1.风电机组智能巡检目标

避免发生风电机组倒塔、飞车、着火、叶片掉落等重大事故。实现风电机组的实时状态监测和自动检查，系统发现异常自动报警；安装辅助维护装置，能够根据现场实际状态实现自动维护，减少设备故障时间，提高设备寿命。减少现场检修人员的登塔次数，大大减轻现场检修巡检工作量，减少了人员安全隐患。全面实现风电机组的无人智能巡检^[1]。

2.风电机组智能巡检范围

2.1风电机组智能巡检项目

以双馈风电机组为例，风电机组智能巡检项目主要分为机械部分和电气部分，机械部分包括叶片、轮毂、齿轮箱、联轴器、制动器、发电机、水冷系统、主机架、偏航系统、塔筒、罩体、加热器；电气部分包括机舱控制柜、偏航系统、变桨系统、发电机系统、塔筒内电缆、塔基柜、接地检查、制动器、安全链测试、急停测试。

2.2风电机组智能巡检周期

风电机组的巡检周期一般分为三个月、半年、一年三个周期，三个月维护检查项目为机组投运后三个月内检查维护，半年维护及全年维护为机组投运开始每半年及一年进行的维护项目。机组定期检查主要以半年检查为主，主要是螺栓检查、力矩抽检、间隙测量等^[2]。

2.3风电机组巡检部位和巡检手段

风电机组的巡检重点在机舱内部和机舱外部，机舱内部主要包括电气系统、机械系统，机舱外部主要是叶片。电气系统重点关注电气设备的温度、电压、电流、频率等指标，机械系统重点关注油温、油位、振动等指标。巡检方法为目视、声音、测量、检测等。　

3.风电机组的故障诊断技术
　　3.1齿轮箱
　　齿轮箱位于机舱内。风力机的重要组成部分是提供较大的增长率，使叶片在风力作用下产生的动力能够传递到高速发电机上。高速传动装置会产生大量热量，极易发生故障。齿轮和轴承故障是最常见的。
　　基于振动信号的故障诊断方法是目前最成熟、应用最广泛的故障监测诊断方法。利用时域波形的均值、方差和残差，采用时域诊断方法对变速箱传感器测得的振动信号进行判断。功率谱分析是诊断中应用最广泛的频谱分析方法之一。这是因为机械振动的特征频率不仅是判断故障的重要指标，而且能准确地定位故障，准确地识别故障。障碍物位置。在实际应用中，变速箱测量到的振动信号含有非平稳分量。时频分析法结合了频域和时域分析的优点，适用于非平稳信号的处理。对于它来说，更成熟的方法包括傅立叶变换、倒谱分析、经验模态分解等^[3]。
　　通过小波包分析，可以实现齿轮箱振动信号的初步故障诊断。然后，将特征值分类与BP神经网络相结合，对齿轮故障进行诊断。小波包的时频分辨率比小波变换的时频分辨率高，因为小波包较小且更具自适应性。峰度是一个无量纲参数，对冲击信号敏感，与概率密度有关。当振动信号的概率密度接近正态分布，且轴承部件表面存在损伤故障时，其峰度会增大并偏离正态值，从而分离轴承的正态和故障状态，然后用峰度检测信号中的冲击分量，从而可以诊断出故障原因。
　　3.2发电机
　　发电机将输电系统捕获的风能转化为电能，电能是风力发电机组的核心子系统。发电机故障种类繁多，主要是机械故障，如部件损坏、电气故障，如电压电流异常、绝缘故障、放电故障等。发电机的所有故障都是按一定的机理产生的，并具有规律性，会引起电压、电流、功率或振动、温度的变化。通过对电气和机械信号变化的分析，总结了现有的故障诊断方法。目前主要采用的诊断方法有：高阶谐波电压检测诊断法、定子电流诊断法。振动和温度检测和诊断。
　　转子调整信号的快速傅立叶分析处理诊断方法，利用转子和定子绕组中的串联电阻模拟定子和转子绕组的不对称故障，并结合FFT提取转子、定子电流和转子调整信号的频谱。通过比较转子和定子电流的谐波频谱和故障时转子调整信号的频谱，可以判断故障是否发生。障碍物。
　　另一种方法是通过分析信号的功率谱密度来诊断匝间短路故障。功率谱密度分析也是故障诊断中应用最广泛的方法^[4]。

4.人工智能技术在智能巡检中的应用

4.1无人机在智能巡检中的应用

现阶段无人机技术迅速发展，同时它凭借自身较长的续航时间和抗风能力被广泛的应用于智能巡检工作中，在实际巡检过程中，无人机可以搭载高清的拍摄设备，由操作人员进行控制使其在制定位置停留并拍摄，从而实现风电机组的智能巡检。当无人机完成巡检拍摄后，能够利用特有的系统模块将图像传送到地面站系统，技术人员对拍摄图像进行对比分析，实现对风电机组的运营稳定性分析。相对于人工巡检，采用无人机进行智能巡检能够大幅度提升风电机组巡检的效率和准确性，节约了风电机组的巡检成本。

4.2AR技术在智能巡检中的应用

AR技术又称为增强现实技术，巡检人员在进行巡检过程中通过智能研究和AR技术对需要巡检的具体设备和具体部位进行识别。通过增强现实SDK和计算机视觉SDK，将模型数据与现场识别出的巡检对象进行无缝贴合，通过对采集到的物力参数与模型之间的比对，分析判断出当前巡检设备的运行情况，最后将所有分析情况和采集数据储存在AR智能眼镜中，并按照相应流程对风电机组进行维修养护处理^[5]。

5.风电机组智能巡检应用研究与展望

5.1风电机组内部巡检

风电机组内部巡检主要是通过对其运行时电气设备后台数据的采集和监测实现对电气设备运行温度、运行电压、运行频具体巡检过程中可以采取以下方式：在风电机组机舱顶部通过网络接入一台交换机，通过光纤发射器将风电机组运行现场的相关数据快速及时的传输至后台监测中心，监测中心的技术人员根据传输的数据和参数实现对风电机组运行状态的实施监控。为了实现这一巡检过程，应该对风电场进行全场网络覆盖，保证能够及时的将各种监测数据上传至云平台，从而实现风电机组的智能化巡检工作。

5.2风电机组外部巡检

风电机组的外部巡检主要指对机组的外观进行检查，例如检查塔筒、机舱和桨叶是否存在裂痕是否存在破损，风机风轮转动时是否存在异响，塔筒的门锁是否正常，通风孔是否存在损坏现象等。外部巡检可以借助于上文所述的无人机和AR眼镜，利用无人机起降便利、空中悬停的优势实现对风电机组外观的全方位拍摄，通过AR眼镜对风电机组外部部件更好的进行智能识别，分析出风电机组外观是否存在裂痕和油漆脱落等现象，从而实现有效、准确的外部巡检。

结语

在未来的发展中，风电企业应该充分响应国家构建新能源体系的号召，采用科学有效的方式提升风电制造企业的技术管理水平和运维服务水平，进而提升我国风电机组的运行质量，实现对风电机组的智能高效管理。

参考文献：

[1]李大中，张克延，李昉.大数据驱动下的风电机组工作状态决策树判别方法[J/OL].电力科学与工程:1-6[2020-04-13].

[2]张兴，孙艳霞，李丽娜，高彩云，马俊华，高丽萍，刘可可，何国庆，李光辉.风电机组电磁暂态建模及验证[J/OL].中国电力:1-7[2020-04-13].

[3]李强强，王德海，李贵强，张志龙，李卫波.提高风电机组大部件可靠性探讨[J].中国设备工程，2020(02):200-202.

[4]韩博，靳先雨.风电机组基础与风电机组塔架连接研究[J].黑龙江科学，2020，11(02):60-61.

[5]李凯.风电机组高电压穿越技术要求与技术改造要点分析[J].中国资源综合利用，2019，37(12):170-172.