范旭瞳
（大唐黑龙江新能源开发有限公司 黑龙江省哈尔滨市 150028）
摘要：风力发电机机组中齿轮箱、风轮、发电机等旋转机械是重要的组成部分，一旦风力发电机机组旋转机械产生故障，需要立即采取相关措施对故障进行诊断和分析，避免影响机组的正常运行。相对于国外发达国家来说，我国风力发电起步比较晚，在风力发电机机组故障诊断方面还比较落后，所以，提高对风力发电机组旋转机械故障的诊断在保证风力发电机组安全性、可靠性和有效性方面具有重要意义。本文就此展开了论述，以供参阅。
关键词：风力发电；机组旋转；机械运行；维护故障；解决办法
1风力发电机工作原理
目前，我国广泛使用的风力发电机主要是水平轴式风力发电机，其工作原理简单的说是：风的动能转换为发电机转子的动能，转子的动能又转换为电能。当风吹向叶片时，在叶片正反面形成压差，这种压差会产生升力使风轮旋转并不断横切风流，叶轮的旋转运动经由主轴传动链、增速齿轮箱加速后将动力传递给发电机发电，齿轮箱可以将很低的风轮转速变为很高的发电机转速，同时也使得发电机易于控制，实现稳定的频率和电压输出。另外，整个机舱由高耸的塔架支撑，机舱上装有传感器探测风向，由转向装置控制机舱和风轮转向，使其始终对准风以便更有效的利用风能；而且，为提升发电机的电压到配网电压还会在塔底或者机舱内设置变压器。
2风力发电机组旋转机械的常见故障
从目前风力发电机组的运行现状来看，在工作过程中较容易出现故障的旋转机械部位主要为主轴、主轴轴承、叶片、齿轮、发电机。（1）主轴故障及原因。主轴故障主要包括断轴、轴磨损、轴振动偏心等。当主轴传递风轮扭矩至增速箱时，容易出现以上几种故障；（2）主轴轴承故障及原因。主轴轴承发生故障类型主要包括有轴承磨损和擦伤、疲劳剥落（点蚀）、压痕、腐蚀、断裂等。主轴轴承作为支持主轴及风轮运行的重要部件，在工作过程中风机主轴轴承同时承受着很大的轴向和径向载荷，若风轮与主轴转动不平衡等非正常运作时，轴承承受载荷过大，以及润滑不好，就会造成主轴轴承产生各种故障；（3）叶片故障及原因。风力发电机组叶片常见的故障类型包括有叶片磨损、断裂、偏移、弯曲、疲劳等。导致叶片故障原因主要有叶片材料不符合要求、安装不合理、疲劳运行以及风速和风向的剧烈变化、雷击、冰雹、沙尘暴等恶劣天气影响；（4）齿轮箱故障及原因。齿轮箱故障主要有齿面磨损、断齿、偏心、胶合、点蚀等，齿轮表面过于粗糙、齿轮润滑条件不良、润滑选择不当等，均会导致齿轮故障的发生；（5）发电机故障及原因。发电机主要故障类型有发电机振动过大、发电机过热、线圈短路转子断条以及绝缘损坏等。发电机故障的产生大多是由于长期运行，使各部件老化又未能及时处理而造成的绝缘老化失效、转子与定子不对称等。
期刊文章分类查询,尽在期刊图书馆
3对于风力发电机组旋转机械故障的诊断
3.1信号故障特征提取诊断技术
采用信号故障特征提取诊断技术是通过对风力发电机组旋转机械工作过程中，振动、压力、温度、噪声、电压、电流、流量等信号的检测，进行收集与整理，再采用连续小波变换、傅里叶变换等手段对收集的信号进行处理，提取信号故障特征；然后根据故障征兆、标准模式和判别准则对信号波形及数据信息进行诊断，判断出旋转机械故障发生的部位、类型与严重程度。而以上所提到的主轴故障、主轴轴承故障、发电机故障、齿轮故障、叶片故障等，均可采用信号故障特征提取诊断技术进行诊断。
3.2对于润滑油油液的深入分析
在当前的技术诊断过程中，往往是根据风力发电机组旋转机械所使用润滑油的基本状态完成故障诊断的。对润滑油油液的分析技术主要包括油中微粒分析诊断和油质分析两种技术。其中，油中微粒分析诊断技术主要指铁谱分析和光谱分析两种方式，对于润滑油的颗粒计数进行分析，并根据其自身的分布情况和大小等多种信息，确定故障产生的根本原因和当前的实际情况。油质分析诊断技术在实际应用过程中借助磨粒直径和油质以及其中的微量水分含量准确判断风力发电机组旋转机械故障产生的位置和故障部件所产生的磨损程度。
3.3在线监测技术
风机在线监测系统包括信号采集、状态监测、分析与诊断、状态显示、报警、储存查询、远程监控等功能。①信号采集：主要完成风机各测点的振动信号、电信号和温度信号的收集；②状态监测：主要包括初始化设置和状态监测，监测功能有时域信号波形监测、轴心轨迹监测、频谱监测、电气量模拟表监测和数字列表监测等；③分析诊断：通过各种分析方法对风机启动、变速、日常运行、超限等各种信号特征数据进行分析，诊断风机旋转机械的各种故障；④状态显示、报警：采用数字表格、模拟仪表、机器结构简图等显示方法，清楚直观的反映各转动机械部件的运行状态。运行状态超过设定安全值，可发出报警信号，反应故障信息；⑤储存查询：对机组运行进行振动信号、电信号、温度信号的采集、分析、储存，以建立机组运行的历史资料，供绘制趋势图及查找故障的历史信息，也方便离线分析；⑥远程监控：可通过网络进入风力发电机组状态监测故障诊断系统，远程监视风机运行情况，进行诊断分析。此方法诊断的结果与技术人员的专业水平和转动系统的熟悉程度有很大关系，虽然效率低，但诊断结果通常更真实。
3.4充分利用现代化智能监测技术
在对风力发电机组旋转机械故障进行诊断时，要充分利用神经网络诊断技术和模式识别技术，借助该系统能够实现对文字和语音以及图像的识别，进而达到旋转机械故障诊断和分析的目的。此外还应当在其中融入图像处理、计算机视觉应用以及系统辨识等多种技术，对风力发电机旋转机械故障的诊断实现智能化处理。
结束语
综上所述，利用科学、合理、先进、有效的故障诊断技术，对风力发电机组旋转机械的故障进行诊断，可确保对故障类型、故障部位以及故障严重程度的准确定位与判断，并为后期的维护打好基础，进而有效地保障风力发电机组旋转机械安全、可靠、稳定运行，提高风力发电的效率，促进风力发电行业的蓬勃发展。
参考文献：
[1]王景哲.风力发电机组旋转机械的故障诊断技术分析[J].通讯世界.2013（11）
[2]李顺建.风力发电机组旋转机械的故障诊断技术分析[J].建筑工程技术与设计.2017（22）
[3]刘勇峰.风力发电机组旋转机械运行维护故障分析及解决办法[J].中国设备工程.2016（11）
论文作者:范旭瞳
论文发表刊物:《河南电力》2018年20期
论文发表时间:2019/4/30
标签：故障论文; 主轴论文; 机械论文; 发电机论文; 信号论文; 齿轮箱论文; 风力发电机组论文; 《河南电力》2018年20期论文;