CAT蓄电池风力发电机故障诊断技术分析

摘要：风力发电机组装机容量持续增大，其结构形式愈发复杂，这给日常维修，以及故障诊断增添了难度。异常振动乃风力发电机运行期间常见的故障类型，依据振动产生原因的差异，又能够划分成电磁振动、机械振动等型式。风力发电机故障种类繁杂众多，又鉴于其具备复杂的非线性、非平稳性，此种情况致使故障发生之际，很难判定故障发生的部位以及故障原因。从而，针对风力发电机的故障诊断，变得格外重要，而且，风力发电机属于大型的旋转机械设备，其理论也适用于别的大型机械设备，对风力发电机故障诊断展开研究，具备颇为深远的实践意义。

1.风力发电机滚动轴承故障

滚动轴承，是传动系统里头的核心部件，在极大程度上决定着风机组的运行质量，进行风力发电机滚动轴承服役状态的检测，使轴承状态准确，成了迫切需求。当下在风电系统里监测轴承温度已然普及了，然而温度反映轴承状态滞后，而振动检测是一种应用广泛且比温度监测更早的手段，所以要找寻一种适用于大型异步风力发电机滚动轴承早期缺陷的方法与手段，及时发觉轴承故障及异常，防止出现严重事故。风力发电机滚动轴承故障诊断如下：首先是加速度包络解调。被相邻齿轮箱的冲击、不平衡、不对中等噪声信号掩盖的，是滚动轴承早期微弱损伤信号，这种信号常出现这种情况，何况在运行环境复杂多变的风电传动系统里，更需要一种方法和手段，该方法和手段要能有效提取出由轴承早期缺陷引起的振动信号，并且在风电传动系统里，加速度包络解调是一种方法，它能有效提取出早期缺陷故障引起的微弱故障特征，此方法可转换微弱低频信号，把它转换至高频共振波形之后再进行包络、检波、低通滤波，最终得到明显低频特征频率及其谐波波形，这个低频特征频率对应的是高频信号 。其次，有某型号圆柱滚子轴承，其存在内圈滚道面微弱的早期损伤，将其分别在单轴承故障诊断试验台进行试验，还在安装于兆瓦级大型异步风力发电机上进行试验，之后通过与功率谱作对比，加速度包络解调分析方法能够更准确地识别出存在早期缺陷的轴承其缺陷位置[1] 。

2.对称电压故障下双馈风力发电机瞬态特性

在风电场里头，双馈异步风力发电机运行之际时不时会出现故障情况。所以，尽早针对双馈异步风力发电机开展故障判断，去确定发生故障的相，这相当重要。借助Elman神经网络能快速找出转子绕组匝间短路故障的发生相，这样能够节省时间以及维护成本，并且能够快速且准确地确认故障位置。借助改进的Elman神经网络，可在较短时间里达成对双馈异步风力发电机故障的诊断，而且准确度颇高，这为双馈异步风力发电机匝间短路故障相的诊断提供了一种办法。与此同时，当下时，双馈风力发电机是风电市场中能够达成变速恒频运行的主流机型之一。其主导优势是变换器功率较小，仅仅为机组的25%，具备独立的有功和无功控制以及良好的运行性能等 。然而，为了应对风电机组大规模并网运行所带来的安全挑战，新的电网标准作出规定，并网运行的风力发电机应当保证具备故障穿越能力，也就是FRT能力。这对于双馈风力发电机来说，是一个极大的挑战。主要原因在于，DFIG定子被直接连入电网，受到电网电压的影响较大。一旦其遭遇电压故障，就会在转子绕组中引起大的振荡电流，进而容易烧毁变流器，最终导致故障穿越失败。面对双馈风力发电机遭遇对称电压故障这种情况时使用的转子故障电流理论性分析办法，适用于针对不同程度电压跌落故障展开的分析，同样也能用于电压升高故障之际对转子电流施行的计算。所提出来的这种分析办法带有有效性，并且易于被理解。当电网发生电压对称故障时，双馈风力发电机转子电流是由稳定类型的交流量、呈现衰减态势的交流量以及呈现衰减态势的直流量这三部分共同组合而成的。其具体大小和处于定转子回路里的参数存在关联。与此同时，它还和电压故障身处的程度、机组所具有的滑差、转子侧变换器输出的电压存在关联[2]。

3.基于零序电压的五相永磁同步风力发电机绕组故障诊断

由高效率、高功率密度以及低噪声等优势所构成的永磁同步发电机，在电动汽车、航空作动器、风力发电等诸多领域得以广泛应用，绝大多数直驱风电机组采用永磁同步发电机（PMSM），其可靠性对机组的发电量以及可利用率有着直接影响，绕组故障会致使维修和更换成本极高，甚至会造成不可恢复的损伤 。PMSM的故障类型主要呈现为电气故障、机械故障以及永磁体失磁故障，当中电气故障的主要表现形态是定子绕组的匝间短路故障以及开路故障。基于零序电压的PMSM绕组故障诊断方式能够有效地达成绕组匝间短路故障和开路故障的检测，不但能够灵敏地探测到故障，并且故障诊断方法简便，可实时在线检测[3] 。

4.风力发电机叶轮故障识别

借助鱼群算法具备的较快收敛品质这一特点，防止在初期就过早地聚集到信息素浓度高的路径上去。引入蚁群优化算法，一方面能增强算法的全局寻优以及邻域搜索那方面的能力，另一方面还可避免陷入局部最优解的情况，达成算法之间优缺点的相互补充。两种算法所遵循的运动规律存在一定程度的相似之处，人工鱼会依据拥挤程度朝着浓度高的方向游动，蚂蚁会顺着信息素朝着浓度高的方向迁移，人工鱼的聚群行为以及蚂蚁更新信息素这两者均取决于伙伴中心抑或最优个体状态的最优解。从此可以看出，鱼群算法和蚁群优化算法相结合的改进办法是行得通且有效果的。两种算法混合之后，借助鱼群的觅食、聚群举动，把全局搜索范畴缩小。凭借拥挤度与信息素的相似之处，在搜索范畴缩小后，转向蚁群优化算法，经由分布并行式计算以及启发式搜索途径，不但提升收敛速度，还适度提升收敛精度，在一定程度上解决局部极值的难题。鱼群算法是一种高效的智能优化算法，其主要涵盖鱼群初始化、觅食行为、聚群行为、追尾行为、随机行为。存在一种算法，它具备克服局部极值进而取得全局极值的能力，此算法运用目标问题的函数值，对于搜索空间拥有一定的自适应能力，这种算法就是鱼群算法。鱼群算法还同时拥有对初值以及参数选择不敏感、鲁棒性强、简单易于实现、收敛速度快、使用灵活等特点，它提供了一种解决问题的架构，具备着与其它算融合的基础。蚁群优化算法，其基础是自然界里蚂蚁觅食的群体性行为。在蚂蚁觅食进程中，它会鉴于经过的路径释放信息素，并且能够感知其它蚂蚁所释放的信息素。在各个路径之上，信息素的浓度并非相同彼此不一致，蚂蚁依据浓度的高低情形，依照一定的随机概率模式来选择路径，然后从而不断地提升适合路径之上的信息素浓度，以此形成一种正反馈的情况模样。

5.风电机组S型气溶胶自动消防系统

此刻，大型风力发电机组的叶片长度，以及机舱高度，都已然超过了百米整，其造价高昂，内部结构显现出复杂的态势，盐雾腐蚀的情况颇为严重，火灾隐患极大。自动消防系统对于大型风力发电机组而言极为重要，已然成为风电研究的热点所在。风电机组运行监测系统不但能够与风机控制系统协同配合，以此保证风机的正常工作状态，而且还能够依据振动、温度、声音以及视频等多类信号，联合计算机图像识别与信号处理技术，自动检测机组的运行状态，于故障征兆之时展开预测。当下，运行监测系统在风力发电机组里是标配，自动消防系统同样是风力发电机组的标配。然而，此两个系统分属不同领域，出自不同制造商，常常独立运行，这便致使系统复杂程度增加，可靠性降低，对火情提前预警也不利。风电机组的运行监测系统得跟自动消防系统达成联动才行。借由这种办法，自动消防系统不但会有被动救援功能，还能主动去预测火灾隐患，及时告知维保人员检查处理，以免造成巨大损失。

6.风机状态监测与故障诊断技术的发展趋势
向整体系统去发展，进行集中控制，构建大型故障数据库，针对风力发电机运行转台予以比对，及时找出故障、化解故障，整个系统朝着可靠性、智能化、开放性以及与设备融合成一体的方向前行，采集器，身为对振动信号采集的关键部件朝着高精度、高速度、高集成以及多通道方向演进，精度从8位到12位连16位，采集速度从几赫到几万赫，采集方式从等时采样到等角度同步整周期采样方向延伸 。（3）数据传输方面，传感器采集到的数据会快捷地传输回到控制中心，计算机的串行口以及并行口通讯正朝着网络通讯的方向发展 。（4）监测系统方面，其界面变得更具人性化、智能化以及友好化，这方便了用户去观看和操作，还融入了多媒体技术，达成了数据的动态显示 。（5）诊断系统方面，诊断变得更智能化，它能够实现多个故障的诊断，朝着实现在线采集振动数据，实时诊断振动状态的方向发展 。朝数据存储的方向发展，朝着存储容量更大迈进，朝着存储方式更便捷来发展，然后要建立大型数据库，该数据库是通用安全的，是可靠的。

结语

总之，达成风力发电机故障的实时监测，以及科学诊断，对于及时发觉问题所在，还有保障机组稳定运行而言，意义是极为重大的，构建故障监测与诊断系统，去替代人工达成机组运行的全天候监测，还有实现实时化监测，精准地识别故障源，并且及时采取维修措施，进而致使风力发电机能够正常运行 。