高颖儒
中国水电顾问集团织金新能源有限公司三塘风电场 贵州省 毕节市 552108
摘要：随着全社会用电需求的不断增加，电力系统的运行规模也在日益扩大，风力发电在其中做出的贡献不容小窥。但与此同时，风力发电机组在运行中也存在各类故障问题，高额的运维费用直接影响着风电产业的经济效益。文章总结了现阶段风力发电机组在运行过程中常见的几种故障类型，介绍了时域分析、频域分析、时频分析等信号分析技术，旨在为风力发电机故障诊断研究提供理论参考。
关键词：风力发电机；振动分析；故障诊断；信号
1.前言
面对现阶段的能源危机与环境问题，我国风电产业得到了迅猛的发展，为能源优化与新型绿色可持续发展做出了突出贡献。发电机组是风电产业发展中较为重要的一环，其工作环境恶劣，极易发生故障，且维修需要高昂的费用，对风电的经济运行造成了直接的影响，其中振动则直接影响到发电机的运行。因此，对发电机产生的故障进行及时有效的诊断显得十分重要。
按检测方式的不同，可以将对风电机组状态的监测与诊断方法分为油液检测、温度检测、过程与性能参数检测、振动检测等方法，其中振动检测技术相对较为成熟，因具有简单方便等优点而在风电机故障诊断方面得到了比较广泛的应用，实现了对风电机组状态的有效监测。
2.风电机组概述
2.1风力发电机组的基本组成
风力发电机组分为风轮和发电机两大核心部分，其主要目的是把风能转化成电能。风轮是利用风的带动借力，使风轮进行转动，从而风能就被转化成了机械能；发电机则是将由于轴转动而产生的机械能转化成了电能所利用。按照风轮的结构可将风力发电机组分为水平轴风机与垂直轴风机；按照叶片的个数可将风力发电机组分为双叶式、三叶式与多叶式轴风机。通常情况下风电机组由主轴、主轴轴承、齿轮箱、高速轴、发电机等部分构成，其中发电机的作用就是将机械能转化成电能。
2.2风力发电机组的常见故障
（1）电气系统故障。近年来，大功率直驱型并网风电机组在风电厂得到了广泛的应用，伴随而来的是高昂的投资费用，且故障发生概率也随之增长，由于电气系统内部包含的部件较多，因此故障种类也很多，主要包括过载、短路、过电压、过电流、变频器无法正常启动等。（2）发电机故障。由于风力发电机长期处于高速运行状态下，同时存在润滑不足等一些机械方面的因素，导致风力发电机的故障多样，例如轴承故障、定子绕组、转子绕组故障等。
一方面，大部分风机发电机组装置所处位置偏远，工作条件艰苦，且风力发电机组通常情况下会建于高空，维护起来存在一定的难度且维护的成本也很高。另一方面，风力发电机组发生故障的位置多且分散，故障发生会导致停机，降低了工作效率，影响着风电厂的经济效益。因此，对于风机发电机组进行全面监测，能够准确的发现故障，并对其进行及时的维修，是保障机组工作效率的关键所在。
3.基于振动分析的风力发电机故障诊断方法
基于振动分析技术，是现阶段广泛应用于风力发电机组故障诊断的技术之一。基于振动分析技术是通过对振动信号的收集、整理，进而提取出有用的故障特征信息，最终能够确定故障位置。不同的部件发生故障会发出不同的振动信号、产生不同的振动频率，系统也会随之反应出不同的信息。较为常见的振动分析方法主要有时域分析、频域分析、时频分析法等。
3.1时域分析方法
时域统计分析方法主要考虑的是信号的时间顺序，通过振动信号与时间之间的变化趋势与变化规律，进一步掌握振动信号的特点，通过对振动信号的时域参数和信息进行计算、分析，初步能够确定风电机组的故障类型。时域统计分析方法具有计算操作相对简单，能够直接的反映出特征信息等优点，对于风电机组出现故障的类型能够做出初步的诊断。但是，从另一个角度出发来讲，时域统计分析方法同样存在着不足之处，由于特征信息的不稳定性，通常情况下会根据实际的情况而变化，因此存在对故障不敏感的缺点。在时域分析方法的应用的过程中，存在某些情况下无法对故障的类型、故障的具体位置以及故障严重程度做出正确的诊断。时域分析方法又包括信号幅值分析、波形分析、时域同步平均法、相关函数法等。其中幅值分析方法在实际中的应用实例较多，常见的特征指标有峰值、均方根值、有效值、最大最小值、方差等。
3.2频域分析方法
频域分析方法是现阶段应用最为广泛的故障诊断方法之一。频域分析方法通过傅立叶变换，能够将信号呈现为频率分量叠加的形式，建立起信号的幅值与频率之间的关系，任何故障类型都会有特定的幅值和频率值与其对应，将故障类型的特征值进行有效提取，最终将能够确定故障类型以及故障的具体位置，因此，频域分析方法在风电机组的状态监测与故障诊断中已经取得了非常广泛的应用。同时，频域分析方法在一定程度上也存在局限性，频谱分析只能分析一段时间内全局信号的平均值。由于风电机组工作环境噪声较强，运行时部件间也会发生耦合振动，导致采集的信号呈现出非平稳、非线性，例如滚动轴承、主轴振动故障等都属于非平稳信号，最终影响到频域分析的结果。频域分析方法主要包括频谱、频谱密度函数分析、功率谱密度函数分析、相位谱分析等。
3.3时频分析方法
通常情况下，按照信号的分布可以将信号分成平稳与非平稳信号，其中非平稳信号是随机的信号，该类型的信号具有一定的突变性以及强烈的随机性。时频分析的全称是时频联合域分析，其目的是为了克服频域分析方法不能够对非平稳信号进行有效分析的缺点，而采取将时域分析方法与频域分析方法进行科学的二维联合的方式，最终使信号在时频域上的同时局部化成为现实。时频分析方法不仅能够得到信号频率与时间之间的关系，同时还能够得到不同频率以及不同时间下的具体强度等相关信息。总体来说，时频联合域分析方法可以有效避免局部信息的缺失，可以清晰的得出各个阶段的频率与幅值，能够使非平稳信号的瞬时频率得到具体的呈现，在分析非平稳信号的应用过程中表现出了强烈的优越性。判断准确、直观是时频联合域分析的优势所在，目前较为常用的时频联合域分析方法有经验模态分解、小波分析、Wigner-Vile分布等。
3.4轴心轨迹法
轴心轨迹是指旋转轴处于转动过程中时，由于中心点的运动而产生的轨迹。由两个相差90°传感器的信号构成一个完整复合信号，最终呈现出的形状则是轴心轨迹图。轴心轨迹法就是利用轴心轨迹图的形状来对故障信息做出合理判断，进而采取有效措施来抑制故障的发生，轴心轨迹法同样也是诊断风电机组故障的有效方法之一，常应用于对发电机组传动轴的故障诊断中。
4.结束语
众所周知，风力发电机机组工作状况较为复杂，存在诸多不确定性因素，经常发生故障问题，且对于机组的状态难以进行有效的监测与诊断，影响着风电系统的生产效率，因此，开展相关风电机组的故障诊断的方法研究是十分必要的。文中提及的基于振动分析的风力发电机故障诊断方法，其原理是通过时域分析、频域分析、时频分析等分析处理来确定机组故障的特征频率，最终将故障的位置做出诊断。基于振动分析的诊断方法具有快捷、简便等优势，且诊断结果较为有效，为风电机组的状态监测与诊断提供了优异的技术参考，有效降低了风力发电产业的运维成本，提升产业经济效益的同时也为社会的可持续发展做出一定的贡献。
参考文献
[1]孔德同, 贾思远, 王天品,等. 基于振动分析的风力发电机故障诊断方法[J]. 发电与空调, 2017(1).
[2]绳晓玲, 万书亭, 成立峰, et al. 基于转子电流的风电机组叶轮不对称故障分析[J]. 计算机仿真, 2018, 35(006):106-109,407.
[3]张振伟, 程明杰, 甄亮. 风力发电机组齿轮箱基于油液和振动信号分析的故障诊断技术研究[J]. 内蒙古科技与经济, 2018, 413(19):70-71.