风力发电机组故障诊断与状态预测的研究进展.pdfVIP

第45 卷 第4 期 2021 年2 月25 日 Vol.45No.4 Feb.25,2021 DOI：10.7500/AEPS20200301002 风力发电机组故障诊断与状态预测的研究进展 1，2 1 1 3 4 李 刚 ，齐 莹 ，李银强 ，张建付 ，张力晖 （1. 华北电力大学控制与计算机工程学院，河北省保定市 071003； 2. 复杂能源系统智能计算教育部工程研究中心（华北电力大学），河北省保定市 071003； 3. 国网河北省电力有限公司高阳县供电分公司，河北省保定市 071500； 4. 华北电力大学电气与电子工程学院，河北省保定市 071003） 摘要：风力发电机组因运行环境恶劣较易发生故障，实现对风电机组适当的状态维护或预防性维 护，既能减少故障发生概率、降低维修成本，又能改善电力系统运行的安全性与经济性。首先，通过 回顾近年来国内外在风电机组状态维护或预防性维护方面所做的相关研究工作，系统归纳了当前 针对风电机组关键部件开展故障诊断和状态预测的难点问题及其研究进展；然后，对基于数据驱动 的风电机组故障诊断与状态预测方法进行了重点论述；最后，对未来该领域的研究建议进行了 展望。 关键词：风力发电机组；故障诊断；状态预测；状态维护；预防性维护 ［6］ 0 引言 术，通过数据驱动、人工智能、数字孪生 等方法实现基 于设备健康管理体系的状态维护（condition-based 为应对气候变暖、环境污染等问题，全球能源消费 maintenance，CBM）或 预 防 性 维 护 （predictive 正逐步迈入以清洁能源/可再生能源替代化石能源的 maintenance，PM），是电力系统实现数字化、网络化和 ［1］ “第三次工业革命”时代。风能是最重要的清洁能源 智能化的重要基础。 之一，全球风能理事会在2020年3月25日发表的《全球 传统的设备维护策略包括事后维护和定期维护， 风能报告》中指出，2019年全球新增装机容量60.4 ［7］ 这2种维护策略容易导致“维护不足”或“维护过剩”。 ［2］ GW，累计装机容量达到650GW 。据国家发展和改 故障预测与健康管理 （prognostics and health 革委员会能源研究所预测，到2050年中国的风电装机 management，PHM）的理念近年来受到很多学者的关 ［3］ 容量将达到2400GW，占国内总装机容量的33.8% ， 注，旨在实现从被动维护到主动预防的转变，可以显著 大力发展风电等清洁能源是实现中国可持续发展战略 ［8］ 降低设备的维护成本 。已有研究尝试将PHM体系引 的必然选择。发展风电、光伏等新能源的高效运维技 入电力系统（如风电机组、输变电设备等）的运行维护 术已成为当前电力系