国电联合动力技术（连云港）有限公司江苏连云港222000
摘要：大型发电机组的远程状态监测与故障诊断体系依托于现代网络，实现机组设备数据共享，远程诊断与解决设备故障问题；当然，伴随科学与网络技术的快速发展，其在设备结构与设备数据分析上的能力会得到更大的提升，也可相应降低设备的维护成本，进而加强设备机组利用率，提升发展前景。
关键词：大型风力发电机组；故障诊断；方法
1风力发电机组结构分析
风力发电机组主要是由风轮、机舱、塔筒以及基础4个部分共同构成。当前风力发电场中较为常见的是大兆瓦级机风力发电机，此类发电机按照结构又可以分为双馈型以及直驱型。用于商业生产的多使用双馈型机组。其中，风轮是风能吸收的关键部位，主要包括叶片、轮毂和变桨系统三个部分。风轮随着风的流动而转动，在此过程中实现能量转化，将风能变为机械能，就轮毂来说，可以将由风能转化的机械能直接传送至传送系统供机组整体运行使用。就双馈型风力发电机组来说，传动链上能量传动顺序依次为主轴、齿轮箱以及高速轴。将主轴与轮毂相连接，通过轮毂的不间断运作保证主轴的持续运行，需保证二者的运行速度相同。齿轮箱具有增速作用，可以将主轴的低速运作状态变为高速运作状态。其中，齿轮箱的输入端视为低速轴，而输出端视为高速轴。高速轴高速旋转驱动双馈发电机运作，而双馈发电机产生的电能可以通过塔筒底部的变流器设备进行调节，将其与电网系统相接。塔筒是机舱以及风轮的支撑结构，可将机舱以及风轮固定在高空中，可以为风力发电机组提供充足的风能。塔筒底部内部装有变流器装置以及主控系统塔底柜，对风力发电机组的运行和并网具有直接控制作用，也是风力发电机组并网发电的核心。
2远程状态监测与故障诊断系统的架构与性能
2.1本地状态监测与故障诊断
本地状态监测与故障诊断系统的性能主要集中于网上实时检测与初期诊断等，设备数据搜集阶段负责整理机组设备运行期间的各项状态数据，再将这些数据发送至监测诊断的服务器上；监测诊断服务器会依据收集与整理后的数据对机组设备实行初期的故障诊断与监测，并上传数据与服务器数据库。通常本地状态监测与故障会处理一些较为简单的机组设备故障问题，相对复杂的，会发送至远程状态监测服务器进行诊断。
2.2远程状态监测与故障诊断
通常，远程状态监测与故障诊断的重要功能集中在远程端的监测与信号剖析、故障诊断上，其所拥有的技术支持与服务资源相比本地状态监测与故障诊断要强许多，此外，其还具备专业的专家知识库，所以，远程监测可以在一定程度上处理一些较难解决的机组问题，并出具较为合理的机组诊断与维护建议，同时会对网上有关此方面的信息与资料进行搜集与整理；若是遇到了难以解决的大型故障或难题，则需和专家协商处理。
3远程状态监测与故障诊断系统的主要技术阐述
大型发电机组在远程状态监测与故障诊断体系上的最大特点集中在“远程”二字上，即其可以克服不在同一地区的不便，对不同区域、不同分布点的大型发电机组进行设备监控，并实行网络数据共享。但想要不同地域与分布点的设备数据得以顺利的搜集与传输，首先需要掌握的主要技术就有几个：
3.1对远程信号的搜集
对设备远程信号的搜集是远程状态监测与故障诊断得以顺利实现的基础，一般容易被采用的诊断检测信号包括振动、压力、噪声、温度等物理类的信号还有电流、电压、功率、数字电路状态码等信息。在进行信号检测时首要问题是选择检测信号类型，分布点类型和检测点的分布状况等要素。伴随科技的发展，近些年来不断发明的智能传感器等新技术成为了更简单的远程信号采集方法。工作机组的工作视频和声频也有采集的必要，在必要的时候可以为远程检测方面的专门提供更详细而全面的信息，有助于问题的发现。
3.2数据的包装与传输
为了及时显现远程检测诊断数据，发电机组的远程诊断数据在存储量与传输量上会非常大，再加上有时需要传输视频或声频数据，就会造成传输量更大。同时因为网络有带宽与传输速度的限制，要实现实时显示而又要保证数据的安全性与可靠性，必须对数据信号进行压缩来提高传输速率。数据压缩方法有空间滤波预处理、适合于不平稳信号的WignerVille技术、智能检测与传感技术等等。在数据传输方面有很多方法，例如：ATM、ISDN、光纤、卫星、微波、电话线、有线电视等等。可以根据实际情况灵活的进行选取。
3.3数据库的网络化
建立远程诊断监测的基本条件即为合理的数据库网络化，数据库进行网络化设立相应的TCP/IP等符合协议需求的数据库。然后通过计算机网络进行传输具有统一规范格式的数据，以实现共享与数据兼容的目的。再加上近期人工智能的发展，可以从某种程度上真正的网络远程诊断。
3.4故障诊断技术的研究与发展
远程工作状态监测与故障诊断的主要内容即为对机组故障诊断方式的深入研讨，一般涵盖四点，分别是故障机理、源分离与人工定位技术、故障信息处置技术、人工智能技术的合理运用与分析。大型发电机组的故障诊断历经两次重要发展：其一为常规诊断，其特点为传感器与信号处理技术等；其二为新型信息诊断，其技巧特点为人工智能。目前故障诊断技巧的发展大方向表现为下面几点：（1）以鲁棒性技术为主的参数优化法。（2）适应性研究，可以处理异常诊断。（3）可以实现主动控制与容错控制的非线性研究。（4）可以提高诊断可靠性的时滞性研究。（5）可以从残差中提取信息的残差诊断方法的研究。（6）可以灵活运用的集成性的多种推理方法的研究。（7）进行多信息融合集成的诊断方法。（8）诊断与控制的有机结合。
结论
综上所述，风力发电机组状态监测和故障诊断系统的建立和运行提供了用户友好界面，可将风电场设备运行数据和异常信息直接显示与界面，获得的数据信息更加直观，也可直接将分析结果用于故障智能诊断，在各时域具有较高的分辨率。需注意的是，该系统算法仍不全面，且风力发电机组部件较多，采用一种智能算法的可行性仍不明确。为此，未来仍需进一步测试和优化应用的算法。
参考文献：
[1]张保会，王进，李光辉，等.风力发电机集团式接入电力系统的故障特征分析[J].电网技术，2012（07）：176～183.
[2]张磊，李欣竹.基于ANFIS的风力发电机状态监测研究[J].中南民族大学学报（自然科学版），2017（01）：92～95+137.
[3]范国全，胡刚，马学亮，等.MW级风力发电机故障诊断系统[J].通信电源技术，2014（01）：82～84+87.
[4]安学利，蒋东翔，李少华．基于决策融合的直驱风力发电机组轴承故障诊断[J]．电网技术，2011，35（7）：36-41．