Page 177 - 新能源风力发电技术与自动化技术研究

第五章 风力发电机组故障诊断与维护

准确性、鲁棒性，实现风电机组的实时在线监测以及准确运行调控，是影响到运
行、维护等多环节的关键问题。
因此，在当前数据科学与人工智能理论快速发展阶段，未来可考虑在如下几

个方面开展系统性研究。
（一）风电机组多维关键参数信息融合
目前风电机组的故障诊断和状态预测使用的信息主要包括机组的振动信号和
温度信号，若能充分考虑电压、功率、风速、环境等多参量的变化，则有望进一

步提高诊断与预测的效果。因此，需要收集多维度、多时间尺度、多种数据类型
的信息，然后提取风电机组的故障特征向量，对这些特征向量进行数据、特征和
决策 3 个不同层面的信息融合。通过研究风电设备多关键参数之间或监测参数与
目标函数的数据驱动关系，建立风电机组状态预测与诊断的模型，从而增强预测

结果的可靠度。
（二）“大云物智移”辅助的风电机组在线监测与综合评估
随着风电机组产业的规模化发展，将智能技术与其进行深度融合，实现风电
机组的实时感知、动态控制和信息服务是未来的发展趋势。因此，有必要在万物

互联的背景下，充分应用“大云物智移”等现代信息技术，研究基于海量历史数
据与实时监测数据的故障模式及各部件的相互影响分析、故障危害性分析等，提
取风电设备的可靠性指标，建立风电机组全寿命周期的在线监测与故障分析模型，
为实现风电机组的在线监测和综合评估奠定坚实的理论基础。

（三）风电机组整机的故障诊断与状态预测
风电机组的组成结构日益复杂，自动化程度明显提高，各子系统间的耦合也
愈加紧密。一旦子系统或部件出现异常必定会引起其内在特性的改变，从而对系
统整体造成影响。传统的故障预测方法主要集中在风电机组的某个部件上，而忽

略了各部件之间的关联性。因此，可以从整个风电场的角度，挖掘各风电机组之
间潜在的关联关系，利用该关联关系对其他机组的状态进行估计，探测出性能下
降或状态异常的机组，再从单个风电机组的角度进一步定位故障部件、探测故障
原因，并预测未来一段时间内机组的状态。

（四）信息物理融合架构下的预防性维护体系
随着新型风电产业的发展，对风电机组结构提出了新的要求，同时如何科学、
有效地对机组进行维护也成为亟待解决的问题。近几年来，故障诊断与预测技术

165