（许昌许继风电科技有限公司河南省许昌市461000）
摘要：风力发电系统的稳定运行是降低风机维护成本的可靠保障，风力发电机组故障的监测、合理的判断是处理问题的关键，准确的定位和分析风机故障，不断提高风力发电系统的整体性能，合理的控制维护成本，完善工程进程化管理，为风力发电系统的整体工程提供有效的参考标准。本文将针对风力发电系统主要部件的实际故障诊断情况进行分析，从系统检测技术、故障诊断技术等问题上进行了分析和研究。
关键词：风力发电；故障诊断；技术研究
引言
大规模风力发电场的投入符合现代电力发展的需求，但在实际应用过程中，因为多方面因素，造成故障需要耗费较大成本进行维修，对风力发电机组的维护造成直接的影响。风力发电过程中，需要准确的分析关键零部件可能发生的各类故障问题，合理的分析设备运行状态，判断设备的损失情况。为了有效的控制风力发电机组的运行情况，维护机组的安全经济效果，需要加强风机状态的监测和故障诊断分析。
一、风力发电系统状态监测技术分析
风力发电系统中，传动系统、发电机系统、润滑系统等的故障都可以通过状态监测和故障诊断进行有效监测,同时状态监测和故障诊断可以帮助优化维护方式、减少故障停机时间和降低机组的运行维护成本等。风机状态监测和故障诊断系统包括信号采集、在线监测以及信号分析等功能，可以监测风电机组的机械参数和电气参数,并处理和分析采集到的数据,准确定位各系统的故障。
风力发电系统状态监测技术可以将风力发电机组的初始故障遏制在萌芽状态,避免重大事故的发生。为了提高机组的可靠性，风机状态监测系统可以实时监控各个部件的运行状态,及时判断部件存在的问题和隐患,并根据判断情况采取有效预防措施。对于风力发电机组，状态监测技术主要可以分为以下几类。
(1)油液监测技术分析。油液分析的主要目的是监测经过油液润滑后各部件运行状态。油液监测技术是通过对设备润滑油、液压油的整体性能的检查分析，掌握设备的运行润滑情况、零部件的磨损情况信息。按照油液监测标准，合理的判断油液的品质，及时进行检查分析。
(2)振动监测技术分析。振动信号状态可以分析机械故障的基本特征，通过分析振动信号的数据，判断机械状态的变化。旋转机械设备需最常用分析方法就是振动分析，通过振动分析可以对机械设备故障进行准确的定位和诊断，例如分析转子的运转不平衡状态、油膜的震荡情况，转轴的弯曲程度等。
(3)温度监测技术分析。温度变化可以反馈设备的运行状态，当设备出现异常时，温度的高低可以直观地反应,因此温度监测经常用于机械和电子元件的故障诊断。对风力发电机组而言,发电机、齿轮箱、变频器等设备都需要进行温度监测。
(4)应变力监测技术分析。应变力监测可以预测风机的叶片寿命和监测疲劳程度,通过应变力传感器采集的信号判断叶片的疲劳状况，对设备进行养护或修复。
二风力发电系统故障的诊断技术分析
1、发电机故障分析
发电机组运行过程中，电磁环境、工况容易发生改变，容易发生故障问题。影响发电机正常运行的常见的故障有发电机振动过大、发电机过热、轴承过热、定转子线圈短路以及绝缘损坏等。据统计，在发电机的所有故障中，轴承故障发生率为40％，定子故障发生率为38％，转子故障发生率为10％，其他故障发生率为12％。
发电机故障的实际特点，需要依据准确的诊断方法分析，判断定、转子的电流信号水平，功率输出情况。通过有效的监测，判断电流信号的时域分析过程，通过离散傅氏变换的快速算法，明确电流信号的谐波标准分量，通过谐波分量的实际变化，准确的定位和识别发电机的故障。依据对采集到的信号分析，能有效的判断识别定转子的故障和偏心等故障问题。
2、叶片故障分析
风机叶片故障类型可分为裂纹、凹痕和破损等，根据叶片的振动情况，分析叶片的摆动、挥舞、扭转和复合等振动形式，通过现场监测的振动信号对叶片故障进行确认。在风力发电机组的叶片故障中，往往会产生突变信号和非平稳等信号。如果叶片出现裂纹时，振动信号中会伴随有较高的频率冲击波，同时在各个频段内都有可能存在不连续的故障信号。
时域分析方法和频域分析方法是叶片故障诊断的常用方法，通过时域分析法可以定性的判断显著特征的故障信号，频域分析法可以判定识别谐波的频率成分。另外，小波分析法也是分析非平稳信号故障的有效方法。
3、轴承故障分析
风电机组主要包括变桨、偏航、传动系统和发电机四类轴承。在风电机组故障中传动系统、发电机系统轴承故障率相对较低，轴承故障可引起齿轮箱、桨叶等故障，同时也能反应其它部件的运行状态，因此监控轴承的实时状态和预警维护具有重要意义。
目前风电机组轴承运行状态监测与故障识别的方法主要有数据采集与监视控制系统(SCADA)的方法，监测振动和润滑油的分析方法，以及利用声音、红外图像等复合分析方法。
4、变频器故障分析
变频器的故障主要有变频器错误的动作、过电流、过电压以及欠电压等。在双馈风力发电系统中，变流器的故障类型中最常见的是功率开关的短路和开路故障。
对于变流器功率开关的短路故障，通常是对故障开关进行隔离。而对于变流器的功率开关开路故障，通过合理的调整功率开关工作模式，能使变流器能够继续工作。另外，对于变流器开路故障诊断，主要通过模型法和非模型法进行分析和研究。
5、齿轮箱故障分析
齿轮箱是风力发电机组的重要核心传动零部件，工作过程会直接影响整个风力发电机组的整体工作性能。在风力发电机的故障中，多达47％的故障是齿轮箱故障造成的。同时，如果对其故障不能及时处理，可能会造成重大问题。因此，需要实时的监控齿轮箱运行状态与加强故障诊断，保障风电机组运行的整体可靠性。齿轮箱由于齿轮、轴承的工作环境比较恶劣，故障形式比较复杂，经常多个故障同时发生并相互影响，因此齿轮箱故障的反馈振动信号多为非线性、非平稳信号。
齿轮箱故障分析方法主要包括：对平稳信号多采用快速傅里叶变换分析法，对突变信号可以采用小波变换分析法，小波变换在高频率区间和低频区间实现了故障频率的提取和分析，提高了频率分辨性和时间分辨性。另外，基于神经网络的人工智能技术在齿轮箱故障诊断中也逐渐应用，对故障的分类和智能诊断具有广泛的影响。
结语
综上所述，在风力发电系统故障诊断分析中，对风力发电机组的重要部件发电机、叶片、轴承、变流器、齿轮箱的主要故障形式进行了阐述，讨论了各部件故障诊断主要分析方法，并根据检测风力发电系统的实际状态，对风力发电机组主要部件的常见故障问题进行简要分析，同时探讨提升风力发电系统的整体可靠性应用，对于推进风电场运行维护工程化和市场化进程有重要的现实意义。
参考文献
[1]基于声学振动的有载分接开关故障诊断技术研究[J].邓文斌,李毅,吕刚.计算技术与自动化.2017(03)
[2]赵元喜，胥永刚，高立新，等．基于谐波小波包和BP神经网络的滚动轴承声发射故障模式识别技术[J]．振动与冲击，2014，29(10)：162—165．
[3]张晓波．风力发电系统中变频器的故障诊断研究[D]．新疆大学，2010，5．
[4]赵燕峰，曹国荣，蒋耀生等．风电变流器中IGBT的可靠性研究[J]．电力电子技术，2011，45(6)．