霍克蓄电池大型风机发电机组故障诊断

摘要：在风力发电体系的运转进程中，往往会呈现一些毛病问题，给风力发电体系的运转造成了晦气的影响，乃至会引起供电的中止，给国家和公民带来了不可估量的经济损失，因而了解并挑选合适的毛病确诊技能，尽快康复电力供应是非常必要的。本文将对大型风机发电机组的毛病原因及常用的确诊技能加以讨论和剖析，期望可以对大型风机发电机组的修理作业供给有力的依据，促使风力发电体系保持稳定可靠的运转。

要害词：大型风机；发电机组；首要毛病；毛病确诊

引言：跟着可持续开展战略的提出，在电力行业中传统的不可再生动力正逐渐被新型绿色环保清洁动力所取代，不只为人们的出产和生活供给了持续优质的电力服务，并且减少了对生态环境的污染和损坏，极大的推动了电力行业的可持续开展进程。然而在风力发电体系的运转阶段难免会有毛病问题发生，如不能及时找出毛病点，将极易引起毛病的扩大和延伸，造成无法幻想的严重后果，而当时的毛病确诊技能种类较为多样化，每种技能的优势和缺陷都较为显着，需求结合实际情况予以剖析和挑选，才干保证毛病确诊作业保质保量的顺利展开，从而为风力发电体系的良好运转供给有力的保证。

一、风力发电机组毛病原因剖析

一般来说，风力发电机组处于野外环境下，遭到气候、温度、风力等环境因素的影响较大，受力也较为杂乱，一旦外界环境发生改变，风力发电机组的受力也会随之改动，简略导致发电机组部件的损坏。一同，环境对风力发电机组的影响还体现在另外一个方面，即雷电、雨雪等恶劣气候会击穿发电机组或者腐蚀机组部件，损坏机组结构，缩短发电机组的使用寿命。除此之外，因为风力发电机组的部件较多，各个部件之间是相互联动、协同作业的，任何一个部件呈现毛病都会影响到整个风力发电机组的运转，这也在必定程度上给风力发电机组的毛病确诊和修理作业添加了难度。

二、大型风力发电机组首要毛病剖析

在大型风力发电组运转傍边，毛病问题较多，首要可以分为两类，分别是机械毛病与电气毛病。而电气毛病问题发生频率要高于机械毛病，但其针对修理处理相比照较简略，毛病问题所引起的停机时刻相对来说比较短。机械毛病问题因风机结构杂乱程度较高，因而毛病确诊与分类难度较大，一同毛病问题发生时所导致的停机时刻比较长，修理处理成本较高，所带来的经济损失较多。归纳剖析各类毛病问题的数据信息发现，经常呈现毛病的部位为叶片、齿轮箱、主传动链及发电机等要害部位。

1、大型风力发电机组的机械毛病

大型风力发电机组中的机械毛病首要集中在风轮体系、主传动链体系、机械制动体系。

（1）风轮体系毛病

风轮部分包含轮毂和叶片，是将风能转换成机械能，并传送到转子轴心。叶片毛病包含疲惫、刚性降低、裂缝、外表粗糙程度添加、雷击、覆冰及风叶变形等。这方面毛病问题呈现的首要原因是因为磨损严重等情况而引起的机械毛病问题。

（1）主传动链体系毛病

主传动链体系包含齿轮箱、齿轮、主轴、轴承等组件，用于连接主轴和发电机，归于风机傍边要害的组成部分，而齿轮箱则是其间的重要部件。当时2MW以下的DFIG齿轮箱一般由一级行星和两级平行轴齿轮传动构成，而3MW及以上的DFIG齿轮箱一般由两级行星和一级平行轴齿轮传动构成，因为其自身内部结构与受力非常杂乱，所以当处于变工况、变荷载的条件下运转进程中，简略发生毛病情况。其毛病首要包含齿轮毛病与轴承毛病。许多的齿轮箱毛病都是由轴承方面引起的，轴承是齿轮箱中的重要部件，当其发生失效情况后会导致齿轮箱遭到严重影响。轴承毛病首要包含疲惫剥落、磨损、断裂、胶合、保持架损坏等。其间疲惫剥落和磨损是滚动轴承最常见的两种毛病形式。齿轮毛病也可以是独立于轴承毛病，尽管这并不常见。最常见的齿轮毛病包含齿轮磨损、外表疲惫、轮齿决裂、破损和折断等。

（3）偏航体系、变桨体系、发电机体系中的毛病

风机中偏航体系和变桨体系的机械毛病首要是因为短少润滑油和粒子磨损所引起的磨损及其他偏航齿轮和偏航轴承毛病。发电机体系的机械毛病首要包含转子毛病和轴承毛病。转子毛病首要包含转子不平衡、转子决裂、和胶套松动等，轴承毛病包含疲惫、轴承内圈毛病、轴承外圈毛病等。

2、大型风力发电机组的电气毛病

大型风力发电机组中的电气毛病首要包含发电机电气部分毛病、操控体系毛病、电力电子变换器毛病、其他驱动电路电气毛病。

（1）发电机电气毛病

发电机电气毛病首要分为转子绕组毛病和定子绕组毛病。定子绕组毛病首要包含同支路的匝间短路毛病、同相不同支路的匝间短路毛病等。转子绕组毛病的表现形式首要为匝间短路毛病和接地毛病。定子毛病一般是由绕组的绝缘损坏所引起的，其间绝缘损坏是造成大型风力发电机毛病停机的首要电气毛病。

（2）电力电子变换器毛病

电力电子变换器毛病首要包含半导体器材毛病、PCB板毛病、电容器毛病等。造成电力电子变换器毛病的首要原因是温度、振荡和湿度。由电力电子变换器毛病所造成的停机可占到总停机时刻的14%左右。大型风力发电机组电气毛病排查办法相对简略，检修起来非常快速，且不需求投入过多成本，关于这方面毛病问题的研讨并不多。但在海优势电方面，因展开检修所需出动多项设备，在发生毛病时需求用到吊装船、直升机等，另外修理进程中还应当考虑天气环境等客观因素。所以，针对海优势电毛病问题，应当选用更为精确的毛病确诊技能。在海优势电的开展进步下，应当强化对海优势电电气毛病的注重，从而研讨出更为精确的毛病确诊技能，为海优势电发电机组运转供给有用支撑。当时，业界部分专业人士现已投入到了对这方面毛病的研讨作业中。

三、大型风机发电机组的毛病确诊技能

1、LabVIEW

LabVIEW是1986年美国国家仪器公司开发的一种图形化核算机语言编程环境，并经过以核算机为主体的硬件开发平台，完成图形化信号收集、输入、剖析和输出等功能，因而，软件环节的开发是其要害部分。LabVIEW是一个最终面向用户的编译工具，一般被看作是一个数据收集和操控剖析的软件，可以针对用户需求来增强用户构建自己工程体系的能力，因其具有编程简略，开发周期短，开放性高等长处，在工业界、学术界等范畴被广泛承受和使用。

为了便利后续的研制和升级，LabVIEW在风力发电机组毛病监测中的软件规划一般选用模块办理结构，其功能模块首要有数据收集模块、信号处理模块、特征值提取模块、毛病类型剖析模块以及数据库办理模块等。其间，数据收集模块可以实时收集发电机组的运转数据，信号处理模块将对数据进行开始处理，特征值提取模块可以将处理后的数据的特征向量进行提取，由毛病类型剖析模块将当时机组运转数据的特征向量和数据库办理模块中储存的规范值加以比照，假如发现毛病问题，则当即发出报警信号。

2、专家体系

依据专家体系（ES）风电机组毛病确诊办法的基本思想是：运用专家在风力发电范畴内积累的有用经历和专门常识树立常识库，并经过核算机模仿专家思维进程，对信息常识进行推理和决议计划以得到确诊结果。

风力发电机组归于典型杂乱体系，难以树立精确的数学模型，为处理这一问题，以SQLServer2008数据库和ASP.NET平台开发为根底，结合片面贝叶斯和发生式规矩办法完成机制推理进程，树立了风力发电毛病在线确诊专家体系，将模糊毛病确诊和模糊数学理论引入到专家体系，能精确、快速地判断毛病原因并及时拟定检修计划。以FTA技能为根底，结合VC++语言和Access2003树立了依据毛病征兆—毛病原因形式的风电机组毛病确诊专家体系，改进了界面不友好和单一推理办法等缺陷，但常识库不行全面制约着确诊体系的精确性。

依据ES的风电机组毛病确诊不需求精准的数学模型，确诊进程和结果便于了解，但该办法需求很多专家范畴常识积累，受限于ES办法无自主学习能力以及风电机组毛病样本先验常识严重缺乏等问题，造成了较低的毛病确诊精确度。因而，现在大部分研讨侧重于从常识处理角度动身，树立依据人工智能（神经网络、贝叶斯网络等）的专家体系。

3、支撑向量机

支撑向量机（SVM），是树立在VC维理论和结构风险最小原理的根底上，可以较好处理高维数、局部极值等小样本空间形式分类问题，具有出色的样本学习性能和推广性能，在信号处理、回归剖析、形式识别等范畴得到成功使用。在初始的练习阶段，需输入多组特征样本对支撑向量机进行学习练习，以确定输入练习样本的支撑向量，并发生一个分类函数来区别样本的种类和类型，构造出一个最优分类平面，以此作为后边毛病类型剖析判断的依据，其步骤为：

（1）依据已知的风力发电机组正常状况和毛病状况下的特征数据样本，归一化处理后树立练习样本集{xi，yi}，将练习样本集输入体系；

（2）依据特色挑选合适的核函数K（xi，xj）及核参数，并对样本进行规范化；

（3）在束缚条件下，求取Lagrange函数极小值系数ai；

（4）依据练习样本特征找出支撑向量（supportvector，SV），核算阈值b；

（5）完毕练习，树立练习数据样本的最优分类超平面。

在毛病类型剖析进程中，载入最优分类平面，包含了极小系数ai和阈值b等，并利用决议计划函数核算待测数据样本的指示函数决议计划输出值，做出毛病分类。需求指出的是，SVM对不确定数据的建模能力较差，在反映风电机组振荡毛病确诊中的毛病征兆与振荡信号源的杂乱映射联系时会有必定的偏差，因而亟待针对风力发电机组振荡毛病的特色，强化并规划出可以反映机组毛病与振源信号之间杂乱映射联系及毛病形式中的不确定信息的确诊办法。

1、信息熵

信息熵反映的是体系的不确定程度，可作为信号处理办法经过多测点得到的信息熵矩阵来描述振荡进程的改变规律，对风力发电机组振荡状况进行定量剖析。然而在信息熵中引入信息融合的思想对风力发电机组进行定量的振荡毛病确诊还没有引起注重。关于振荡的频域信号，需求进行特征熵提取，从而求出功率谱熵，而功率谱熵则表征了单个通道振荡信号的谱型结构，其振荡能量在整个频率成分上散布得越均匀，信号就越杂乱，毛病的不确定性程度也就越大。功率谱熵差矩阵办法在转子振荡毛病确诊范畴可以处理转子不平衡、不对中、碰磨等问题，然而在风力发电机组的振荡毛病确诊方面，同现有的神经网络、遗传算法等确诊办法一样，信息熵面临着短少完善的定量指标的问题，也是该办法在风力发电机组振荡毛病确诊范畴能否得到使用和开展的要害。

结语：综上所述，本文列举了大型风机发电机组比较常见的几种毛病确诊办法，如LabVIEW、专家体系、支撑向量机、信息熵，经过对这几种毛病确诊技能的作业原理和特色进行剖析，咱们知道了其异乎寻常的优势以及亟待改进的地方。风力发电是一种清洁动力，关于我国经济可持续开展具有非常重要的作用。因而，需求相关作业人员可以不断加强对大型风机发电机组毛病确诊技能的研讨和立异，在实际作业中总结毛病发生的问题，并做好相应的处理方案，一同将状况确诊和毛病确诊结合到一同，以最大限度的减少和避免风力发电体系毛病的发生，保证电力体系供电的稳定性和安全性，促进我国风力发电工作健康快速开展。