基于GH Bladed风电机组故障模拟与诊断研究

由于风电机组大多位于环境恶劣的地方,所以风机故障率居高不下,其故障的原因和特征也是各不相同的。风电机组的变桨系统以及叶片的各类故障在风电机组所有的故障中占比非常高,实际风场大多采用SCADA数据进行变桨系统故障诊断,这种方法易于在实际中实施,但故障阈值设定单一,准确性有待提高;而风电机组叶片损伤故障在实际机组故障诊断中没有较好的方法,大多采用观察法、图像处理法、声发射处理法等,这些方法存在一定的局限性,对于机组的运行状态以及环境条件有着较高的要求并且需要大量的人工作业,不利于应用推广。因此,对于风电机组变桨系统和叶片损伤故障诊断方法的研究有着重要的意义。本文对当前风电行业的发展状况以及现在风电机组变桨系统和叶片的损伤故障诊断方法进行了介绍,通过GH Bladed软件模拟实际机组运行状态,进而模拟出变桨系统和叶片的一些常见故障,并取得相关运行数据。对于变桨系统的各类故障,本文重点介绍了基于支持向量机的故障诊断方法,并采用粒子群算法对其进行了优化处理,优化后的诊断模型判别精度更高。对于叶片损伤故障,本文通过GH Bladed软件模拟叶片某单元损伤故障,然后首先对叶尖挠度进行小波包分解,得到各个频带的能量谱,基于能量谱的变化,初步对叶片损伤进行判别,在叶片发生损伤的情况下,利用模态应变能变化率法确定叶片具体损伤单元。实验结果表明上述两类研究方法可以准确、快速地对风电机组变桨系统故障和叶片损伤作出判别诊断。