风力发电机组智能故障诊断系统的研究与实现

合集下载

双核系统在风力发电设备故障诊断中的研究

（ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｉｃａｌａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，
ＬａｎｚｈｏｕＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ，ＬａｎｚｈｏｕＧａｎｓｕ７３００５０，Ｃｈｉｎａ）
Байду номын сангаас
电机组，而在全球：Ｖｅｓｔａｓ推出７ＭＷ半直驱永磁风电机，Ｒｅｐｏｗｅｒ
推出６．１５ＭＷ双馈风电机组，Ｇａｍｅｓａ正开发５ＭＷ（２０１３年）、７
ＭＷ（２０１５年）风电机组。从历史数据来看，风力发电机单机装机
ＳｔｕｄｙＯｎＤｕａｌ－ｃｏｒｅＳｙｓｔｅｍｉｎＦａｕｌｔＤｉａｇｎｏｓｉｓｏｆＷｉｎｄＰｏｗｅｒＧｅｎｅｒａｔｏｒ
ＷＡＮＧＨｕｉ — ｚｈｏｎｇ，ＬＩＱｉａｎｇ
７３００５０）
要：针对发电机定子局部放电故障，提出了基于ＤＳＰ＋ＡＲＭ双核的风电机组状态监测系统，对发电机局部放电信号进行实时在线监测。给出了系统硬件和软件的设计方案，为上位机进一步诊断和预测风电机组的故障提供可靠的数据。结果表明，能够良好的、有效的对发电机绝缘状况进行故障诊断。
能源发电控制技术

基于类神经网络的MW永磁风力发电机短路故障智能诊断

ｔｅｒｎｅｒｔｘｒｍｅ，ｃａｓｆｎｏｔａｔｄｉｇｏｉｏｃｕｓｏｎｈｏｙｉｔｇａｅｅｐｅｉｎｔｌｓｉｙａｄｃｎｒｓａｎｓｓｃｎｌｉ．
Ｋｅｏｄ：ｒｆｉｌｅｒｌｅｗｒ（ＮＮ）ｅｍａｅｔｍａｎｔｎｏｅｅｅａｏ；ｓｏｔｃｒｕｔｙｗｒｓａｔｃｕａｎｔｏｋＡｉａｎｉ；ｐｒｎｎｇｅｗｉｄｐｗｒｇｎｒｔｒｈｒｉｉｃ
Ａｂｔａｔｓｒｃ：Ａｉａｈｅｂｅｆｃｆａｇｅｍａｅｔｍａｎｔｗｉｄｐｗｒｇｎｒｔｒｆｕｔｄａｎｓｓｗｒｍｔｔｅｆｅｌａｔｏｒｅｐｒｎｎｇｅｎｏｅｅｅａｏａｌｉｇｏｉｏｋ，ｔｐｃｌｌｙｉａｓｏｔｉｕｔｆｕｔｓｍｕａｉｎｍｏｅｓｂｉａｅｎｇｎｒｔｒｓｒｃｕｅＴｐｃｌｓｏｉｃｉｆｕｂｕｈｒｌｈｒｃｒｉａｌｉｌｔｏｄｌｗａｕｌｂｓｄｏｅｅａｏｔｔｒ．ｙｉａｈｒｃｒｕｔａｈａｏｔｔｅｍａｃｔｕｔａｄｅｅｔｏｇｅｉｅｄｗｓｓｄｅｎｔｄｎｌｃｒｍａｎｔｆｌａｔｉｄｕｉ．Ｕｔｉｅｓｍｅｍｏｅ，ｆｌｎｏｔｏｐｉｇｍｅｈｄｗｅｅｕｅｏｓｌｅｃｉｕｅｉｚａｄｌｉｄａｄｒｕｅｃｕｌｔｏｒｓｄｔｏｖｌｅｎｅｅｔｏｇｅｉｎｈｒｌｅｄａａａｄｄｓｒｕｉｎｄｓｉｌｅｏｌｃｒｍａｎｔｎｈｒａｅｄｗｅｅｏｔｉｅｌｃｒｍａｎｔａｄｔｅｍａｌ，ｄｔｎｉｔｂｔｉｃｐｉｆｅｅｔｃｉｆｉｏｎｏｇｅｉａｄｔｅｃｍｌｌｒｂａｎｄｉｆ

风力发电液压系统故障诊断研究

风力发电液压系统故障诊断研究摘要：近年来随着风力发电的大规模实施，我国风力发电的规模和数量也在不断地增加，这就对风机的运行、检修和维护工作提出了更好的要求。

由于风力发电系统在野外工作时间较长，工作环境较差，容易发生风力发电机故障，因此，对保证机组安全正常运行具有十分重要的意义，需要分析机组故障诊断，及时发现，及时检修，提高运行稳定性和可靠性。

基于此，本文就风力发电液压系统故障诊断进行研究，希望可以为相关工作人员提供一定的参考。

关键词：风力发电机组故障；液压系统；故障诊断引言一般情况下，处于同一风电场中的相同型式的风力发电机组,在全年的工作过程中，不少时候都会发生不同的故障，从机械构造上来看，这些风力机组一般包括了二大部份：电力元件和机械部分，前者的损坏一般并没有造成附件的损坏，而后者的损坏却可以引起附件的损坏，所以，对于行人为了确保人身安全,若要登机检查，一般都必须在小风期进行，这种硬性要求从客观上对风力发电设备的检查造成了极大的困难，是无法在强风时进行检查维护的。

此外，很多电气元件的工作条件变化，即便进行严格的检查测试，仍然不能及时发现问题，这也是检修风力发电机无法避免的问题所在。

1风力发电机组日常故障处理(1)风力发电机组测风仪失效。

当测风仪发生故障时，应检查测风仪是否灵敏，即风力发电机所呈现的输出功率与其转速有偏差。

如果没有异常情况，立即检查传感器和信号侦测电路有没有故障，如果有故障，就应该进行排除处理。

当测风仪出现问题，要检验测风仪能否可靠，即风力发电厂所提供的输出功率与其速度之间的误差。

如没有异常情况，立即检测传感器的信号检测回路有无问题，一旦发现问题,就必须加以解决处理。

(2)异响。

风力发电机组在运行过程中发生声响异常，应查明其发出声响的部位。

对传动系统出现故障的，应进行位置温度对应、震动状态对应检查，查明原因，明确故障隐患，并进行有的放矢的应对。

(3)温度超标。

当风力发电机在运行过程中发生装置设备温度超标而自动停机时，即由于发电机、控制箱、晶闸管等装置设备在运行过程中温度过高而定值过高，从而引起的自动保护停机。

风力发电机组轴承失效特征分析与故障诊断方法研究

风力发电机组轴承失效特征分析与故障诊断方法研究随着可再生能源的重要性日益凸显，风力发电已成为全球范围内最具潜力的清洁能源之一。

而作为风力发电机组的核心部件之一，轴承的正常运行对于保障风力发电机组的稳定性和可靠性具有重要意义。

然而，由于工作环境的复杂性和轴承所承受的高速旋转、变负荷等特殊工况，轴承失效问题成为目前风力发电机组运行过程中一个严重而常见的故障。

轴承失效具有多种形式，比如疲劳、磨损、润滑不良等，这些失效形式的出现会影响到风力发电机组的稳定性和可靠性。

因此，对于轴承失效特征的分析和故障诊断方法的研究具有重要的实践意义。

首先，对于轴承失效特征的分析是诊断故障的基础。

在风力发电机组运行过程中，轴承失效往往表现为异常振动、异常噪音、温升等特征。

通过对这些特征进行分析，可以初步判断轴承失效的类型和程度。

例如，在磨损失效中，轴承可能会出现金属颗粒或磨损痕迹，通过观察和分析这些特征，可以判断轴承是否处于失效状态。

因此，开展轴承失效特征的分析是及早识别和排查轴承故障的重要手段之一。

其次，故障诊断方法的研究是解决轴承失效问题的关键。

传统的轴承故障诊断方法主要依靠经验判断和设备监测，这种方法存在着主观性较强、准确度不高等缺点。

因此，基于智能化技术的轴承故障诊断方法的研究成为当前的热点。

其中，机器学习和人工智能等技术的应用为轴承故障诊断提供了有效的手段。

通过建立合适的数据采集系统并采集轴承工作状态下的运行数据，然后通过机器学习算法对这些数据进行分析和处理，可以实现轴承故障的自动诊断。

例如，采用循环神经网络（RNN）结合卷积神经网络（CNN）进行故障诊断模型的构建，可以提高轴承故障诊断的准确性和效率。

除了智能化技术的应用，还有一些传统的故障诊断方法可以参考。

例如，利用红外热像仪等设备对轴承温度进行监测，异常温升往往是轴承失效的信号之一；使用声波传感器对轴承产生的异常噪音进行监测，可以发现一些隐蔽的失效信号。

这些传统方法结合智能化技术的应用，可以提高轴承故障的诊断准确性和故障排查的效率。

风力发电工程设计服务的智能监测与预警系统

风力发电工程设计服务的智能监测与预警系统随着可再生能源的日益重要，风力发电成为了许多国家可持续发展战略的重要组成部分。

风力发电工程涵盖了从风电场选址到风力涡轮机组件设计的多个方面。

在这个过程中，设计、建造和运营风力涡轮需要高度的技术知识和专业经验。

然而，风力涡轮是长期暴露在恶劣气候条件下工作的设备，面临着各种潜在的故障和技术挑战。

为了提高风力发电的效率和可靠性，智能监测与预警系统的开发和应用成为了一项关键任务。

本文将探讨风力发电工程设计服务的智能监测与预警系统的重要性、功能以及其优势。

智能监测与预警系统的重要性：风力发电工程的持续运行和效能依赖于装置和组件的可靠性。

智能监测与预警系统可实时监测关键设备的运行状态，及时发现故障和异常情况，并提供及时的预警信号。

这样不仅可以减少突发故障的发生，还能降低维修和运营成本，提高风力发电的可用性和可靠性。

智能监测与预警系统的功能：1. 远程监控：智能监测与预警系统可以通过传感器和数据采集设备实时监测风力涡轮的各项运行参数，比如转速、温度、压力等。

这些数据可以通过云平台传输和储存，在任何时间和任何地点都可以远程监控和访问。

2. 故障诊断：通过对实时数据的分析和比对，智能监测与预警系统能够自动识别设备的异常和故障。

并且，系统还能提供问题的诊断和报告，帮助维护人员快速定位和解决问题，以避免故障扩大和停机时间的延长。

3. 预测维护：基于大数据分析和机器学习算法，智能监测与预警系统可以预测设备的寿命，提前做好维护计划。

通过定期的检查和保养，可以延长设备的使用寿命，同时降低不必要的维修和更换成本。

智能监测与预警系统的优势：1. 实时性：智能监测与预警系统能够实时获取设备运行数据，并进行分析处理。

这意味着即使在设备处于工作状态时，也可以进行监测和预警，及时发现问题。

2. 高效性：智能监测与预警系统可以对大量数据进行高效的分析和处理。

这可以帮助工程师更好地了解设备的运行情况，提高故障诊断的准确性和效率。

风力发电电气控制系统故障诊断方案

风力发电电气控制系统故障诊断方案风力发电电气控制系统故障诊断方案风力发电电气控制系统故障诊断是确保风力发电机组安全高效运行的关键环节。

在面对系统故障时，我们需要通过一系列步骤来逐步确定问题所在并采取相应的修复措施，以下是一个基本的故障诊断方案：第一步：收集信息在开始诊断之前，我们需要收集尽可能多的信息，包括系统的历史记录、运行参数、报警信息等。

同时，还需要观察系统的实际运行情况，检查是否有明显的故障现象或异常。

第二步：初步判断根据收集到的信息，我们可以初步判断故障可能的原因。

比如，如果系统报警显示电压异常，我们可以初步判断是电压传感器故障或是与电压相关的其他部件出现问题。

第三步：系统检查在确认可能的故障原因后，我们需要对相关的系统部件进行彻底检查。

这包括检查电缆连接是否松动、电子元件是否损坏、传感器是否准确等。

必要时，还可以使用专业仪器进行测量和测试。

第四步：数据分析通过对系统的检查，我们可以获得一些实际数据。

这些数据可以与正常运行时的标准数值进行对比，以进一步确认故障的位置和原因。

此外，还可以分析历史数据，查找是否存在类似问题的记录，以快速确定故障原因。

第五步：故障排除一旦确定了故障的位置和原因，我们可以采取相应的修复措施。

这可能包括更换损坏的部件、修复电路连接、调整参数设置等。

在排除故障后，需要重新测试系统，确保修复措施有效。

第六步：预防措施在故障修复后，我们需要思考如何避免类似故障再次发生。

这可以包括定期检查和维护系统、加强人员培训、改进系统设计等方面。

通过采取预防措施，可以减少故障的发生频率和对系统运行的影响。

综上所述，风力发电电气控制系统的故障诊断需要以逐步的方式进行，从信息收集到故障排除，再到预防措施，每一步都至关重要。

通过科学的方法和经验的积累，我们可以更好地保障风力发电系统的持续稳定运行。

风力发电场综合监控与故障诊断系统设计

风力发电场综合监控与故障诊断系统设计随着全球对清洁能源的需求日益增长，风力发电成为了一种越来越受欢迎的可再生能源形式。

然而，风力发电场在运行过程中常常面临各种故障和监控困难。

为了解决这些问题，设计一套风力发电场综合监控与故障诊断系统显得至关重要。

本文将详细介绍该系统的设计和功能。

一、系统设计与结构风力发电场综合监控与故障诊断系统由以下几个模块组成：1. 实时数据采集模块：该模块通过传感器和监测设备实时采集风力发电机组的各种数据，包括风速、转速、振动、温度等。

2. 数据传输模块：采集到的数据被传输到数据处理中心，可以通过有线或无线网络进行传输。

3. 数据处理与分析模块：该模块对传输过来的数据进行处理和分析，包括数据清洗、数据挖掘、故障诊断等。

4. 前端显示模块：处理完的数据可以在前端显示模块进行展示，包括实时数据的监控、故障报警、故障诊断结果等。

5. 数据存储模块：该模块用于存储采集到的数据，包括原始数据和处理后的数据，以便后续的分析和查询。

二、系统功能与优势1. 实时监控：该系统能够实时监控风力发电机组的各项参数，包括风速、转速、振动、温度等。

通过实时监控，可以及时了解风机运行状态，发现异常情况。

2. 故障诊断：通过对采集到的数据进行处理和分析，系统能够自动诊断风机的故障类型和原因。

一旦发现故障，系统能够及时向操作人员发出警报，并提供相关的故障诊断结果。

3. 远程控制：该系统还支持远程控制风力发电机组的启动、停止等操作。

操作人员可以通过前端显示模块和网络远程操作风机，提高工作效率。

4. 数据分析与优化：通过对大量的风力发电数据的分析，系统可以发现风机的运行规律和优化空间。

针对特定的问题，用户可以通过系统提供的数据分析功能进行优化，提高发电效率。

5. 历史数据查询：系统的数据存储模块可以保存历史的采集数据，用户可以随时查询和分析历史数据，以了解风机的长期运行情况和性能变化。

三、系统实施与应用该系统的实施可以分为以下几个步骤：1. 硬件设备安装：根据风力发电机组的具体情况，选择适合的传感器和监测设备，进行安装和连接。

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：随着环境的日益恶化，作为绿色能源的风能，其被广泛的应用与发电行业，风力发电机技术已经成为当前世界各国研究的热点。

由于风场位于环境恶劣的偏远地区，使得风力发电机发生故障的位置比较复杂，对风力发电机运行状态的监测工作造成很大的困难。

因此为降低风力发电机的故障发生率，需要大力发展状态监测与故障诊断技术。

关键词：风力发电；新能源；发电机引言从风力发电场的视角出发，对于风力发电当中的机组部分展开探究，论述对故障问题进行检测以及实施诊断的方式，是将对机组部分平时进行维护的资金减少的一项极为高效的方法。

一、风力发电机组的故障特点风力发电场的的位置大多为一些偏远地区和高山上，恶劣的自然环境、风速多变以及外部载荷的不稳定长期影响对于风力发电机组内部的部件很容易引起故障。

而风发电机组的故障一般都是主要有齿轮箱、发电机、变频器三部分的故障。

我们主要是对于风力发电机组中发电机部分做主要的研究，风力发电机组的发电机一般故障有发电机轴承过热、发电机运行时的振动过大以及发电机机身的温度过高等方面的故障。

经过长时间的研究发现，造成以上故障的主要原因是轴承损坏、定子绕组的绝缘损坏以及转子的平衡问题等原因。

对于不同的故障问题以及部件应采用相适应的处理方法，是对其进行最有效的状态监测和故障诊断的有效措施。

二、状态监测与故障诊断的系统的基本结构风力发电机组的监测与故障诊断依赖于现代化计算机技术以及电气技术的有效结合，计算机的控制系统可将信号的采集、监测、分析等融合为一个一站式的监测系统。

通过对风力发电机组的温度、振动以及压力的数值与标准数值进行对比分析，能够有效的掌握发电机组的运行状况，同时可以根据数据的分析对风力发电机组出现的故障并提出相应的解决措施。

风力发电机组的监测与故障的诊断系统的工作模式主要是对信息的收集--信息的处理--信息的分析--判断信息的准确性--诊断的结果以及相应的措施。

对于信息的处理和收集是基于前期对发电机组安装或进行周期性的检测，在检测设备对于检测到的信号传输给计算机控制系统对于信息进行分析，从而得出相应的结果。

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)。

风力发电机组智能故障诊断系统的研究与实现
发表时间：
2019-08-27T14:07:09.110Z 来源：《当代电力文化》2019年第7期作者：郭建凤郑奇明
[导读] 对发电机组出现的风险进行评价，并提出粗略的方法建议。
国家电投集团山西新能源有限公司，山西
忻州 034000

摘要：由于当前社会上对清洁能源的需求量在不断增加，其对风力发电场的建设投入也在不断增加，为了更好地减少建设成本，降低
故障的发生率是最优的决策办法。风电企业更应投入更大的力度于故障防控上，从而能更好地集中精力于资源开发上。风力发电机组的安
全可靠性会直接对风电企业的整体运行产生十分重要的影响。同时，做好风力发电机组故障风险评价与维护决策工作也是当下面对全球能
源危机局势下最好的应对方法。在中国，更多的风力发电机组建设于偏远落后的地区，其发电技术长期处于中下水平，从而使得风力发电
机出现故障的频率更高。因而在此，笔者对发电机组出现的风险进行评价，并提出粗略的方法建议。

关键词：风力；发电机组；故障风险评价；维护；决策
1
风力发电机组故障风险评价
1.1
运行维护管理制度不够完善

运行维护管理制度是当下中国的风电场建设过程中较为薄弱的环节，由于风力发电场的建设规模并没有得到统一的规范落实，其规章
制度也难以得到完善，例如在建設过程中并没有对各项数据进行统一核实和整理，从而导致在故障维修过程中难以根据根源进行解决问
题，致使检查管理工作出现混乱的局面。正因为风力发电机组的运行维护管理制度不够完善，给风电场运行建设来了一定的风险，过多未
能被检测到的故障会让风电场的整体效率大幅度降低，影响其经济效益。
1.2
风力发电机维护管理人员的专业技能不足

风力发电机维护管理人员的专业技能不足是影响风电场运作的最直接因素，其对风电场的风险影响主要在于其未能全面地对发电机组
进行全面的检测，从而影响了风力发电机的正常运行效率，增加了后续的维修费用。由于机器设备检修工作人员对故障的管理重视程度不
够，往往只能看到故障表面的问题，而忽略了对发电机组深层次的故障分析检测，从而未能从根本上降低风力发电机运行故障的发生频
率。更大的风险在于很多的检修工作人员对于发现的细小故障问题采取忽略的态度，没有对其进行及时的维修处理，从而影响了检修工作
的进程。
2
风电机组故障智能诊断
2.1
诊断方法的选择

目前应用于旋转机械故障诊断较为广泛的方法是专家系统和人工神经网络9。专家系统用于旋转机械的故障诊断较成功,但在实际应用中
仍然存在以下主要缺陷
:建立知识库及验证其完备性比较困难;容错能力较差,缺乏有效的方法识别错误信息;大型专家系统的知识库的维护难
度很大
;在复杂故障诊断任务中会出现组合爆炸和推理速度慢的问题。与专家系统相比，基于人工神经网络(ArtificialNeuralNetwork,ANN)的
故障诊断方法具有鲁棒性好、容错能力强和学习能力强等特点。

从风力机故障诊断的实际应用考虑，风力发电在国内的发展尚处于起步或较早状态,早期投人的风电机组也正处于故障发生的频繁期,对
故障维护检修的经验仍处于摸索积累阶段
,因此构建大规模比较完备的专家库尚不成熟。而神经网络虽然也存在需要完备样本的条件.但对故
障样本的搜寻相对比较简单。另外对风电场机组的检测需要较强的容错能力和实时性
,即要对机组的运行情况进行在线诊断并发出警报,尽量
避免故障情况的误报。因此，应用神经网络进行风电故障诊断将是一个很好的选择。虽然神经网络在风电领域中的应用实例并不多
,但在机
械故障诊断中的应用已十分广泛
,尤其是对齿轮箱、发电机的诊断有很多成功的经验可循。基于以上原因,下面具体介绍如何利用神经网络构
建风电机组智能诊断系统。
2.2
数据库结构

风电机组预警诊断系统作为一-套完整的软件不仅要具有训练和诊断功能,还需要其他--些辅助功能:实时诊新、实时曲线、实时监控、历
史数据查询
:诊断数据查询、神经网络训练数据管理等。此系统用于对不同风电场不同机组的运行状况进行诊断,因此包含了对远程数据库和
本地数据库的操作。其中本地数据库用于存储神经网络训练样本、训练得到的网络模型、用户信息
.阈值参数等;远程数据库主要用于保存系
统诊断所需要的风电机组的参数数据
(即机组运行的实时数据)以及实时诊断的计算结果等。
2.3
软件实现

根据神经网络用于故障诊断的原理,在软件的使用方面设置了学习模块和诊断模块。为适应学习和计算的不同需要，两条模块采用不同
的组织形式。软件操作方式拟采用树状按钮的设置模式
,既可浏览软件各功能全貌，又可方便操作各个功能模块。设计原则简单方便、易于
理解
,各个功能模块化,操作直观快捷,安全性区分好。
3
风力发电机组智能故障控制措施
3.1
定期维修和检查设备

要实现风电机组的可靠安全性，就要保证控制系统设施的状态。针对这种情况，要定期的检查软硬件保护设施，设定相关的技术参
数，对于机组运行过程中的安全隐患进行及时的消除，对于风险进行预控和防范。除此之外，对于相关设备要进行定期检修，实施主动预
防检修措施，例如定期润滑、连接件定期紧固，在巡查和检修作业时遵守安全操作规程，对于机组和人员的基本安全进行保障。
3.2
掌控风机的安装质量

对于风电场进行建设的过程中，要合理的控制安装风机的固件力矩值，尤其是要严格检查风机的组接元件和电气线缆接头紧固力矩，
这在一定程度上能够避免倒塌事故和线路虚接引发的火灾事故。
3.3
对特殊危险情况采取措施

首先，从机组安全的角度上来说，产生的气候变化以及雷雨电都会造成威胁。针对这种情况，要做好雷电的传导，进行过电保护，对
于接地系统进行一定程度的检查处理，防止产生雷击事件。风电机组对于雷电都具有防护措施，但仍旧不能避免产生雷击的可能性。同
时，要提升机组人员工作的安全意识，尽管不要在恶劣天气的情况下接触风机，要做好安全防护措施。其次，风电机组在实际运行的过程
中，要将风速控制在安全工作的范围内，如果风机过速，对于机组的安全就会产生一定的影响。在这样的基础情况下，对于机组要进行远
程操控，避免直接接触。最后，实际的运行状况和天气状况对于机组运行也会产生一定的影响，如果天气比较寒冷、潮湿，叶片就会结
冰。启动风机前，要对设施进行处理，保证风机的安全，符合运行的要求后才能进行相关工作。为了防止叶片上的冰块掉下来伤人，人员
要远离叶片旋转面下方。
3.4
强化风电场管理

一部分风电场出现安全事故，分析原因从表面上看是因为对于风机疏于维护管理造成的，但实际上是因为风电场在执行力度上和维护
管理方面的缺失。风电机组是动态运行的设备，强化运维管理对于存在的安全隐患进行及时的消除，对于机组运行的状态和基本安全进行
一定程度的保障。
3.5
采取积极地消防措施

机械、电气故障给对于风电机组会产生一定的影响，甚至会引发风电火灾，尽管部分风电场针对这种情况在风机机舱和塔筒平台上上
进行了滅火器材的配置，但只能起到简单的灭火，对于严重的事故不能进行更好的控制。为了合理的控制和预防火灾，在无人值守的情况
下，要在容易产生火灾的关键点进行预测和布置灭火的措施。相关的专家和学者对于防护风电火灾已经加大了研究的力度，逐渐应用自动
化消防系统，提升工作的效率和质量。
4
结语

总而言之，做好风力发电机组故障风险评价与维护决策工作是提升清洁能源运用效率的重要方式之一，因而要从全面角度去思考风电
场中各个运行环节可能出现的问题，从而提升风电场整体运行的效率，让风力发电组发生故障的机率得到更大的降低，使得风力发电组能
够最大程度地平稳运行。

参考文献：
[1]
高崭.风力发电机组故障风险评价与维修决策研究[D].华北电力大学，2015（05），132-135.