摘要：風電機組的狀態監測和故障診斷是保證機組長期穩定運行和安全發電的關鍵。基于風電機組的基本結構，介紹了機組的故障類型和機理，論述了實際應用中機組的狀態監測和故障診斷技術;基于BP神經網絡的原理和優點，深入討論了如何應用人工神經網絡構建風電機組智能診斷系統，并給出了可行的系統設計方案和軟件實現流程圖。

關鍵詞：風電機組;狀態監測;故障診斷;神經網絡

風力發電是世界上公認的最接近商業化的可再生能源技術之一[1]。在當今強調保護環境、可持續發展的背景下，不消耗化石燃料、無環境污染的風力發電被認為是最清潔的能源利用形式。在過去的10年里，由于年平均增長率接近28%，風力發電已成為世界上增長最快的可再生能源[2]。隨著風能的快速發展和大規模風電機組的投入運行，且由于大部分機組安裝在偏遠地區，負荷不穩定等因素，我國不少風電機組都出現了運行故障，直接影響了風力發電的安全性和經濟性。為保持風電的長期穩定發展，增強它與傳統能源的競爭力，必須不斷降低風力發電的成本(包括制造安裝成本和運行維護成本)。服役超過20年的風電機組，其運行維護費用估計占能源成本的10%～20%[3];海上風電機組由于運行環境更惡劣、維護操作更困難，這個比例更是高達30%～35%[4]。2004年丹麥Horns Rev海上風電場的多臺機組出現了電機失效等技術故障，更換風機并運至陸上維修，直接導致設備供應商年度虧損近4 000萬歐元。

因此，風電機組的狀態檢測和故障診斷顯得尤為重要，是保證機組長期穩定運行和安全發電的關鍵。風電機組故障診斷利于降低故障率、減少維修時間、增加年發電量和提高風電場的經濟效益;利于發現早期故障，不僅能為機組維護人員安排備用器件和物資提供必要的時間，而且也能為設計人員提供指導和意見。隨著人工智能技術的發展，特別是知識工程、專家系統、人工神經網絡等在診斷領域的進一步應用，故障智能診斷已逐漸成為現實。

本文將在介紹風電機組結構、常見故障和狀態監測技術的基礎上，深入討論如何應用人工神經網絡構建智能診斷系統，并給出可行的系統設計方案和軟件實現流程圖。

1 風電機組結構

風電機組通過葉輪捕獲風能，傳動系統將風能傳遞到發電機，發電機在電氣控制系統的調節下發高質量的電能，并網型發電機通過變流器和變壓器接入電網，向電網饋電。風電機組從整體結構上分直驅型和齒輪箱升速型，實際應用中較多采用后者。常見的升速型水平軸風電機結構如圖1所示[5]，主要由風輪、變槳機構、傳動系統、偏航系統、發電機、控制系統、機艙和塔架等構成。

2 常見故障和機理分析

風電機組多安裝在高山、荒野、海灘、海島等風口處，常年經受無規律的變向變負荷的風力作用以及強陣風的沖擊和酷暑嚴寒極端溫差的影響，從而導致其故障頻發。風電機組常見的故障類型有很多。對于不同風電場，其地理位置、風況、風機類型和運行情況都有所不同，從而導致機組的故障類型不同。圖2是瑞典風電場2000—2004年間故障數據的統計圖�？梢姡�電氣系統是機組中最常發生故障的部件，其次是傳感器和葉片/變槳裝置;齒輪箱故障是引起停機時間的最主要原因，其次是控制系統故障和電氣故障[6]。據統計，我國的風場齒輪箱損壞率高達40%~50%，是機組中故障率最高的部件。以下僅分析幾種常見的主要故障。

2.1 齒輪箱故障

齒輪箱是升速型風電機的重要組成部件，其作用是將風輪在風力作用下所產生的動力傳遞給發電機并使其得到相應的轉速。根據風輪和發電機的特點，機組的質量、剛度以及傳動軸的耦合、潤滑等情況，齒輪箱在使用過程中將承受靜態和動態載荷，從而可能產生各種類型的故障。由于制造安裝、操作維護、潤滑、承載大小等方面的條件不同，故障發生的時間和程度有很大差異。統計表明[7]，齒輪箱中各類零件損壞的比例為：齒輪60%、軸承19%、軸10%、箱體7%、緊固體3%、油封1%。通常齒輪投入使用后，由于齒輪制造不良或操作維護不善，會產生各種形式的失效，各部件常見的失效形式見表1。

2.2 電氣系統故障

風電機組的電氣系統通過變頻器等電氣設備與電網連接，向電網輸送電能，同時控制電能參數�，F代設計通過變頻器等電氣設備來控制功率和頻率，實現風電機組的軟并網。在大功率并網型風力發電系統中，雙饋型電機轉子側變頻調速恒頻發電系統性價比較高，近年來被廣泛應用。雖然電氣系統的投資僅占風電機組全部投資的1%，但是其故障率卻高達17.5%[8]。電氣系統部件較多，故障種類也較多，主要有短路、過電流、過載、過電壓、欠電壓、過溫、接地、無法啟動變頻器等故障。

2.3 發電機故障

發電機的作用將旋轉的機械能轉化為電能，其型式較多，目前國內外采用最多的是雙饋式異步發電機。風機中最容易發生故障的部件是軸承、定子和轉子;對典型的異步發電機而言，三者的故障率分別為40%、38%和10%[9]。定子和轉子故障主要包括匝間繞組開路、單個或多個繞組短路、定子繞組連接異常、轉子導條和端環斷裂(籠型轉子)、靜態或動態氣隙偏心等。異步電機出現故障時可能出現以下現象：內部電氣不對稱，氣隙磁通和相電流諧波分量增加，轉矩波動增強、均值下降，電機損耗增加、效率降低，繞組過熱等。此外，油溫過高、振動過大、軸承過熱、有不正常雜聲和絕緣損壞也是發電機的常見故障。

3 風電機組狀態監測和故障診斷

3.1 狀態監測技術

早期，風電場多采用事后維修方式，即部件失效后才進行維修。隨著裝機容量的快速增加，風電場更多采用預防性維修(PM)。多數經營者采取定期檢查測量結合歷史經驗分析的方式對機組狀態進行評估。上述監測方式有2個缺點：一是檢查費用昂貴，需要停機和進入機組內部;二是只能定期評估，很難及時全面地了解設備運行狀況。近年來，由于狀態監測和故障診斷技術的發展，預測性維修(PDM)和基于狀態的維修(CBM)得到了更多的應用。風力發電機組的狀態監測技術主要分為以下幾種：振動分析、油液監測、熱成像技術、過程參數監視、性能參數檢查。其他還包括材料的物理狀態檢查、應變測量、聲學監測、電學效應、目視檢查、傳感器自我診斷等技術。其中，應變測量、聲發射和振動監測可用于檢測葉片故障趨勢;基于參數估計的方法可用于變槳系統的狀態監測;基于不同傳感器的振動分析主要用于齒輪箱的狀態監測，最常用的傳感器有加速度傳感器和位移傳感器，后者的作用是檢查主軸在低速運行時的情況;聲發射技術還可用于檢測由摩擦引起的部件表面應力的突變，尤其能提早發現齒輪出現點蝕、裂縫等潛在故障;溫度監測可用于檢查發電機定子和轉子繞組的運行情況，轉矩測量可用于傳動系統的故障檢測。齒輪箱是風電機故障頻率最高的部件，表2總結了齒輪箱狀態監測的典型技術，并分析了它們的優缺點[8]。http://www.whtlhgdq.com/sf6qt/286.html