背景

近年来，风能在世界能源结构中地位越来越突出，风电将逐步成为火电、水电之后的第三大常规能源。随着我国大型海上风电建设规划相继启动和现运行的大部分风电机组质保期逐渐超出或邻近超出，高故障发生率和高运维成本的现状越来越引起风电运营商、制造商和第三方运维公司等机构的关注。

相比陆地风电机组，海上风电机组将面临更恶劣的运行环境和更高的运行维护成本。据统计，海上风电机组的维护成本至少为陆上风电机组的2 倍，运维成本高达经济收入的30%~35%，其中约25%~35%为定期维护费用，65%~75%为事后维修费用。随着单机容量不断增加，大功率风电机组的复杂性程度增加，将会面临更高的故障率和运维费用。为了降低故障率和减少维修费用，开展风电机组的状态监测和故障诊断研究，对及时掌握风电机组运行状态，及早发现潜在故障征兆，降低故障率，减少运维成本，从而保证风电机组安全高效发电运行有着重要学术研究意义和工程应用价值。

鉴于风电机组对状态监测和故障诊断的急迫需求，国内外相继出台了标准规范，如2009 年欧盟推出了关于《风力机及其部件的机械振动测试与评估标准VDI3834》；2011 年国家能源总局提出《风力发电机组振动状态监测导则》。

上述标准主要是针对风电机组关键部件的振动特征量制定的规范要求，对于实现全面的风电机组状态监测和故障诊断的要求还远远不够。与传统火电、水电机组相比，风电机组在高空运行，是多部件协同工作的复杂系统，监测特征量类型多、数量大，受风速大小和风向的不确定性以及变速恒频发电控制的约束，运行状态通常在不同工况之间随机频繁切换，各类特征量随机波动范围较宽，利用单一或几个特征量采用传统状态监测和故障诊断方法，难以得到风电机组真实的运行状态和实现准确故障定位。基于上述风电机组特殊性，有必要了解风电机组状态监测和故障诊断领域研究现状，综述该领域的研究方法和成果，进一步促进该领域研究的开展。

目前，风电机组状态监测和故障诊断领域的研究处于起步阶段，已有的研究成果中，对于整机的研究侧重于状态评估和故障预测，对于机组的关键部件研究侧重于故障诊断。本文首先介绍风电机组的运行环境及其故障统计情况；其次，对整机状态评估和故障预测研究现状，从统计分析、多参数融合和故障预测角度进行综述；再次，重点介绍和评述风电机组关键部件故障诊断方法的研究现状；最后，结合当前研究现状和存在的问题，指出风电机组状态监测与故障诊断技术的发展趋势。

风电机组故障统计与分析

风电机组长期工作在恶劣的自然环境中，受到正常和极限极端温度、太阳辐射、降雨、积雪、盐雾、沙尘、地形轮廓等因素影响，各部件的绝缘强度、疲劳强度和运行性能等必将不可避免地随运行环境和运行时间的变化而逐渐下降，导致故障发生。易发生故障的齿轮箱、发电机、低速轴、高速轴、桨叶、电气系统、偏航系统、控制系统等关键部件，约占风电机组总成本的80%～90%。国外某机构的各部件故障率与平均故障排除时间统计情况，如图1 所示，可见电气系统的故障率相对较高，齿轮箱、发电机和传动链的平均故障排除时间相对较长，约在5 ~ 8 d。

另外，我国的2012 年《全国风电场设备运行质量状况调查报告》故障统计情况，变流器的每年故障发生频次最高为0.20 次/ 台；齿轮箱相对较低，约为0.09 次/ 台。各部件的故障详细情况如表1 所示，可见叶片的平均排除故障耗时最长，达到229.54 h，其次是齿轮箱和发电机，分别是158.01 h和105.93 h。上述为国内外陆地风电机组的故障统计情况，统计结论基本相似：平均故障排除时间少的部件对应故障率较高，相反，故障率较低的部件对应的平均故障排除时间长。但值得注意的是，上述的统计分析结果仅来自于陆地风电场的情况，随着海上风电机组安装与并网运行，故障率高的关键部件，如变流器、变桨系统等电气控制系统，由于海上复杂运行环境和高难度的维修状况也必将花费较长的检修时间或更多的故障排除时间。因此，对于大功率风电机组的状态监测而言，不仅需要关注机械系统的关键部件，故障率高的电气系统同样也要引起高度重视。

风电机组整机综合状态评估与故障预测

风电机组一般要求服役20 a，风电运营商或者电网调度部门更多关心的是整机安全性、运行可靠性、发电能力、运行状态变化趋势及服役剩余时间等指标，因此，有必要开展整机的综合状态监测方法研究。目前，关于整机的状态方法研究大多是在风电机组数据采集与监视控制（SCADA）系统的运行数据基础上开展，其故障预测3 个方向分别进行综述。

1、基于统计分析的风电机组综合状态监测与评估利用统计分析方法，通过分析大量的风电机组状态监测的各类特征量（功率、风速、转速、温度、振动等）离线运行数据，提取某些有规律的指标，与出厂设计标准值进行对比，或通过多个机组之间的比较，达到对风电机组整机状态监测的目的。

目前，对功率运行数据进行统计分析研究较多，例如2 台1.5 MW 风电机组功率曲线如图2 所示，它是通过获取反映机组运行性能的实测风速、功率等数据，采用Bin 方法对数据进行统计处理后获得2 台机组的功率曲线。通过2 台机组的功率曲线、风能利用曲线及其标准差值，对机组的运行性能进行了对比分析和评估。图2（b）所示机组2 的实际功率曲线在低于额定风速以下区间内要比图2（a）机组1 的低一些，而且在高于额定风速时，有部分Bin 区间内功率的标准差偏大，运行状态不太稳定。

上述研究是通过对功率信息进行统计分析来实现整机的状态监测，能否采用其他特征量的统计结果来更好地表征整个风电机组的运行状态，值得深入探索研究。

2、基于多参数融合的风电机组综合状态监测与评估

在该研究方向，大多数研究是在风电SCADA 系统运行数据基础上进行开展的。风电机组SCADA 系统中包括的物理特征量有：角度、压力、温度、速度、机舱振动、电气等，通过分析这些运行数据，可以反映整机的运行状态。