风力发电机组主要部件故障诊断研究
风力发电机组故障诊断与状态预测的研究进展
三、风力发电机组故障诊断技术
1、传统的人工诊断：主要依靠专家知识和现场经验，通过对风力发电机组运 行状态的观察和检测，对故障进行初步判断。这种方法对人员的专业素质和经 验有很高的要求，且在复杂故障情况下可能难以做出准确判断。
2、现代的信号处理和模式识别：这些方法包括小波变换、傅里叶变换、主成 分分析等，可以对风力发电机组的振动、声音、温度等信号进行深入分析，提 取出反映机组运行状态的特征，并利用模式识别技术对特征进行分类和识别， 从而发现潜在的故障。这些方法具有更高的自动化和精确度，能够更好地应对 复杂和隐蔽的故障情况。
四、风力发电机组状态预测技术
1、传统的时序预测：基于时间序列模型，如自回归滑动平均模型（ARIMA）、 指数平滑等，对风力发电机组的运行状态数据进行拟合和预测。这种方法在处 理单一因素或线性关系时表现较好，但在处理多因素和非线性关系时则可能失 准。
2、现代的随机理论预测：这类方法包括随机森林、支持向量回归等，利用现 代统计学理论对风力发电机组的运行状态进行预测。这些方法能够更好地处理 多因素、非线性的状态预测问题，并提供更准确的预测结果。
风力发电机组故障诊断与状态预测的研 究进展
01 一、引言
目录
02 二、文献综述
03
三、风力发电机组故 障诊断技术
04
四、风力发电机组状 态预测技术
05 五、研究进展
06 六、结论
一、引言
随着全球对可再生能源需求的不断增长，风力发电作为一种清洁、可持续的能 源形式，得到了广泛应用。然而，风力发电机组的故障与状态预测问题一直是 制约其进一步发展的关键因素。因此，本次演示将综述风力发电机组故障诊断 与状态预测的研究进展，旨在为相关领域的研究人员提供参考和帮助。
风电机组故障诊断综述
风电机组故障诊断综述风电机组是利用风能来产生电力的设备，它在发电过程中具有高效、无污染的优点。
但是在长期运行过程中，风电机组也难免会出现各种故障，这些故障可能会影响发电效率，甚至导致设备的损坏。
因此对于风电机组的故障诊断至关重要。
本文将对风电机组故障诊断进行综述，介绍风电机组故障的常见类型、诊断方法以及发展趋势。
一、风电机组故障的常见类型1. 叶片故障风电机组的叶片是捕捉风能的关键部件，叶片的损坏会严重影响风力发电系统的性能。
常见的叶片故障包括裂纹、腐蚀、磨损等，这些故障会导致叶片形状变化、结构松动等问题。
2. 主轴故障主轴是风电机组的核心部件之一，主要承担叶片和风机的扭转力。
主轴故障包括轴承故障、主轴弯曲、主轴松动等，这些故障会导致风机转子的不稳定运行，进而影响整个发电系统的性能。
3. 发电机故障发电机是风电机组的电力转换部件，常见的故障包括绕组短路、轴承故障、发电机定子和转子绝缘损坏等，这些故障会导致发电机输出功率下降，甚至完全失效。
4. 控制系统故障风电机组的控制系统是保障风机安全运行和稳定发电的关键部件，常见的故障包括传感器故障、控制器故障、通信故障等，这些故障会引起风机异常运行、停机或者损坏。
二、风电机组故障诊断方法1. 振动分析振动信号是风电机组故障的重要特征之一，通过对风电机组在运行过程中的振动信号进行分析，可以判断风电机组各部件的运行状态。
振动分析方法包括频谱分析、波形分析、共振频率分析等。
3. 热像诊断风电机组各部件在运行过程中会产生不同的热量，通过红外热像技术可以对风电机组各部件的温度分布进行检测和诊断，判断是否存在异常热点，从而判断各部件的运行状况。
4. 数据分析风电机组在运行过程中会产生大量的数据，通过对这些数据进行采集和分析，可以了解风电机组各部件的运行状况，及时发现并诊断故障。
5. 综合诊断综合利用以上各种诊断方法，对风电机组进行综合诊断，从静态和动态两个方面全面了解风电机组的运行状态，及时判断和排除故障。
风力发电机组齿轮箱故障诊断
风力发电机组齿轮箱故障诊断1. 引言1.1 背景介绍齿轮箱是风力发电机组中的重要组成部分，承担着转动力传递和速度变换的功能。
由于长期运行和恶劣环境条件的影响，齿轮箱容易出现各种故障，影响发电机组的正常运行和发电效率。
及时准确地诊断齿轮箱故障尤为重要。
随着风力发电技术的飞速发展，齿轮箱故障诊断技术也在不断创新和完善。
通过对齿轮箱故障进行精确诊断，可以有效提高风力发电机组的运行可靠性和安全性，降低运维成本，延长设备寿命，最大限度地实现风能资源的利用。
本文旨在对风力发电机组齿轮箱故障诊断方法进行概述，探讨常见的齿轮箱故障特征，介绍故障诊断技术和原理，分析振动信号分析方法和温度监测技术的应用，并总结齿轮箱故障诊断的重要性和未来发展趋势。
希望通过本文的研究，为风力发电行业的技术进步和发展贡献一份力量。
1.2 研究目的研究目的：本文旨在探讨风力发电机组齿轮箱故障诊断的方法与技术，提供有效的故障诊断方案，为风力发电行业提供更加可靠、高效的运维保障。
通过对常见齿轮箱故障特征、故障诊断技术及原理、振动信号分析方法、温度监测技术等方面进行综合分析与研究，旨在提高齿轮箱故障的预警能力，减少故障带来的损失和影响，保障风力发电机组的安全稳定运行。
本研究还将探讨齿轮箱故障诊断的重要性，展望未来发展趋势，为该领域的深入研究和技术创新提供参考和借鉴。
通过本文的研究成果，期望能够为风力发电行业提供更加科学、可靠的齿轮箱故障诊断解决方案，推动行业的持续发展与进步。
1.3 研究意义风力发电机组在风能资源利用中起到至关重要的作用。
齿轮箱作为风力发电机组的核心部件之一，其故障诊断对于发电机组的正常运行至关重要。
研究齿轮箱故障诊断技术可以帮助提前发现和解决齿轮箱的故障问题，保障风力发电机组的运行稳定性和有效性。
齿轮箱故障诊断的研究意义主要体现在以下几个方面：在风力发电行业中，齿轮箱故障是一种常见的故障类型，及时准确地诊断齿轮箱故障可以有效降低故障率，延长齿轮箱的使用寿命，减少维修成本，提高发电效率；齿轮箱故障一旦发生，可能会导致整个风力发电机组的停机维修，给发电厂和电网带来损失，影响电力供应的稳定性，因此研究齿轮箱故障诊断技术对于保障电力供应的可靠性具有重要意义；齿轮箱故障诊断技术的研究也可以促进风力发电行业技术的进步和发展，推动我国清洁能源产业的发展。
风力发电机状态监测和故障诊断技术的研究与进展
风力发电机状态监测和故障诊断技术的研究与进展一、本文概述随着全球能源结构的转型和可再生能源的大力发展，风力发电作为一种清洁、可再生的能源形式，其地位日益凸显。
风力发电机（Wind Turbine，WT）作为风力发电系统的核心设备，其运行状态和性能直接影响到整个风电场的发电效率和经济效益。
因此，对风力发电机进行状态监测和故障诊断技术的研究，对于保障风电系统的安全稳定运行、提高发电效率、延长设备寿命具有重要的理论和实践价值。
本文旨在全面综述风力发电机状态监测和故障诊断技术的研究现状与发展趋势。
文章首先介绍了风力发电机的基本结构和工作原理，分析了风力发电机运行过程中可能出现的故障类型及其成因。
然后，重点阐述了当前风力发电机状态监测和故障诊断的主要技术方法，包括基于振动分析的故障诊断、基于声学信号的故障诊断、基于电气参数的故障诊断等。
对近年来新兴的和大数据技术在风力发电机故障诊断中的应用进行了详细介绍。
本文还总结了风力发电机状态监测和故障诊断技术的发展趋势和挑战，包括技术方法的创新、多源信息融合技术的应用、智能化和自动化水平的提升等。
文章展望了未来风力发电机状态监测和故障诊断技术的发展方向，以期为我国风电行业的健康发展提供理论支持和技术指导。
二、风力发电机的基本原理与结构风力发电机是一种将风能转化为机械能，再进一步转化为电能的装置。
其基本原理基于贝茨定律，即风能转换效率的理论最大值约为16/27，约为3%。
风力发电机主要由风轮、发电机（包括装置）、调向器（尾翼）、塔架、限速安全机构和储能装置等构件组成。
风轮是风力发电机的主要部件，一般由2-3个叶片组成。
风轮受风力作用而旋转，将风能转化为机械能。
风轮的转速随风速的变化而变化，为了保证发电机能够在风速变化的情况下稳定工作，需要通过增速机构提高风轮的转速。
发电机则将风轮旋转的机械能转化为电能。
发电机的类型有很多，如永磁发电机、电励磁发电机等，其选择取决于风力发电机的具体设计需求和运行环境。
风力发电机故障诊断系统的研究
风力发电机故障诊断系统的研究一、内容综述随着全球能源危机的日益严重，风能作为一种清洁、可再生的能源，越来越受到各国政府和科研机构的重视。
风力发电机作为风能发电的关键设备，其稳定性和可靠性对于整个风电系统的运行至关重要。
然而风力发电机在长期运行过程中，由于各种原因(如机械故障、电气故障等),可能会出现故障，影响风力发电机的正常工作。
因此研究风力发电机故障诊断系统具有重要的理论和实际意义。
目前国内外学者已经对风力发电机故障诊断系统的研究进行了一定的探讨。
主要研究方向包括：基于传感器数据的故障诊断方法、基于模型的故障诊断方法、基于知识的故障诊断方法以及混合型故障诊断方法等。
这些方法在不同的方面都取得了一定的研究成果，为风力发电机的故障诊断提供了有力的理论支持和技术手段。
基于传感器数据的故障诊断方法主要通过采集风力发电机的各种传感器数据(如转速、电流、电压等),利用统计分析、信号处理、模式识别等技术对故障进行检测和识别。
这种方法具有实时性好、抗干扰能力强等优点，但对于非线性、时变特性较强的故障信号处理效果有限。
基于模型的故障诊断方法主要是通过对风力发电机的结构和工作原理进行建模，利用建立的数学模型对故障进行预测和诊断。
这种方法具有较高的准确性，但需要对风力发电机的结构和工作原理有深入的了解，且模型建立过程较为复杂。
基于知识的故障诊断方法是将领域专家的知识融入到故障诊断系统中，利用知识库、推理引擎等技术实现对故障的自动识别。
这种方法具有较强的实用性，但对于非结构化、模糊性较强的故障信息处理效果有限。
风力发电机故障诊断系统的研究是一个涉及多个学科领域的综合性课题。
随着相关技术的不断发展和完善，相信未来风力发电机故障诊断系统将在提高风力发电效率、降低运行成本等方面发挥更大的作用。
A. 风力发电机故障诊断系统的背景和意义随着全球能源需求的不断增长，风能作为一种清洁、可再生的能源越来越受到各国政府和企业的重视。
风力发电机作为风能发电的关键设备，其可靠性和稳定性对于整个风电系统的运行至关重要。
风力发电机叶片故障诊断研究及实现
风力发电机叶片故障诊断研究及实现风力发电机叶片故障诊断研究及实现随着可再生能源的快速发展，风力发电作为一种清洁、无污染的能源技术，受到了广泛关注。
风力发电机是风力发电系统中的核心设备，而叶片作为风力发电机的重要组成部分，其工作状态直接影响着发电机的效率和性能。
然而，叶片在长期运行过程中不可避免地会遭受疲劳、损伤和故障等问题，因此研究风力发电机叶片的故障诊断技术具有重要的现实意义。
本文旨在探讨风力发电机叶片故障诊断的研究和实现方法。
首先，对风力发电机叶片的故障特征进行分析，了解其故障类型和对发电机性能的影响。
常见的叶片故障包括裂纹、磨损、断裂等，这些故障会导致叶片的失效、工作不稳定等，并最终影响到整个发电系统的运行效果。
因此，及时准确地诊断叶片故障非常重要。
接下来，本文介绍了目前常用的叶片故障诊断方法。
其中，振动信号分析是一种常见的非侵入式诊断方法，通过对叶片振动信号进行频谱分析、幅值分析等，可以识别出叶片的故障特征。
此外，还可以利用声发射技术、红外热像技术等进行故障诊断。
另外，还有一些新兴的故障诊断方法，如基于机器学习的故障诊断方法，通过训练模型将叶片的振动信号与不同故障类型进行关联，实现对叶片故障的自动诊断和预测。
然后，本文介绍了叶片故障诊断系统的实现。
叶片故障诊断系统是将上述故障诊断方法与实际发电机进行结合，通过传感器采集叶片振动信号和其他相关参数，并将其传输到数据处理系统中进行分析和诊断。
这样，可以实时监测叶片的健康状况，并及时采取相应的维修、维护措施，以最大限度地提高发电机的可靠性和运行效率。
最后，本文对风力发电机叶片故障诊断研究进行了总结和展望。
目前，对于风力发电机叶片故障诊断的研究已经取得了一定的成果，但仍存在一些挑战和问题。
例如，叶片的复杂结构和环境条件的多变性，使得故障诊断变得更加困难。
因此，今后的研究应继续深入探讨叶片故障诊断的新方法和新技术，提高诊断的准确性和可靠性。
总之，风力发电机叶片的故障诊断是提高风力发电系统可靠性和性能的关键技术之一。
海上风力发电整机的智能监测与故障诊断技术研究
海上风力发电整机的智能监测与故障诊断技术研究随着对可再生能源的需求不断增长，海上风力发电成为了许多国家推动可持续发展的重点项目。
海上风力发电机组由于面临海洋环境的严酷条件，其可靠性和运行稳定性成为了关注的焦点。
为了确保海上风力发电机组的稳定运行和提高其发电效率，智能监测与故障诊断技术变得十分重要。
本文将探讨海上风力发电整机的智能监测与故障诊断技术的研究进展及其在提高运行效率和降低故障率方面的应用。
首先，智能监测技术为海上风力发电整机提供了实时监测和数据采集的能力。
通过搭建传感器网络和监测系统，可以对风力发电机组的关键参数进行监测，如温度、振动、湿度等。
这些数据可以实时获取并传输到监控中心进行分析和处理。
通过对海上风力发电机组进行全面监测，可以实现对风机、塔筒、润滑油、变速器等关键部件的状态监测和异常诊断，从而提前预警潜在故障，避免因故障带来的停机维修和损失。
其次，故障诊断技术是海上风力发电整机智能监测的重要组成部分。
通过对监测数据的分析和处理，可以利用机器学习、人工智能等技术手段来实现对风力发电机组故障的自动诊断。
例如，利用机器学习算法，可以通过分析振动信号来判断风力发电机组是否存在故障，并进一步识别出具体故障类型。
同时，还可以通过分析温度数据来监测风力发电机组的过热情况，从而预警可能导致故障的异常温度升高。
这些故障诊断技术的应用可以大大提高故障的准确性和效率，有效降低发电机组的故障率和维修成本。
此外，智能监测与故障诊断技术还可以帮助优化海上风力发电整机的运行和维护策略。
通过合理分析海上环境的特点以及监测数据的变化趋势，可以调整风力发电机组的发电策略，最大限度地提高发电效率。
同时，通过智能监测和故障诊断技术，可以实现对海上风力发电机组的远程监测和控制，减少人力资源的浪费和风险。
然而，海上风力发电整机的智能监测与故障诊断技术仍面临一些挑战。
首先，由于海上环境的复杂性，数据采集和传输过程中可能存在不稳定因素，导致监测数据的准确性和实时性受到影响。
风力发电机组的可靠性分析与故障诊断
风力发电机组的可靠性分析与故障诊断第一章引言近年来，随着环境保护意识的增强与可再生能源的重要性凸显，风力发电被广泛应用。
然而，由于恶劣的工作环境和长期运行，风力发电机组面临着一系列的可靠性问题和故障风险。
因此，对风力发电机组的可靠性进行分析和故障诊断显得尤为重要。
本文章将深入探讨风力发电机组的可靠性分析与故障诊断的方法与实践。
第二章风力发电机组的可靠性分析2.1 风力发电机组的组成与控制系统风力发电机组由风轮、变速器、发电机和控制系统等多个组件组成。
控制系统用于控制风轮转动、变速器换挡和发电机输出等关键操作。
了解风力发电机组的组成和各个组件之间的相互作用对可靠性分析至关重要。
2.2 风力发电机组可靠性评估方法可靠性评估是评估风力发电机组在给定的时间内实现特定功能的概率。
常用的可靠性评估方法包括故障树分析、可靠性块图和事件树分析等。
这些方法可以帮助工程师识别潜在的故障模式和设计缺陷，提高风力发电机组的可靠性。
2.3 可靠性参数的估计与优化可靠性参数的估计与优化是风力发电机组可靠性分析的重要内容。
可靠性参数包括平均失效率、可靠度函数等。
通过大量的数据分析和实验，可以准确估计这些参数，并采取相应的措施进行优化，提高风力发电机组的可靠性。
第三章风力发电机组的故障诊断3.1 故障诊断的重要性故障诊断是指通过对风力发电机组各个组件的监测和分析，识别和定位故障原因，以便及时采取修复措施，降低故障对整个系统的影响。
准确的故障诊断可以提高风力发电机组的可靠性和运行效率。
3.2 故障诊断的方法与工具常用的故障诊断方法包括传统的手动检查和监测系统等。
而基于数据分析的故障诊断方法，如霍尔效应传感器监测和模型判断等也得到了广泛应用。
这些方法与工具可以实时监测风力发电机组的工作状态，捕捉异常信号，并提供准确的故障诊断。
3.3 故障诊断技术的发展方向随着传感器技术和数据处理能力的提高，故障诊断技术也在不断发展。
未来，人工智能和机器学习将应用于故障诊断中，以提高诊断准确性和效率。
风力发电机组故障诊断技术研究
风力发电机组故障诊断技术研究随着全球对于环境保护的呼声不断增加，可再生能源作为一种环保、清洁、无污染的新能源得到了社会各界的广泛关注。
其中，风能作为可再生能源的一种，拥有广阔的应用前景和市场潜力。
风力发电是利用风能驱动机械设备发电，具有清洁、便于利用、技术成熟等优点，因此在全世界范围内得到了广泛推广。
然而，作为主要的风力发电设备，风力发电机组故障是制约风电产业发展的主要原因之一。
发电机和齿轮箱是风力发电机组的两个关键部件，故障率较高，故障诊断与预测一直是风力发电行业亟需解决的重要问题。
本文将对风力发电机组故障诊断技术进行研究和分析，以期提供有益的参考和借鉴。
一、风力发电机组故障概述风力发电机组通常由风轮、发电机、齿轮箱、变速器、机舱等组成。
目前，风力发电机组故障种类繁多，主要包括发电机、齿轮箱、叶片、控制系统、传感器等部件的损坏和失效。
其中，齿轮箱和发电机是风力发电机组的主要故障。
1、齿轮箱故障齿轮箱是风力发电机组传动装置的核心组件，对发电机组的输出功率和运行可靠性至关重要。
但是，在风力发电机组的实际运行中，齿轮箱中的故障率较高，常出现油温超限、齿轮偏差、齿轮损失、轴承损坏等故障。
其中，油温超限会导致齿轮箱油膜变差，加剧齿轮损失，进一步导致齿轮削裂，增加设备的维修成本和停机维护时间。
因此，齿轮箱故障诊断技术的研究与发展对风力发电行业的发展至关重要。
2、发电机故障发电机是风力发电机组的另一个核心部件，主要负责将风能转化成电能并输出。
然而，在风力发电机组的实际运行中，发电机通常会出现转子间歇性断路、定子泄漏等故障，导致设备的输出功率下降、远程监控失效等问题。
因此，发电机故障诊断技术的研究与发展对风力发电行业的发展也至关重要。
二、风力发电机组故障诊断技术研究风力发电机组故障诊断技术是指通过对风力发电机组运行数据的分析和处理，准确识别并判断风力发电机组的故障类型及其程度。
随着信息技术和传感技术的日益发展，风力发电机组故障诊断技术也得到了广泛应用和发展。
风力发电机组轮毂的故障诊断与维护策略
风力发电机组轮毂的故障诊断与维护策略一、故障诊断风力发电机组轮毂作为风力发电机的重要组成部分，一旦发生故障将严重影响整机运行效率，因此及时并准确地进行故障诊断至关重要。
1. 异常噪音当风力发电机组轮毂出现异常噪音时，可能是由于轴承损坏、齿轮磨损或叶片与轮毂接触不当等原因造成。
可通过仔细听取异常噪音的位置和频率，结合设备运行状况和维护记录进行分析，定位故障点。
2. 振动异常轮毂振动异常可能是由于叶片不平衡、轴承损坏或轴向间隙过大等原因引起。
通过使用振动传感器测量振动的幅值、频率和位置，利用振动谱分析技术进行诊断，找出引起振动异常的根本原因。
3. 温度异常轮毂温度异常可能是由于润滑不良、风扇散热失效或齿轮传动系统故障等原因导致。
可通过红外线测温仪监测轮毂不同部位的温度分布，结合工作环境和轮毂材料特性进行分析，确认异常温度升高的具体原因。
二、维护策略有效的维护策略可以延长风力发电机组轮毂的使用寿命，提高整机的可靠性和稳定性，下面介绍几点维护策略供参考。
1. 定期检测定期对轮毂进行检测，包括声学检测、振动检测和温度检测等，建立健全的检测记录和维护档案，以便及时发现并解决潜在问题。
2. 润滑维护轮毂的润滑保养至关重要，定期更换润滑油和轴承，确保润滑系统的正常工作，减少因润滑不良引起的故障。
3. 清洁保养保持轮毂清洁干净，定期清除积聚的尘土和杂物，避免对轮毂表面和风扇散热造成影响，保持轮毂的散热效果和工作效率。
4. 及时维修一旦发现轮毂故障，在确定故障原因的基础上，及时采取维修措施，避免故障扩大和影响整机运行，确保风力发电机的正常工作。
综上所述，风力发电机组轮毂的故障诊断和维护策略对于保障风力发电机组的安全稳定运行至关重要。
只有通过科学的诊断手段和有效的维护措施，才能及时发现和解决问题，确保轮毂的正常工作，延长整机的使用寿命，提高风电设备的综合效益。
风力发电机组健康监测与故障诊断方法研究
风力发电机组健康监测与故障诊断方法研究近年来，风力发电已经成为了环保清洁能源的重要代表之一。
风力发电的高效、平稳、安全、清洁，以及对于它的无限供应和无燃料成本支出，越来越多的人认同它的优越性。
然而，随着风电规模的不断扩大，风力发电机组的健康监测和故障诊断成为了必不可少的技术手段。
一、风力发电机组健康监测因为风力发电机组通常被安装在高海拔、季风季节强风区、海上等环境恶劣的地方，所以在运行中经常会出现各种故障。
风力发电机组健康监测是保证风力发电机组在其寿命内安全可靠运行的前提。
风力发电机组健康监测需要从机械故障和实时结构完整性方面来考虑。
1. 机械故障监测风力发电机组中的基础元件，如齿轮箱、发电机、液压等，经历了极端环境影响，这些因素将导致设备的物理损伤，如微裂纹、磨损等，最终导致机械故障。
检测仪器的使用能够帮助确定和记录故障的原因，以便在将来维护中更快更准确地定位故障。
2. 实时结构完整性监测风力发电机组的结构完整性表示为其防护壳体在风、雨、雪、海浪等恶劣条件下是不是能够保护叶片和机器部件。
通过监测周围风速、温度、湿度、风向和振动，风力发电机组实时结构完整性监测判断设备是否存在缺陷，增加设备的承载能力和运行效率。
二、风力发电机组故障诊断方法发电机故障、塔架位错和转子失衡等还是风力发电机组的常见故障。
这些故障不仅会影响风力发电机组的性能，而且可能会导致风力发电机组的失效，从而对环保清洁能源的生产造成影响。
为满足正常的发电需求，需要对风力发电机组进行故障诊断，解决其存在的问题。
1. 基于智能分析技术的故障诊断方法智能分析技术是一种比较先进的工业产品故障诊断技术，它包括神经网络、遗传算法、模糊逻辑、人工智能等众多领域的应用，其基本原理是利用大量数据对故障进行分析，从而城市生产内在的关系，将故障进行分类。
2. 基于振动分析的故障诊断方法振动分析技术是一种可靠的风力发电机组故障诊断方法，它利用振动传感器测量振动信号后，通过数学模型和分析软件对振动信号进行信号分析，自动识别故障的发生原因。
风力发电机组主要部件的检修与维护
风力发电机组主要部件的检修与维护装备本121--李勇07维护检修时应对风机各部件按照维护手册和维护计划逐项详细检查，特别是叶片、轮毂、导流罩、主轴、齿轮箱、集电环（及传动轴）、联轴器、发电机、空气和机械制动系统、传感器、偏航系统、控制部分、电气回路、塔筒、监控系统及配套设备检查等。
控制部分概述控制计算机、变频器和变桨控制器通过接口彼此联系。
每个组件都带有自己的监视功能。
控制计算机位于塔顶（机舱内）的机舱控制柜内，它通过玻璃光纤数据传输电缆与塔基内的显示屏相连。
控制计算机连续不断的发出转矩设定给变频器控制计算机，发出叶片角度设定值给同步控制器，同步控制器驱动在轮毂中的变桨控制电机。
出现内部故障时，控制计算机可以通过所谓的看门狗电路中断安全链。
刹车通过刹车瓦的磨损和刹车是否完全松开来监视刹车情况。
控制计算机和变桨控制装置之间的通讯通过不同的系统功能持续监视，如果发现错误，“变桨控制失败”触点打开以开始紧急停机。
变频器系统由几个控制柜组成，位于塔基。
变频器系统配置了自己的计算机控制系统。
变频器能自己关闭，它能给信号给控制计算机使变桨控制机构立即开始工作。
在同步控制器中，变桨控制自身监视只对故障起作用，象下列故障：叶片和叶片角度偏差等。
它能够通过始终联结的电缆请求控制计算机快速停机。
控制面板基本功能- 按 CTRL 激活显示灯（屏幕节电功能）。
- 连续按两次任何按键可以激活控制面板。
- 某些功能的激活需要同时按两个键。
如同时按下 CTRL 或 SHIFT 键可以激活想要的功能。
功能键 ENTER 用来确定通过数字键盘输入的参数值和某些菜单的确认STOP WEC 停机：风机正常停机。
RESET 复位和执行自动运行。
START 快速启动。
F1 指示选择菜单的位置 F2 指示有关联的其他菜单 F3 对按键 0-9 向前或向后转换数字或字母。
按下 F3 后，当按键 1 时将显示字母 A，再次按键 1 将显示字母 B，第 3 次将显示 C。
风力发电机组故障诊断与检修分析
风力发电机组故障诊断与检修分析随着科技的不断发展和环境保护意识的不断提高，风力发电作为一种清洁、环保的发电方式，越来越受到重视。
然而，风力发电机组在运行过程中，如同其它的电力设备一样，也难免会存在一些故障问题。
为了能够及时有效地进行故障诊断和检修，我们需要了解风力发电机组故障的常见类型，以及其诊断和检修的方法。
一、常见故障类型1.电气故障电气故障是风力发电机组最常见的故障类型之一。
电气故障的表现形式多样，包括断电、电机烧坏等。
在进行电气故障检修时，需要从保险丝、电缆、电机等方面入手，找出故障点，及时更换或修理。
2.机械故障风力发电机组的机械故障也是比较常见的。
例如，齿轮箱的磨损、支架的脱螺等，都会影响发电机组的正常运行。
机械故障检修需要进行分离、拆卸、检查等多项工作，需要专业技术支持和过硬的操作技能。
3.控制系统故障控制系统故障一般是由于程序编码、控制板卡设备的电路元件老化等原因引起的。
检修控制系统故障需要专业技术人员的支持，对硬件和软件都需要进行检查和修复。
二、风力发电机组故障诊断方法1.基于故障点分析故障点分析主要是通过观察和分析故障点周围的症状，以了解故障的具体原因。
例如，在电气故障检修时，可以通过测量保险丝、电缆等的电阻值，来判断故障的具体位置。
在机械故障诊断时，可以通过观察发电机组的运转音响或振动值，来判断具体故障所在。
2.基于数值模拟和仿真数值模拟和仿真是一种常用的故障诊断方法，可以通过计算机模拟出风力发电机组在不同故障情况下的运行状态，以便更加准确地判断故障位置和范围。
3.基于故障数据分析在现代风力发电机组中，装备有大量的传感器和监测设备，可以获取风力发电机组在运行过程中的各种数据。
通过对这些数据进行分析，可以了解故障的具体发生时间、位置和范围，为故障诊断和检修提供参考依据。
三、风力发电机组故障检修方法1.预防性检修预防性检修是一种在机器没有发生故障的情况下，定期进行检查和维护的方法。
风力发电机故障检修与处理
风力发电机故障检修与处理风力发电机是利用风能转换为电能的一种设备，是清洁能源利用的重要手段之一。
随着风力发电技术的不断发展和普及，风力发电机的故障检修与处理变得愈发重要。
本文将从风力发电机故障的常见原因、检修流程以及处理方法等方面进行详细介绍。
一、风力发电机故障的常见原因1.叶片损坏叶片是风力发电机的核心部件之一，也是最容易受到损坏的部件。
叶片损坏的原因有多种，比如风压过大，叶片设计不合理，或者是叶片长时间运行造成的疲劳损坏等。
如果发现叶片出现损坏，需要及时进行更换或修理，以免影响发电机的正常运行。
2.风机轴承故障风机轴承是风力发电机中承受叶片重量和风力作用力的重要部件，如果轴承出现故障，会导致风机运转不畅甚至损坏其他部件。
轴承故障的主要原因是长时间工作造成的磨损和老化，因此需要定期对轴承进行维护和检修，及时发现并处理故障。
3.电气系统故障电气系统故障是风力发电机常见的故障之一，主要表现为电缆断裂、接触不良或短路等。
这些故障可能会导致整个风力发电机无法正常运转，因此需要对电气系统进行定期检查和维护，及时处理故障。
4.设备老化风力发电机是一个长期运行的设备，随着使用时间的增长，各个部件都会逐渐出现老化现象，比如设备结构松动、电缆老化、控制系统故障等。
因此需要定期对风力发电机进行全面的检测和维护，及时更换老化的部件，保证发电机的安全运行。
1.故障诊断当风力发电机出现故障时，首先需要对故障进行诊断，找出故障的原因和具体位置。
可以通过观察、测量、试验等方法来进行故障诊断，找出故障的具体原因，为后续的检修工作提供依据。
2.故障检修方案制定在确定了故障的原因和位置之后，需要制定相应的检修方案。
根据故障的具体情况，确定检修的范围、所需的工具和材料、检修的步骤和方法等，确保检修工作可以顺利进行。
3.故障检修根据制定的检修方案，对故障进行检修。
根据具体情况，可能需要更换部件、重新调整设备、修理损坏的部件等，确保风力发电机可以恢复正常运转。
风力发电系统中的智能监测与故障诊断技术研究
风力发电系统中的智能监测与故障诊断技术研究随着全球对可再生能源需求的增加，风力发电系统作为一种清洁、可再生的能源形式得到广泛应用。
然而，长期以来，风力发电系统中存在的故障问题一直是制约其可靠性和稳定性的因素。
为了解决这一问题，智能监测与故障诊断技术应运而生。
本文将重点探讨风力发电系统中的智能监测与故障诊断技术的研究现状、挑战和发展趋势。
首先，了解风力发电系统的基本工作原理是理解智能监测与故障诊断技术的前提。
风力发电系统由风机、控制系统和电力网络三个主要部分组成。
风机是负责将风能转化为机械能的装置，控制系统则负责监测和控制风机运行，而电力网络则将发电的电能输送到电网。
在实际运行中，风力发电系统可能面临的故障包括风机故障、电气故障、机械故障等。
因此，要实现智能监测与故障诊断技术，首先需要对这些故障模式进行深入研究和分析。
目前，风力发电系统中的智能监测技术主要包括传感器技术与数据采集、数据预处理和特征提取、故障诊断和故障预警等方面。
在传感器技术与数据采集方面，传感器的选择和布置对于监测风力发电系统的运行状态至关重要。
数据预处理和特征提取阶段主要是对海量的传感器数据进行清洗、归一化和转换，并提取有用的特征用于后续的故障诊断。
故障诊断阶段则通过建立与预先定义的故障模式相匹配的模型，利用机器学习和模式识别等技术，将实时监测到的数据与模型进行比对，从而实现对风力发电系统故障的诊断和预测。
然而，在实际应用中，风力发电系统中的智能监测与故障诊断技术面临着一系列的挑战。
首先，风力发电系统的大规模复杂性使得数据采集和处理变得非常困难。
其次，由于环境因素的影响，风力发电系统中的数据具有高度的噪声和不确定性。
此外，由于风力发电系统的运行特点，故障的发生往往是逐渐演变的，并且很难在早期阶段准确诊断。
因此，如何在噪声和不确定性的环境中对风力发电系统进行有效的监测和诊断是当前研究的关键问题。
针对以上挑战，研究者们正在积极探索智能监测与故障诊断技术的创新解决方案。
风力发电机组故障诊断与修复方法
风力发电机组故障诊断与修复方法风力发电机组在使用过程中难免会出现故障，这时就需要进行故障诊断与修复。
有效的故障诊断与修复方法可以减少停机时间，提高发电效率，并延长设备的使用寿命。
本文将介绍几种常见的风力发电机组故障诊断与修复方法。
一、视觉检查首先，在风力发电机组出现故障时，进行视觉检查是最基本的方法之一。
检查风力发电机组的外观是否有异常，包括旋转桨叶是否有损坏、塔筒是否有倾斜、电缆是否有磨损等。
视觉检查可以提供一些基本信息，帮助确定进一步的故障诊断方向。
二、故障记录与分析在进行风力发电机组故障诊断之前，建立一个完善的故障记录系统非常重要。
每次发电机组出现故障时，应及时记录下故障的时间、地点、情况等关键信息。
这些记录可以帮助工程师们分析，找出故障的规律和共同点，从而更快地定位故障的原因。
三、传感器检测传感器检测是一种常用的故障诊断方法。
通过安装在发电机组各个关键部位的传感器，可以实时监测发电机组的状态，如电流、电压、温度等。
一旦传感器检测到异常值，就可以及时报警，并进行进一步的故障诊断和修复。
四、振动分析振动分析是一种非常有效的故障诊断方法。
通过安装振动传感器来监测风力发电机组的振动状况，可以判断出哪个部件产生了异常振动，并据此来定位故障的位置。
不同类型的故障会产生特定频率和振幅的振动信号，通过分析振动信号，可以快速准确地找到故障。
五、温度检测温度检测是一种常见的故障诊断方法。
通过安装温度传感器，可以监测发电机组各个部件的温度变化。
当某个部件温度异常升高时，说明可能存在故障，如电缆接头松动、电机绕组短路等。
及时发现并解决这些问题，可以避免更严重的故障发生。
六、智能诊断系统智能诊断系统是目前较为先进且高效的故障诊断方法。
它通过对风力发电机组的各种传感器数据进行采集和分析，借助人工智能和大数据技术，实现故障自动诊断。
智能诊断系统不仅可以快速准确地判断故障的种类和位置，还可以提供相应的修复方案，极大地提高了故障诊断和修复的效率。
风力发电机组性能监测与故障诊断技术研究
风力发电机组性能监测与故障诊断技术研究摘要: 风力发电作为清洁能源的重要组成部分，对于实现可持续能源发展具有重要意义。
然而，由于风力发电机组运行在复杂的环境中，其性能和故障的监测与诊断变得至关重要。
本文旨在探讨风力发电机组性能监测与故障诊断技术的研究，以提高风力发电系统的可靠性和效率。
总结了风力发电机组性能监测技术和故障诊断技术的发展现状，并讨论了这些技术在实际应用中的优势和局限性。
本研究为进一步完善风力发电机组的性能监测与故障诊断技术提供了参考。
关键词: 风力发电机组，性能监测，故障诊断，可持续能源，效率一、引言1.随着全球能源需求的增长和对可持续发展的需求，风力发电作为一种清洁、可再生的能源形式受到越来越多的关注。
然而，风力发电机组在运行过程中面临着各种性能问题和故障，这对于系统的可靠性和发电效率产生了负面影响。
因此，研究风力发电机组性能监测与故障诊断技术具有重要的理论和实践意义。
2.本研究旨在深入探讨风力发电机组性能监测与故障诊断技术的研究进展，以提高风力发电系统的可靠性和效率。
具体研究内容包括风力发电机组性能监测技术和故障诊断技术的原理、方法和应用。
通过对相关文献和实际应用的综合分析，本文将总结目前已有的研究成果，并提出未来研究的方向和挑战。
二、风力发电机组性能监测技术风力发电机组的性能监测是确保系统正常运行和优化发电效率的关键。
以下是一些常用的风力发电机组性能监测技术：1.监测参数的选择：在风力发电机组性能监测中，选择适当的监测参数对于准确评估机组运行状态至关重要。
常见的监测参数包括风速、转速、温度、功率输出等。
这些参数可以通过传感器和仪表设备实时采集，并与预设的标准进行比较和分析。
2.监测系统的概述：风力发电机组性能监测系统通常由数据采集系统、数据传输系统和数据处理系统组成。
数据采集系统负责收集各种监测参数的数据，可以通过有线或无线方式进行数据传输。
数据传输系统将采集到的数据传输到数据处理系统，其中数据处理系统对数据进行处理、分析和存储。
风力发电机组轴承的声学故障诊断技术研究
风力发电机组轴承的声学故障诊断技术研究近年来，风力发电已成为清洁能源领域发展最为迅猛的一种能源形式。
然而，随着风力发电机组的大规模建设和使用，轴承故障日益成为影响风力发电机组可靠性和运行寿命的主要问题之一。
为了提高风力发电机组轴承故障的诊断效率和准确性，声学故障诊断技术应运而生。
一、声学故障诊断技术的原理与方法风力发电机组轴承产生的故障往往伴随着声音的产生和变化。
通过对轴承故障声音信号的分析和处理，可以判断轴承的工作状态，进而实现故障的诊断和提前预警。
声学故障诊断技术主要包括声学信号采集、特征提取和故障诊断三个方面。
1. 声学信号采集声学信号采集是声学故障诊断技术中的第一步。
一般而言，通过在风力发电机组轴承上安装加速度传感器，采集轴承故障所产生的声音信号。
同时，考虑到风力发电场地的特殊环境和复杂工况，应选择合适的传感器类型和布置位置，以确保准确采集到轴承故障声音信号。
2. 特征提取特征提取是将采集到的声音信号转化为特定参数或特征指标的过程，目的是为了更好地描述和区分轴承故障的状态。
常用的特征提取方法包括时域分析、频域分析和小波变换等。
时域分析主要通过统计学方法，如均值、方差等，来表征声音信号的特征；频域分析则是通过将信号转换到频域，如傅里叶变换、功率谱密度等，来分析不同频率分量的特征；小波变换则可以同时对时域和频域进行分析，提取出更为丰富的特征信息。
3. 故障诊断故障诊断是声学故障诊断技术的核心和最终目标。
通过对特征提取后的声音信号进行模式识别和故障判别，可以准确确定轴承的故障类型和程度。
常见的故障诊断方法包括支持向量机、人工神经网络、模糊集理论等。
这些方法可以根据声音信号的特征进行模型训练和学习，从而实现对轴承故障的自动诊断。
二、声学故障诊断技术在风力发电领域的应用声学故障诊断技术在风力发电领域的应用具有重要意义和广阔前景。
其主要体现在以下几个方面：1. 提高风力发电机组运行效率风力发电场地多为无人值守和远程监控，如何实时准确地监测风力发电机组的工作状态成为一项关键任务。
风力发电系统中的故障诊断技术研究
风力发电系统中的故障诊断技术研究现如今，风力发电技术被广泛应用于北欧、德国等地区，并逐渐成为了国际清洁能源领域的领军者。
然而，风力发电系统运转中不可避免地会出现各种故障，例如机械故障、电气故障等，损失巨大。
为了提高风力发电系统的安全性、减少相应的维护成本，对风力发电系统中的故障诊断技术进行研究势在必行。
一、风力发电系统中的故障分类在风力发电系统中，各种类型的故障几乎涵盖了所有技术含量。
其中，常见的故障如下：1. 机械故障。
指风力发电系统各个零件的故障，如叶片的破损、轴承的损坏等。
2. 电气故障。
指发电机中出现短路、开路等故障，包括输电线路、变压器等设备的故障。
3. 通讯故障。
指风力发电系统与监测设备之间的通讯出现问题，影响数据的采集。
二、风力发电系统故障诊断技术研究现状在风力发电系统的故障诊断技术研究方面，国内外专家学者的研究取得了很大的进展和成果。
1. 基于机械、电气信号分析的故障诊断技术目前，机械、电气信号分析技术是风力发电系统中故障诊断技术的主要研究方向。
通过采集各个环节的实时信号，分析数据，构建合适的模型来辨别故障是否存在。
例如英国伯明翰大学的研究团队利用福利斯服窗技术对风力发电系统中的机械故障进行分析，提出了一种自适应频域信号处理方法，可以准确地识别风力机叶片的破损和失衡等故障情况。
2. 基于智能算法的故障诊断技术近年来，基于智能算法的风力发电系统故障诊断技术研究受到了广泛关注。
这种方法通常依赖于人工神经网络、支持向量机、模糊逻辑控制等人工智能算法，对机器学习、数据挖掘、模式识别等方法进行改进和优化，从而提高故障诊断的准确性。
例如，德国海德堡大学研究团队利用基于神经网络的方法对风力发电系统中的机械故障进行诊断，识别出了不同类型的机械故障，并能够定位到故障发生的具体零件位置。
三、风力发电系统故障诊断技术研究面临的挑战研究表明，在风力发电系统中，故障诊断技术面临这几个挑战：1. 数据收集的缺陷。
风力发电机组故障诊断与预测技术探究
风力发电机组故障诊断与预测技术探究摘要：现阶段，为满足“双碳”战略发展目标，风力发电逐渐成为主流供电方式，为保证风电机组的稳定运行，亟需制定一套高效、精准度机组运行故障、预测方法。
本文结合当前风力发电及发电机组的发展现状，简要分析了风电机组运行过程中的常见故障，并深入探讨了风电机组的故障诊断及预测技术，以期能够进一步提高风力机组运行的稳定性，促进风力发电行业的健康发展。
关键词：风力发电机组；故障诊断；预测技术引言风力发电机的运行环境恶劣，组件检修步骤繁琐，只有做好对风力发电机的状态检测与故障诊断工作，才可以提升发电机组的运行稳定性，减少故障问题。
工作人员必须掌握齿轮箱、叶片、发电机、其他部位状态监测与故障诊断技术要点，做好数据分析等多项工作，以此降低风力发电机的故障可能性，使风力发电工作正常进行。
1风力发电机组常见运行故障1.1叶片故障风力发电机组中叶片是其主要构件之一。
机组在工作过程中叶片将承受十分巨大的压力，由于机组全天候运作，因此叶片承受的压力会伴随在机组运行全程，是最容易出现故障的构件之一。
比如，叶片运行时会和蒸汽和空气接触，在压力的影响下会加快叶片腐蚀，从而出现陀螺的问题。
当叶片运作时间过长时，内部配件容易出现松动的问题，从而导致叶片连接不稳定，引发故障。
如果叶片受外力影响产生裂纹及形变，将释放出高频瞬态的声发射信号，此信号是叶片损伤评估的主要途径之一[3]。
当叶片出现故障后，将导致叶片的转子受力失衡，此种受力会通过主轴传送到机组内部，从而导致机舱出现震动，轻者导致局部故障，重者导致机组基础失衡。
1.2齿轮箱故障风力发电机组中齿轮箱的作用是连接机组主轴和发电机，可让主轴转速更快，一方面满足机组运行需求，另一方面提升经济效益。
齿轮箱中包含行星齿轮和两级平行齿轮两部分，由于齿轮箱工况恶劣，且运行中受力情况复杂，当机组处于运行状态时很容易对齿轮箱施加冲击力与交变应力，促使齿轮箱出现磨损、滑动等问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第26卷第2期2009年5月新疆大学学报(自然科学版)Journal of Xinjiang University(Natural Science Edition)Vol.26,No.2May,2009风力发电机组主要部件故障诊断研究∗张新燕1,2，何山1，张晓波1，周培毅1，王维庆1(1.新疆大学电气工程学院，新疆乌鲁木齐830008；2.西安交通大学电气工程学院，陕西西安710049)摘要：为了尽早发现风电机组故障，及时采取适当措施以提高运行效率，对风电机组可能出现的故障进行了分析．对可以用于风力发电机组的故障诊断方法进行了研究，对风电机组的主要部件可能出现的故障类型及可用的故障诊断方法进行了探讨．同时对故障现象及相应诊断方法进行了仿真与分析，得到的结论是：温度场分析可以较好的用于齿轮热变型故障分析，神经网及小波分析可以较好的用于变频器部分的故障分析，磁场分析可以更好地进行发电机部分的故障分析．关键词：风力发电机；故障诊断；齿轮箱；发电机；变频器中图分类号：TM614文献标识码：A文章编号：1000-2839(2009)02-0140-05Study of Fault Diagnosis Wind Turbine Generator SystemZHANG Xin-yan1,2,HE Shan1,ZHANG Xiao-bo1,ZHOU Pei-yi1,WANG Wei-qing1(1.Electrical Engineering College,Xinjiang University,Urumqi,Xinjiang830008,China;2.Electrical Engineering College,Xi’an Jiaotong University,Xi’an,Shaanxi710049,China)Abstract：Tofind the fault of the wind turbine generator system early and to use proper measure to solve the fault in time and so to increase the operation efficiency,the possible faults of the wind turbine generator system were analyzed.The fault diagnosis method of the wind turbine generator system was studied.The possible faults and the diagnosis method which can be used in the several main parts of the wind turbine generator system were discussed.The fault phenomenon and the diagnosis method were simulated and analyzed.The conclusions are:Temperaturefield analysis can be used to analyze the heat deform of the gear,neural network and wavelet analysis to analyze the fault of the converter and magnetfield analysis can be used to analyze the fault of generator.Key words：wind turbine generator;fault diagnosis;gear box;generator;convertor0前言目前风电在电力系统中的穿透力会越来越大，因此对风力发电机本身能够在受到外界干扰或自身故障时能够及早采取补救措施以达到不间断运行的能力要求也在增加，能够自动维护和修复的风力发电系统对未来风电场的监控和管理有积极作用[1]．新疆是多风地区，风次多，延续时间长，年风能理论蕴藏量为3万亿千万小时左右．有九大风能利用区，总面积15万Km2，风能资源占全国总量的37%，可装机容量在8000万KW以上．目前新疆风电场中主要机型是双馈感应风力发电机和直驱永磁同步风力发电机，前者主要由风轮机、齿轮箱、双馈异步发电机和变频器组成，后者主要由风轮机、永磁同步发电机和变频器组成．风力发电机故障诊断的研究国内还没有见到论文发表，本文将针对新疆的特殊地理、气候等条件，对风电机组中的主要部分发电机、齿轮箱及变频器的故障诊断进行一些探讨．1风力发电系统中齿轮箱故障诊断风力发电机组中的增速齿轮箱是一个重要的机械部件，其主要功用是将风轮在风力作用下所产生的动力传递给发电机并使其得到相应的转速[2]．齿轮箱故障主要有齿轮损伤、轴承损坏等，油温高是风力发∗收稿日期：2009-03-20基金项目：国家自然基金项目(50767003，50867004)，新疆教育厅项目(XJEDU2007I05)．作者简介：张新燕(1964-)，女，硕士，教授，研究方向为风力发电机控制．第2期张新燕，等：风力发电机组主要部件故障诊断研究141电机组齿轮箱的常见故障之一．在高速重载下运转的齿轮传动,由于摩擦生成热量、环境温度的变化（酷暑严寒和极端温差）以及载荷大小、运转速度变化，会引起齿轮箱油与传动齿轮的热传递，将破坏齿轮箱均匀的温度场，产生的热应力引起热变形．齿轮箱油温过高，将会导致胶合、齿面损伤等故障，这会在一定程度上破坏齿轮箱的传动效率．因此对圆柱齿轮进行温度场分析和热变形分析、确定正常油温与油温高时传动齿轮的温度分布和热应力对找出整个齿轮箱油温高故障的特性及诊断途径以及今后风力机齿轮箱的故障诊断工作具有指导意义．1.1新疆特殊地理环境中齿轮箱故障机理分析1.1.1油温故障分析新疆冬季气温较低，使得润滑油变稠，黏度变低，甚至凝固，尤其是采取飞溅润滑部位的方式，部件无法得到充分的润滑，导致齿轮或轴承短时缺乏润滑而损坏如胶合、点蚀等，材料在低温下机械特性会变化，即变脆，这样很容易在正常振动下出现裂纹而产生破坏，应给油加热以保证润滑．新疆夏季气温较高，另外齿轮箱承担动力的传递，会产生热量，油高温分解，粘度降低，油温过高会造成齿面润滑不良，因此会导致齿面局部过热，造成色变、胶合等故障．考虑新疆冬季与夏季气温特点，对风力机齿轮箱进行油高温与油低温的故障分析，从而利用温度场及油温热分析找出故障可能性、原因，并进而给出故障诊断阈值，确定故障可能发生的部位．1.1.2气流变化带来的变载荷引起的齿轮箱故障分析新疆地形复杂性，致使气流的不稳定性导致风力发电机组齿轮箱长期处于复杂的交变载荷下工作，由于风速和风向随机变化，导致齿轮箱载荷也是随机脉动的．在齿轮和轴承中，两个滚动表面，在交变应力作用下，表层材料出现疲劳，然后出现微观裂纹，直至分离出碎片剥落，点蚀、麻点、凹坑等即疲劳磨损．在微小振幅重复作用下，在两个接触表面产生微动磨损，引起表面划伤、咬死等现象．风载荷的变化引起齿轮箱的振动和冲击，在过载荷循环作用下，齿轮容易出现弯曲疲劳而造成断齿，轴承内外环与滚动体接触表面在交变载荷反复作用下出现小裂纹，裂纹扩大，材料剥落，产生麻点，最后大面积剥落，使齿轮和箱体损坏．在过载或交变应力载荷谱作用下，易断轴，在过大应力载荷（超过极限应力）出现轮齿过载折断，在过高交变应力载荷作用下，出现疲劳折断．在过大应力和循环次数作用下出现齿面疲劳．1.2齿轮箱油温故障分析以ANSYS为主要分析工具，建立模型，进行稳、瞬态热分析及热应力分析进行研究；通过分析其温度场分布、变形、应力等，找出油温故障原因、阈值、易出故障部位．在利用有限元软件对风力发电机组传动齿轮进行热分析，考虑到传动齿轮齿型的复杂程度、精度要求以及计算求解时间等实际因素，采用Solid95为有限元网格单元．它适用于曲线边界的建模，具有塑性、蠕变、大变形和大应变功能．该单元有20个节点，每个节点有X、Y和Z方向3个平动自由度[3]．在建立模型分析时，作如下假设：①与齿轮本体温度发生变化所需的时间相比，齿轮转动1周的时间相对很短，因此齿轮的每个轮齿温度分布情况是相同的；②齿轮在转动1周的过程中，因为摩擦导致的热量等量地进入啮合的每个齿轮和油膜中[4]．1.2.1传动齿轮温度场求解热传递有热传导、热对流、热辐射三种方式．热传导是热沿着物体,从高温部分向低温部分,或从高温物体向低温物体传递[5]．靠液体或气体的流动来传递热的方式叫做对流．风力发电机组齿轮箱中传动齿轮包括齿轮、油、空气三种传热介质．齿轮传热的主要方式：传动齿轮与油膜之间的热传导、热对流以及油膜与空气之间的热对流．图1为圆柱齿轮单位热流量（单位：W/mm2）分布图，由图可知，达到热平衡后，齿轮本体热流量较高，热量主要是由油膜传递给齿轮本体，轮齿离油距离近，热流量不大．1.2.2斜齿传动齿轮热变形求解在瞬态热计算得到的节点温度作为载荷施加到传动齿轮和油膜有限元模型上，进行热-结构耦合分析，齿轮箱增速比为40.3，施加转速（输入转速45）r/min，指定参考温度为45℃，热平衡时油膜温度62.5℃，使其升至80℃；通过分析计算得出热应力分布和热变形．当转矩过大,有可能使齿轮发生变形．图2为风力机齿轮箱转速过高，经1800s后,油温80℃，传动齿轮142新疆大学学报(自然科学版)2009年的变形．图1圆柱传动齿轮单位面积热流量分布图图2传动齿轮过高载荷时热变形从图2中可以看出，由于油温的升高，传动齿轮发生了一定程度的膨胀，较明显的是齿厚增大，小齿轮有微弱变形，主要是工作齿面向外膨胀，同时有微弱的偏移，小齿轮工作面上部分向左有一定位移偏移，下平面部分向右有一定程度的位移偏移．轮齿有微弱变形，本体只发生一定程度的膨胀变形．齿轮在运转情况下沿齿厚方向会产生不均匀的温度分布．这种不均匀性导致高温端的热变形量较低温端大的现象,从而引起齿面接触向啮出端偏移．风速引起的过高转速，使齿轮滑动加快，油温升高，有可能导致齿轮胶合、点蚀等故障．转矩太高，齿轮的振动冲击增大,齿面疲劳加大，齿轮寿命也会受到影响．由上述分析可知，油温升高所引起的不均匀温度分布，导致了齿轮的热变形．这种不均匀的温度分布，严重地降低了齿轮的承载能力和运行性能；另外由于温度分布不均导致了热变形，从而对齿轮传动的齿面在和分布和振动性能产生影响．由齿轮啮合产生的摩擦热是其齿面温升的一个重要因素，油膜温升会降低润滑油黏度,使油膜厚度变薄,更容易使油渗入齿面裂纹进行挤压，加速裂纹的扩展，从而导致齿面金属小微粒剥落，即齿面点蚀，油温升高也可引起齿面胶合故障；另外，油膜变薄齿轮在重载下运行，易造成齿面金属直接接触并粘连，出现齿面胶合故障．因此，采取各种措施防止油温升高，对于保证风力机齿轮箱正常运行有重要意义．2风力发电系统中发电机故障诊断风力系统中发电机的常见故障包括定子绕组故障（占12.89%）、轴承故障（41.77%）、转子导条和端环故障（7.64%）、转轴或连轴器故障（4.3%）以及其他各种故障．可认为定子绕组短路、转子绕组故障和偏心振动是风力发电机主要的三种故障形式．发电机绕组内部故障属于内部电气不对称故障的范畴．当电机绕组内部不对称时，其气隙磁场的空间谐波分量就很强，这些谐波磁场的转速各不相同，转向也有正有反，因此感应出的绕组电势谐波很多，故可以对磁密分析后对谐波进行特征量的计算．温度比较故障诊断法将实测温度与计算出来的标准温度相比较，当偏差大于预先设定的阂值时，即认为冷却系统存在故障或劣化趋势．如果标准温度计算比较准确，可以较早反应出绕组的故障．2.1永磁风力发电机的电磁场分析我们对发电机多种状态的电磁场进行了计算：包括稳态和谐态电磁场[6]．金风62型永磁同步发电机，采用外转子，磁钢贴在转子轭上，由风机带动旋转，定子绕组位于内部如图3．短路时，电枢磁场对磁钢产生去磁的作用力，分解为切向和径向的电磁力F x和F y，F x对于磁钢粘接效果尤为重要，粘接胶的粘接力必须大于F x，才能够保证磁钢不发生位移和脱落．图4为磁密分布云图，结果表明中间的磁钢受到的切向斥力F x为0.49248E+05N/m．另外考虑到电枢磁场对磁钢径向的压力F y为0.60215E+05N/m（相对F x还较大），磁钢本身对转子轭具有吸合力，由于转子轭内表面已经打毛，和磁钢之间具有较大的摩擦力，都使磁钢不易发生移动．2.2发电机正常运行和发生短路故障的磁场计算永磁风力发电机绕组发生短路时，电枢磁场对永磁铁的去磁效果，必须确保发电机在最恶劣的条件下不会失磁．第2期张新燕，等：风力发电机组主要部件故障诊断研究143发电机绕组发生突然短路时的电枢磁场会对磁钢产生去磁作用（假设短路发生在发电机出线端）．绕组发生单相短路时，即便短路电流达到4I N，磁钢不会发生去磁；在绕组发生两相突然短路（瞬间电流为4 I N）和三相突然短路（瞬间电流为20I N）时，由于电枢磁场大大增强，磁钢可能会发生不可逆的去磁现象，受到损坏．单相短路电流形成的去磁磁场（见图4）强度幅值为720kA/m，小于磁钢的矫顽力960kA/m，不足以对磁钢造成去磁，可从磁钢磁场和电枢磁场的合成磁密分布得到证实；发生两相突然短路时，由于去磁效果较强(幅值可达1177kA/m)，略大于磁钢的矫顽力数值，磁钢发生局部不可逆去磁，合成磁密接近零，说明磁钢磁场被去磁性质的电枢磁场抵消殆尽；当发生三相突然短路时，短路电流很大(设为20 I N)，电枢去磁磁场的幅值能达到6830kA/m，去磁效果极为剧烈，会对磁钢造成去磁．图3永磁发电机的结构简图图4发电机单相突然短路时磁密分布云图3风力发电系统中变频器故障诊断变频器故障主要有变频器误动作、与预期效果误差大、过电压、过电流、过热、欠电压等．变频器过电压主要是指其中间直流回路过电压，这将对中间直流回路滤波电容器寿命有直接影响，变频器负载突降会使负载的转速明显上升，从负载侧向变频器中间直流回路回馈能量，短时间内能量的集中回馈，可能会超过中间直流回路及其能量处理单元的承受能力引发过电压故障．过电流故障是由于变频器负载发生突变、负荷分配不均，输出短路等原因引起，由于逆变器件的过载能力较差，所以变频器的过电流故障诊断至关重要．当输入电源缺相，整流回路故障会导致欠压故障．此外在电网要求风力机低压穿越时所可能造成的变频器故障也是需要研究的内容．3.1利用输出波形进行故障判断利用仿真对故障波形进行研究，图5为单个IGBT短路故障波形，可见变频器的直流脉动电压包含了开关管是否有故障的信息．(a)含高次谐波的输出线电压(b)加电感滤波后的输出线电压(c)整流侧单管短路时的输出电压图5单个IGBT短路故障波形3.2利用感知器的分类功能分解出故障信息利用感知器的分类功能可以把不同数据分开，实现对输入矢量进行分类[7]，从而提出故障信息，图6是利用感知器进行故障识别的结果．3.3利用小波分析进行故障信息提取小波分析方法是一种窗口大小(即窗口面积)固定但其形状可改变，时间窗和频率窗都可改变的时频局域化分析方法，由于在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的144新疆大学学报(自然科学版)2009年时间分辨率和较低的频率分辨率，具有对信号的自适应性，被称为数学显微镜．傅立叶变换，只能从信号的频域和时域分别观察；傅立叶谱是信号的统计特性，是信号整个时域内的积分，没有局部化分析信号的功能[8]．小波变换可以实现多分辩率下局部特征频率的识别，它如同显微镜调节焦距观察任意大小物体一样可以通过改变频率窗口轻易实现某一局部频率条件下特征信号的拣选和识别；由于故障频率总是淹没在大量正常运行频率的噪声之内的，这使得小波分析在故障频率识别中有优越性．小波分析和神经网的分类功能结合可以达到对故障的识别和分类，可以用小波分析技术来对采集来信号的特征频率部分局部放大以初步判断变频器当时所处是正常工况还是故障工况，为用神经网来判断故障类型建立前提[9]．图7是用小波分析的第一层细节信息图，可以判断为有故障信息，进一步分析可以得到不同类别的故障信息．图6神经网故障识别示意图图7第一层细节信号的包络谱4小结本文通过对风力发电机中主要部件齿轮箱、发电机及变频器的故障产生机理分析及仿真计算，对风电机组的故障诊断进行了研究，结果表明：基于有限元软件ANSYS的齿轮箱油膜模型的有限元法求解温度场、热变形的方法计算结果较为准确，由齿轮热分析计算可知油温升高将导致其温度分布不均，这与胶合故障有直接关系，同时也会产生热应力，引起热变形，导致其它故障的发生；利用有限元分析方法和ANSYS分析软件建立的永磁风力发电机的分析计算模型，分析计算了永磁风力发电机的多种状态的电磁场，并对发电机正常和故障发生（短路）时磁钢受力进行分析，对永磁风力发电机绕组发生短路时，电枢磁场对永磁铁的去磁效果也进行了计算，研究了故障时磁场的变化情况，找出了磁场变化与短路故障之间的关系；利用神经网和小波分析可以对变频器各功率管及直流部分进行故障分类．更细致的工作还有待进一步研究，风电机组故障诊断对风电机制造及风电场运行都有积极的作用．参考文献：[1]张新燕,何山,周培毅,等．“Summarization and Study of Fault Diagnosis Technology of the Main Components of WindTurbine Generator System”,2008IEEE International Conference on Sustainable Energy Technology,Singapore,978-1-4244-1888-6/08/$25.00@2008IEEE,1369-1372．[2]高学敏.风力发电机组传动系统的研究[Ｄ].华北电力大学,2007,1-9.[3]东方人华．ANSYS7.0入门与提高[M].北京:清华大学出版社,2004:76-78.[4]屈文涛,沈允文,徐建宁,等.双圆弧齿轮的温度场和热变形分析[J].石油机械,2006,34(3):14.[5]屈文涛,高红梅,赵宁,等.双螺杆泵同步双圆弧齿轮传动热网络分析[J].机械传动,101(6):50-52.[6]何山,王维庆,张新燕.磁性槽楔对大型永磁风力发电机性能的影响[J].电力设备,2008,9(5):53-56.[7]飞思科技产品研发中心．小波分析理论与MATLABR2007实现[M]．北京:电子工业出版社,2007.[8]张晓波,张新燕,王维庆.运用神经网络对风力发电系统中的电力电子装置的故障分析[J].华东电力,2008,5:16-18.[9]张晓波,张新燕,王维庆.用小波分析来判定风力发电中电力电子的故障[J].电机技术,2008,5:47-50.责任编辑：周蓉。