1.风力发电机故障诊断方法有哪些？基于XGBoost的诊断法是否有效？

风力发电机故障诊断方法有哪些？基于XGBoost算法的诊断方法是否有效？

1前言

风电场一般位于荒凉偏僻地区，长期运行在恶劣的自然环境当中，容易造成风电机组故障，如机械故障、电气故障等。

为此本文采用XGBoost算法构建风力发电机故障诊断模型，可以大大简化风力发电机的运维过程。

2风力发电机故障诊断方法

XGBoost算法是华盛顿大学博士陈天奇创造的一个梯度提升的开源框架，它是对梯度提升算法的改进。

算法思想就是不断地添加树，其实是学习一个新函数，去拟合上次预测的残差，当训练完成得到k棵树，只需要将每棵树对应的分数加起来就是该样本的预测值。

实验中使用逻辑回归、决策树、随机森林、朴素贝叶斯、LightGBM、支持向量机、人工神经网络、学习分类器与XGBoost算法做对比。

其中，决策树是一个树结构，其每个非叶节点表示一个特征属性上的测试，每个分支代表这个特征属性在某个值域上的输出，而每个叶节点存放一个类别，将叶子节点存放的类别作为决策结果。

支持向量机是一种分类器，对于做出标记的两组向量，使得两组向量中离此超平面最近的向量到此超平面的距离都尽可能远。

神经网络由大量的人工神经元联结进行计算，学习分类器系统是一种基于规则的机器学习算法的分类。

3实验测试及分析

为了让各个ML模型处于最佳性能，使模型之间具有可比性，对超参数进行设置，通常采用的方法是“网格搜索”。

但是“网格搜索”法在应用时由于参数空间越大，网格搜索所需的算力和时间也会越大，“随机搜索”的难点在于确定参数的分布范围。

因此对于超参数的优化，在本次实验中采用一种叫做Optuna自动超参数优化软件框架，它具有定义简单，结果易于保存的优点。

在风力发电机中内置了SCADA系统，即数据采集与监视控制系统，SCADA系统为风电场运营商提供风电机组各系统运行状态监测信息。

选取某风电场在2014年9月9日—2015年1月1日采集的部分数据进行建模研究，共有48862条数据样本，63个特征变量作为原始数据。

对以上原始数据进行初步筛选，删除风机未运行、通信故障引起等不合理数据和异常值，以便于消除因异常数据对故障诊断模型训练和测试均衡准确度的影响。

接着依据风力发电机运行状态数据集对SCADA数据集加上相应标签，标记风力发电机正常运行数据为类别“0”，风力发电机故障数据为“1”。

另外，为了构建风力发电机运行时故障诊断模型，选取数据集中风速在3m/s-25m/s的数据作为初始数据。

为了保证模型具有良好的普适性和泛化能力，从中随机选取9903条有效数据，以此来验证方法在风力发电机故障诊断中的准确性与可行性。

从实验数据可以看出在所使用的数据集中正常数据和故障数据的分布是极不平衡的，因此采用10折分层交叉验证的方法将数据分为训练集和测试集，分层即是说在每一折中都保持着原始数据中各个类别的比例关系。

对数据集中的各个特征值进行归一化处理和单位方差处理后，再利用MI和MultiSURF方法对特征重要性进行分析。

从分析结果可知，在MI中风力发电机的操作小时数和发电量得分最高，而在MultiSURF中风机的平均叶片角度占有较高分数。

由于在数据中存在零值和负值，这类数据的特征不予以考虑。

另外，考虑到在风力发电机在实际运行过程中各个部分与温度相关的特征，最终选取了20个特征。

选取SVM、LR、LGB、NB等主流监督学习模型在经过超参数优化过的参数下进行训练，并将其结果与XGB模型结果进行对比。

从对比结果可知，LightGBM和XGBoost在各项指标上的表现较为相似，但LightGBM是基于偏差的算法，对噪点比较敏感。

另外，对其他算法的结果进行分析，根据对比可知，XGBoost和LightGBM在PRC和ROC的结果上差异不大。

而NB在PRC的表现低于其他算法，综合以上结果，从算法的精确性方面考虑，XGBoost算法优于文中所述其他算法，由此验证了XGBoost算法应用于风机故障诊断的可行性和有效性。

4结论

和目前常用的监督学习模型进行对比，证明了XGBoost算法在风力发电机故障诊断的有效性具有一定的研究和工程实际意义。

由于目前的数据有限，考虑到未来该算法在实际工程项目中的应用，应该在更大的数据中进行应用，以便提高模型的泛化性，使模型能够更好地指导风力发电机的日常运行和维护。

参考文献

[1]中国风电行业市场前景及投资研究报告(上)[J].电器工业,2022,(01).

[2]刘磊.风力发电机故障诊断技术的研究[J].科学技术创新,2021,(31):58-60.

[3]于建国,岳占岐,边辉,程鑫鑫,邓醴陵.基于BP神经网络的风力发电机温升故障诊断研究[J].微电机,2020,53(02):32-36.

2.风力发电机为何出现短路故障？基于漏磁检测的诊断技术是否有效？

风力发电机为何会出现短路故障？基于漏磁检测的诊断技术是否有效？

1引言

风力发电机作为风力发电机组的“心脏”，其可靠性直接影响风力发电机组的可靠运行。

海洋环境运行环境复杂，盐雾、湿气和温差都对风力发电机运行的可靠性和稳定性有较大影响。

2风力发电机正常状态建模

在对故障的风力发电机进行研究之前，我们应该首先建立电机正常工况时的模型，本文以YSF315S-4M型双馈发电机为例。

建立RMxprt模型，然后将实际电机的基本参数导入，可以得到定转子绕组线圈数据。

建立Maxwell2D模型，在默认状态下，软件会因为电机的对称性而只生成1/4模型以减小计算量，但是考虑到本仿真在设置故障后，本身电机不再对称，所以应生成电机的全模型。

则需要在菜单Rmxprt中勾选enable，并填写Fraction1即可，接下来应划分各个相中所包含的线圈，以定子为例，总共72槽，则每相有24槽。

又因为整个电机由4条并联支路组成，则每一支路占6个槽，分别占据12个不同槽的上层边和下层边，跨距为15个槽数。

接着生成2D模型，右为每一项所包含的线圈，整个电机2D模型从外到内分别为定子铁心、定子绕组、气隙、转子绕组、转子铁心和转轴。

正常状态下外电路模型，对模型中的不同区域赋予材料属性，并施加边界条件与激励载荷，对于定转子间的气隙，施加真空；定转子铁芯为型号D23-50硅钢片；线圈导体为铜。

正常状况的定子绕组与工频电网连接，定子接对称的三相交流电，定子绕组三角形连接，并充分考虑线圈的阻抗、端部漏感等因素。

在3条支路上都并以电压表，串以电流表，用以时时监控各支路电参量的变化，最后用2个首尾相接的电压源给3条支路供电，2个电压源幅值均为380V，相位相差120°，在三角连接的1个臂上接地。

3风力发电机短路故障状态建模

以定子线圈连接方式为例，假设故障发生在A1支路上的第3个槽，当发生短路时，等效的相当于第3个槽中导体数量减少。

将第3个槽拆分为2个部分3-1和3-2，分别称A1支路上的线圈为故障前部分线圈（1、2、3-1）、故障部分线圈（3-2）和故障后部分线圈（4、5、6）。

当正常时，开关S打开，A1支路与A2、A3、A4支路完全相同；当发生故障时，开关S按下，即将3-2部分短路，A1支路中的导体数减少。

设置短路故障，假定A相绕组的一部分发生匝间短路故障，在3槽和18槽设置故障其对应导体数应该相应减小，表示了相应导体的处理以及分割后的A相电路。

故障状态下外电路模型，模型中的不同区域赋予材料属性及边界条件与正常状态下相同。

激励源采用外电路供电，其中B和C两相与上述外电路完全相同，A相支路也被分为3个部分LPhaseA11、LPhaseA12和LPhaseA13，其中，LPhaseA12即为被短路部分。

除此之外，在外短路之外还设置了用于控制短路开始时刻开关，故障开始的时间为t=3.01s。

4风力发电机正常及故障漏磁分布仿真

根据上述建模可以得到发电机的磁力线分布，发电机内部和外部的磁力线，可以看出电机内外部磁力线分布基本一致。

根据Maxwell2D的仿真结果，可以实现对风力发电机径向外部漏磁通的分析，当电机运行在正常工况下，电机径向的外部漏磁通不规律，当风力发电机在正常运行时，相位分布平衡，磁感应强度对称规律。

根据不同匝数匝间短路故障时外部漏磁通分布的变化可知，当电机发生匝间短路的时候，故障位置的短路线圈会出现局部的环流。

这会导致电机外部漏磁通的分布不再平衡，在故障位置的漏磁通信号明显增大，并且随着短路匝数的增多，外部漏磁通会逐渐增大。

因此，可以根据发电机径向的外部漏磁通分布来实现短路故障的定位，漏磁通信号的变化可以反映电流所不能反映的故障定位，这有利于我们尽快锁定故障的位置。

提取发电机故障位置的外部漏磁通信号幅值，随着短路匝数的增大，得到其变化趋势，根据变化趋势可以看出，随着短路故障匝数的增大，其外部的漏磁通信号逐渐增大。

5结论

使用ANSYS有限元分析软件建立了发电机正常及发生匝间短路故障时的模型，对其磁场分布状况进行了研究。

发现发电机正常时外部漏磁通呈轴对称分布，且磁感应强度较低；当发生匝间短路故障时，在故障点附近外部漏磁增加，并且随着匝间短路故障程度的增加电机故障点附近外部漏磁通信号变大。

参考文献

[1]赵勇,韩斌,房刚利.风力发电机状态监测与故障诊断技术综述[J].热力发电,2016,45(10):1-5.

[2]TWIDELLJ,GAUDIOSIG.海上风力发电[M].北京:海洋出版社,2012.

[3]文敏,陈红生,薛长志,等.3.3kV海上风力发电机绝缘系统耐环境适应性试验研究[J].绝缘材料,2017,50(7):36-39.

3.如何诊断风力发电机组故障？ 采用小波变换诊断法有何优点？

如何诊断风力发电机组故障？ 采用小波变换诊断法有何优点？

1前言

由于天气状况等诸多因素，风电场的运行状况也会受到影响。主要的轴承、齿轮箱最容易受到损伤，严重地影响了风力发电机组工作。

为此本文提出了基于小波变换的风力发电机组故障检测方法。

2齿轮箱故障的小波变换检测

由于风力发电机组轴承各部分的振动信号具有不同的频率特征，使得测量的结果是多个频率叠加耦合结果。

因此，在各种情况下，必须采用多小波，从多个角度对信号相辅相成的特征进行提取，以提高轴承故障识别性能。

在常规的降噪方法中，通常使用低通滤波器。大型风力发电机组轴承失效时，由于故障信号的传输、调制和固有振动使其在高频段出现了变频调制，所以故障的特征频率就是调制频率。

同时，由于机组的自振频率通常比较高，而且能量比较低，因此很容易将有效信号淹没。采用常规的过滤降噪方法，会导致大量的振动信号损失。

采用小波变换进行降噪时，由于噪声成分的能量主要集中在小波变换区域，所以真实信号全部集中在小波系数上。

使用门限设定方法确定合适的小波系数，通过门限函数映射法进行估计，并对其进行重构，以减小噪声。

通过剔除噪声项，可以获得能够反映出故障原始特征，并根据峭度对振动的敏感度，对轴承故障进行有效识别。

这些振幅信号含有大量振动成分，其中含有滚动轴承故障信息，通过对滚动轴承振动信号峰值分析，可以对其进行故障诊断。

传动系统负载复杂、不稳定，易引起各种故障，其中变速箱故障是导致停机时间最长、维护成本最高的主要原因，用小波变换平移方法对齿轮箱故障的时序特性进行了描述。

采用阶次分析方法对风力发电机组齿轮箱进行了故障诊断，并对其特性阶、非常态工况下的故障进行了研究。

由于风力发电机组齿轮箱的阶次信号是时间序列，经小波变换后的时频谱被归类为一种时空序列问题，将特定时刻的频谱看作是空间特性，在对特定时段进行截断时，将其时域的变化趋势称为时空特性。

在此基础上，采用一维卷积神经网络对各个时刻的频谱特性和时域特性进行分析，使得网络能够在一定的时域内有效地反映出信号特性，从而有效地利用信号时空特性。

齿轮箱故障时序特征的小波变换平移主要经过卷积层和池化层，其中在最左侧部分中，最大池化的一个单元值仅由最左侧的4×4值决定，而右边的区域未参与计算。

根据上述平移过程，获取非平稳信号故障特征，为了检测齿轮箱故障特征，使用阶次判断方法，对齿轮箱进行故障特性检测。

3实验

为了对基于小波变换的风力发电机组故障检测方法研究合理性进行验证，分别设计了轴承故障和齿轮箱故障实验，通过实验对比实现对风力发电机组故障检测。

为了方便实验开展，设置风力发电机组数据采样频率为25kHz，测试时，驱动电机作为输入端，驱动定轴齿轮负责传动，再由行星齿轮箱将动力传送至载荷机构。

测试时，驱动电机的转速设定在25Hz，由于驱动电机是一种异步电动机，所以它的实际转动频率是24Hz左右。

在定轴变速箱的壳体上装有加速度振动传感器，以实现数据的采集。

使用基于LightGBM的检测方法小齿轮断齿故障在时间为0.2~0.4s内出现，幅值依次为0.12、0.13、0.14、0.13；大齿轮断齿故障在时间为0.5~0.7s内出现，幅值依次为0.36、0.38、0.39、0.38、0.36。

使用基于零序电压的检测方法小齿轮断齿故障在时间为0.2~0.4s内出现，幅值依次为0.07、0.07、0.07、0.11；大齿轮断齿故障在时间为0.5~0.7s内出现，幅值依次为0.28、0.30、0.27。

使用基于小波变换故障检测方法小齿轮断齿故障在时间为0.3~0.4s内出现，幅值为0.2；大齿轮断齿故障在时间为0.6s时出现，幅值为0.4。

由此可知，使用所研究方法齿轮箱故障阶次频谱变化范围与实际范围一致。

4结语

依据轴承非平稳信号特征，结合小波变换降噪技术实现对信号的降噪处理，将峭度作为轴承指标故障检测，提取与轴承相关的频率特征，应用阶次分析法推导低速级、中速级和高速级的齿轮箱特征阶次，由此实现齿轮箱故障状态诊断。

通过实验验证了内、外滚道加速度时域信号检测结果与实际结果一致，小、大齿轮断齿故障幅值也与实际结果一致。

参考文献

[1]胡澜也，蒋文博，李艳婷.基于LightGBM的风力发电机故障诊断[J].太阳能学报，2021，42(11):255⁃259.

[2]李进泽，张天琦，赵震，等.基于零序电压的五相永磁同步风力发电机绕组故障诊断方法研究[J].可再生能源，2021，39(11):1477⁃1482.

[3]马宏忠，李思源.双馈风力发电机转子绕组不平衡故障诊断[J].电机与控制学报，2020，24(2):138⁃143.

4.突发！河南一高百米“大风车”倒塌，深度了解风电行业的隐痛

河南安阳境内一处风力发电的“大风车”在风中倒塌了！

4月11日深夜，河南省安阳市内黄县马上乡天下着雨刮着风，突然一处高约140米的风力发电机塔筒向西倾斜随之倒塌在田地里，塔身上标有“华润电力”的字样，折断处距离地面大约30米，所幸没有砸到人。可能是什么原因造成的呢？我们来深度聊聊这个项目。

类似的风机塔身倒塌事故

其实此次河南安阳的风机倒塌并不是孤例，近些年不论国内还是国外，此类事故层出不穷。

比如2019年4月12日下午，民勤航天新能源投资股份有限公司在对甘肃民勤周家井风电场进行定期检修工作时，一台风机塔筒突然倒塌，结果导致4人不幸遇难、2人一轻伤一重伤。

还有2017年12月2日，宁夏大水坑风电场中的DF05-07风机塔身倒塌，结果发电机组损毁严重。

2017年7月25日下午1点左右，大唐集团在西部整装开发建设的两个200兆瓦风电项目之一——淖毛湖风电场发生一起重大风电机组倒塌事故。

不仅国内，国外也是如此，比如在美国，2019年5月21日俄克拉荷马州的Chisholm View 2号风场也发生了风机塔身倒塌事故，一台通用电气2.4兆瓦风机拦腰倒下。

内黄县分散式风电项目

早在2017年，河南省项目审批部门就下达了全省十三五期间开发分散式风电的方案，其中就包括此次事故中涉及到的内黄县分散式风电项目。

这个项目的全称是：华润电力内黄县润电30MW分散式风电项目（以下简称该项目），项目业主单位是华润新能源（内黄）有限公司，成立于2017年1月6日，经营范围包括：太阳能、风能资源开发，太阳能、风能电站的建设、运营及销售电能，提供太阳能、风能电站建设、运营技术服务。

河南省本身属于风能资源贫乏区，全省年平均风功率密度均在3.9~46.5W/㎡，各地相差比较悬殊，没有大范围可以进行经济技术开发利用的风能资源，但在局部有利地形区，风能资源具有较好经济开发利用价值。全省有四个较明显的风能丰富区，其中之一是从安阳向南至新乡、延津有一个南北向带状的风能丰富区，年平均有效风能密度在100～200W/㎡左右，年均有效风能时数在3500～4500小时。据@上游新闻报道：河南内黄县位于豫北平原上，被夹在南北向的太行山脉和沂蒙山系之间，属暖温带半湿润大陆性季风气候，盛行南北季风。

该项目位于河南省安阳市内黄县东部及南部马上乡、城关镇、后河镇、亳城乡境内。场址中心点经纬度为北纬35°53'57.41"，东经114°54'36.42"，距安阳市直线离约51公里，距鹤壁市约59公里，距濮阳市约20公里。规划装机规模为30兆瓦，风电场本期共采用8台3300千瓦和1台3600千瓦风电机组。

业主单位在2021年4月20日完成该项目的“主体及集电线路工程”施工招标，由中国能源建设集团西北电力建设甘肃工程有限公司中标，工程范围包括地基处理、风机和箱变基础、风机和塔筒吊装及箱变安装、防雷接地，塔筒、风机设备的二次倒运等施工。这里面就有此次事故中的涉事风机塔筒。

业主单位在2021年6月16日完成该项目“塔筒设备采购”招标，由甘肃建投新能源科技股份有限公司中标，负责按要求制作8台对应浙江运达WD164-3300风机和1台浙江运达WD164-3600风机的塔架、法兰、塔内结构件等。随后中标单位在其河北省南宫基地承制该项目的风电塔筒，并分两批制作完成，该基地还同时承担着华润和顺牛川20MW分散式风电项目、华润电力平桥王店20MW分散式风电项目的塔筒制作。

中标单位风电设备事业部在甘肃本地的基地一直承制1.0MW~3.0MW风电塔筒的加工制造，拥有6条塔筒生产线，年产能达200套，近些年的风电塔筒业绩包括青海乌兰茶卡项目、甘肃民勤红沙岗项目、宁夏盐池麻黄山项目、宁夏银新能源大战场项目和大水坑等项目。

该项目的主体施工由中国能源建设集团西北电力建设甘肃工程有限公司物流公司来负责，主要是承担9台风机（包含8台单机容量为3.3兆瓦、1台3.6兆瓦风力发电机组）及箱变基础、箱变安装、风机及塔筒安装、集电线路工程等。项目在2021年5月24日正式开工。

业主单位在2021年7月20日办结该项目的《建设项目选址意见书》，涉及6个乡镇22个行政村，用地面积为10677㎡。

2021年10月8日，该项目首台风机吊装成功。

2021年12月2日，该项目首台风机并网发电。

2022年1月2日，该项目风机吊装全部完成。

2022年1月21日，该项目全容量并网发电。

2022年4月11日，该项目其中一台风机塔身倒塌。

风机塔筒为何爱倒塌？

据@上游新闻报道：此次华润内黄风电项目中涉事风机为3.3MW-164机型，叶轮直径164米，塔筒高140米，大约在2021年11月安装完成。

风机塔筒包括桁架式、钢管拉索式、锥管式、混凝土式等结构形式。在风电机组运行中，塔筒主要起到支撑风力发电机组，吸收风力发电机组的振动的功能，所以塔筒的制造质量关系着整个机组的运行安全。可见，塔筒是风电生产过程中的一种重要设备，高度高、直径大，而且难以运输，所以风电塔筒一般是先进行分段制作，运输到施工现场之后再进行安装。

在一份近些年国内外风电机组倒塌事故统计表中，列出了事故时间、涉及项目及事故原因。比如，2010年大唐左云风电项目风机倒塌事故就是由于塔筒使用的法兰低温冲击韧性离国标要求相差甚远，现场螺栓紧固施工也未按要求施工。再有2016年大唐山西偏关水泉风场项目14号风机倒塌则是由于风机振动值严重超标，引起法兰疲劳开裂，最终导致风机倒塌。还有2017年加拿大格朗代唐某风电场机组倒塌事故，则是由于遭遇了极端阵风。可见，这些风机倒塌事故中找不到共性原因，都是孤例，所以每台风机倒塌都要对事故进行具体的分析才能拿出科学准确的原因来。

随着我国风电市场向低风速地区转移，很多风力发电业主单位开始跑马圈地，占领市场，而这些地区的地形有的又比较复杂，有时气象灾害频发，当大气湍流强度比较大时，风电机组振动较高，导致风机在实际出力过程中可靠性降低出现问题。不仅如此，由于在低风速地区往往地域宽广，由于又是分散式发电，如果规模较大则机组点位特别分散，给后期运维也增加了难度。

有我国风电行业调研显示，风电机组之所以频频出现倒塌事故，与质量控制弊病、低价竞争、原材料质量把控不严、风电场监管缺失、技术人员流失都有相关性。

比如，由于国家前些年对可再生能源发电补贴十分慷慨，结果国内不论是风电机组整机还是部件产能出现过剩，由此就会引发价格战，从而把行业带入低价无序竞争的死循环。而有些风电企业为了在激烈的竞争中求生存，保证利润空间就可能使用成本偏低的部件，结果在低价中标的市场氛围中“劣币驱逐良币”的现象不再稀奇。而且面对风力发电上网电价的压力，风电行业只能把电度成本一压再压，把压力向下传导到机组零部件质量，乃至吊装、维护和风场监管等环节。这些都可能是引发风机倒塌事故的直接原因。

不仅如此，有些风力发电企业业主对风机、关键部件供应商技术人员的依赖性太大，尤其在质保期内，业主单位对风机的运维参与度不高。还有些项目在出质保期后，备品备件供应不及时；有些风电项目还可能以低价中标的方式把运维工作外包，而外包单位为了追求利润，往往对技术人员的培养力度不够、薪资压低，结果导致承担风电机组维修这种高技术、高强度、高危险工作的技术人员不断流失，出现断层，也给事故频发埋下了隐患。

风机塔筒制造的质量控制

塔筒制造质量监督以主机厂技术规范、标准规范、设计图纸和风机塔筒合同要求为准，而风机塔筒采购合同中的技术条款也是以主机厂技术规范作为参考。风机塔筒制造质量监督工作主要针对前期资料监督、原材料质量监督、过程质量监督、成品质量监督等四个方面开展。

①前期资料监督内容：企业资质、无损检测单位和人员资质、第三方试验室和人员资质、焊接操作人员资质、焊接工艺评定报告、焊接工艺规程、防腐工艺规程、质量控制措施等。

②原材料质量监督内容：钢板、门框板、法兰、焊接材料、油漆、紧固件。主要对供货商、质量证明书、复验报告（力学性能和化学元素分析）、外观质量及尺寸、无损检测等开展监督。

③过程质量监督内容：主要对下料、组对、焊接、筒体尺寸、无损检测、防腐、内附件安装等，尤其注意的是焊接过程。风电塔筒的结构为圆柱或圆锥，在风电塔筒的生产过程中，需要对每一节塔筒进行焊接且工作量较大，为保证其生产质量与制作进度，一般都是采用埋弧自动焊工艺。

④成品质量监督内容：标识、包装、支撑、装车。

风机塔筒安装的质量控制

对塔架安装的质量进行控制时，塔架的中上段要按照双机抬吊的方法依次进行安装，对正塔内直梯，将塔架紧固连接，然后再使用连接板连接起各段间直梯，再使用钢丝绳进行固定。

华润电力内黄县30MW分散式风电项目出现的塔筒倒塌事故，到底是什么原因造成的，还有待官方调查机构进行专业的调研分析，才能给出明确的答案。但是在风力发电行业大干快上、跑马圈地的现状下，行业之痛也不得不需要行业内部人士揭示出来，就如当前国家提到的建立统一的大市场，风电行业也应如此。

参考：

《风机塔筒质量监督及控制要点分析》，李贵宪

《风机倒塔事故为何频发?》席菁华