关键词：风力发电系统；状态监测；故障诊断
引言
我国工业生产以及生活的发展对能源需求越来越多，但石油、天然气等不可再生能源储量有限且不可再生，使得人们加强对可再生能源的研究与开发，近年来风力发电产业进入迅速发展期。完善的风力发展技术为其发展提供了重要基础，在成本等方面均具有优势。但是在风力发电系统运行过程中，存在很多安全隐患，可能发生一些运行故障。针对其运行进行监控，及时发现潜在隐患以及存在问题，进行改善，保证风力发电系统正常运行。
1风力发电机组介绍
风力发电主要是利用风机实现风能和电能的转化，借助电磁感应原理进行，将转化得到的电能经过调压等操作输送到电网以及用户中去。我国经过多年建设，风力发电机组建设已经相对完善，在传统恒速恒频风力发电机组的基础上改进，采用新的技术以及设备来完善创新风力发电，目前常用的新技术是变桨距技术。通过这一技术能够实现风机叶轮转速的动态调整，根据风速实际变化进行调整并引进变流技术，综合作用下保证了风力发电输出频率的恒定。变速恒频技术的引入保证了风力发电质量，因此我国目前在风力发电并网系统中应用的即这一技术。
2风力发电机组状态监测和故障诊断的意义
风力发电能够缓解国内能源供应紧张的局面，改善能源结构，对于国家环境保护和电力工业的可持续发展具有重大意义。随着国内风力发电行业的快速发展，风力发电机组故障已成为一个不可忽视的问题。通过对风力发电机组的运行状态进行实时监测，能够及时发现机组运行过程中存在的故障隐患；通过提取机组故障信息并进行分析处理，能够诊断机组故障发生的原因并制定有效的处理措施。这对于提高风力发电机组运行可靠性，促进风力发电行业健康发展具有重大的现实意义。
3风力发电系统状态监测和故障诊断技术存在的问题及发展趋势
自动化测试技术同计算机科学技术的飞速发展为发电机的正常运行起着非常重要的作用。与此同时，发电机仍然存在以下几个方面的缺点：（1）功能不足。中国目前对金风的永磁直驱发电机的故障诊断比较侧重于风力发电的状态分析，故障诊断和状态监测尚未被考虑到。以现在的发展来看，需要开发集成系统来对金风的永磁直驱发电机实施监测、分析、诊断、管理以及合理的维护。（2）诊断方法的独特性。目前可利用的系统仅能检查错误信号的问题，还不能做到对设备其他因素的诊断，对于不同的设备也没有做出有效的改变。（3）资源浪费过高。现有的故障诊断系统和风力检测系统没能更好的结合起来。到目前为止，虽然资金投入量大，但是风力发电场的资源分配不足，维护成本太高。
4状态监测技术
4.1振动监测技术
振动监测技术用于监测发电机组运行过程中轴承、齿轮等构件与机舱系统的振动情况，利用传感器采集其振动信号，进而利用系统将采集到的信号与正常信号进行对比，倘若发现该信号存在异常情况，则系统将会自动发出报警信号进行提示。通常在使用振动监测技术时主要采用幅域统计分析法、等旋转角采集法等方法，配合运用FFI分析法消除干扰，以此提高振动信息的精确性，相较于其他监测技术而言成本略高。
4.2油液监测
对于风力发电系统而言油液质量也至关重要，因此需要对油液进行定期监测，包括油液质量检查以及铁屑检查、油温检查以及油滤压降检查。在进行油液监测的过程中通常采用离线检查的方式进行，通过油液监测来反映应用油液相关部件的运行状况。
4.3过程参数监视
作为一种常规状态监测技术，该方法主要用于针对风力发电机组运行过程中的各项参数与运行状态值进行监测，并将其与系统正常运行数值进行对比，倘若二者不匹配则证明机组存在运行问题，将由系统发出警报。
5故障诊断基本理论与方法
5.1故障诊断原理
设备故障诊断技术是排除故障的一种有效手段，可以识别设备故障的状态，确定设备运行的正常状态或异常状态，监测故障发生导致的因素，减少出现故障的次数。错误诊断是对分类和辨别诊断对象的错误，换而言之，是用现有知识推测设备出现故障的因素和严重性。简而言之，该原理是一种找出毛病的方法，实际上，故障诊断技术是对金风的永磁直驱发电机故障进行识别分类的过程。
5.2齿轮箱的故障诊断
对于风力发电机组而言，其齿轮箱由于长期置于恶劣环境，损坏率很高，因此需要定期对齿轮箱进行定期故障诊断监测。可以采集异步电机的电流信号，并对其进行解析分析判断齿轮箱故障，通过幅值和频率解调来监测转轴旋转频率。然后,对解调的电流信号实施离散小波变换,从而达到降噪和移去干扰的目的。最后利用某一特定层次的谱来诊断齿轮故障。
5.3神经网络技术
当前该技术主要包含以下三种应用方向：其一是模式识别层面，使神经网络充当故障分类器的作用，判断设备的不同故障类型并完成故障分类；其二是故障预测层面，将神经网络用于针对动态模型设备进行故障预测；其三是知识处理层面，配合专家系统构建混合故障诊断系统，以此拓宽故障诊断技术的应用范畴。通过采用神经网络进行风力发电机的故障诊断，可以借助归一化处理降低知识库管理难度，便于进行神经网络知识的并行联想与自适应推理，有效规避采用专家系统过程中存在的无穷递归、组合爆炸等问题，提高故障诊断的实时性。
5.4大数据技术的风力发电机组状态检测和故障诊断
传统方法对风力发电机组的状态检测和故障诊断是在少量数据的基础上进行的，主要是依靠工程师自身技术经验积累以及相关的推论假设来完成对机组状态的检测和诊断。但是这种方法存在一定的风险，可分析数据不足或工程师自身经验存在缺陷，都将使检测和诊断结果存在偏差。另一方面，传统技术获取的数据在采集、传输过程中会受到传感器噪声、数据传输介质以及外部干扰的影响。这样的数据通过分析后得到的检测和诊断结果往往与实际情况不符。而大数据分析技术可以有效弥补上述缺点。通过对大量的数据进行收集、分析和处理，使用数据挖掘技术去除潜在的干扰数据，得到的结论往往更加可靠。另外，大数据技术还能够发现风力发电机组运行过程中一些细微的状态变化，能够及时发现和提前修正机组中一些潜在的故障隐患，有效降低风力发电机组发生故障的概率，提高机组运行的安全性和可靠性。
结语
状态监测技术与故障诊断技术对于保障风力发电系统的正常运行发挥了重要作用，工作人员务必要依照相应规范进行机组安装，强化安装质量验收把控，并在日常加强对机组设备、部件的检修维护，排除系统的故障隐患，借助获取到的监测数据进行故障解决方案的运用，进一步提高风力发电机组的运行效能。
参考文献
[1]刘伟.风电机组传动系统维护与故障诊断[J].硅谷，2014（5）：104.
[2]毕宇飞.风力发电系统状态监测和故障诊断技术研究[J].中国设备工程,2017(15):93-94.
[3]李涛涛,贾嵘,尹浩霖,等.风力发电机组状态监测系统设计与应用[J].电网与清洁能源,2016,32,(1):95-99.
[4]王瑞闯,富洪.风力发电机在线监测与诊断系统研究[J].华东电力,2009(1)：190～193.