风力发电机组由风轮、叶片、主轴承、齿轮箱、发电机、电气系统、液压系统、刹车系统和偏航系统等组成[#]，其结构如图1所示。风电机组通过叶轮捕获风能，通过齿轮箱传递到发电机，发电机将机械能转化为电能，通过变频器接入电网。
风力发电机由风轮及变桨距系统、轮毅、结构(机舱、地基和塔架)、传动装置、齿轮箱、发电机、电气系统、控制系统、传感器、刹车系统、液压系统和偏航系统等构成。风电机组首先将风能通过风轮转换成机械能，再借助主轴、齿轮箱等传动系统和发电机将机械能转换成电能，从而实现风力发电。
风电机组主要分为三类:①双馈式变桨变速机型，是目前大部分企业采用的主流机型;②直驱永磁式变桨变速机型是近儿年发展起来的，是未来风电的发展方向之一;③失速定桨定速机型是非主流机型，运行维护方便。考虑到目前风场中主要以双馈式变桨变速机型为主，故本文内容主要针对该机型的故障及状态监测方法加以讨论。
长期以来，风力发电机采用的是计划维修和事后维修的方式。
通过国内外的统计数据可以发现，风力发电机组的典型故障主要集中在叶片、齿轮箱、发电机等部位。针对不同的故障部件和故障特征，采取合适的故障诊断方法是有效实施状态监测和故障诊断技术的保证。
风力发电机的监测诊断技术
齿轮箱
齿轮箱位于机舱内，是风力机传动链上的重要部件，是连接主轴和发电机的重要枢纽。齿轮箱一般由一级行星齿轮传动和两级平行齿轮传动构成，内部结构和受力情况较为复杂，尤其是在变工况、变载荷的情况下运行，容易发生故障。齿轮箱的常见故障包括齿轮故障和轴承故障，轴承作为齿轮箱的关键部件，其失效常常会引起齿轮箱灾难性的破坏。常见的齿轮故障有：断齿、齿面疲劳、胶合等；轴承故障有：磨损、点蚀、裂纹、表面剥落等。表5 是瑞典皇家理工学院的可靠性评估管理中心对分布于瑞典的风力机齿轮箱故障类型的统计数据[11]。
齿轮箱是风力机正常、高效运行的保障。风电技术的快速发展和单机容量的增加，使得风力机的规模越来越大，对其性能的要求也越来越高。随着大重型机组的投入运行，齿轮箱的故障频率也随之增加。据统计，一台风力机故障停机时间的20%是由齿轮箱故障引起的。一旦齿轮箱出现问题，除了高额的维修费用，长时间停机造成的发电量损失也是巨大的。表 6 是 1997～ 年瑞典皇家理工学院对瑞典风力机齿轮箱故障时间统计数据。
面对风力机齿轮箱故障的频繁发生以及造成的巨额损失，近年来，已有不少科研人员对风力机齿轮箱的故障检测进行了研究。振动测量方法是技术最成熟、最普及的一种故障检测方法。唐新安等[13}借助时域信号的统计指标实现了对齿轮箱故障的初步诊断，然后借助传统的快速傅里叶变换(Fast
Fourier transform, FFT)和功率谱对诊断结果进一步加以确认。众所周知，故障特征频率是判断齿轮、轴承等健康状态的重要指标。借助故障特征频率可以实现故障的准确定位，提高诊断精度[14]。时频分析方法是结合了时域和频域的双重信息，适用于非平稳信号的处理方法。常见的时频分析方法有小波分析、短时傅里叶变换以及经验模态分解等。BARSZCZ等提出了利用谱峭度诊断行星齿轮箱故障的方法。谱峭度具有对冲击信号敏感的特性，利用谱峭度可以检测出信号中的冲击成分，从而诊断出故障原因。HUANG等[[1G}研究了小波神经网络在风力机齿轮箱故障诊断中的应用。该方法借助小波变换的时频分析特性和神经网络的白学习功能，将小波函数作为神经网络的隐含层，提高了诊断精度，减少了神经网络的层数，加快了收敛速度。1NALPOLAT等对行星齿轮箱的建模和动力学行为进行了研究，为阐述其复合传动引起的故障相互调制和祸合等故障机理提供了依据。
温度测量方法是基于零部件的温度变化实现异常状态识别的诊断方法。温度作为状态量，测量方便，操作简单。鉴于温度测量方法的简单易行等特点，该方法已集成在风力机的控制系统中，用于检测齿轮箱、发电机以及主轴等部件的健康状态。
叶片
叶片是风力发电机组吸收风能的关键部件。叶片长期露天工作在恶劣的环境下，难以避免受到湿气腐蚀、阵风或雷击等因素的破坏以及长时问运行产生的疲劳裂纹等故障隐患。风力机叶片长度一般在30-40 m，由纤维增强型复合材料组成，体积质量巨大，一旦发生故障，不仅造成叶片本身的损坏，还会对整机的安全产生致命性损伤。因此，研究风力机叶片的状态检测方法，对于降低故障损失，保证机组长时间安全运行具有重要意义。目前，国内虽然在风力机叶片的设计制造技术方面取得了一定的研究成果，如清华大学针对风力机叶片在运行过程中出现的颤振等现象综述了叶片气动弹性稳定性问题的研究成果[24]，为风力机叶片的设计提供理论依据。但现有文献对其运行过程中的状态检测技术研究的较少，GHOSHAL等[[25}基于振动测量方法，利用压电陶瓷传感器捕捉振动信号，提出了4种用于叶片故障诊断的方法。传递函数和动态变形分析方法需借助多普勒激光扫描测振仪和叶片健康状态时的测量数据作为参考，虽然诊断结果较为准确，但难以在实际中应用;响应比较和波动传播分析方法只需压电陶瓷传感器和激振器，借助传感器信号之问的比较判断叶片是否存在异常。波动传播方法只对位于传感器和激振器之问的故障敏感，有一定的局限性;但响应比较分析方法算法简单，对历史数据要求低。SCHROEDER等基于安装在运行风力机叶片中的光纤光栅传感器测量系统的成功运行，介绍了用光纤光栅传感器实现风力机叶片的在线监测的可行性。根据风力机叶片在运行过程中的载荷变化，借助叶片上对称分布的光纤光栅传感器捕捉应变信号，评判叶片健康状态。SUNDARESAN等利用压电陶瓷传感器捕捉叶片中的应力应变波形，通过分析这些波形的传播特性实现对叶片的故障识别。可见，对于叶片的故障检测，主要是根据材料在不同受力情况下的应力应变变化，从而识别出故障状态。应力应变检测方法是通过应力应变传感器(光纤光栅传感器)检测叶片在运行过程中应力应变的变化范围，从而确保叶片的安全运行，并且该方法对于预测叶片寿命也非常有效。光纤光栅传感器具有较好的抗电磁干扰、抗腐蚀、尺寸小、寿命长等优点，适合叶片结构的状态检测。但叶片损伤容限准则尚未有效建立，基于光纤光栅传感器获得的信号难以与叶片损伤模式对应，YE等针对复合材料损伤的失效容限和性能退化预测进行了相关研究工作。
此外，国外相关人员还利用现代无损检测手段对叶片的健康状态进行识别。声发射检测方法是利用物体内部因应力集中产生断裂、变形时释放的应变波来识别被检部件的异常情况。风力机叶片长期受到空气动力的交变冲击以及腐蚀等，会产生裂纹、变形等异常，可借助声发射检测。红外成像检测方法是利用物体在不同温度下辐射出来的红外线成像识别异常状况。物体表面的健康状态(裂纹、剥落等)会影响热辐射的能量分布，利用该特点，红外成像检测方法可用于零部件表面裂纹的诊断识别，虽然国外在风力机叶片故障诊断方面取得了一定的研究成果，但主要还是处于试验阶段，应用到实际中还需要一定的时间。
如果觉得《风力发电机组结构》对你有帮助，请点赞、收藏，并留下你的观点哦！
