结构损伤检测与智能诊断 陈长征_陈雪峰等：风电装备故障诊断与健康监测研究综述(精简版)...

风电装备故障诊断与健康监测研究综述 陈雪峰  郭艳婕  许才彬  商红兵 西安交通大学机械制造系统工程国家重点实验室，西安，710049 摘要：针对风力发电机传动链中的三大部件——复合材料叶片、齿轮箱、发电机的故障诊断与健康监测的发展现状进行文献综述，总结该领域的研究现状及主要方法。综述风电装备中复合材料叶片、齿轮箱、发电机三大部件的主要故障特点、故障形式及诊断难点，并结合国内外相关文献系统地介绍并比较了现有的针对三大部件的故障诊断与健康监测方法，最后对该领域的发展方向进行了展望。 0 引言得益于全球对清洁可再生能源的巨大需求及风电装备制造技术的长足进步，全球风电装机容量不断稳健攀升。据全球风能协会(GWEC)统计，截止至2018年底，全球风电装机容量达597 GW，其中中国成为第一个装机容量突破200 GW的国家，达216 GW，在全球总装机容量中占比超过36%，继续保持着全球风电龙头的地位，是名副其实的风电大国。 当前，阻碍风电行业继续健康发展的一个重要因素是风电装备与传统化石燃料相比，单位能源的产出需要更高的成本。诺贝尔物理学奖得主、美国前能源部部长朱棣文指出大型风电装备运行安全保障的严峻性和必要性，高昂的运行和维护成本是该领域需要解决的重要问题[1]。风电装备多服役在人迹罕至的偏远地区或近海地区，且随着技术的发展，风电装备不断朝着大型化的方向发展，风电叶片直径不断攀升，造成安装重要设备的机舱距离地面也随之升高，给风电装备的运行维护带来了极大困难，推高了机组的维护成本。由于风电装备整体技术状况和风场条件等与西方发达国家存在一定差异，中国风电装备的运维成本在收入中占比居高不下，对于服役年限为20年的陆上风电机组，其维护成本在风场总收入中占比达10%~15%；对于海上风场，占比更是高达20%~25%[2]。风电的运维成本居高不下主要是由风力发电装备的运维模式决定的，目前多数风场采用定时检修的方法，潜在的故障不能被及时发现，而完好设备的重复检修也会增加运维成本。除此之外，不能及时判断故障来源，只能通过多种手段逐一排查也会带来巨大的运维成本。解决该问题的一个方案是发展风电机组的结构健康监测(SHM)系统，在预防灾难性事故发生的同时，延长风电机组的服役寿命，从而降低风电单位能源的产出成本，因此，针对风电行业发展SHM系统势在必行。 1 风电装备监测系统现状风电装备结构类型众多，主要包括：双馈异步式风力发电机(可变速变桨运行风轮)、直驱永磁式同步风力发电机以及半直驱式同步风力发电机等。与直驱型风力发电机相比，双馈异步式风力发电机含齿轮箱变速装备，其基本结构如图1所示，该类型风电装备占市场份额70%以上。因此，本文主要针对该类型风电装备的故障诊断与健康监测进行综述。 图1  双馈型风力发电机基本结构风电装备长期在阵风等复杂交变载荷作用下全天候运行，恶劣服役环境严重影响了风电装备的运行安全和维护保障。交变载荷作用于风电叶片上，并通过传动链中的轴承、轴、齿轮、发电机等部件进行传递，使得传动链在服役过程中极易出现故障。目前，广泛配备在风电装备上的监测系统为SCADA系统，可对风电装备的运行状态实现电流、电压、并网情况等多种情况监测，并具有报警和报告等功能；但该系统监测的状态参量有限，以电流、电压、功率等信号为主，尚缺乏针对关键零部件的振动监测与故障诊断功能 [3-5]。国外特别是西方发达国家很早就开发了专门用于风电装备的状态监测设备及分析软件。国内的振动监测技术虽起步较晚，但在国内巨大风电远程运维市场需求的推动下，国产监测系统的开发也进入到快速发展阶段。风电装备的智能故障诊断及预警防护可实现风电运维的降本增效，已经获得了风电行业的一致共识。 详情点击阅读原文 2 风电装备主要故障特点风电装备是一个复杂的机电系统，由转子(叶片、轮毂、变桨系统等)、轴承、主轴、齿轮箱、发电机、塔架、偏航系统、传感器等组成。风电机组各部件在服役过程中承受交变载荷，随着服役时间的增加，出现各种类型的损伤或故障在所难免。 图2  风电装备各部件维修费用比率 图3  风电装备各部件停机时间比率从图2、图3 [6]中可见，叶片、齿轮箱、发电机三者导致的停机时间在总体非计划停机时间中占比超过87%，且维修费用在总维修费用中占比超过3/4。因此，在风电机组的状态监测、故障诊断与健康管理中，叶片、齿轮箱、发电机是需要重点关注的三大部件。中国可再生能源学会风能专业委员会在2012年的一项针对全国风电设备运行质量的调查中指出 [6]，风电叶片的故障类型主要包括开裂、雷击、折断等，而产生故障的原因包括设计、生产、制造、运输过程引入以及服役阶段的自身及外部因素。齿轮箱的主要作用是将低转速风能稳定地用于发电，提高主轴转速。在风电机组运行期间，齿轮箱较易因受到交变应力及冲击荷载等影响而发生故障 [7]。齿轮箱的常见故障包括齿轮故障和轴承故障，齿轮箱故障多始发于轴承。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。轴承故障主要包括疲劳剥落、磨损、断裂、胶合、保持架损坏等 [8]，其中疲劳剥落和磨损是滚动轴承最常见的两种故障形式。最常见的齿轮故障包括磨损、表面疲劳、破损和折断等。发电机系统的故障分为电机故障和机械故障 [9]。机械故障主要包括转子故障和轴承故障。转子故障主要包括转子不平衡、转子破裂和胶套松动等。电机的故障类型可分为电气故障与机械故障，其中电气故障包括转子/定子线圈短路、转子断条导致的断路、发电机过热等；机械故障包括发电机振动过大、轴承过热、绝缘损坏、磨损严重等。 3 风电装备故障 诊断与健康监测 3.1 复合材料风电叶片 图4  风电机组事故统计风电叶片作为一类典型的树脂基层状复合材料，其损伤诊断与健康监测方法主要包括基于模态数据的方法、基于静态参数的方法、基于机电阻抗的方法、基于导波的方法以及其他无损检测方法几大类。 详情点击阅读原文 3.2 齿轮箱 图5  平均每台风电机组关键零部件失效影响分析在风电齿轮箱的故障诊断研究中，其诊断和健康监测可归类为先验指导的匹配滤波和数据驱动的智能学习两个策略。 详情点击阅读原文 3.3 发电机风力发电机组的运行环境恶劣，存在高温、振动等情况，电子元器件容易发生故障从而导致发电机故障。由电刷齿轮或滑环磨损或绕组电气故障引起的转子绕组不平衡是风力发电装备中发电机故障的主要原因。据统计 [10]，在发电机的所有故障中，轴承的故障率为40%，定子的故障率为38%，转子的故障率为10%，其他故障占12%。对振动、电流、温度等信号进行分析，可以有效对电机故障进行检测与评估。如将振动信号与电流信号结合起来，通过检测电流信号和振动信号来检测感应电机定子绕组短路故障；对振动信号进行小波滤波，提取与故障有关的早期微弱分量并进行轴承故障诊断；通过构建双馈异步风力发电机的等效热网络模型实现对其工作温度的监测，实现风力发电机的故障诊断。发电机除了会发生轴承故障、电气故障外，还经常发生电子器件故障，主要是电路板及相关半导体器件故障。特别对于海上风电，由于环境潮湿、振动幅值大，机舱运行环境恶劣，电子故障发生频率高，而且维修比陆地困难，因此现在也有很多学者对电子故障进行诊断。 详情点击阅读原文 4 结论与展望早期风电装备的快速发展使得风电装备陆续进入故障高发期，风电监测诊断系统的巨大需求激发出众多故障诊断领域研究者的热情，同时也给研究者提供了广阔的舞台和研究空间。国内外的研究者针对风电装备的各个对象提出了各种方法和策略，但该研究领域方兴未艾，尚有许多科学和工程问题有待解决，仍需在以下方面开展大量研究。 (1)风电叶片复合材料方面。目前的方法多以无损检测方法为主，在线结构健康监测方法也仍以实验室研究为主，各种新方法不断涌现，但仍未有较好的可同时兼顾经济性、实用性、鲁棒性的适用于实际结构的在线监测系统。风电叶片等复合材料结构最终出现失效等事故的主要原因之一是制造过程中引入的损伤并经运输、安装、服役过程不断累积，因此，从复合材料加工制造的源头开始直至服役过程，持续对其进行监测诊断是该领域的前沿方向。在传统复合材料制造工艺中，对于风电叶片等较为复杂的结构，其制造质量依赖于技术人员的技术水平，质量难以批量把控。复合材料的3D增材制造是未来的一个重要方向，但3D打印工艺有待完善，增材制造件质量一致性有待提高，因此为保证增材制造件的质量，对3D打印过程开展监测诊断是一个重要研究方向，建立对应的过程监测诊断系统可保障制造件的质量。另外，可将具有自我感知功能的智能夹层等内嵌于复合材料结构中，在不降低其力学性能的前提下，研究复合一体化制造方法以及结构状态的自监测方法，实现结构件的损伤自我监测与自我修复。 (2)风电机组状态监测与故障诊断系统与其他系统的集成共享方面。风电装备运营商们需要在通用的平台统一收集和传输数据，通过对数据库累积的风机信息、关键部件信息、历史故障数据、气候等环境条件信息、SHM数据、SCADA数据、报警日志和维护服务订单等进行监测、分析及快速数据挖掘，加快关联和交叉检查信息分析，以最大限度地提高风电机组的关键性能指标，如效率、可用性、可靠性等，及时得到设备发生异常故障或损坏的概率、运行状态信息，为现场人员提供数据支持，提出有效可行的维护方案，以避免重大的损失，从而降低运维成本，提高风场的生产管理能力，实现风电应有的经济效益和社会效益。 (3)海上智慧风场方面。随着海上风电的迅速发展，海上风电运营监控也越加重要。海上风场气候更加恶劣，风电装备分布广阔，无法按照陆上风场的运行方式进行定时巡检，因此海上风场必须按“无人值守”原则设计，所有风场的控制中心设在陆地上，实现对风电机组及升压设备、海上升压站和陆上集控中心主要电气设备的集中监视和控制。因此，为了确保海上风电场安全、稳定、经济运行，必须建设一套完善、可靠的海上风电场监控系统，实现海上风电场的智能化运营。同时，智慧型海上风电场智能设备的研发也是一个重要发展方向，目标是使海上风电场信息数字化、通信平台网络化、信息共享标准化。采用一体化监控系统和智能调度系统的“智慧型”海上风电场，从而达到降低建设运行成本、提高上网发电量、延长设备寿命和确保人员安全的目的。 参考文献 ［1］CHU S, MAJUMDAR A. Opportunities and Challenges for a Sustainable Energy Future［J］. Nature, 2012, 488(7411): 294-303. ［2］CHEN Xuefeng, YAN Ruqiang, LIU Yanmeng, et al. Wind Turbine Condition Monitoring and Fault Diagnosis in China［J］. IEEE Instrumentation & Measurement Magazine, 2016, 19(2): 22-28. ［3］TAUTZ-WEINERT J, WATSON S J. Using SCADA Data for Wind Turbine Condition Monitoring: a Review［J］. IET Renewable Power Generation, 2017, 11:382-394. ［4］SU Chuang, HU Zhaoyong. Reliability Assessment for Chinese Domestic Wind Turbines Based on Data Mining Techniques［J］. Wind Energy, 2018, 21: 198-209. ［5］HIRTH L, MULLER S. System-friendly Wind Power How Advanced Wind Turbine Design Can Increase the Economic Value of Electricity Generated through Wind Power［J］. Energy Economics, 2016, 56: 51-63. ［6］中国可再生能源学会风能专业委员会. 2012年全国风电设备运行质量调查概述［J］. 风能, 2013(9):37-45. ［7］桂勇, 韩勤锴, 李峥, 等. 风机行星齿轮系统齿轮裂纹故障诊断［J］. 振动、测试与诊断, 2016(1):169-175. ［8］YANG B Y, LIU R N, CHEN X F. Fault Diagnosis for Wind Turbine Generator Bearing via Sparse Representation and Shift-invariant K-SVD［J］. IEEE Transactions on Industrial Informatics, 2017,13(3): 1321-1331. ［9］YAZIDI A, CAPOLINO G A, FILIPPETTI F, et al. A New Monitoring System for Wind Turbines with Doubly-fed Induction Generators［C］// 2006 IEEE Mediterranean Electrotechnical Conference. Malaga, 2006: 1142-1145. ［10］POLA L M , JENSEN B B , RITCHIE E , et al. Condition Monitoring of Wind Generators［C］// Industry Applications Conference. Salt Lake City, 2003: 1839-1846. 部分摘录，详情点击阅读原文 作者简介：陈雪峰，男，1975年生，教授、博士研究生导师。研究方向为机械结构设计与动态分析、机械故障诊断与健康管理。 全文下载点击此处 开放科学(资源服务)标识码(OSID)： (编辑 wmy) 版权声明：本文为《中国机械工程》编辑部原创内容，转载请注明出处。