3 风电机组状态监测和故障诊断

3.1 状态监测技术

早期，风电场多采用事后维修方式，即部件失效后才进行维修。随着装机容量的快速增加，风电场更多采用预防性维修(PM)。多数经营者采取定期检查测量结合历史经验分析的方式对机组状态进行评估。上述监测方式有2个缺点：一是检查费用昂贵，需要停机和进入机组内部;二是只能定期评估，很难及时全面地了解设备运行状况。近年来，由于状态监测和故障诊断技术的发展，预测性维修(PDM)和基于状态的维修(CBM)得到了更多的应用。风力发电机组的状态监测技术主要分为以下几种：振动分析、油液监测、热成像技术、过程参数监视、性能参数检查。其他还包括材料的物理状态检查、应变测量、声学监测、电学效应、目视检查、传感器自我诊断等技术。其中，应变测量、声发射和振动监测可用于检测叶片故障趋势;基于参数估计的方法可用于变桨系统的状态监测;基于不同传感器的振动分析主要用于齿轮箱的状态监测，最常用的传感器有加速度传感器和位移传感器，后者的作用是检查主轴在低速运行时的情况;声发射技术还可用于检测由摩擦引起的部件表面应力的突变，尤其能提早发现齿轮出现点蚀、裂缝等潜在故障;温度监测可用于检查发电机定子和转子绕组的运行情况，转矩测量可用于传动系统的故障检测。齿轮箱是风电机故障频率最高的部件，表2总结了齿轮箱状态监测的典型技术，并分析了它们的优缺点[8]。

3.2 故障诊断技术

风电机的故障诊断方法有很多种，主要包括传统诊断方法、数学诊断方法和智能故障诊断方法。传统诊断方法大多是基于状态监测技术的数据分析，现多采用与其他方法相结合的方式对故障进行诊断。数学诊断方法主要包括模式识别、基于概率统计的时序模型诊断、基于距离判据的故障诊断、模糊诊断、灰色系统诊断、故障树分析、小波分析以及混沌分析与分形几何。智能诊断方法主要包括模糊逻辑、专家系统、神经网络、遗传算法等。根据Frank P M[10]的观点，故障诊断方法可根据图3进行分类。