风能作为可再生能源，利用风能进行发电不但能够降低对资源的消耗，缓解我国资源紧张问题，而且可大大减少对环境造成的污染，为推动我国能源消费结构也作出了巨大的贡献。风力发电机是进行风能发电的核心设备，主要是将动能转化为机械能，然后再将机械能转换为电能。这一系列的过程需要通过发电机组内部所有元部件的共同配合完成，但是由于风电场一般都位于比较偏远的地区，发电机在运行过程中受环境影响较大，一旦发生故障，将会造成严重的经济损失。
1风力发电机诊测时会出现的问题
1.1通过发电机振动、温度和转速等诊断机械故障
发电机输出的电流、电压和功率如果不一样，那就和发电机的机械故障有密切的关系。高频振动一般都是由轴承故障引起的。高频故障的转速很高，达到一千多，要想获得轴承故障特征信号，可以通过振动传感器来取得轴承振动信号，然后对这一信号进行处理，以此解决机械故障中的轴承故障。对轴承故障的诊断可以使用峰值能量法、包络解调法、小波分析法以及基于快速傅立叶变换的故障诊断法。振动频率较低是因为轴系不对准、转子质量不平衡、机座松动等，要想获得这些信息，需要对振动的信号进行滤波、放大处理，然后进行傅立叶交换。在运行过程中也会出现发电机转子偏心故障和发电机定子和转子之间气隙不均衡的现象，这两个故障是由磨损和温度升高等原因造成的。谐波成分很重要，通过对发电机定子输出电流、电压、功率等信号中的谐波成分监测，可以诊断电机转子的偏心故障。当发电机转子和轴承不能正常运转时，可以通过不断的小波变换给发电机的输出功率发出信号。一旦发生了不太严重的机械故障，气隙振动也会被发电机转轴的振动引发，然后发电机转子与定子间气隙磁通出现不平衡。定子的电流解析能够解决转轴的振动故障[1]。
1.2电气故障发出信号的控制
第一，需要测试一些参量信号，发送的信号包括发电机定子绕组温度，定子电压、定子和转子电流、发电机输出功率、转子速度等，然后对其进行处理并最终确定。可以使用定子电流检测方法，小放电控制方法和振动检测方法来查找电气故障的原因并进行处理，转子或定子绕组中的短路是由发电机转子绝缘和定子绕组的损坏引起的，包括匝间、相间和层间短路。要监视发电机的状态，可以确定转子的电压、电流和转矩。如果想对发电机的状态进行更全面的监控，则还可以测量温度和大气压。在转子电流信号中，会出现短路谐波，发生这样的现象是因为发电机的定子在绕组之间短路，定子电流的对称性被破坏，并且相反地产生旋转磁场。每个发电机绕组之间的短路检测包括负序电流，电流谐波和停车电流波形。当短路匝数相对较少时，定子电流的变化量较小，并且在这种情况下，难以检测谐波。三相、两相和三相定子短路称为相间短路现象。可以收集诸如发电机电流，温度和振动之类的信息，以更好地识别发电机中的相间故障。组装与线间短路密切相关，并且当线间短路发生时，设置将发生变化。故障特征也是和短路的时间息息相关的，诊断发电机相间短路的主要方法是基于功率谱密度的故障诊断法、基于离散小波变换的故障诊断法、反向传播（Back Propagation，BP）神经网络法、Elman神经网络法以及概率神经网络（Probabilistic Neural
Network，PNN）法。其中，速度比较快的是BP神经网络法；网络结构比较简单的是Elman神经网络；PNN的神经网络的优势为容错能力较强。
2状态监测和故障诊断技术在风力发电机中的应用
2.1 大数据技术
它是指使用算法从大量不完整、嘈杂、模糊和随机的生产数据中提取隐藏在数据背后的有价值的规律周期。大数据技术在风能中的应用包括使用数据挖掘和分析技术来汇总和分析特定区域或特定类型的风力涡发电中的巨大运行数据，以汇总数据背后的重要统计因素及其用途，统计因素可以进一步评估可能发生的情况。风机故障类型和最大故障概率，确定正确的区域或类型的风力发电机故障模型并基于故障模型定义预处理策略，有很多技术方法可以用来研究和分析大数据。传统方法使用最小二乘或多元回归模型对大数据进行建模，然后进行回归分析以获得影响变量的关键因素。
2.4 其他部件的状态监测和故障诊断
电气系统也是风力发电机的重要组成部分，通过变频器等电气设备向电网输送电能，并且对电气系统进行相应的控制。电气系统中比较常见的故障主要有短路、过电压、过电流及过温等，任何故障的发生都可能造成发电机的损坏。根据电气系统的故障特点，主要是采取性能参数检测的方法，对输出电压、电流、功率及温度等数据进行监测，然后与标准值进行对比，从而判断电气系统的健康状态。对于液压传动系统的状态监测和故障诊断主要是通过油液监测的方法来完成，对润滑油及液压油中的颗粒物进行检测，通过颗粒的形状、粒径、状态等来判断液压系统中出现故障的部位，从而采取相应的防控手段。对于风力发电机中各部件的状态监测和故障诊断，主要是根据各部件的运行环境和运行状态来决定采取哪种监测方式，只有最适宜的方式才能够确保获取最佳的监测数据，然后通过对数据的分析和整理，再制定出相应的防控措施。通过对状态监测获取的数据分析，还能够为风机系统的设计改进提供有力的参考依据，所以要保证数据的全面性和准确性。
2.2基于大数据技术的风力发电机组状态检测和故障诊断
传统的风力发电机状态检测和故障排除方法基于少量数据，需要靠工程师自身积累的技术经验以及检测和诊断设备状态所需的相关设计。这种方法有一定风险：首先，缺乏分析数据或缺乏工程经验会影响测试和诊断结果。其次，在收集和传输期间，传感器干扰，通信介质和外部噪声会影响使用常规技术接收的数据。通过分析此类数据获得的测试和诊断结果通常无法反映实际情况。大数据分析技术可以通过收集，分析和处理大量数据来有效纠正这些缺陷。并使用数据挖掘技术消除潜在的故障。通常很难找到可靠的解决方案。此外，大数据技术可以检测到风机运行过程中的微小状态变化，并及时检测和消除潜在的风机故障，从而降低了风机故障的可能性。有效并提高安全性和操作稳定性[4]。
3结束语
因为风力发电机的组件检修较为繁琐，加之运行环境比较恶劣，所以为发电机维修增加一定的困难。计划检修和停机检修是发电机维护的主要手段，但却会提高维修成本，并且会因为拆装等环节增加不必要的故障隐患。为了提高发电机运行的可靠性和稳定性，利用状态监测和故障诊断技术可有效监测出传动系统和发电机系统的内部故障，减少因为非计划停机和定期维修等产生的维修成本。
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] 黄树红，李建兰.发电设备状态检修与诊断方法[M].北京：中国电力出版社，2008.
[4] 沈艳霞，李帆.风力发电系统故障诊断方法综述[J].控制工程，2017（20）：789-795.
