风电场风力发电机的运行与维护

风电场风力发电机的运行与维护

摘要：风电厂要想维持稳定运行，就必须要在日常工作中对于所用的发电机组进行有效的运维和管理工作，为了保障风力发电机的安全运行，对发电机进行定期的维护工作十分重要。本文首先阐述风力发电机组的故障诊断技术，并且研究目前发电机组运行中的主要故障，最后提出一些维护策略，以供参考。

关键词：风力发电机组；故障；诊断技术

风力发电的发展对能源污染问题起到了一定的缓解作用，随着风力发电机组的广泛运用，各类故障问题也接踵而至。基于此，文章探讨风力发电机组故障诊断技术，分析风力发电机组运行故障的主要形式，研究风力发电机组故障维修技术的具体应用。

1风力发电机组故障诊断分析

1.1风力发电机组故障诊断技术

随着近年来可再生能源领域的快速发展，风力发电技术也逐渐得到了广泛应用，相较于传统的煤炭、石油燃料以及现代的核电、太阳能发电等，风力资源不仅更加安全无污染，且其应用成本也极低。因此，目前国内风力发电机组的数目开始暴增，相应地，故障诊断技术研究工作也得到了进一步推进。所谓风力发电机组故障诊断技术，就是指通过对风力发电机组设备运行情况进行监控、分析和测评，来实现对设备故障位置及故障类型的准确判别，以便后续检修维护工作的顺利开展。通过合理利用故障诊断技术，能够帮助技术人员及时发现风电机组运行故障，并对故障类型及产生的原因进行准确的判断，从而有效降低设备故障所带来的安全隐患问题，从根本上提升设备的维修效率及运行效率，并进一步

实现对运行维护成本的有效控制。由于风力发电机组其自身特殊的工作性质及工作环境，机器损坏的问题时常发生，各类故障问题的长期堆积，将会导致设备的使用寿命被严重缩短。针对此类问题，技术研发人员开始从电信号监测、光谱分析等多方面着手进行研究，对故障问题进行诊断处理。在早期阶段，电信号分析技术的研究内容主要为信号波形幅度的变化情况，此类方式只能对机械损坏程度及故障位置进行大致的判断。随着相关领域技术的不断发展，在技术及理论的共同支持下，信号分析的精确性也在逐渐提高。近年来国内科技发展水平不断提高，使故障诊断技术得到不断的优化升级，这给风力发电机组的应用创造了极好的条件。

2风力发电机组运行故障的主要形式

2.1叶片部分出现故障

叶片长期暴露在空气中，叶片表面往往会出现腐蚀、磨损等问题，从而导致风机的工作效率明显下降，引发一系列的故障。与此同时，在长期的高负荷运转环境下，叶片性能质量将受到不同程度的降低，整体结构也极易出现松动，从而导致叶片在转动过程中受力不均，风机设备无法正常运行。针对叶片故障，技术人员应及时加以重视，对受损叶片及结构及时进行修复，避免在后续生产过程中引发更为严重的事故。

2.2齿轮箱部分出现故障

齿轮箱通常用来控制主轴左转速度，能够实现风能向电能的转化，从而有效提升电能的质量。齿轮箱故障将会对设备运行产生直接的影响，一般情况下，齿轮箱经过长期运作后，由于摩擦时间较长，将会导致内部温度急剧升高。在此过程中，若未能及时做好散热工作，将会严重降低润滑剂作用效果，从而导致机组载荷交替及工作速度发生改变。与此

同时，部分设备内部齿轮箱存在设计不合理的问题，齿轮承载能力估算不足，从而导致设备在启用后发生故障。除此之外，发电机组长期处于恶劣环境条件下，齿轮箱内部难免会出现生锈、磨损等一系列问题，从而对风电利用率产生负面影响。

2.3电机系统出现故障

风电机组系统故障的出现，主要是受系统所处环境条件的影响。由于作用机理的特殊性，风电机组往往都暴露在室外，在运行过程中难免会遇到沙尘、雨雪、大风等比较恶劣的天气条件，长期处于潮湿环境下，电机系统极易出现机械短路断路、轴承磨损过热等故障。与此同时，系统轴承磨损严重、内部温度过高等问题，也将在一定程度上导致设备故障停机。电机系统的稳定性，将对整个风电机组的工作效率及电能质量产生决定性影响。

3风力发电机组故障诊断技术的具体应用

3.1振动监测

振动监测技术常用于大型机械设备中，通过在设备中安装传感器，对风力机运行过程中所产生的速度、位移进行测定分析，从而实现对故障位置及故障类型的准确判断。在机械设备的实际运行过程中，内部的轴承、齿轮等部件会逐渐出现裂纹、剥落等状况，从而形成振动的激励源并以周期的形式表现在振动信号中。振动监测技术的原理就是通过对振动信号的时域、频域波形图进行记录，再与正常机组的振动信号进行对比，分析计算出故障的位置。振动监测技术具有较高的准确性，能够实现对机械故障的快速精准定位，因此广泛应用于风力发电机组的故障诊断工作中。

3.2电信号监控

电信号监控技术主要应用于涡轮机械、多级齿轮以及感应式电机等设备的故障分析。该类技术是通过对发电机输出电流信号、功率信号等进行处理，来实现对故障情况的分析判断。在电信号监控技术的应用过程中，常用的信号处理法主要包括傅里叶变换法、瞬时功率FFT法、小波变换法等。其中，通过利用傅立叶变换法，能够实现电流信号从时域向频域的转换，技术人员可以通过对不同的频率波形进行对比分析，实现对风力机组故障形式的准确判断。

3.3做好润滑油油液分析

风力工程建设过程中使用到的发电设备经常会产生腐蚀、磨损等问题。因此,在发电设备安装完成之后,要对设备的运行状况实时进行监控,定期对设备进行检修与养护,为风力发电事业的长远发展打下坚实基础。通过对润滑油液中的微粒成分及油质成分进行分析，以实现对磨损部件的判断。在油质成分的具体分析过程中，技术人员通常需要对机械杂质、水分、水溶性酸碱度以及黏度等数据进行监测，根据油质的成分含量及性质来对故障位置进行判断；对于油中微粒的分析，则需要进行光谱分析、颗粒计数，并对磨屑情况进行记录，根据所得数据，例如颗粒的大小、数量以及分布密度等来进行判断，从而进一步对机器设备的磨损程度、故障位置等进行精准计算。

3.4合理运用红外光谱分析技术

由于在不同化合物中，物质分子中的化学键所对应的谱带波数变化范围较小，大部分有官能团在红外光谱中都会发生特征吸收，样品中的不同成分在光谱中将表现出不同的形式，例如甲基、羟基等。因此，通过应用红外光谱分析技术，技术人员能够进一步对样品的成分进行精准分析，从而准确把握器械的磨损部位。一般情况下，红外光谱分析法往往需要与润滑油油液分析技术相配合，即通过对油液成分进行红外光谱分析，来完成对风力

发电机组故障的诊断工作。

4结语

作为可再生能源的重要组成部分，风力发电技术有着其独特的应用优势。风力发电机组故障诊断技术的科学应用，能够明显提高故障诊断效率及准确性，不仅为后期的设备维检工作起到绝对的引导作用，而且进一步促进了风力发电机组故障诊断系统的完善。因此，相关技术人员应积极加强对故障分析技术的创新优化，为我国风力发电领域及相关行业的长远发展打下坚实的技术基础。

参考文献

[1]陈长征，赵新光，周勃，等.风电机组叶片裂纹故障特征提取方法[J].中国电机工程学报，2013（2）：112-117.

[2]沈艳霞，周文晶，纪志成，等.基于小波包分析的风力发电系统中变流器的故障识别[J].电网技术，2013（7）：2011-2017.

[3]张晓东，许宝杰，吴国新，等.风力发电机组故障诊断专家系统研究[J].制造业自动化，2014（21）：21-25.