风力发电机组故障诊断与预测技术研究综述

风力发电机组故障诊断与预测技术研究
综述
摘要：随着风能的快速发展，风力发电机组的数量急剧增加，但由于工作条
件恶劣，风力发电设备更有可能出现故障，用诊断方法快速检测设备故障，发电
机安全，可靠的工作是减少事故的有效方法，提供早期诊断风能设备故障的方法，实时监测风能设备的工作状态预测趋势，及时监测工作过程中的故障风险。

关键词：风力发电；机组；故障诊断；预测技
术；
前言：风能可以缓解国内能源问题，改善能源供应结构。

随着国内风能的迅
速发展，风力发电机的故障已成为一个不容忽视的问题。

实时监测风力涡轮机的
工作状态允许在运行时及时发现隐藏的缺陷。

应用程序还确定了设备故障的原因，并制定了有效的措施，通过搜索和分析设备故障信息来解决设备故障。

提高风能
的可靠性，促进风能的健康发展。

一、风力发电机组故障诊断
1.在风力发电机失灵之前，通常会出现一些早期的故障信号，这些信号可能
来自振动、温度等等。

如果在早期发现故障，将大大提高风力发电机的可靠性和
寿命。

早期的故障信号具有典型的不稳定特性，当相关的转移脉冲发生时，当机
器和设备失灵时，振动信号通常会先出现。

当机械设备掩盖早期故障或部件时，
它的故障在早期阶段是脆弱的。

最初的故障阶段可以很容易地由振动信号的其他
部分和大量随机噪声以及故障源和接收器之间的距离引起，从而削弱振动信号。

2.机械设备组件故障可能导致信号能量在特定频率范围内重新分配。

能量在
特定的频率范围内提取，作为故障特性的信息，以便更好地描述故障类型。

该设
备的第一个故障是一个非常微弱的信号，通常被强烈的噪音和低信号淹没，这对
准确的获取信息产生了巨大的影响。

早期拒绝的特征。

实时监测风力发电机的状
态，并通过BP神经网络预测趋势。

非线性预测复杂机器故障。

BP神经元网络是
一种培训算法，它根据目标实际输出和目标最终、次级和目标目标目标值之间的
区别提供了目标函数的最小值。

网络由输入、隐藏和输出层组成，每个神经元从
外部世界接收输入信息并将其传输到中等水平，每个神经元从另一个来源接收信息。

BP神经元网络是一个研究反向传播算法的过程，由两个过程组成，无论是直
接的还是相反的。

输入错误的逆传播阶段，错误通过输出层，根据错误的梯度、
偏差梯度、传播梯度、循环、输入层改变每一层的值，每一层值不断变化，研究
神圣网络的过程。

当网络输出错误小于指定值时，指定网络连接的固定值和节点
的阈值，网络培训就完成了。

基于重要统计数据的特定地区或风电厂类型利用这
些统计因素进一步确定风电厂可能出现的故障和可能的紧急情况。

3.创建一个合适的区域或合适的风力发电机类型，故障管理和初始修复策略。

基于早期故障诊断的一般经验模型的分解具有降低噪音的强大能力，特别是白噪音，非常适合早期诊断风力装置故障。

这是一种适应性信号处理方法，适合处理
不稳定的非线性信号。

这基本上是一个有限的过滤过程，它可以分解不同信号频
率的波动或趋势，产生一系列不同频率尺度的数据。

让他成为一个人。

极端点等
于零相交点，或者差不超过一个点。

平均外壳大小由局部顶点和底部由局部最小
值组成的外壳为零，即时间轴的局部对称信号。

满足这两个特性的信号被称为它
们自己的模型函数。

获得最终集成模态函数和残留的频率信号分布从大到小,每
一个都反映原始信号中包含的范围不同频率振荡变化特征,每一个都包含信号频
率成分,所以自适应信号处理方法完美适合过渡过程信号和噪声系数很高。

核心
是分解，以获得潜在故障的重量，并发现潜在故障的危险。

然而，只有在分解过
程中形成的部分与故障密切相关，而其他部分与故障或噪音无关。

组件是信号的
近似正交表达式，有效元件与源信号有很好的相关性，因此相关分析被用来保存
与故障密切相关的敏感元件，忽略不相关元件，消除终端波动引起的错误。

相关
性系数范围是，两个信号之间的绝对值越大，相关性就越强，因此每个信号相关
系数的大小都被用作衡量每个相关系数是否是错误成分的指标。

二、风力发电机组故障预测技术
1.特征分析在风力发电机中通常使用的监测方法之一是确定和确定风力发电机的参数;看看他们的工作参数是否有任何异常。

风力发电机的操作参数种类各
不相同，主要分为两大类:可调节测量和计算参数。

计算参数，特别是，意味着
测量参数必须用特定的算法来计算和计算，选择合适的测量设备或算法是衡量涡轮机状况的重要先决条件。

如果仪表不符合标准，就不可能精确测量相关能源参数的状态或大小;如果算法使用错误或拼写错误，就会导致错误的计算参数。

这
将影响机组人员的正常工作状态。

然而，不同类型、不同的测量仪器和算法有其优点和缺点，选择必须根据设备的实际需要来决定。

建立一个类似植入物的保护功能，在系统的建设中还必须添加一个保护模块，一旦发现故障就会启动保护机制，相应的技术人员也可以启动功能。

实时数据监控以监测电子系统，你可以适当地添加早期预警功能，如果出现严重故障，可以向相关技术人员发出警告，数据显示问题，及时解决。

2.在系统开始运行和运行时，系统必须优化、植入一个独立的维护系统，以便能够检测、检查、隔离和修复故障，以减轻预测负担。

监控数字异常在监测可测量的风力发动机参数时，必须有具体的方法和原则。

风力发电机的参数通常包括电压、电流、频率、水压、温度等，分析确定可测量参数的上下极限;选择不
同范围的测量仪器。

分析以确定可测量参数和条件的正常/异常范围。

参数计算
需要选择合适的监测和管理方法，并将注意力集中在以下几点上确定计算参数的合适算法。

风力发电机有不同的类型，每个人都必须在不同的时间使用不同的算法。

与此同时，每个算法类型都有不同的策略。

要做到这一点，你必须选择一个适当的算法来考虑实际情况和风力发电厂的需求，因为不同的算法直接影响计算的最终结果，而选择正确的算法可以大大提高监测参数的精度和效率。

选择合适的设备。

所谓的合适设备是一种稳定的算法，需要自己的硬件支持才能长期运行;风力发电厂必须装备可靠稳定的数据传输和测量设备，以确保工作原理和输出。

3.控制设备风力涡轮机本身的测量设备可能出现问题，因此通常需要一个由部分测量设备控制和测量的监测机制，通常在正常情况下是开/关的，在特殊情
况下是关/关的。

设备的状态可以根据接触状态的变化来确定。

主控制系统中的
测量仪器会接收到单独的信号集，追踪风向可以很容易地混淆驾驶舱里的电缆，当它穿过时，它可以直接解决线圈问题。

叶轮系统的主要作用是当风速改变时，
风力装置是通过控制叶片角度来调节的，以获得空气动力扭矩，并最终提供有效
的功率控制。

在风速或风向失灵的情况下叶片的调整可以有效地提供制动。

此外，制动系统的主要功能是避免转子叶片旋转太快，当其他部分出现故障时关闭风力
涡轮机。

由于摩擦板磨损和过度压力因素的影响，制动系统也容易受到外部力量
的突然影响。

在一项研究中应用模型研究了变速箱中的电传动问题并分析了电流
信号与变速箱故障之间的相关性，发现电流信号可能是诊断变速箱故障的重要基础。

主控制系统中的算法会提前存储。

有关测量设备的输入和输出值通常是计算
和匹配的，如果输出和输入不匹配应评估控制设备中的异常。

结束语：总的来说，由于使用条件和结构限制，风力发电机比传统发电机更
容易出现故障和故障，具有不同的使用时间、复杂系统和分析诊断方法，能够及
时发现和纠正机械故障并避免重大经济损失。

参考文献：
[1]龙晓毅，单宏．风力发电机组故障诊断与预测技术研究综述．仪器仪表
学报，2021，38(5)：1041—1053．
[2]刘国新，等.风力发电机组早期故障诊断[J].现代制造工程，2019（3）：126-131.
[3]王伟.风电机组传动系统维护与故障诊断[J].硅谷，2018（5）：104.。