风力发电机状态监测与故障诊断技术综述
风电机组故障诊断综述
风电机组故障诊断综述风力发电是一种清洁、可再生的能源，受到了全球范围内的广泛关注和应用。
风力发电系统在长期运行中难免会出现各种故障，这些故障会影响发电效率，甚至导致系统的损坏。
对风电机组故障的及时诊断和维修显得尤为重要。
风电机组的故障诊断是一个复杂的过程，需要充分考虑风力机组的结构特点、工作原理、运行条件等因素。
本文将从风电机组故障诊断的现状和发展趋势、故障诊断方法、故障诊断技术等方面进行综述，旨在为相关领域的研究和实践提供参考。
一、风电机组故障诊断的现状与发展趋势随着风力发电技术的不断发展和成熟，风电机组故障诊断技术也得到了长足的进步。
目前，风电机组故障诊断已经成为风力发电领域的一个热门研究课题，相关研究在国内外得到了广泛开展。
在风电机组故障诊断的研究中，越来越多的学者和工程师开始关注风力机组系统的健康管理(HM)技术。
HM技术是通过监测、诊断和维护来保证风力机组的安全、可靠和高效运行。
HM技术在风电机组故障诊断中的应用，能够及时发现和预测故障的发生，并采取相应的维修措施，从而提高风电机组的可靠性和利用率。
随着人工智能、大数据等技术的不断进步和应用，风电机组故障诊断技术也得到了很大程度的提升。
人工智能技术能够通过对大量监测数据的分析和处理，实现对风电机组运行状态的实时监测和故障诊断，为风力发电系统的运维管理提供了新的思路和方法。
未来，风电机组故障诊断技术将继续朝着智能化、自动化、网络化的方向发展，利用先进的传感器技术、大数据分析技术等手段，提高对风电机组运行状态的监测和分析能力，实现对风电机组系统的全面管理和控制。
风电机组故障诊断的方法主要包括基于数据驱动的方法和基于物理模型的方法两种。
1. 基于数据驱动的方法基于数据驱动的方法是通过对风电机组系统的监测数据进行分析和处理，从而实现对故障的诊断和预测。
这种方法的核心是利用数据挖掘、统计分析等手段，挖掘出与故障相关的特征信息，从而识别和分析故障的原因和性质。
风电机组故障诊断综述
风电机组故障诊断综述风电机组是利用风能将其转化为电能的设备，由于其运行在室外环境，容易受到各种天气和环境因素的影响，因此故障频繁发生。
为了确保风电机组的安全和高效运行，故障诊断成为一项重要的任务。
风电机组故障诊断的目标是及时准确地检测故障，并找出故障的原因，以便采取适当的措施进行修理。
故障诊断方法主要包括基于物理模型的方法和基于数据驱动的方法。
基于物理模型的方法是通过建立风电机组的物理模型，分析系统的动力学行为和故障模式，来识别故障。
这种方法有很高的准确性，但需要大量的先验知识和模型参数，同时对仪器设备的准确性和测量值的可靠性要求较高。
基于数据驱动的方法则是利用故障发生时的传感器数据，运用统计、机器学习和数据挖掘等技术，进行特征提取和故障分类。
这种方法不需要事先建立模型，可以自动学习故障模式和特征，具有较好的适应性和鲁棒性。
目前，风电机组故障诊断的研究主要集中在以下几个方面：1. 故障特征提取和选择：通过对传感器数据进行分析和处理，提取有效的特征，用于故障诊断。
常用的特征包括振动、声音、温度和电流等信号。
2. 故障分类和识别：利用分类算法和模式识别技术，对提取到的故障特征进行分类和识别，判断故障类型和位置。
常用的算法有逻辑回归、支持向量机和神经网络等。
3. 故障预测和剩余寿命估计：通过对历史数据和趋势分析，预测故障的发生时间和剩余寿命。
这种方法可以帮助制定维修计划和优化运维策略。
4. 故障诊断系统的构建和优化：将上述方法和技术整合起来，构建一套完整的故障诊断系统，实现对风电机组的实时监测和故障诊断。
对系统进行优化，提高诊断准确性和效率。
在风电机组故障诊断的研究中，还存在一些挑战和难题。
风电机组的复杂性和不确定性使得故障诊断变得困难。
缺乏高质量的故障数据和故障标签，限制了模型的训练和验证。
传感器的故障和干扰也会影响诊断结果的准确性。
如何提高故障诊断的可靠性和准确性，是未来研究的重点。
风电机组故障诊断是一个复杂而关键的问题，对风电行业的安全和可靠运行具有重要意义。
风电机组故障诊断综述
风电机组故障诊断综述随着风电技术的快速发展，风电机组的故障诊断成为了风电运维中的重要环节。
本文将对风电机组故障诊断的研究和应用进行综述，包括故障诊断方法、诊断技术和应用案例等方面的内容。
一、故障诊断方法风电机组故障诊断方法主要包括基于物理模型的方法、基于数据驱动的方法和基于统计学方法。
基于物理模型的方法包括使用电气模型、机械模型和流体模型等来建立风电机组的数学模型，通过对模型进行分析和仿真来诊断故障。
基于数据驱动的方法通过采集风电机组的实时数据，使用数据挖掘和机器学习的方法来建立故障模型，从而进行故障诊断。
基于统计学方法则是通过对大量风电机组数据进行统计分析，找出故障的概率分布特征，从而进行故障诊断。
风电机组故障诊断技术主要包括信号处理技术、特征提取技术和故障诊断算法。
信号处理技术主要包括滤波、降噪和特征提取等方法，用于对采集的传感器信号进行预处理。
特征提取技术主要包括时域分析、频域分析和小波分析等方法，用于从采集的数据中提取故障特征信息。
故障诊断算法主要包括贝叶斯网络、支持向量机和神经网络等方法，用于建立故障模型并进行故障诊断。
三、应用案例风电机组故障诊断在实际应用中已取得了一系列的成果。
利用门架振动传感器数据对风电机组变频器输出电流故障进行诊断，通过特征提取和支持向量机算法进行故障诊断，取得了良好的诊断效果。
利用风电机组振动加速度传感器数据对齿轮箱故障进行诊断，通过小波分析和神经网络算法进行故障诊断，也取得了较好的诊断效果。
总结：风电机组故障诊断是风电领域的重要研究方向，不仅对提高风电机组的可靠性和可用性具有重要意义，也对风电运维的效率和经济性有着重要影响。
当前，基于物理模型、数据驱动和统计学的故障诊断方法仍在不断发展，并且越来越多的应用案例也表明了故障诊断技术的可行性和有效性。
相信随着技术的不断进步，风电机组故障诊断将取得更大的发展。
风力发电机状态监测和故障诊断技术的研究与进展
风力发电机状态监测和故障诊断技术的研究与进展一、本文概述随着全球能源结构的转型和可再生能源的大力发展，风力发电作为一种清洁、可再生的能源形式，其地位日益凸显。
风力发电机（Wind Turbine，WT）作为风力发电系统的核心设备，其运行状态和性能直接影响到整个风电场的发电效率和经济效益。
因此，对风力发电机进行状态监测和故障诊断技术的研究，对于保障风电系统的安全稳定运行、提高发电效率、延长设备寿命具有重要的理论和实践价值。
本文旨在全面综述风力发电机状态监测和故障诊断技术的研究现状与发展趋势。
文章首先介绍了风力发电机的基本结构和工作原理，分析了风力发电机运行过程中可能出现的故障类型及其成因。
然后，重点阐述了当前风力发电机状态监测和故障诊断的主要技术方法，包括基于振动分析的故障诊断、基于声学信号的故障诊断、基于电气参数的故障诊断等。
对近年来新兴的和大数据技术在风力发电机故障诊断中的应用进行了详细介绍。
本文还总结了风力发电机状态监测和故障诊断技术的发展趋势和挑战，包括技术方法的创新、多源信息融合技术的应用、智能化和自动化水平的提升等。
文章展望了未来风力发电机状态监测和故障诊断技术的发展方向，以期为我国风电行业的健康发展提供理论支持和技术指导。
二、风力发电机的基本原理与结构风力发电机是一种将风能转化为机械能，再进一步转化为电能的装置。
其基本原理基于贝茨定律，即风能转换效率的理论最大值约为16/27，约为3%。
风力发电机主要由风轮、发电机（包括装置）、调向器（尾翼）、塔架、限速安全机构和储能装置等构件组成。
风轮是风力发电机的主要部件，一般由2-3个叶片组成。
风轮受风力作用而旋转，将风能转化为机械能。
风轮的转速随风速的变化而变化，为了保证发电机能够在风速变化的情况下稳定工作，需要通过增速机构提高风轮的转速。
发电机则将风轮旋转的机械能转化为电能。
发电机的类型有很多，如永磁发电机、电励磁发电机等，其选择取决于风力发电机的具体设计需求和运行环境。
风力发电机状态监测与故障诊断技术
风力发电机状态监测与故障诊断技术摘要：近些年我国风力发电行业迅速发展，在推动新能源发展方面发挥着重要作用。
风力发电机使用过程中受到各种因素影响，容易出现故障问题，影响到风力发电机的正常使用。
本文分析风力发电机状态监测的重要性，阐述故障诊断流程及解决措施。
关键词：风力发电机；状态检测；故障诊断风力发电机组是通过获得风能进行发电的电力设备，重要大部件都位于几十米甚至上百米高的塔筒上，一旦损坏将直接导致停机故障，并且无法快速更换，风电企业应该做好处理流程预案，发生重要大部件损坏的情况时，必须快速处理，减少损失。
1、风力发电机故障诊断流程分析1.1 现场处理故障措施现场运维管理部门日常监控管理风力发电机组运行情况发现，重要大部件运行状态发生异常时，应及时向公司质量管理部门、技术支持部门和综合计划管理部门报告大部件质量异常情况，提出预警，并进行现场运行情况检查和停机检查。
现场运维工作人员发现重要大部件损坏及时停机、保护现场，立即主动报告运维管理部门领导，并填写重要大部件损坏情况，报告公司质量管理部门、技术支持部门和综合计划管理部门，报告的主要内容包括风机所在风场、机位号、风机机型、大部件名称和序列号、大部件供应商、故障发生时间、故障描述、损坏件情况、损坏件发生频次等，以及现场已经进行的检查工作情况和现场紧急处理情况。
1.2 提出故障处理方案技术人员根据问题原因初步分析结果，提出现场损坏大部件的处理预案：根据损坏大部件的情况和以往的工程经验，如果是之前已经发生过的并且已经知道原因，制定过预案的问题，可以按维修或是更换预案组织处理；如果是之前没有发生过的新情况，原因也不清楚的问题，要组织进行更进一步的技术分析，组织质量问题归零，再确定最终处理方案，在最终方案确定之前，也可以采取临时处理方案维修或更换损坏的大部件，以免过多的影响风机运行，造成很大的发电量损失。
1.3 现场恢复生产的应急处理由于风力发电机组大部件损坏后，一般分析问题原因涉及的人员多、信息资料多，有的还需要供应商共同参与分析，所以周期很长，而现场往往无法承受太长时间的等待，根据风场业主的要求，一般在一定时间内必须恢复风力发电机组的运行生产，所以，在技术人员分析问题的同时，运维管理部门可以先向综合计划管理部门申请调拨备件、批准开展损坏大部件的维修或更换工作。
风力发电机状态监测与故障诊断技术研究
风力发电机状态监测与故障诊断技术研究近年来，风力发电技术受到了越来越多的关注。
由于风力发电的可靠性和环保性，它已成为发展可再生能源的重要手段。
随着风力发电技术的成熟，人们开始重视风力发电机的状态监测和故障诊断技术。
本文将介绍风力发电机状态监测与故障诊断技术的研究现状和发展趋势。
一、现状1.状态监测技术风力发电机状态监测技术主要包括振动监测、温度监测、电流监测、声波监测等。
其中，振动监测是最常用的一种技术。
它可以通过安装加速度传感器和速度传感器来监测风力发电机的振动，从而实现对风力发电机的状态监测。
温度监测可以通过安装温度传感器来实现。
电流监测主要是通过监测发电机定子电流和转子电流来判断风力发电机运行状态。
声波监测则是通过分析风力发电机产生的声音来诊断风力发电机的故障。
2.故障诊断技术风力发电机故障诊断技术主要包括振动诊断、幅频特征诊断、熵值特征诊断、小波变换诊断等。
其中，振动诊断是最常用的一种。
它可以通过振动特征提取和分析来判断风力发电机的故障类型和程度。
幅频特征诊断是通过分析不同频率下振动信号的振幅和相位特征来诊断故障。
熵值特征诊断则是通过分析振动信号的复杂度来判断故障。
小波变换诊断则是通过对振动信号进行小波分析来判断故障。
二、发展趋势1.智能化未来的风力发电机状态监测和故障诊断技术将趋向智能化。
目前，人工智能和机器学习技术已开始应用于风力发电机状态监测和故障诊断领域。
这些技术可以通过分析大量数据，自动判断风力发电机的状态和故障，并给出相应的解决方案。
未来，随着智能化技术的不断发展，风力发电机状态监测和故障诊断技术将更加准确和高效。
2.联网化未来的风力发电机状态监测和故障诊断技术将趋向联网化。
通过将风力发电机和互联网连接，实现对风力发电机状态的远程监测和故障诊断。
这样可以及时发现和解决风力发电机的故障，提高风力发电机的可靠性和安全性。
3.多元化未来的风力发电机状态监测和故障诊断技术将趋向多元化。
风力发电机状态监测与故障诊断技术分析
风力发电机状态监测与故障诊断技术分析摘要：风力发电机的运行环境恶劣，组件检修步骤繁琐，只有做好对风力发电机的状态检测与故障诊断工作，才可以提升发电机组的运行稳定性，减少故障问题。
工作人员必须掌握齿轮箱、叶片、发电机、其他部位状态监测与故障诊断技术要点，做好数据分析等多项工作，以此降低风力发电机的故障可能性，使风力发电工作正常进行。
关键词：风力发电机；状态监测；故障诊断1 风力发电机组运行情况检测的重要性电能是当前社会建设与人们生活重要的应用势能，不但经济建设需要电能作为重要保障，人们的生活命、工作和学习更是离不开电能。
风力发电是一种以风能一种自然能源为支撑的能源转换方法，为人民的生活和社会建设提供了强大的能源保障。
风力发电机的应用不仅可以解决我们国家能源利用不足的问题，而且还可以改善环境，特别是在经济欠发达的山区经济中，利用丰富的风能资源，扩大地方风力发电机的建设，从而不仅可以提高国家的经济价值，而且可以确保地方能源的供应。
考虑到风力发电对当前社会发展的重要性，现在有必要提高风力发电机的运行知识，以便及时发现发电机整个运行过程中的问题，并通过合理的根本原因分析确定风力发电运行过程中故障处理的主要策略，使整个风力发电设备更加平稳。
2 风力发电机状态监测与故障诊断技术2.1 齿轮箱状态监测和故障诊断技术齿轮箱是连接风力发电机中主轴与发电机的关键部件，这一部件的内部结构、受力情况复杂，是风力发电机长期运行中较容易发生故障的一个部位。
一旦齿轮箱发生故障，会间接引发风力发电机的故障，严重可造成发电量的巨大损失。
因此，做好齿轮箱的状态监测与故障诊断工作是十分有必要的。
常见的齿轮箱故障包括胶合、齿面疲劳、轴承裂纹、轴承点蚀、齿轮断齿等。
工作人员在使用相关技术时，要重点对此类部位进行监测。
具体工作中，振动监测技术与温度检测技术是较常见的监测技术，二者在使用过程中略有不同。
前者的工作原理是通过检测齿轮箱的振动频率得到详细的运行数据，通过对比、分析数据了解齿轮箱运行的实际状态；后者的工作原理是通过识别、判断齿轮箱内具体零部件的运行温度掌握齿轮箱内部零件的实际运行情况。
风力发电机状态监测与故障诊断技术研究
风力发电机状态监测与故障诊断技术研究【摘要】风力发电机的状态监测与故障诊断技术是提高风力发电系统稳定性和可靠性的关键。
本文首先介绍了这项技术的重要性和研究背景，然后对风力发电机状态监测技术和故障诊断技术进行了综述，探讨了它们在实际应用中的重要性与价值。
结合技术研究与发展趋势，提出了一些展望未来研究方向的建议。
本文旨在强调风力发电机状态监测与故障诊断技术对风力发电系统运行效率和稳定性的重要性，为相关研究提供参考和启示。
【关键词】风力发电机，状态监测，故障诊断，技术研究，风力发电，应用，发展趋势，重要性，研究背景，意义，未来研究方向，总结，建议1. 引言1.1 风力发电机状态监测与故障诊断技术砠究的重要性风力发电机是一种重要的可再生能源发电设备，但是在运行过程中可能会出现各种故障，影响发电效率和设备寿命。
对风力发电机的状态进行及时监测和故障诊断显得至关重要。
状态监测可以帮助运维人员实时了解设备运行状态，预防故障的发生，提高发电效率和运行安全性。
故障诊断技术可以帮助快速准确地定位故障原因，缩短维修时间，降低维修成本。
通过状态监测与故障诊断技术研究，可以不断改进监测方法和诊断算法，提高监测的准确性和故障定位的精确度，实现对风力发电机的全面监控和智能化管理。
这不仅能够提高风力发电机的运行效率和可靠性，降低维护成本，还能够推动风电产业的发展，促进清洁能源的使用，对保护环境和促进可持续发展具有重要意义。
风力发电机状态监测与故障诊断技术的研究具有重要的现实意义和深远影响。
1.2 研究背景与意义风力发电机故障诊断技术的研究意义在于提高故障诊断的准确性和效率。
及早发现故障并采取措施修复，能够避免故障进一步恶化，减少损失，保障风力发电机的稳定运行。
风力发电机状态监测与故障诊断技术的研究是当今能源研究领域的热点之一，对提高风力发电机运行效率、延长设备寿命、降低维护成本具有重要意义。
随着清洁能源的发展和应用范围的不断扩大，风力发电机状态监测与故障诊断技术的研究将会更加受到重视，对推进清洁能源产业的发展起到积极作用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
风力发电机状态监测与故障诊断技术综述
摘要：随着信息技术发展速度的不断加快，信息技术的应用范围也开始变得越
来越广了，在新能源领域信息技术得到了非常好的应用，风力发电技术作为新能
源领域中的一个非常重要的组成部分，其的故障诊断技术和发电机状态监督在风
力发电运行过程中发挥的作用是非常重要的。
本文就风力发电机故障诊断技术和
状态监督进行分析，希望能够在一定程度上促进我国风力发电行业的发展。
关键词：风力发电；发电机；状态监测；故障诊断；机械故障；电气故障；
振动故障
目前我国风力发电技术在发展过程中仍旧存在着很多的问题，其中对风力发
电影响最大的就是风力发电机故障诊断技术和状态监测这两个问题。
要想让风力
发电产业得到更加快速的发展，故障诊断监测系统必须要对发电机各个零件的运
行状态进行实时监督，只有这样才能够及时的根据风力发电机的电压、温度、震
动来对发电机的状况进行准确的诊断，才能够在发电机出现问题的第一时间就能
够及时的找到解决办法，我国风力发电机的运行效率才能够得到提升。
１风力发电机常见运行故障监测及诊断
双馈风力发电机常见运行故障可分为机械故障和电气故障２类：机械故障包
括发电机振动过大、轴承故障、轴系不对中故障、转子质量不平衡故障、机座松动、转子偏心故障等；电气故障包括线圈短路、绝缘损坏、气隙不均衡、三相不
平衡等。
1.1机械故障信号监测与诊断
通常可通过监测发电机的振动、温度、转速等信号诊断发电机轴承故障、轴
系不对中、转子质量不平衡、机座松动、转子偏心等机械故障。
一旦发电机在运行的过程中出现故障的化，我们可以通过发电机输出的电流、功率、电压等的不同频率来对发电机的故障进行分析。
如果是发电机的轴承出现
问题的话，那么番点击在进行运行的过程中就非常出现高频率的震动，一般情况
下发动机出现故障的高频率震动，是发动机正常震动的一千多倍，如果发动机故
障过于严重的话，那么发动机的震动可能就会变得更严重，这个时候故障诊断系
统就可以通过振动传感器来获取外界的信号，才能够及时的发动机的故障机进行
处理。
1.2电气故障信号监测与诊断
如果是发动机电气出现问题的话，那么故障检测系统在对发电机进行检测的
过程中，就可以通过对发电机定子线圈的电压、温度等来对发电机的故障进行判断，能够引起发电机电气出现故障的原因主要有相间短路、匝间短路、和层间短
路等，因此一旦发现是翻地啊你电气出现故障的化，就会重点对发电机进行短路
检测。
在进行故障诊断的过程中，我们可以通过发电机的电压和电流、转子扭矩
来对发电机的运行状态进行测量。
如果通过检测我们发现时由于相间短路的原因导致发电机再出现故障问题的话，我们就可以发现发电机的温度和电磁场都会发生非常大的变化，故障的特征
也会随着时间的增加而变得特别明显。
要想快速的检测出发电机出现故障的原因，我们科技直接对发电机的振动、温度和电流进行采集，这样就能够在最短的时间
之内诊断出发电机短路故障了。
相间短路一般主要包括三相短路、单相短路、两
相短路。
发电机电气参量监测技术是通过测量发电机电流、电压和功率的高频分
量实现对发电机机械故障的分析和判断。
2仿真计算及故障模拟实验研究现状
2.1风力发电机数学建模仿真
对双馈风力发电机故障诊断技术的研究主要包括故障仿真和实验模拟２种途径。
常用的故障仿真建模方法主要从“场”和“路”的角度对双馈风力发电机建立物
理模型和数学模型。
从“路”的角度出发，根据多回路理论和发电机的数学方程，
在MATLAB／Simulink中建立双馈发电机的数学模型，可模拟双馈发电机的正常情况和故障情况，李俊卿等通过该方法模拟了定子、转子绕组匝间短路故障，结果
表明定子线电流相位差、负序电流、负序电流与正序电流之比均可以作为判断匝
间短路的特征参量。
王德艳和王栋采用多回路理论建立了双馈风力发电机绕组匝
间短路故障数学模型，分析了不同故障程度下的定子支路电流、定子线电压、定
子线电流的变化特征，结果表明：发电机故障相电流远大于正常状态时的相电流；三相电流之间的相位不再对称；绕组故障程度与相电流大小成正比。
2.2风力发电机仿真实验平台
对风力发电机进行故障监测及故障诊断技术的研究时，可以搭建风力发电机
故障模拟平台并进行故障信号模拟，验证各故障诊断算法。
D.Casadei等搭建了风力发电机实验台，通过在定子或转子某相串联１个与该相电阻值相等的电阻完成
定子不平衡故障或转子不平衡故障模拟实验。
Yang等人搭建的实验台可以模拟发
电机定子绕组短路故障、发电机转子不平衡故障、传动系机械故障等，该平台也
能通过连接外部电阻箱来模拟转子三相不平衡故障。
Simon Jonathan Watsom等建立了基于振动信号分析的双馈风力发电机的监测与诊断系统的实验平台。
Lucian Mihet Popa等搭建的风力发电机的实验模拟平台含有滑环的双馈式绕线感应发电机，实验平台模拟的故障主要包括定子绕组匝间短路故障、定子不平衡和转子不
平衡故障。
魏书荣等搭建了双馈风力发电机定子内部故障实验装置，发电机的定
子出线端与可调节负载、录波仪连接，用于模拟双馈发电机定子内部故障。
３风力发电机状态监测系统
传统的风力发电机在线状态监测系统往往仅采集发电机的振动信号，通过分
析振动信号判断机组各部件的运行状态，如瑞典SKF公司研制的IMX-W在线监测系统、新西兰况德实仪器公司研制的Turningpoint在线监测系统、丹麦B＆K公司研制的PULSEＥ噪声振动分析系统、美国DE公司Bent-iy分部研制的Trendmadter 在线状态监测系统、德国PRUFTECHNIK公同研制的VIBXPERT、VIBROWEB-XP系统。
德国FAG|公司研制FAGX1系统等。
国内有西北工业大学研制的CDMA-6100
状态监测与故障诊断系统|、中自庆安的CS2000风力发电机组状态监测与分析系统.北京威锐达测控系统有限公司研制VibDAQ网络化离线监测系统，东方振动和
噪声研究所研制的DASP监测系统，阿尔斯通创为实技术发展有限公司研制的
S8100系统等。
对于风力发电机而言，仅采集和分析振动数据容易造成误诊。
西安热工研究
院有限公司研制的“WT-1型风力发电机状态监测与故障诊断系统”，除了能监测风力发电机组传动链各部件的振动信号外，还能获得发电机的电气信号，并且将常
用的电气信号处理方法（负序电流法、电流谐波成分分析法、电流Park矢量轨迹法等）集成到该系统中，实现了对发电机状态的综合监测及故障诊断。
４总结
综上所述，风力发电机故障检测技术和状态检测对风力发电产业的发展有着
非常重要的作用，其不仅能够提升风力发电产业的可靠性，同时还能够在一定程度上提高风力发电产业的生产效率，同时这样也可以减少风力发电机日常维修所需要的费用。
要想提高风力发电机故障诊断技术的水平，我们就必须要不断的结合先进的科学技术，不断结合风力发电产业自身的实际需求来对故障检测技术进行调整，只有这样风力发电产业才能够更好的为我国社会发展服务。
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]于占龙. 风力发电机状态监测与故障诊断技术综述[J]. 工程技术：文摘版，2016（10）：00297-00297.
[3]张晓良. 风力发电机状态监测和故障诊断技术的研究与进展[J]. 环球市场信息导报，2016（14）：141-142.
[4]王海鹏. 风力发电机状态监测和故障诊断技术的研究与进展[J]. 工业，2016（12）：00299-00299.。