàn)的風(fēng)力發(fā)電機(jī)組的故障診斷方法，為保證發(fā)電機(jī)組齒輪箱故障的檢測及時(shí)性，需要首先以齒輪箱結(jié)構(gòu)為依據(jù)，構(gòu)建故障樹模型以完成針對(duì)于變速箱是故障的定量與定性分析，從而實(shí)現(xiàn)有效且快速的齒輪箱故障診斷[5]。另外需要在綜合決策表信息后（粗糙集基礎(chǔ)上）約減并將冗余信息刪除;在神經(jīng)網(wǎng)絡(luò)融入后，能夠?qū)χR(shí)的模式與故障診斷方法進(jìn)行有效識(shí)別，從而在專家系統(tǒng)推理判斷能力的基礎(chǔ)上完成電力系統(tǒng)故障診斷。該種方法的應(yīng)用由于對(duì)分類型分析方法的優(yōu)點(diǎn)進(jìn)行了深入分析，因此求解規(guī)模也有了明顯降低，繼而幫助完成了在強(qiáng)化容錯(cuò)能力的同時(shí)的快速推理過程。貝葉斯網(wǎng)絡(luò)與專家系統(tǒng)的緊密結(jié)合使得風(fēng)機(jī)齒輪箱故障的診斷模型與數(shù)據(jù)庫均在短時(shí)間內(nèi)構(gòu)建，在有類似故障出現(xiàn)時(shí)，系統(tǒng)就會(huì)自動(dòng)比對(duì)數(shù)據(jù)庫信息以快速定位到故障位置，并出具故障解決方案。

結(jié)束語：綜上所述，大型風(fēng)力發(fā)電機(jī)組覆蓋范圍的逐漸擴(kuò)大使得智能故障診斷技術(shù)也在進(jìn)行不斷更新，其突出的遠(yuǎn)程故障診斷與分層分布式的網(wǎng)絡(luò)應(yīng)用優(yōu)勢，使得該類型的故障診斷方法已然成為了重要的發(fā)電機(jī)組故障診斷研究方向。

參考文獻(xiàn)

[1]陳偉.聲音在線監(jiān)測、識(shí)別、判斷模型在風(fēng)力發(fā)電機(jī)組故障診斷中的應(yīng)用[J].河南科技，2018，11：32-33.

[2]邢海軍.風(fēng)力發(fā)電機(jī)組故障診斷與預(yù)測技術(shù)研究綜述[J].化工管理，2019，12：155-156.

[3]張冬梅，王紅艷，孫曉輝.風(fēng)力發(fā)電機(jī)組故障診斷技術(shù)綜述[J].內(nèi)江科技，2019，4007：45+26.

[4]孔德同，賈思遠(yuǎn)，王天品，劉慶超.基于振動(dòng)分析的風(fēng)力發(fā)電機(jī)故障診斷方法[J].發(fā)電與空調(diào)，2017，3801：54-58.

[5]金曉航，孫毅，單繼宏，吳根勇.風(fēng)力發(fā)電機(jī)組故障診斷與預(yù)測技術(shù)研究綜述[J].儀器儀表學(xué)報(bào)，2017，3805：1041-1053.