HAWKER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不利的影响，乃至会引起供电的中断，给国家和公民带来了不行估量的经济损失，因而了解并挑选适宜的毛病确诊技能，赶快恢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探讨和剖析，希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

导言：跟着可持续开展战略的提出，在电力行业中传统的不行再生动力正逐渐被新式绿色环保清洁动力所替代，不只为人们的出产和日子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破坏，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产生，如不能及时找出毛病点，将极易引起毛病的扩大和蔓延，造成无法幻想的严峻后果，而当时的毛病确诊技能品种较为多样化，每种技能的优势和缺陷都较为明显，需求结合实践状况予以剖析和挑选，才能确保毛病确诊作业保质保量的顺利开展，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、风力等环境要素的影响较大，受力也较为杂乱，一旦外界环境产生变化，风力发电机组的受力也会随之改变，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别的一个方面，即雷电、雨雪等恶劣气候会击穿发电机组或许腐蚀机组部件，破坏机组结构，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当中，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。而电气毛病问题产生频率要高于机械毛病，但其针对修理处理相对比较简略，毛病问题所引起的停机时间相对来说比较短。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，一同毛病问题产生时所导致的停机时间比较长，修理处理本钱较高，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峻等状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，用于衔接主轴和发电机，属于风机当中要害的组成部分，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，简略产生毛病状况。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，当其产生失效状况后会导致齿轮箱遭到严峻影响。轴承毛病首要包含疲惫剥落、磨损、开裂、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间的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，且不需求投入过多本钱，对于这方面毛病问题的研讨并不多。但在海优势电方面，因开展检修所需出动多项设备，在产生毛病时需求用到吊装船、直升机等，别的修理进程中还应当考虑气候环境等客观要素。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，业内部分专业人士已经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是一个终究面向用户的编译东西，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才能，因其具有编程简略，开发周期短，开放性高级优点，在工业界、学术界等范畴被广泛接受和使用。

为了便利后续的研制和晋级，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贮存的规范值加以对比，如果发现毛病问题，则当即宣布报警信号。

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维是：运用专家在风力发电范畴内积累的有用经验和专门常识树立常识库，并经过核算机模拟专家思维进程，对信息常识进行推理和决议计划以得到确诊成果。

风力发电机组属于典型杂乱体系，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平台开发为基础，结合片面贝叶斯和产生式规则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，将含糊毛病确诊和含糊数学理论引入到专家体系，能精确、快速地判别毛病原因并及时制定检修计划。以FTA技能为基础，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，改善了界面不友好和单一推理办法等缺点，但常识库不行全面限制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，确诊进程和成果便于理解，但该办法需求很多专家范畴常识积累，受限于ES办法无自主学习才能以及风电机组毛病样本先验常识严峻缺乏等问题，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出发，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基础上，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，具有超卓的样本学习功能和推行功能，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，并产生一个分类函数来区分样本的品种和类型，构造出一个最优分类平面，以此作为后面毛病类型剖析判别的依据，其过程为：

（1）依据已知的风力发电机组正常状态和毛病状态下的特征数据样本，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）依据特色挑选适宜的核函数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）结束练习，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才能较差，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误差，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绘振荡进程的变化规律，对风力发电机组振荡状态进行定量剖析。然而在信息熵中引入信息交融的思维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。对于振荡的频域信号，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分布得越均匀，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，咱们知道了其与众不同的优势以及亟待改进的当地。风力发电是一种清洁动力，对于我国经济可持续开展具有非常重要的效果。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创新，在实践作业中总结毛病产生的问题，并做好相应的处理方案，一同将状态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产生，确保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。