[摘要]风力发电系统往往安装在偏僻的、难以接近的地域，传统的计划维修和事后维修方式不能满足要求，为保证风力发电系统的可靠稳定运行，为保证风力发电系统的可靠稳定运行，降低系统的维修成本，对其进行状态监测与故障诊断是十分必要的[1]。通过检索、筛选、统计和分析国内外风力发电机故障诊断相关的专利申请，分析该领域的专利申请情况以及技术发展情况。
[关键词]风力发电机；振动检测；故障诊断
风力发电机将风能转换成机械能，通过传动系统将机械能传递给发电机系统，由发电机将其转换为电能，最终并网加以利用。风电机组普遍布置于海河或沙漠戈壁等恶劣环境中，其结构复杂，内部部件耦合紧密，各部件在交变载荷的作用下容易引起机械部件的不平衡、磨损、疲劳甚至断裂问题等故障，严重影响风电机的正常工作。风力发电机故障种类繁多，又由于其复杂的非线性、非平稳性，这就造成故障发生时，难以判断故障发生的部位及故障原因。
1风力发电机故障诊断的专利申请分析
笔者对公开日或公告日在2018年5月以前的发明和实用新型专利申请进行了统计分析，从全球申请量来看，在2005年以前，该技术都处于较低的水平，申请人主要集中在维斯塔斯、歌美飒、通用等知名公司。从2005年起，该领域的专利申请量呈逐年上升趋势，是风力发电机故障诊断技术的快速发展时期，该时期国内的专利申请量也逐渐增加，以金风科技、上海电气和各高校研究所等为代表，在风力发电系统的解缆方法、变桨控制、并网方法以及振动监测和故障诊断等方面进行了大量研究。在风力发电领域，美国通用、丹麦维斯塔斯等占有重要席位，而国内研究以企业、高校占据绝大多数，目前，我国风力发电在理论研究、产业制造及市场应用等方面都具有良好的发展势头。
2风力发电机故障诊断的专利技术发展
在2008年，专利CN101498673A提出一种风力发电机叶片边缘破损监测装置，在叶片边缘间隔设置导通介质形成导通回路，依据叶片边缘不同损耗等级线的导通介质通断与否，实现故障隐患分级报警；2009年，专利CN101566523A提出采集与齿轮箱状态相关的各个状态信息得到各量化值，然后根据各个状态参数的权重、关联度，将量化值融合处理，建立齿轮箱的综合状态值，从而完成对齿轮箱的故障诊断；2015年，美国通用电气公司的专利US2015/0337802A公开了一种桨距故障检测系统和方法，根据桨距指令调整叶片的桨距角并输出代表叶片实际桨距状态的实际响应，监测单元通过将实际响应于期望响应之间的偏差与预设阈值进行比较从而判断叶片的运行状态。在前期风力发电机故障诊断针对了包括叶片、齿轮箱、主轴等单一部件的监测之后，国内汉能的专利CN105179179A公开了一种风力发电机组的全状态监测方法和系统，通过对风力发电机组的叶片、主轴、齿轮箱、润滑油油液、发电机转子轴承、塔筒的监测，建立了一套完整、全面的风力发电机组状态监测和故障诊断方案，对于正确评价机组运行状态，预防和减少机组故障的发生，实现预知性维修具有重要意义。由于风力发电机行为模式不稳定，造成现有风力发电机振动监测系统的可靠性受到质疑，传统振动监测系统用于风力发电机时，非平稳特征可能导致误报警问题，且振动阈值定义不准确同样会造成高误报警，西门子公司的专利WO2011/023596A1考虑各种可能的运行数据组合，自适应地确定监测参数的阈值，从而降低误报警率，同时提高可操作性和可解释性，降低维护难度，一方面，可大幅降低在多种正常运行状态下引起的误报警，另一方面，通过自动和周期性的数据库知识发现升级机制，可以持续、自动地从风力发电机的监测经验中“学习”，随着时间推移，振动监测系统的精度进一步提高。传统的时域分析方法和频域分析方法对机械部件的分布性故障有良好的诊断效果，但是当发生局部性故障时，测量的机械振动信号包含非平稳或时变成分，基于平稳信号处理能力的频谱分析等传统方法不能全面反映信号的时变特性，效果不理想，专利CN101858778A对此进行改进，除具有自学习能力外，还具有对非平稳和时变成分振动信号分析的能力。近年以来，将神经网络应用于风力发电机组故障诊断中的专利也层出不穷，如专利CN104048825A提出的风电机组齿轮箱故障定位方法，根据现场的振动状态监测数据以及内窥镜的检查结果确定齿轮箱的故障部位及程度，利用BP神经网络对故障定位得到了不同类型的部件，根据测定的振动衰减系数，确定部件位置，解决了不同位置相同部件故障定位的难题。专利CN105973596A则基于线性局部切空间排列LLTSA方法，实现采集数据由高维流形到低维流形的转换，并利用概率神经网络PNN技术实现故障准确预测。通过对风力发电机组故障诊断的专利统计分析可以看出，从风力发电技术诞生之初就伴随着设备监测与故障诊断的问题，一方面，故障诊断检测由叶片等部件的表面检测逐渐转变为齿轮箱、主轴等内部传动链的检测，故障诊断从表面走向内部，从简单走向复杂，从单一部件的单一参数到多部件之间的协同检测，风力发电机故障诊断正朝多方面、多部件、多参数的集成化检测发展；另一方面，除传统时域分析和频域分析方法外，神经网络和流形学习等现代分析方法也逐渐应用于风力发电机的故障诊断中。
3结语
本文总结了风力发电机故障诊断十几年的发展历史，重点分析和梳理了自2005年以来国内外风力发电机故障诊断的发展状况，有助于从整体上了解风力发电故障诊断领域的相关技术。
【参考文献】
[1]沈艳霞，李帆.风力发电系统故障诊断方法综述[J].控制工程，2013（05）：789-795.
作者:毕凯 简黎 单位:国家知识产权局专利局专利审查协作四川中心