1风力发电机组故障特性
风力发电机组的使用寿命一般为20～25年，大部分风电机组安装在草原牧区、高原地带、沿海岛屿、山区等区域，这些区域的自然环境都非常恶劣。风电机组长期在沙尘、低温、冰雪、雷电、风暴等恶劣环境中工作，加之荷载及风速对其的影响，使得机组的实际工作状况异常复杂，很容易造成风电机组的相关零部件在实际的寿命期当中产生损坏和发生故障。小的故障造成风机停机，损失风电场发电量;大的故障造成大部件（如发电机，齿轮箱，轴承，叶片等）损坏。一旦造成大部件的损坏，大部件的更换、运输、吊装、长时间的停机会给风机制造商和风电场造成巨大的损失。由于风电机组的高度一般在70～90m之间，机组内有大量的机械部件和电气部件，还有油脂及其他化学制剂。大型故障甚至可能造成火灾、触电、机械伤害和人员坠落等人员伤害，甚至死亡。
2风力发电及风力发电机组发展现状
全球范围内，风能总量丰富，决大多数风能能够转化电能，与水能相比，具有数倍优越性。我国幅员辽阔，风能资源丰富，处于世界前几位，并且风能开发条件高。风能具有较高开采价值、储量多、清洁等优势，是新能源企业研究的方向。目前，我国风力发电技术不断进步，风电企业不断增加。从统计数据来看，我国风力发电机组装机容量不断增多，总装机容量占全球比例较大。宁夏地区作为我国风能资源丰富地区，具有众多开发优势，宁夏地区政府对风电产业支持力度大，拥有丰富的风能资源，并且有较强的机械加工能力，人力资源丰富，培养了较多的高素质风电设计与维护人员。
3风力发电机组的故障特点情况
风电机组在运行工作的过程中，不可避免的会出现一些故障，但受到多方面因素的影响，人工检修工作的难度逐渐增加。根据实际工作经验和具体调查情况来看，风力发电机组故障特点可以从以下几个方面入手进行分析：
3.1叶片故障
叶片故障会导致转子叶片出现受力不均的情况，并且导致风电机舱出现颤动，进而会对风电机组的稳定性产生负面影响，在风电机组运行过程中，叶片需要承受较大的应力，非常容易出现故障。比如：叶片在运行时，长期和蒸汽、空气接触，非常容易被腐蚀，导致表面粗糙、剥落，又或者出现结构不稳定等问题。除了蒸汽、空气对叶片的影响外，外力也会对叶片产生影响，导致叶片变形、出现裂纹。在进行叶片损伤评估工作的过程中，应用发射检测法捕获高频瞬态的声发射信号。
3.2齿轮箱故障
齿轮箱在风电机组中承担着非常重要的连接工作，通过其将机组主轴和发电机连接在一起，不仅可以提高主轴运转速度，还可以满足机组运行的基本需求。但齿轮机工作的环境较为恶劣，情况较为复杂，在长期运行的情况下就会出现故障，行星齿轮、平行齿轮作为齿轮箱的重要组成部分，在长期运行过程中，容易受到交变应力和冲击荷载等作用的影响，进而出现磨损、生锈、滑动等问题。齿轮组一旦出现问题，整个风电机组都无法正常工作，而且这种故障成本较高、耗费时间较长。
3.3电机故障
电机故障就是电气故障和机械故障，短路、断路、过热等故障都属于电气故障，而机械故障包括轴承过热、损坏磨损严重等情况。在实际应用中可以通过对震动、电流、温度等信号的分析，来检测评估电机故障情况。这其中还有一种电机较为特殊，双馈式风电机组在实际应用中转速较高，定额转速可以达到1500r/min，而齿轮箱需要在提速后才能够配合运行，在一定程度上，机组在自身的负荷，而且快速运行会造成噪声污染。
3.4偏航和刹车系统故障
除了上述几个方面之外，偏航和刹车系统故障也是风力发电机组在实际运行中容易出现的问题。偏航系统在风力发电机组中具有风向动态跟踪、解除电缆缠绕问题，而刹车系统可以避免转子叶片旋转速度过快，而且在其他部分出现故障时，能够对机组进行断电处理。另外风电机组中变桨系统可以对功率进行有效控制，如果偏航和刹车系统发生故障，那么在风电机组的安全将会无法保证，造成这种故障的主要原因是摩擦片磨损较大、受力较大或者其他外力作用等。
4风力发电机组故障诊断技术
4.1基于振动信号的故障诊断技术
在实际的应用中，这种诊断方法使用次数较大，因为中方法能够对整个风电机组关键部位进行深入检查，例如：齿轮箱、叶片等部位的故障。随着科研人员的不断努力，对不同部件的故障有了不同的诊断方法。当风电机组齿轮箱故障时，可以采用小波神经网络的方法诊断。现阶段，当风电机组发生故障时，主要诊断方式是观察稳态条件下机组的振动信号。
4.2基于电气信号的故障诊断方法
在电动机的故障诊断中，由于设备本身工作时噪音较大，振动信号故障诊断方法难以适应，而且电气信号中存在的与故障相关的信号较弱，所以需要更加先进的电气信号分析技术，提取与故障相关的电气信号，作为故障诊断与维修的依据。
5风力发电机组的故障预测技术
5.1机械结构系统的故障预测方法
风电机组发生机械故障会影响整个机组的运行，影响发电效率，造成经济损失。齿轮箱、叶片、轴承结构这些机械结构在日常工作中使用频率较高、工作环境恶劣，所以发生故障频率较高，因此需要加强对这类机械结构故障的预测。机械结构系统故障的预测有几方面，一是借助HMM及隐半Msrkov模型对动态部件状态进行分析;二是通过Gamma过程分析设备的运行数据，判断设备的使用寿命;三是通过相对方均值计算设备的性能状态。对机械设备故障的预测需要分析不同的数据，利用不同的模型进行分析预测。
5.2电子系统的故障预测方法
风电机组的电子系统构成复杂，有各个方面的子系统，这些子系统通常故障率较高。随着风电机组的不断发展，电子系统故障逐渐引起人们注意。虽然电子系统故障不会导致较长时间的停机，而且维修相对容易，但是电子系统的维修往往会耗费较高成本。电压过高、电流过大等都会引起电子系统故障，所以对电子系统故障的预测通常较为困难。电子系统故障预测方法主要有四种，一是在产品设计时将自我检测功能植入相关的硬件与软件中，二是构建保护模块，三是实时检测关键电子器件参数变化，四是构建不同环境下的应力或疲劳模型，估计故障程度。
结束语
综上所述，为了保障风力发电机整体运行状态的顺畅与稳定电厂发电机的各个部位都需要保持稳定的运行状态，否则就无法保证生产效率的提高，同时还有可能会造成加剧用电量消耗的情况。因此，作为电厂的维修人员要将预防措施落到实处，并对发电机进行及时的清洁、维护和监控。
参考文献
[1]赵铁印.双馈式风力发电机组发电机滚动轴承状态监测及故障诊断方法的分析[J].科技风，2018（19）：195.
[2]吴艳标.风力发电机状态监测和故障诊断技术的研究[J].城市建设理论研究（电子版），2018（07）：1.
[3]赵勇，韩斌，房刚利.风力发电机状态监测与故障诊断技术综述[J].热力发电，2016，45（10）：1-5.
