摘要：我国工业生产以及生活的发展对能源需求越来越多，但石油、天然气等不可再生能源储量有限且不可再生，使得人们加强对可再生能源的研究与开发，近年来风力发电产业进入迅速发展期。完善的风力发展技术为其发展提供了重要基础，在成本等方面均具有优势。但是在风力发电系统运行过程中，存在很多安全隐患，可能发生一些运行故障。针对其运行进行监控，及时发现潜在隐患以及存在问题，进行改善，保证风力发电系统正常运行。
关键词：风力发电系统；状态监测；故障诊断
1风力发电机组概述
1.1风力发电机组介绍
风力发电主要是利用风机实现风能和电能的转化，借助电磁感应原理进行，将转化得到的电能经过调压等操作输送到电网以及用户中去。我国经过多年建设，风力发电机组建设已经相对完善，在传统恒速恒频风力发电机组的基础上改进，采用新的技术以及设备来完善创新风力发电，目前常用的新技术是变桨距技术。通过这一技术能够实现风机叶轮转速的动态调整，根据风速实际变化进行调整并引进变流技术，综合作用下保证了风力发电输出频率的恒定。变速恒频技术的引入保证了风力发电质量，因此我国目前在风力发电并网系统中应用的即这一技术。
1.2风力发电机组基本构成
风力发电机组主要由叶轮、变桨系统、传动系统、主控系统、变频系统、发电机、机舱以及偏航系统、塔架构成。利用风能来带动叶轮旋转，为提高发电效率增加变桨系统提升旋转速度。通过传动系统进行传动，并增加变频系统以及主控系统来保证转速稳定，然后传动到发电机中进行发电。
2状态监测技术分析
2.1性能参数检查
该方法主要用于监测风力发电机组在运行状态下的实际输出功率，将获取到的实际监测结果与机组正常输出功率进行对比，判断其性能参数是否超出阈值，以此判断风力发电系统有无故障问题。
2.2振动监测技术
振动监测技术用于监测发电机组运行过程中轴承、齿轮等构件与机舱系统的振动情况，利用传感器采集其振动信号，进而利用系统将采集到的信号与正常信号进行对比，倘若发现该信号存在异常情况，则系统将会自动发出报警信号进行提示。通常在使用振动监测技术时主要采用幅域统计分析法、等旋转角采集法等方法，配合运用FFI分析法消除干扰，以此提高振动信息的精确性，相较于其他监测技术而言成本略高。
2.3油液监测技术
油液质量对于风力发电机组的运行效能发挥着重要影响，采用油液监测技术进行油液质量、铁屑、油温、油滤压降的离线检查，以此获取到的监测数据可以直观反映系统部件的运行状况，定位具体故障。
2.4过程参数监视
作为一种常规状态监测技术，该方法主要用于针对风力发电机组运行过程中的各项参数与运行状态值进行监测，并将其与系统正常运行数值进行对比，倘若二者不匹配则证明机组存在运行问题，将由系统发出警报。
3存在的问题及发展趋势
随着时代的发展，科技不断进步，对金风的永磁直驱发电机的保护和维修取得进一步发展，为国家的发展和社会经济效益作出了贡献。基于金风的永磁直驱发电机故障的智能诊断系统的研究，特别是最近几年关于金风的永磁直驱发电机负荷增长的研究。信号分析技术等实际应用技术获得了进一步的发展，自动化测试技术同计算机科学技术的飞速发展为发电机的正常运行起着非常重要的作用。与此同时，发电机仍然存在以下几个方面的缺点：
（1）功能不足。中国目前对金风的永磁直驱发电机的故障诊断比较侧重于风力发电的状态分析，故障诊断和状态监测尚未被考虑到。以现在的发展来看，需要开发集成系统来对金风的永磁直驱发电机实施监测、分析、诊断、管理以及合理的维护。
（2）诊断方法的独特性。目前可利用的系统仅能检查错误信号的问题，还不能做到对设备其他因素的诊断，对于不同的设备也没有做出有效的改变。
（3）资源浪费过高。现有的故障诊断系统和风力检测系统没能更好的结合起来。到目前为止，虽然资金投入量大，但是风力发电场的资源分配不足，维护成本太高。
（4）实际设计的缺陷。金风的永磁直驱发电机的诊断系统大多没有经过现场测量，金风的永磁直驱发电机体型过大等实际设计的缺点突出。
4故障诊断基本理论与方法
4.1故障诊断原理
故障诊断是在机械设备的操作基础下出现的各种错误，机械设备出现的故障和状态是检验金风的永磁直驱发电机的异常的主要手段。设备故障诊断技术是排除故障的一种有效手段，可以识别设备故障的状态，确定设备运行的正常状态或异常状态，监测故障发生导致的因素，减少出现故障的次数。错误诊断是对分类和辨别诊断对象的错误，换而言之，是用现有知识推测设备出现故障的因素和严重性。简而言之，该原理是一种找出毛病的方法，实际上，故障诊断技术是对金风的永磁直驱发电机故障进行识别分类的过程。
4.2故障诊断方法
4.2.1叶片、齿轮箱的故障诊断
叶片处于风力发电系统的前置部位，在检修过程中常用功率谱密度法、光纤电流传感器网络等技术进行故障诊断，倘若发现叶片出现转子不平衡、气动力不对称平衡等现象，则证明叶片存在故障。针对齿轮箱故障进行诊断，主要通过将采集到的异步电机电流信号进行解析，定位故障点，随即通过幅值、频率解调实现对转轴旋转频率的监测，采用离散小波变换法进行解调后的电流信号处理，实现排除干扰、降噪等效果。
4.2.2齿轮箱的故障诊断
对于风力发电机组而言，其齿轮箱由于长期置于恶劣环境，损坏率很高，因此需要定期对齿轮箱进行定期故障诊断监测。可以采集异步电机的电流信号，并对其进行解析分析判断齿轮箱故障，通过幅值和频率解调来监测转轴旋转频率。然后,对解调的电流信号实施离散小波变换,从而达到降噪和移去干扰的目的。最后利用某一特定层次的谱来诊断齿轮故障。
4.2.3神经网络和专家系统在风力机故障诊断中的应用
随着信息技术以及人工智能技术的发展，新技术也开始应用于风力发电机组的故障诊断部当中。目前人工神经网络技术、专家系统技术以及模糊逻辑技术均开始应用于风力发电机组的故障诊断当中去，希望能够提高故障诊断的准确率。
4.2.4构建数学解析模型
该方法需要建立在精确数学模型的基础上，依照模型输出信息与实际测量数据进行对比，针对二者间的差值进行分析、计算，以此完成故障分析。在计算过程中需要确保构建数学解析模型的精确性，从中获取到准确的参数与实时状态。然而在风力发电系统运行的实际工况条件下，由于生产设备存在一定的不确定性因素，因此其所对应的数学解析模型也应围绕时间、温度等因素的变化进行调整。
4.2.5信号处理诊断方法
采用信号处理技术进行故障诊断，主要包含小波变化法、频谱分析法与信息融合法三种方法。需利用传感器获取到待测风力发电机组的输入、输出信号，采用信号特征向量提取方法获得信号特征值，并完成建模。在进行建模的过程中，需要围绕特征值与机组故障进行二者关系分析，进而构建起风力发电机组的故障模型，随即将传感器采集到的实时信号输入到模型中，借助信号分析技术判断故障类型、定位故障所处位置。该故障诊断法具有判断速度快、灵敏度高等性能优势，然而其诊断精度偏低，易出现误判、漏判等问题。
结语
对于风力发电机组的状态监测与故障诊断而言，涉及到众多领域和不同学科。在未来的发展中，需要不断的融合不同的学科技术以及不同的方法，来完善风力发电机组的状态监测以及故障诊断技术，这需要众多人员的共同努力。
参考文献
[1]杨丽华.分布式风力-太阳能发电系统电能质量在线监测系统研究[J].仪表技术,2017(11):1-5+40.
[2]毕宇飞.风力发电系统状态监测和故障诊断技术研究[J].中国设备工程,2017(15):93-94.