基于贝叶斯网络的风电机组偏航系统故障诊断

国电电力湖南新能源开发有限公司 谢宝瑜 王清岭 张尊彦 李 阳 伍席文 王泽科

华风数据（深圳）有限公司 黎 涛 黄剑峰

风力发电作为风能利用的主要形式，因其环境友好、建设周期短、项目规模灵活等优点，在近年取得快速发展。但由于风电机组长期处于恶劣环境中，其叶片、传动系统、变浆系统、偏航系统等均为故障高发部位。偏航系统作为水平轴风力发电机组中重要的机械系统之一，能在风向发生改变时控制风轮方向、追踪风向变化，从而做到风电机组的高效运行。但现阶段针对风电机组偏航系统故障检测的研究还相对较少。当前基于风机偏航系统状态监测的方法有人工听诊、振动检测、数据挖掘等方法。

人工听诊方法主要是运行人员根据运行经验来判断偏航系统是否发生故障，该方法存在严重的滞后性，人为主观性较强、效率低下且误差大；振动检测方法作为一种成熟的故障检测方法广泛应用于风电机组故障检测中，如文献[1]针对风电机组叶片断裂、偏航系统故障等在内的5种工况，在设备合适的部位安装振动传感器来获取振动信号，利用信号处理和BP 神经网络方法实现了特征与故障类型的关联，但基于振动法检测需安装大量的传感器，成本高且信号源复杂多变，很难检测到设备的早期故障；基于数据挖掘的方法是利用风场SCADS 系统和大数据技术来挖掘数据之间的关系，如文献[2]从风电机组的发电功率、转子速度和俯仰角同风速间三个参数进行关联分析，从SCADA 系统中提取海量数据进行分析，但此方法不足之处在于模型运算过程耗时较长、成本较高，不利于工程利用。……