風(fēng)電機(jī)組關(guān)鍵部件故障機(jī)理與狀態(tài)評(píng)估方法

風(fēng)電機(jī)組的狀態(tài)監(jiān)測(cè)與評(píng)估可有效提升風(fēng)電機(jī)組運(yùn)行的穩(wěn)定與可靠性，本項(xiàng)目在風(fēng)電機(jī)組的故障機(jī)理、監(jiān)測(cè)方法、狀態(tài)評(píng)估系統(tǒng)等方面開展了研究。項(xiàng)目建立了適用于風(fēng)電機(jī)組狀態(tài)評(píng)估和故障診斷的全景信息模型，研究了葉片缺陷的發(fā)展過(guò)程與狀態(tài)監(jiān)測(cè)方法，提出了基于氣動(dòng)噪聲信號(hào)監(jiān)測(cè)的葉片缺陷狀態(tài)監(jiān)測(cè)方法與基于激光超聲波成像的風(fēng)電機(jī)組葉片診斷方法；研究了風(fēng)力發(fā)電機(jī)齒輪箱結(jié)構(gòu)機(jī)理及故障類型特性，建立了齒輪箱典型故障信號(hào)特征庫(kù)，提出了基于人工蜂群算法的選擇性神經(jīng)網(wǎng)絡(luò)集成算法和基于改進(jìn)隨機(jī)森林的智能齒輪診斷模型的風(fēng)機(jī)齒輪箱故障診斷方法；分析了電網(wǎng)故障對(duì)風(fēng)電機(jī)組關(guān)鍵設(shè)備健康狀態(tài)影響，搭建了雙饋風(fēng)電機(jī)組的仿真模型，開展了電網(wǎng)故障過(guò)程中風(fēng)機(jī)暫態(tài)運(yùn)行特性的仿真分析；提出了風(fēng)電機(jī)組健康狀態(tài)評(píng)估與狀態(tài)預(yù)測(cè)方法，并研制了風(fēng)機(jī)狀態(tài)監(jiān)測(cè)與故障診斷裝置，結(jié)合現(xiàn)場(chǎng)測(cè)試數(shù)據(jù)驗(yàn)證了方法的有效性。本項(xiàng)目的研究成果解決了風(fēng)電機(jī)組的狀態(tài)監(jiān)測(cè)與評(píng)估中的關(guān)鍵科學(xué)問(wèn)題，為推動(dòng)風(fēng)電機(jī)組從定期維修和事后維修到狀態(tài)檢修的轉(zhuǎn)變提供了理論基礎(chǔ)，對(duì)風(fēng)電機(jī)組的安全穩(wěn)定運(yùn)行具有重大意義。

風(fēng)電機(jī)組故障不僅影響著運(yùn)營(yíng)業(yè)主的經(jīng)驗(yàn)效益，更是嚴(yán)重威脅著電網(wǎng)運(yùn)行安全。如何有效降低故障帶來(lái)的損失，避免重大故障發(fā)生已成為風(fēng)電場(chǎng)運(yùn)行中必須解決的重大問(wèn)題，對(duì)風(fēng)電機(jī)組實(shí)施狀態(tài)監(jiān)測(cè)與評(píng)估是非常有效的應(yīng)對(duì)措施。與傳統(tǒng)動(dòng)電力設(shè)備部件相比，風(fēng)電機(jī)組無(wú)論是在機(jī)械結(jié)構(gòu)和材料、工作環(huán)境，還是電氣拓?fù)浞矫娑寂c傳統(tǒng)電力設(shè)備有著明顯的差異，有新特點(diǎn)和新問(wèn)題，特別是風(fēng)電機(jī)組葉片、齒輪箱、電氣控制系統(tǒng)等部件。本項(xiàng)目將開展風(fēng)電機(jī)組的電氣控制系統(tǒng)故障模式與狀態(tài)表征方法研究，葉片缺陷的發(fā)展過(guò)程與狀態(tài)表征方法研究，齒輪箱故障模式與狀態(tài)表征方法研究，電網(wǎng)故障對(duì)風(fēng)電機(jī)組關(guān)鍵設(shè)備健康狀態(tài)影響研究，研究了基于多狀態(tài)參量實(shí)現(xiàn)風(fēng)電機(jī)組部件和整體狀態(tài)的評(píng)估方法，建立了風(fēng)電機(jī)組狀態(tài)評(píng)估體系。項(xiàng)目研究成果將為解決風(fēng)電機(jī)組的狀態(tài)監(jiān)測(cè)中的關(guān)鍵科學(xué)問(wèn)題，為推動(dòng)風(fēng)電機(jī)組從定期維修和事后維修到狀態(tài)檢修的轉(zhuǎn)變奠定基礎(chǔ)

風(fēng)電機(jī)組是由多個(gè)部件組成，開展對(duì)其關(guān)鍵部件在線狀態(tài)監(jiān)測(cè)和故障診斷的研究，可及時(shí)識(shí)別故障征兆、實(shí)時(shí)掌握故障漸變發(fā)展程度和節(jié)省故障排查時(shí)間，為優(yōu)化運(yùn)維檢修策略進(jìn)而提高整機(jī)的運(yùn)行可靠性具有重要的學(xué)術(shù)意義和工程實(shí)用價(jià)值。包括風(fēng)電機(jī)組的葉輪、齒輪箱、發(fā)電機(jī)、變流器和變槳系統(tǒng)5 個(gè)關(guān)鍵部件的在線故障診斷研究現(xiàn)狀。

1、葉輪

葉輪是捕捉風(fēng)能關(guān)鍵部件，包括葉片和輪轂。目前，對(duì)葉片老化和損壞、葉輪不平衡故障的研究較多，現(xiàn)有的在線狀態(tài)監(jiān)測(cè)和故障診斷方法現(xiàn)多處在實(shí)驗(yàn)室模擬仿真階段，在實(shí)際應(yīng)用中比較鮮見。

a. 葉片老化和損壞。葉片運(yùn)行環(huán)境惡劣，酸雨、冰凍等侵蝕以及葉片旋轉(zhuǎn)時(shí)變化的沖擊力破壞，引起葉片裂紋甚至破裂。關(guān)于葉片動(dòng)態(tài)無(wú)損在線監(jiān)測(cè)技術(shù)有聲發(fā)射、超聲波、光纖光柵和振動(dòng)分析等技術(shù)。相比超聲波和光纖光柵技術(shù)，聲發(fā)射可獲得葉片上較為全面的缺陷信息，具有相對(duì)較高的靈敏度和分辨率，能夠準(zhǔn)確監(jiān)測(cè)到薄弱區(qū)位置

b. 葉輪不平衡故障。隨著單機(jī)容量不斷增大，葉輪直徑越來(lái)越長(zhǎng)，風(fēng)力機(jī)的柔性也越強(qiáng)，尤其在北方冬季，葉片結(jié)冰使得葉輪不平衡造成整體結(jié)構(gòu)振動(dòng)進(jìn)一步加大，將在傳動(dòng)鏈部件產(chǎn)生疲勞應(yīng)力，嚴(yán)重影響機(jī)組壽命?，F(xiàn)有大多數(shù)研究是從發(fā)電機(jī)的電氣信號(hào)中提取故障特征。

2、齒輪箱

關(guān)于齒輪箱在線監(jiān)測(cè)和故障診斷的研究較多，除離線檢測(cè)的油液分析方法外，在線的分析方法主要包括：振動(dòng)分析、溫度分析和電氣分析。

a. 振動(dòng)分析

通常從振動(dòng)特征量的時(shí)域和頻域中提取齒輪箱的故障特征。

目前，現(xiàn)有的風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)系統(tǒng)產(chǎn)品也大多以振動(dòng)特征量分析為主，采用數(shù)據(jù)離線分析和專家輔助分析方式，獲取得到齒輪箱軸承和齒輪的狀態(tài)監(jiān)測(cè)和故障診斷結(jié)果。但是，振動(dòng)分析對(duì)于低頻信號(hào)具有一定的局限性，且在齒輪箱本體上安裝傳感器獲取振動(dòng)信號(hào)需增加投資和維護(hù)費(fèi)用。

b. 溫度分析

溫度特征量在一定程度上反映齒輪箱的運(yùn)行狀態(tài)。利用非線性狀態(tài)估計(jì)方法建立齒輪箱正常工作狀態(tài)下的溫度模型并用其進(jìn)行溫度預(yù)測(cè)。通過(guò)模擬齒輪箱的故障情況，在SCADA 監(jiān)測(cè)數(shù)據(jù)中加入溫度偏移來(lái)模擬故障，分析結(jié)果如圖5所示，均值曲線的95% 置信區(qū)間的上限在第451 個(gè)滑動(dòng)窗口超出了預(yù)先設(shè)定的均值閾值，在第551 點(diǎn)處，監(jiān)測(cè)出齒輪箱溫度的異常變化情況。然而，由于溫度具有熱慣性特性，變化緩慢，易受到外界環(huán)境因素影響，采用固定閾值時(shí)，當(dāng)發(fā)出預(yù)警信號(hào)時(shí)，部件已經(jīng)嚴(yán)重劣化，故障可能即將發(fā)生，難以起到早期故障診斷的作用。因此，有必要研究多種工況下的溫度特征量動(dòng)態(tài)閾值確定方法。

c. 電氣分析

從發(fā)電機(jī)中電氣信號(hào)的時(shí)域和頻

域中提取故障特征信息來(lái)實(shí)現(xiàn)齒輪箱的故障診斷。相比其他信號(hào)，電氣特征量的采集不需要另行加裝傳感器，不會(huì)影響到機(jī)組的完整性。但是風(fēng)電機(jī)組運(yùn)行環(huán)境復(fù)雜，干擾源較多，還可能存在多部件異常特征交叉重疊發(fā)生，需考慮實(shí)際運(yùn)行環(huán)境，深入研究基于電氣特征量的齒輪箱狀態(tài)特征提取算法。

d. 油液分析

齒輪嚙合在非正常的磨損狀態(tài)出現(xiàn)，會(huì)瞬間產(chǎn)生巨大磨損顆粒，或磨損率上升導(dǎo)致磨損顆粒數(shù)量顯著增加。油液分析被認(rèn)為是實(shí)現(xiàn)齒輪箱狀態(tài)監(jiān)測(cè)和故障診斷最有效的技術(shù)之一，包括紅外光譜技術(shù)、鐵譜技術(shù)、顆粒分析技術(shù)、氣相色譜技術(shù)等，通過(guò)提取油液中各項(xiàng)監(jiān)測(cè)指標(biāo)，包括運(yùn)動(dòng)粘度、PQ 鐵譜、酸值、水分等，監(jiān)測(cè)和分析油液中各類監(jiān)測(cè)指標(biāo)變化情況，實(shí)現(xiàn)齒輪箱異常檢測(cè)。目前，我國(guó)許多機(jī)構(gòu)先后建立了油液監(jiān)測(cè)實(shí)驗(yàn)室，但是因受限于監(jiān)測(cè)硬件（傳感器）設(shè)計(jì)和制造技術(shù)，存在測(cè)量誤差較大、精度低因素，還沒(méi)有在實(shí)際中實(shí)現(xiàn)在線油液監(jiān)測(cè)。

3、發(fā)電機(jī)

關(guān)于發(fā)電機(jī)的故障診斷研究，大多是通過(guò)在線監(jiān)測(cè)定子電流、轉(zhuǎn)子電流、有功功率變化情況，對(duì)匝間短路、單相或多相短路、軸承損壞、轉(zhuǎn)子偏心等進(jìn)行故障診斷。

4、變流器和變槳系統(tǒng)

a. 變流器

變流器作為電能回饋至電網(wǎng)的關(guān)鍵控制通道，是影響風(fēng)電機(jī)組及入網(wǎng)安全穩(wěn)定運(yùn)行的重要環(huán)節(jié)?，F(xiàn)有文獻(xiàn)中多采用基于樣本訓(xùn)練的在線變流器的智能故障診斷方法。

研究主要側(cè)重于風(fēng)電變流器的故障診斷，然而，由于風(fēng)速的不確定性，風(fēng)電變流器運(yùn)行的可靠性受機(jī)側(cè)變流器低頻運(yùn)行和風(fēng)速隨機(jī)波動(dòng)影響較為嚴(yán)重，變流器輸出功率變化很大，使得功率器件運(yùn)行在不同載荷水平下，可能導(dǎo)致器件結(jié)溫的變化，功率器件會(huì)承受長(zhǎng)期、頻繁的不均衡電熱應(yīng)力，造成疲勞累積，導(dǎo)致焊料開裂、焊線脫落等故障現(xiàn)象發(fā)生。圖所示為11 m/ s 的湍流風(fēng)速及雙饋風(fēng)電機(jī)組的機(jī)側(cè)變流器IGBT 結(jié)溫變化情況，可見IGBT 功率器件在整個(gè)變流器壽命周期內(nèi)需要承受頻繁波動(dòng)且幅值為20 °C 的結(jié)溫?zé)嵫h(huán)，不可避免地將加快器件老化和失效速度，因此，基于疲勞、失效機(jī)理的風(fēng)電變流器的器件的在線狀態(tài)監(jiān)測(cè)應(yīng)該引起關(guān)注。目前關(guān)于功率器件的該領(lǐng)域研究比較少見。

b. 變槳系統(tǒng)。關(guān)于變槳系統(tǒng)的故障診斷研究較少，變槳系統(tǒng)轉(zhuǎn)速極低，運(yùn)行不連續(xù)，負(fù)載隨機(jī)，對(duì)其在線狀態(tài)監(jiān)測(cè)可采用振動(dòng)分析或發(fā)電機(jī)的電流信號(hào)進(jìn)行分析。另外，考慮基于單一參量的絕對(duì)閾值評(píng)估方法，可能導(dǎo)致現(xiàn)有變槳系統(tǒng)狀態(tài)監(jiān)測(cè)方法不能及時(shí)準(zhǔn)確地在線判斷其異常狀態(tài)的問(wèn)題。

風(fēng)電機(jī)組一般要求服役20 a，風(fēng)電運(yùn)營(yíng)商或者電網(wǎng)調(diào)度部門更多關(guān)心的是整機(jī)安全性、運(yùn)行可靠性、發(fā)電能力、運(yùn)行狀態(tài)變化趨勢(shì)及服役剩余時(shí)間等指標(biāo)，因此，有必要開展整機(jī)的綜合狀態(tài)監(jiān)測(cè)方法研究。目前，關(guān)于整機(jī)的狀態(tài)方法研究大多是在風(fēng)電機(jī)組數(shù)據(jù)采集與監(jiān)視控制（SCADA）系統(tǒng)的運(yùn)行數(shù)據(jù)基礎(chǔ)上開展，其故障預(yù)測(cè)3 個(gè)方向分別進(jìn)行綜述。

1、基于統(tǒng)計(jì)分析的風(fēng)電機(jī)組綜合狀態(tài)監(jiān)測(cè)與評(píng)估利用統(tǒng)計(jì)分析方法，通過(guò)分析大量的風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)的各類特征量（功率、風(fēng)速、轉(zhuǎn)速、溫度、振動(dòng)等）離線運(yùn)行數(shù)據(jù)，提取某些有規(guī)律的指標(biāo)，與出廠設(shè)計(jì)標(biāo)準(zhǔn)值進(jìn)行對(duì)比，或通過(guò)多個(gè)機(jī)組之間的比較，達(dá)到對(duì)風(fēng)電機(jī)組整機(jī)狀態(tài)監(jiān)測(cè)的目的。

目前，對(duì)功率運(yùn)行數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析研究較多，例如2 臺(tái)1.5 MW 風(fēng)電機(jī)組功率曲線如圖2 所示，它是通過(guò)獲取反映機(jī)組運(yùn)行性能的實(shí)測(cè)風(fēng)速、功率等數(shù)據(jù)，采用Bin 方法對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)處理后獲得2 臺(tái)機(jī)組的功率曲線。通過(guò)2 臺(tái)機(jī)組的功率曲線、風(fēng)能利用曲線及其標(biāo)準(zhǔn)差值，對(duì)機(jī)組的運(yùn)行性能進(jìn)行了對(duì)比分析和評(píng)估。圖2（b）所示機(jī)組2 的實(shí)際功率曲線在低于額定風(fēng)速以下區(qū)間內(nèi)要比圖2（a）機(jī)組1 的低一些，而且在高于額定風(fēng)速時(shí)，有部分Bin 區(qū)間內(nèi)功率的標(biāo)準(zhǔn)差偏大，運(yùn)行狀態(tài)不太穩(wěn)定。

上述研究是通過(guò)對(duì)功率信息進(jìn)行統(tǒng)計(jì)分析來(lái)實(shí)現(xiàn)整機(jī)的狀態(tài)監(jiān)測(cè)，能否采用其他特征量的統(tǒng)計(jì)結(jié)果來(lái)更好地表征整個(gè)風(fēng)電機(jī)組的運(yùn)行狀態(tài)，值得深入探索研究。

2、基于多參數(shù)融合的風(fēng)電機(jī)組綜合狀態(tài)監(jiān)測(cè)與評(píng)估

在該研究方向，大多數(shù)研究是在風(fēng)電SCADA 系統(tǒng)運(yùn)行數(shù)據(jù)基礎(chǔ)上進(jìn)行開展的。風(fēng)電機(jī)組SCADA 系統(tǒng)中包括的物理特征量有：角度、壓力、溫度、速度、機(jī)艙振動(dòng)、電氣等，通過(guò)分析這些運(yùn)行數(shù)據(jù)，可以反映整機(jī)的運(yùn)行狀態(tài)。

目前，關(guān)于風(fēng)電機(jī)組多參數(shù)融合的狀態(tài)監(jiān)測(cè)和評(píng)估方法，包括人工神經(jīng)網(wǎng)絡(luò)、高斯混合模型參數(shù)估計(jì)、物元分析、模糊綜合評(píng)判等。

3、風(fēng)電機(jī)組的故障預(yù)測(cè)方法

故障預(yù)測(cè)是指根據(jù)系統(tǒng)現(xiàn)在或歷史性能狀態(tài)預(yù)測(cè)性地診斷部件或系統(tǒng)完成其功能的狀態(tài)（未來(lái)的健康狀態(tài)），包括確定部件或者系統(tǒng)的剩余壽命或正常工作時(shí)間。

故障預(yù)測(cè)的3 種方法為：基于模型的方法、基于統(tǒng)計(jì)可靠性的方法和基于數(shù)據(jù)驅(qū)動(dòng)的方法。目前，基于模型的風(fēng)電機(jī)組故障預(yù)測(cè)研究方向比較鮮見，而另外2 個(gè)研究方向已出現(xiàn)在相關(guān)文獻(xiàn)中。

a. 基于統(tǒng)計(jì)可靠性的風(fēng)電機(jī)組故障預(yù)測(cè)研究。

目前，關(guān)于已出質(zhì)保期或服役了較長(zhǎng)時(shí)間的風(fēng)電機(jī)組，其運(yùn)行性能下降和各部件劣化度增加，導(dǎo)致可靠度不斷降低和平均故障間隔時(shí)間MTBF（Mean TimeBetween Failures）逐漸縮短，對(duì)于上述方面的故障預(yù)測(cè)研究比較少見。而對(duì)試運(yùn)行期間風(fēng)電機(jī)組MTBF的預(yù)測(cè)已有少量文獻(xiàn)報(bào)道，一般是在假設(shè)風(fēng)電機(jī)組可靠性服從某種分布（如Weibull、非齊次泊松等分布）的基礎(chǔ)上開展研究。

b. 基于數(shù)據(jù)驅(qū)動(dòng)的風(fēng)電機(jī)組故障預(yù)測(cè)研究。

在該部分的研究多集中利用SCADA 數(shù)據(jù)對(duì)風(fēng)電機(jī)組關(guān)鍵部件（如齒輪箱、發(fā)電機(jī)、主軸等）開展故障預(yù)測(cè)研究，現(xiàn)有的故障預(yù)測(cè)方法有支持向量機(jī)、ARMA 方法、多元線性回歸方法、人工神經(jīng)網(wǎng)絡(luò)等方法。

大多數(shù)研究的基本思路是通過(guò)殘差趨勢(shì)分布來(lái)實(shí)現(xiàn)故障預(yù)測(cè)，如圖4 所示的故障預(yù)測(cè)框架，將SCADA 的監(jiān)測(cè)數(shù)據(jù)作為預(yù)測(cè)模型的輸入，通過(guò)所建立如人工神經(jīng)網(wǎng)絡(luò)或支持向量機(jī)的預(yù)測(cè)模型獲得預(yù)測(cè)值，進(jìn)而將實(shí)際監(jiān)測(cè)值與預(yù)測(cè)值結(jié)合求取殘差，結(jié)合利用事先通過(guò)專家經(jīng)驗(yàn)或正態(tài)分布等方法確定的殘差閾值，通過(guò)檢測(cè)是否超過(guò)閾值或通過(guò)殘差趨勢(shì)分析實(shí)現(xiàn)對(duì)故障預(yù)測(cè)。

隨著大功率風(fēng)電機(jī)組安裝與并網(wǎng)運(yùn)行，對(duì)其運(yùn)行可靠性將提出更高的要求，必將促進(jìn)風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)進(jìn)一步發(fā)展。風(fēng)電機(jī)組整機(jī)狀態(tài)評(píng)估和故障預(yù)測(cè)方法以及其關(guān)鍵部件故障診斷的研究現(xiàn)狀進(jìn)行綜述，綜合分析了現(xiàn)有的風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)研究現(xiàn)狀和存在的不足，提出以下研究要點(diǎn)及趨勢(shì)。

（1） 對(duì)于地處偏遠(yuǎn)、交通不便的陸地風(fēng)電機(jī)組和受復(fù)雜運(yùn)行環(huán)境約束的海上風(fēng)電機(jī)組往往存在故障診斷難、維修時(shí)間長(zhǎng)等問(wèn)題。通過(guò)對(duì)風(fēng)電機(jī)組故障統(tǒng)計(jì)情況分析可知，除了對(duì)導(dǎo)致停機(jī)時(shí)間長(zhǎng)的機(jī)械系統(tǒng)等部件關(guān)注的同時(shí)，還應(yīng)對(duì)故障頻率高的電氣部件引起高度重視，如變流器、變槳系統(tǒng)等，對(duì)電氣系統(tǒng)的在線監(jiān)測(cè)和故障診斷技術(shù)研究可能是今后的發(fā)展趨勢(shì)之一。

（2） 受隨機(jī)風(fēng)速大小和風(fēng)向隨機(jī)變化影響，風(fēng)電機(jī)組SCADA 等監(jiān)測(cè)信息呈現(xiàn)出頻繁的波動(dòng)性和不確定性，基于數(shù)據(jù)挖掘的整機(jī)綜合狀態(tài)評(píng)估和故障預(yù)測(cè)可能是今后的研究趨勢(shì)。如，應(yīng)用數(shù)據(jù)挖掘技術(shù)，考慮原始運(yùn)行數(shù)據(jù)波動(dòng)性和間歇性，探索基于監(jiān)測(cè)數(shù)據(jù)的風(fēng)電機(jī)組整機(jī)運(yùn)行狀態(tài)漸變規(guī)律的新方法，制定出整機(jī)長(zhǎng)期和短期狀態(tài)趨勢(shì)變化的定量指標(biāo)。

另外，還可以考慮監(jiān)測(cè)數(shù)據(jù)不同時(shí)間尺度固有特點(diǎn)，研究基于數(shù)據(jù)驅(qū)動(dòng)方法的整機(jī)故障預(yù)測(cè)方法，獲取整機(jī)的在線運(yùn)行狀態(tài)和剩余運(yùn)行時(shí)間。

（3） 從風(fēng)電機(jī)組關(guān)鍵部件的故障診斷研究現(xiàn)狀分析情況可知，現(xiàn)有的方法各有優(yōu)缺點(diǎn)和局限性，如何準(zhǔn)確地從監(jiān)測(cè)數(shù)據(jù)中提取故障特征以提高故障診斷的精確度，研究多類故障診斷技術(shù)將可能是今后的研究熱點(diǎn)。近期可能的研究趨勢(shì)如下。

① 基于電氣特征量的關(guān)鍵部件狀態(tài)監(jiān)測(cè)和故障診斷研究。風(fēng)電機(jī)組是一個(gè)機(jī)電耦合較強(qiáng)系統(tǒng)，任何機(jī)械和電氣故障勢(shì)必會(huì)在電氣特征量中有所反映，如當(dāng)齒輪箱齒輪、各部件的軸承損壞，發(fā)電機(jī)定子和轉(zhuǎn)子的匝間短路和相間短路等故障發(fā)生時(shí)，會(huì)不同程度地引起發(fā)電機(jī)轉(zhuǎn)軸振動(dòng)，進(jìn)一步改變氣隙分布情況，進(jìn)而將故障特征信息疊加在定子和轉(zhuǎn)子的電氣特征量上。如何基于電氣特征量，尋求各類故障的機(jī)理和演化規(guī)律，特別是揭示異常的根源，實(shí)現(xiàn)有效故障診斷需進(jìn)一步深入研究。

② 多參數(shù)信息融合的關(guān)鍵部件狀態(tài)監(jiān)測(cè)和故障診斷研究。目前，單一參數(shù)信息含量有限或者故障特征提取較難，很難準(zhǔn)確反映關(guān)鍵部件的異常狀態(tài)，特別是早期的潛在故障。

可考慮充分利用多類型參數(shù)信息，依據(jù)某種方法實(shí)現(xiàn)時(shí)空冗余和互補(bǔ)信息融合，獲取更為準(zhǔn)確關(guān)鍵部件狀態(tài)監(jiān)測(cè)和故障診斷結(jié)果，如行星輪的通過(guò)效應(yīng)或行星架和太陽(yáng)輪的旋轉(zhuǎn)對(duì)嚙合振動(dòng)產(chǎn)生額外的調(diào)幅作用，導(dǎo)致橫向振動(dòng)信號(hào)的頻譜結(jié)構(gòu)非常復(fù)雜，需借助于復(fù)雜的故障特征提取方法實(shí)現(xiàn)對(duì)故障頻率的提取，而扭轉(zhuǎn)振動(dòng)信號(hào)不受這些額外的調(diào)幅效應(yīng)影響，使得頻譜結(jié)構(gòu)更加簡(jiǎn)單，但是扭振振動(dòng)信號(hào)還可能受測(cè)量誤差和噪聲干擾等影響，提取的故障特征準(zhǔn)確性會(huì)受到影響。

然而，對(duì)這2 類特征量的監(jiān)測(cè)信息，采用基于信息融合的故障特征提取方法，可能會(huì)獲得更準(zhǔn)確的故障診斷結(jié)果。

③ 基于老化失效過(guò)程的關(guān)鍵部件狀態(tài)評(píng)估和故障預(yù)測(cè)研究。受隨機(jī)風(fēng)速大小和風(fēng)向隨機(jī)變化影響，電氣系統(tǒng)老化失效過(guò)程存在不確定性和難預(yù)測(cè)性，有必要開展基于老化失效過(guò)程的電氣部件狀態(tài)評(píng)估和故障預(yù)測(cè)研究，如探索關(guān)鍵部件在運(yùn)行過(guò)程的不同階段的磨損、老化和失效過(guò)程的一般規(guī)律，研究關(guān)鍵部件狀態(tài)評(píng)估和故障預(yù)測(cè)方法，如變流器功率器件作為整個(gè)系統(tǒng)中故障發(fā)生率高且較為脆弱的部件之一，在掌握其不同運(yùn)行階段的磨損、老化和失效過(guò)程的一般規(guī)律基礎(chǔ)上，考慮變流器功率器件的應(yīng)力分布、疲勞積累，以及在非平穩(wěn)工況導(dǎo)致的功率器件結(jié)溫大幅度波動(dòng)等因素，從狀態(tài)監(jiān)測(cè)角度研究出適合功率器件在線狀態(tài)評(píng)估、運(yùn)行可靠性以及故障預(yù)測(cè)建模的新方法。 2100433B