（国华（栖霞）风力发电有限公司 山东烟台 265300）
摘要：随着环境的日益恶化，作为绿色能源的风能，其被广泛的应用与发电行业，风力发电机技术已经成为当前世界各国研究的热点。由于风场位于环境恶劣的偏远地区，使得风力发电机发生故障的位置比较复杂，对风力发电机运行状态的监测工作造成很大的困难。因此为降低风力发电机的故障发生率，需要大力发展状态监测与故障诊断技术。
关键词：风力发电；新能源；发电机
引言
从风力发电场的视角出发，对于风力发电当中的机组部分展开探究，论述对故障问题进行检测以及实施诊断的方式，是将对机组部分平时进行维护的资金减少的一项极为高效的方法。
一、风力发电机组的故障特点
风力发电场的的位置大多为一些偏远地区和高山上，恶劣的自然环境、风速多变以及外部载荷的不稳定长期影响对于风力发电机组内部的部件很容易引起故障。而风发电机组的故障一般都是主要有齿轮箱、发电机、变频器三部分的故障。我们主要是对于风力发电机组中发电机部分做主要的研究，风力发电机组的发电机一般故障有发电机轴承过热、发电机运行时的振动过大以及发电机机身的温度过高等方面的故障。经过长时间的研究发现，造成以上故障的主要原因是轴承损坏、定子绕组的绝缘损坏以及转子的平衡问题等原因。对于不同的故障问题以及部件应采用相适应的处理方法，是对其进行最有效的状态监测和故障诊断的有效措施。
二、状态监测与故障诊断的系统的基本结构
风力发电机组的监测与故障诊断依赖于现代化计算机技术以及电气技术的有效结合，计算机的控制系统可将信号的采集、监测、分析等融合为一个一站式的监测系统。通过对风力发电机组的温度、振动以及压力的数值与标准数值进行对比分析，能够有效的掌握发电机组的运行状况，同时可以根据数据的分析对风力发电机组出现的故障并提出相应的解决措施。风力发电机组的监测与故障的诊断系统的工作模式主要是对信息的收集--信息的处理--信息的分析--判断信息的准确性--诊断的结果以及相应的措施。对于信息的处理和收集是基于前期对发电机组安装或进行周期性的检测，在检测设备对于检测到的信号传输给计算机控制系统对于信息进行分析，从而得出相应的结果。由始至终都有计算机对信息进行分析和处理。
三、风力发电机的监测诊断技术
3.1齿轮箱齿轮箱是风力发电机的主要部件，是连接主轴与发电机的重要枢纽，齿轮箱的内部结构比较复杂，因此该部位的故障发生率也就比较多，比如轴承故障、齿轮故障以及润滑系统故障等等。可以说随着风力发电机组的投产使用，齿轮箱的故障发生率也会随之增多，为避免因齿轮箱故障而带来的停工，人们开始加大了对齿轮箱运行状态的监测，目前的监测技术主要有振动测量方法、温度测量方法。其中温度测量方法是基于零部件的温度变化实现异常状态识别的诊断方法。温度作为状态量，测量方便，操作简单。鉴于温度测量方法的简单易行等特点，该方法已集成在风力机的控制系统中，用于检测齿轮箱、发电机以及主轴等部件的健康状态。
3.2发电机发电机的核心部件是发电机，发电机主要是负责将旋转的机械能转化为电能，因此发电机的正常运行是保障风力发电机健康运行的基础，由于发电机长期处于变工状和电磁环境中，因此该部位的故障主要有：发电机的振动比较大，发电机过热、定子线圈短路等。根据发电机的故障特点，对发电机的故障诊断方法有基于转子/定子电流信号、电压信号以及输出功率信号均等状态检测手段。通过定子电流信号分析可以将发电机的故障进行识别，进而可以快速的判断出具体的故障。
另外有人提出了在变转速下建立基于多项式的双馈式异步发电机线性与非线性数学模型，但是其不能找出具体的故障源头。
3.3叶片叶片是风力发电机吸收风能的主要元件，也是风力发电机的重要组成部分。其一般长为40米左右，由纤维增强型复合材料，其体积比较大，一旦发生故障很难进行维修，而且其一旦发生故障，不仅会影响风力发电机的运行，而且还会对整个风力发电机的安全产生致命的损伤。由于风力发电机的叶片常年暴漏在外边，其要经受各种恶劣天气的影响，因此叶片容易出现腐蚀、裂缝等故障。根据当前对叶片故障的检测诊断技术文献资料分析，叶片的故障检测主要是根据叶片的受力变化而进行分析，因为叶片在发生故障时运行的效果与没有发生故障时的效果是完全不相同的。我们对叶片的检测主要是利用光纤光栅传感器对叶片的应力应变的变化范围进行分析，根据检测的结果分析叶片的运行状态。之所以应用该方法主要是因为光纤光栅传感器的运行效果比较适用于恶劣的环境中。
3.4电气系统电气系统是整个风力发电机向电网输出信号的主要部分，是控制电能输出的重要装置。由于电气系统属于精密元件，其任何一个细微的故障都有可能对整个风力发电机的运行构成威胁，我们常见的电气系统的故障主要集中在线路短路、电流过大或者过小、过温故障等，对于电气系统的故障我们主要采取性能参数检测法，具体的检测措施就是利用计算机控制检测技术对发电机电气系统的输出电流、功率等数值与预定设置的数值进行对比，根据对比的效果判断电气系统的元件是否正常工作。风力发电机状态监测及故障诊断技术融合了人工智能、数据处理、信号分析、计算机、电子测试等多门学科，要结合风力发电机自身的特点和故障类型，要积极运用多种先进的科学技术，不断提高风力发电机状态监测及故障诊断技术的准确性。
四、结语
风力发电机组的检测以及故障诊断是通过计算机系统、电气系统、控制系统等多个系统的融合的人工智能的结晶，在我国众多的风力发电场可整合到一个监控系统中，在一个监测系统中可检测到全国各地的发电厂是否在正常的运行。我们要收集故障的数据根据不同地区不同条件研发出适合当地环境条件下发电的发电机组部件，有效的从根本上解决故障的发生提高零部件的使用寿命增加发电的周期，同时要结合先进技术来提高监测技术的精度，对故障的发生可以及时应对。更大程度的提高我国对于发电机组的监测和故障诊断技术。
参考文献：
[1]李刚，胡红利，李亚妮.风力发电机叶片状态监测与故障诊断技术近况[J].工业仪表与自动化装置，2017（5）：16-20.
[2]杨明洙.风力发电机状态监测和故障诊断技术的研究与进展[J].中小企业管理与科技（中旬刊），2015（4）：220-220.
[3]陈雪峰，李继猛，程航，等.风力发电机状态监测和故障诊断技术的研究与进展[J].机械工程学报，2011，47（9）：45-52.
[4]李刚，胡红利，李亚妮.风力发电机叶片状态监测与故障诊断技术近况[J].工业仪表与自动化装置，2017（5）：16-20.
[5]葛苁.风力发电机状态监测及故障诊断技术分析[J].电源技术应用，2014（06）.
[6]吴娜，孙丽玲，杨普.风力机状态监测与故障诊断技术研究[J].华北水利水电学院学报，2012（04）.
作者简介：
王晓东（1986.12.04），性别：男，籍贯：山东烟台莱阳；民族：汉；学历：本科；职称：助理工程师；职务：风电设备运维人员；研究方向：风电运维。