風力發電機組向著智能化方向發展，對風機大部件的狀態監測提出了實時、遠程、靈活、智能的要求。本文分析了風機狀態監測的現狀和發展趨勢，并提出了基于多技術融合的風電大部件健康狀態監測方案。基于相同軟件平臺的風機大部件狀態監測，促進了多種狀態監測技術融合，有利于風機早期故障預測和風機健康狀態大數據分析。
　　
　　引言
　　
　　風電機組的大部件包括塔筒、機艙和風機主傳動鏈等。風電機組大部件的可靠性是機組安全運行的保證，也是保證設備可利用率，提高機組經濟效益的前提。根據業內調查統計顯示[1]，風機故障率最高的依次是箱變系統，變槳系統，偏航系統和齒輪箱。而故障引起的停機時間統計中，引起停機時間最長的依次是齒輪箱故障、葉片故障和主傳動鏈故障。綜合來看 75%的故障引起了 5%的停機時間，而 25%的故障引起了95%的停機時間。另外從風電機組的維修成本上來看，大部件維修和更換成本高昂，占風機整機價格和發電成本的比例較高。 在風電的運維成本構成中， 定期維護成本占比遠低于事后維修成本。因此如何有效減小風電機組大部件事后維修成本成為關系風電運維服務重要課題，這就對風電大部件狀態監測和數據挖掘提出了很高的技術要求。風電機組相比傳統設備狀態監測，具有位置分散，機組臺數多，工況復雜性和隨機性強，面對的環境沖擊大等特點。這就為風機大部件的狀態監測提出了實時、遠程、靈活、智能的要求。
　　
　　主傳動鏈震動檢測發展趨勢
　　
　　目前對風機大部件的監測手段主要有針對主傳動鏈和機艙、塔筒的振動監測，對齒輪箱油液監測和風電葉片的目視檢查等。風電機組振動監測目前應用較為廣泛，一般采取在線監測設備和離線監測設備相結合的方面進行。風電機組振動具有變速變載，柔性支撐的特點，受環境和風況影響較大，因此趨勢分析對風電機組振動至關重要，在線實時設備可以自動長時間采集振動數據進行分析。而風機的振動是與風機運行、維護的各個方面相互關聯的，為提高風電振動故障診斷的準確性，必須要結合風機的風速、功率、維修記錄等多維信息。離線設備具有根據故障的初步診斷靈活布置測點，靈活數據采集的優勢。
　　
　　隨著市場對風電狀態監測要求的不斷提高，不但要求準確判斷目前設備的劣化程度，而且需要較為準確的預判繼續劣化的速度和風險。只有狀態監測的數據轉換為運行、維修決策和行動，才能最大程度為用戶創造價值。但目前僅僅依賴風機狀態監測的振動數據的方式還存在一定的局限性。因此融合風機的環境參數、運行參數、維修事件記錄、設計參數的大數據分析對于提高風機狀態評估的準確性有重要意義。
　　
　　風機狀態監測發展的另一個趨勢是對風機早期故障診斷的重視越來越強。一般來講故障越往后期劣化速度越快，多數的早期故障通過加強維護，可以明顯減緩劣化速度。而對振動檢測而言，一方面早期故障引起的振動響應較小，另一方面也存在的背景噪音干擾的影響，因此針對早期故障有必要研發新的測試技術。
　　
　　葉片檢測發展趨勢
　　
　　一家新能源設備保險公司統計，根據美國市場出險統計，葉片損壞和齒輪箱損壞是風機出險的兩大原因，各占41.4%和 35.1%。葉片常見的故障類型有葉片裂紋、開裂分層、葉片積冰、不平衡和雷擊等。葉片由于生產過程的質量缺陷、長時間運行磨損和葉片的振動激勵，都可能引起葉片的開裂分層和裂紋。帶有裂紋和開裂分層的葉片長期運行嚴重影響風機的葉片甚至整機的安全，葉片事故帶來的二次事故危害巨大。目前對風場條件下葉片的檢查主要通過望遠鏡、無人機或者吊籃進行目視檢查，輔以應變測試法、加速度測試法、聲發射測試法和激光測距法等在線監測方法。但由于風電葉片惡劣的工作環境和復雜的材料特性，一款經濟、可靠、易于安裝、能夠監測多種葉片失效模式的葉片狀態監測產品成為葉片在線監測的發展趨勢。
　　
　　油液檢測發展趨勢
　　
　　良好的潤滑油狀態可以明顯減小齒輪箱故障。齒輪箱潤滑油運維需要注意油液溫度，油液顆粒數，油液水分和油液添加劑含量和粘度等。潤滑油的粘度影響油膜厚度，粘度隨著油溫變化。溫度升高，粘度降低，油膜厚度減小。由此接觸區域的疲勞損壞會有所增加，進而減小齒輪箱的壽命。高油溫還會帶來油的加速氧化和使用壽命縮減。潤滑油溫度應該持續監測，如果油溫超出報警值或者即使沒有超出報警值，但油溫不明原因在短時間內異常波動，也需要引起高度關注，查明起因。目前一般采用定期采樣離線試驗室檢查潤滑油的清潔度、水分含量、粘度和添加劑含量等，離線監測覆蓋指標全、檢測精度高，監測結果相對于齒輪箱實時狀態具有一定的滯后性。目前有油液在線顆粒技術計等產品對進行油液實時監測，便于現場及時掌握齒輪箱的潤滑和磨損狀態。離線和在線油液監測相結合，一方面可以對潤滑狀態進行評價，另一方面可以利用油中磨損金屬顆粒分析，進行磨損故障診斷。
　　
　　風機健康狀態大數據分析發展趨勢
　　
　　風電大部件健康狀態各種監測技術，均從不同方面對風機的健康狀態進行了評估，傳統上風機狀態數據挖掘中，因果分析和邏輯推理是最重要的研究方法。但由于風電機組中從環境參數、工況參數到風機狀態參數均有一定的復雜、多變的特點，且各因素之間相互耦合，因此單純依賴某幾項狀態監測參數進行風機健康狀態評估，始終存在一定的偏差。這就要求多種監測技術的相互融合，利用大數據方法，從海量的數據進行統計性的搜索、比較，進行風機健康狀態的關聯分析。
　　
　　目前風機各監測系統獲取的設備信息，往往相互隔離，在設備故障診斷中容易成為信息的孤島。這一方面因為各個廠家的監測系統常常互不兼容，存在著信息壁壘。另外設備的健康狀況評估過程中，還存在著大量的事件記錄，圖片記錄等非結構化數據。雖然這些信息對風機狀態評估有重要的指導意義，但是這些數據如果未經預處理，僅僅依靠人工方式處理，不能滿足風電機組大數據分析的需求。適應大數據對風機健康狀態評估和劣化趨勢分析的要求，首先需要整合風機健康狀態的核心運行數據和監測數據。只有在核心數據整合的基礎，才能逐漸延伸至外圍數據乃至非結構化數據，實現數據基礎從有限樣本到云數據的轉變，實現從單純因果分析到關聯分析多種分析方式的轉變，實現靜態回顧歷史到動態實時分析的轉變。
　　
　　基于同一平臺的多種風電狀態監測技術融合
　　
　　江蘇華創光電科技有限公司從風機狀態大數據分析出發，利用統一軟件平臺開發設計了涵蓋風機軸承、齒輪箱、機艙、塔筒、葉片和油液的監測技術。風機狀態監測系統CMS 可采集軸承、齒輪箱、機艙、塔筒的振動信息，并能采集風機轉速、發電機功率和軸承溫度等信息。遵循OPC標準開發服務器及應用軟件接口，采用 SOA（面向服務架構）設計系統為與風機SCADA系統的集成提供了一個標準方案。該風機狀態監測系統可獲取工況信息及控制狀態信息，并將機組變槳及偏航等信息作為狀態評估的重要依據，顯著提高了風機狀態評估的準確性。該風機狀態監測系統作為監測平臺，具有模塊化設計的特點，可以根據不同需求進行個性化定制和擴展。
　　
　　針對風電軸承早期故障，采用“聲振一體傳感器”進行監測分析。材料在發生應變時有應變能釋放，其中一部分以應力波的形式傳遞出來，這種以彈性應力波的形式傳遞的現象叫做聲發射，也叫應力波發射。滾動軸承發生的碰撞摩擦現象時，軸承材料釋放聲發射信號。對該聲發射信號進行采集監測，不同于采用傳統加速度、速度和位移傳感器對結構振動的監測。相比而言，振動信號屬于低頻信號，而聲發射本身屬于幾十千赫茲以上的信號。因此可以與一般沖擊引起的低頻信號相區分，因此在低轉速、早期故障的軸承診斷中具有一定的優勢。
　　
　　江蘇華創光電科技有限公司研發的“聲振一體傳感器” ，不僅可以采集振動信號，還可以采集聲發射信號，結合了聲發射和振動傳感器的優點。傳感器采用特殊工藝加工而成，靈敏度遠高于傳統的加速度傳感器及聲發射傳感器，具有帶寬大，靈敏度高的特點。在軸承座支撐部位上安裝聲振一體傳感器可較為準確的獲取軸承磨損、剝落、裂紋等故障信息。特別對于早期軸承故障監測和劣化趨勢分析具有重要應用價值。
　　
　　基于相同軟件平臺開發的風電葉片監測系統，可以對葉片進行動平衡監測、覆冰監測、葉片損傷監測，對葉片的早期故障進行及時預警，提醒進行必要修復。在葉片發生嚴重故障時，可實施報警停機。實時監測葉片的覆冰狀態，輔助風機和除冰設備啟停機時機判斷。設備采用電容式加速度傳感器，有良好的低頻響應特性。軟件的自學習功能，對葉片歷史振動數據進行大數據分析，從而判定葉片在不平衡、裂紋和覆冰狀態下的模態異動。
　　
　　齒輪箱油液在線監測系統可實時監測油液水分含量、氧化值、粘度和顆粒量等。另有溫度傳感器對潤滑油異常溫升進行持續監測。齒輪箱油液在線監測不僅提供油液實時狀態和性能變化，而且對齒輪磨損狀況能實時提供故障診斷依據，及早發現并預報突發性故障，避免重大事故的發生。
　　
　　結束語
　　
　　風機狀態在線監測向著智能化方向發展，要求對風機各主要部件均能全面的監測。故障診斷也在從事后故障診斷向早期故障預警方向發展，聲振一體傳感器為振動監測故障診斷提供了有效補充。風機部件的劣化趨勢預報，要求綜合分析機組的軸承、機艙、塔筒、葉片振動數據，并結合油液狀態和風機運行參數、維護事件記錄等信息，提高預判的準確度。基于統一軟件平臺的多種監測技術融合，為風機健康狀態的大數據分析提供了技術基礎。