摘 要：风能作为一种可再生能源，利用风能发电不仅可以减少资源消耗，缓解我国资源短缺的问题，而且可以大大减少对环境的污染，为推动我国能源结构也作出了巨大的贡献。由于风力发电场的恶劣工作环境，风力发电机故障的可能性也随之增加。因此，有必要加强对风力发电机故障的预防。通过监控发电机状态，可以实时掌握发电机的运行状态，并通过分析从状态监控中获得的数据，可以为故障诊断提供强有力的参考。它可以有效避免故障的发生，并可以缩短故障修复时间，提高修复效率。
关键词：风力发电机；状态监测；故障诊断；技术研究
一、风力发电机组状态监测和故障诊断的意义
风能是利用自然力量转换能量的方法，为社会建设与人们的生活提供了有力的能源保障。风力发电机的应用不仅可以解决目前中国电能应用不足的情况，而且可以更好地保护环境。风是自然界中常见的自然现象，尤其是在风资源丰富的山区。机组建设不仅可以为国家创造更大的经济价值，而且可以确保当地的电力供应。然而，随着国内风力发电行业的飞速发展，风力发电机的故障已成为不可忽视的问题。通过实时监视风力发电机的运行状态，可以及时发现机组运行中的隐患。通过提取机组故障信息并进行处理和分析，可以诊断机组故障的原因并制定有效的处理措施。这对于提高风机运行的可靠性，促进风电行业的健康发展具有重要的现实意义。
二、风力发电机组状态问题监测的技术
2.1发电机组运行异常情况进行动态监察
在风电机组运行的期间在风电机组运行的期间，要适时的对发电机组运行的异常情况进行动态的监察常情况进行动态的监察。在进行监察期间要对机组内的相关设备参数进行掌握设备参数进行掌握，包括：压力、电压、机组作业的相关频率以及设备运行期间的主温度及设备运行期间的主温度。同过比对测量的方式，将正常运行机组数据与误差数据行机组数据与误差数据，进行比对的形式，通过参数的合理区间数值的分析能力间数值的分析能力，确定设备运行异常与各参数之间的差别。
2.2技术特征分析
风力发电机组常用的状态监测方法之一主要是从风力发电机组的各项运行参数入手，通过监测机组运行参数的变化来判断机组是否发生异常。风力发电机组中的运行参数类型多样，大体分为可测量参数及计算参数两大类。其中，计算参数是指需要读取可测量参数，并使用一定的算法进行计算，将计算所得结果作为运行参数。根据机组实际情况，按需选取合适的测量装置或算法是进行风力发电机组状态检测的重要前提。如测量装置不匹配，将无法准确测量相关电力参数能量状态或数值大小的变化如算法使用不当或编写错误，将会得出错误的计算参数。这都将影响机组的正常运行状态。但不同种类、不同厂家的测量装置和各类算法都存在各自的优缺点，如何进行选择需要根据机组的实际需求确定。
2.3可测量参数异常监测
在对风力发电机组的可测量参数进行监测时，需要严格的按照有关的指令以及标准进行，特别要注意以下三点：（1）风力发电机组内可测量参数大致包括电压、电流、频率、液压压力、温度等，需根据可测量参数类型选取不同的测量设备，多个测量设备相互配合。（2）要对测量的参数进行范围的限制，在对其进行测量时量时，选择合适的测量数据十分的重要。（3）分析确定可测量参数的正常以及异常值区间范围及动作触发条件。
2.4测量设备异常监测
风力发电机组内的测量设备本身有出现故障的可能性，因此需要有相应的监测机制进行防范，常用的方法有：（1）部分测量设备随附检测触点，正常状态下为常开或常闭状态，异常情况下则为常闭或常开状态。可根据触点状态的变化对设备状态进行判断。（2）在测量设备的输入端与输出端时分别另接一组信号进入主控制系统，同时主控制系统内预先存储与测量设备对应的算法，时刻读取输入值与输出值并进行比对，如输出值与输入值不符，则判断监测设备异常。
三、风力发电机组故障诊断技术
3.1故障诊断分析
对风力发电机组进行故障诊断时，要根据机组自身结构的复杂性和机组运行环境的特殊性，综合分析各种因素，提高故障诊断结果的准确性。风力发电机组运动部件多、结构复杂，故障诊断比较困难。因此需要更新传统诊断技术，积极应用新技术和新理念，准确诊断各种故障，为故障的解决提供依据。对于风力发电机组的故障诊断，需要准确掌握各类不同的故障现象，根据机组电力参数、振动、压力、形变、磨损、温度等性能特征进行综合分析，完成故障诊断。
3.2热力参数分析
在风力发电设施运行的期间在风力发电设施运行的期间，需要对设施的运行环境进行仔细的分析行仔细的分析，保证设备组件的正常运地效率，齿轮箱、电机、整流器整流器、发电设施运行期间的温、湿度进行仔细的检测；同时还需要对机箱还需要对机箱、控制柜的内部设施内部的温、湿度进行检查。热力参数的变化热力参数的变化，能够更加准确的找出设施的故障，并提供相应的数据信息应的数据信息。
3.3振动分析
在对振动情况进行分析时，为了提高实验的精准程度，要在机组内的各个部件上安装振动传感器，振动传感器可以记录部件的振动情况，通过对传感器的信号以及数据情况进行分析，结合以往的工程项目情况，可以判断机组内部的部件的运行情况，进而推断机组出现振动现象的原因，通过比对正常运行时的情况来判断机组此时的运行状态。
3.4大数据技术
大数据技术是指从大量的、不完全的、有噪声的、模糊的、随机的工业生产数据中，通过算法提取数据背后隐含的具有价值的规律。大数据技术在风力发电行业中的应用有：收集并汇总一定区域内或一定类型风力发电机组中的海量运行数据，通过大数据挖掘和分析技术，总结数据背后存在的显著的统计因素，利用这些统计因素进一步判断风力发电机组可能存在的故障类型以及故障发生的最大概率，建立相关区域或相关类型的风力发电机组故障模型，并根据故障模型提前制定处理策略。大数据挖掘和分析的技术手段有很多，常见的手段有基于最小二乘法或利用多元回归模型来构建大数据模型，然后进行回归分析得到影响变量的主要因素，这些因素可以广泛应用于风力发电机组状态检测和故障诊断。
传统方法对风力发电机组的状态检测和故障诊断是在少量数据的基础上进行的，主要是依靠工程师自身技术经验积累以及相关的推论假设来完成对机组状态的检测和诊断。但是这种方法存在一定的风险，可分析数据不足或工程师自身经验存在缺陷，都将使检测和诊断结果存在偏差。另一方面，传统技术获取的数据在采集、传输过程中会受到传感器噪声、数据传输介质以及外部干扰的影响。这样的数据通过分析后得到的检测和诊断结果往往与实际情况不符。
而大数据分析技术可以有效弥补上述缺点。通过对大量的数据进行收集、分析和处理，使用数据挖掘技术去除潜在的干扰数据，得到的结论往往更加可靠。另外，大数据技术还能够发现风力发电机组运行过程中一些细微的状态变化，能够及时发现和提前修正机组中一些潜在的故障隐患，有效降低风力发电机组发生故障的概率，提高机组运行的安全性和可靠性。
结 语：
总体而言，由于运行环境及其自身结构的限制，与传统的发电机组相比，风力发电机的故障概率更高，并且发生故障的原因更加的复杂多样。面对这些情况，我们有必要对风机进行全面且系统的监控，同时，结合先进的技术来提高监控技术的准确性，并及时对故障的发生做出响应，避免造成巨大的经济损失。
参考文献：
[1]李慧勇. 不同类型不同容量的风力发电机组电气部分故障诊断研究[D].山西大学,2019.
[2]石慧. 基于双馈风力发电机组齿轮箱故障诊断研究[D].山西大学,2019.
[3]李恒.风力发电系统状态监测和故障诊断技术探究[J].电子测试,2019(06):98-99+93.