海上風(fēng)電機(jī)組的在線監(jiān)測(cè)與故障預(yù)警

魏書榮，何之倬，唐征歧，周 杰

(1.上海電力學(xué)院 電氣工程學(xué)院，上海 200090;2.上海東海風(fēng)力發(fā)電有限公司，上海 200090;3.上海電力實(shí)業(yè)有限公司，上海 200001)

隨著海上風(fēng)電的迅猛發(fā)展，作為與影響風(fēng)電項(xiàng)目盈利能力的4項(xiàng)關(guān)鍵要素［1］(發(fā)電量、項(xiàng)目投資、財(cái)務(wù)成本和運(yùn)維成本)息息相關(guān)的主要因素，海上風(fēng)電機(jī)組在惡劣環(huán)境下的安全穩(wěn)定運(yùn)行問題越發(fā)受到關(guān)注.

對(duì)于海上風(fēng)電場(chǎng)，尤其是深海、遠(yuǎn)海地區(qū)的風(fēng)電場(chǎng)，一方面，由于海上風(fēng)電場(chǎng)的可進(jìn)入性差以及進(jìn)入成本高使得海上風(fēng)電場(chǎng)的運(yùn)行維護(hù)費(fèi)用較高，正常有計(jì)劃的維護(hù)受海上風(fēng)浪氣候條件影響較大，運(yùn)行維護(hù)費(fèi)用約為陸上費(fèi)用的2倍.另一方面，海上風(fēng)電機(jī)組單機(jī)容量越來越大，面對(duì)豐富的海上風(fēng)能資源，機(jī)組長(zhǎng)時(shí)間的故障停運(yùn)將會(huì)造成嚴(yán)重的經(jīng)濟(jì)損失.

因此，建立適用于遠(yuǎn)距離的在線監(jiān)測(cè)、故障辨識(shí)及預(yù)警系統(tǒng)，及早發(fā)現(xiàn)風(fēng)電機(jī)組的機(jī)械與電氣缺陷，通過報(bào)警并調(diào)整運(yùn)行情況，防止主要零部件的損壞，并根據(jù)設(shè)備狀態(tài)安排檢修而不是馬上停機(jī)檢修，這對(duì)海上風(fēng)電場(chǎng)具有非常重要的現(xiàn)實(shí)意義，對(duì)我國(guó)其他風(fēng)電場(chǎng)的運(yùn)行維護(hù)也具有指導(dǎo)作用.同時(shí)，相關(guān)數(shù)據(jù)對(duì)海上風(fēng)機(jī)后續(xù)的設(shè)計(jì)、制造與改善具有較高的參考價(jià)值，對(duì)風(fēng)電產(chǎn)業(yè)的長(zhǎng)足發(fā)展具有較好的支撐作用.故障監(jiān)測(cè)與辨識(shí)的瓶頸問題在于故障樣本的獲取，本文以風(fēng)電場(chǎng)實(shí)際采樣數(shù)據(jù)為例，從風(fēng)電機(jī)組的故障診斷與狀態(tài)監(jiān)測(cè)技術(shù)出發(fā)，對(duì)常見故障進(jìn)行了統(tǒng)計(jì)，給出了狀態(tài)監(jiān)測(cè)的主要參數(shù)，并選取溫度參數(shù)進(jìn)行監(jiān)測(cè)與辨識(shí)，給出了故障預(yù)警方案.

1 海上風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)與故障預(yù)警技術(shù)

1.1 狀態(tài)監(jiān)測(cè)與故障預(yù)警系統(tǒng)時(shí)序圖

圖1以時(shí)間為橫坐標(biāo)，以風(fēng)電機(jī)組作為研究對(duì)象，從時(shí)間的角度描述了在線監(jiān)測(cè)、故障預(yù)警與容錯(cuò)的關(guān)系.

首先，通過在線監(jiān)測(cè)獲得運(yùn)行信號(hào)，通過狀態(tài)分析與辨識(shí)對(duì)早期故障進(jìn)行預(yù)警，對(duì)有明顯故障特征的進(jìn)行故障診斷并給出故障嚴(yán)重程度，然后根據(jù)診斷結(jié)果進(jìn)行預(yù)防維修，排除故障.

圖1 在線監(jiān)測(cè)、故障診斷與容錯(cuò)系統(tǒng)時(shí)序

1.2 故障統(tǒng)計(jì)

根據(jù)瑞典、芬蘭和德國(guó)的海上風(fēng)電場(chǎng)的故障統(tǒng)計(jì)數(shù)據(jù)可知，［2］電氣系統(tǒng)故障頻率最高，其次是控制系統(tǒng);造成故障停機(jī)時(shí)間長(zhǎng)的部件主要有齒輪、控制系統(tǒng)及電氣系統(tǒng);而由于單故障造成最長(zhǎng)停機(jī)時(shí)間的通常為發(fā)電機(jī)或齒輪箱故障.目前，很多故障監(jiān)測(cè)系統(tǒng)都是通過分析發(fā)電機(jī)的輸出信號(hào)進(jìn)行故障的分析與檢測(cè).

文獻(xiàn)［3］至文獻(xiàn)［6］研究的主要故障包括:葉片的機(jī)械故障(包括不平衡、疲勞、磨損，葉片疲勞，葉片結(jié)冰等導(dǎo)致的氣彈不穩(wěn)定);軸、齒輪、軸承的初始裂紋，齒輪箱故障(包括齒輪磨損、軸承損傷、齒輪斷齒、齒輪偏心、機(jī)械松動(dòng)、潤(rùn)滑不良等);發(fā)電機(jī)絕緣失效;槳距或者偏航系統(tǒng)的錯(cuò)位等.圖2為德國(guó)WMEP研究項(xiàng)目統(tǒng)計(jì)的風(fēng)力機(jī)部件常見故障發(fā)生的概率.［7］

圖2 風(fēng)電機(jī)組各部件故障發(fā)生的概率

1.3 風(fēng)電機(jī)組故障辨識(shí)和狀態(tài)監(jiān)測(cè)的主要方法及參數(shù)

為了解風(fēng)力發(fā)電機(jī)組的運(yùn)行狀態(tài)，理想情況下，至少需要測(cè)量以下參數(shù):風(fēng)速;風(fēng)向;葉片振動(dòng);槳距角;轉(zhuǎn)子頻率和相位;轉(zhuǎn)子軸和塔架的扭矩及彎矩;偏航位置;機(jī)艙加速度;主軸承及齒輪箱的振動(dòng);發(fā)電機(jī)定轉(zhuǎn)子三相電流和電功率輸出及其運(yùn)行噪聲等.［7］

若為雙饋電機(jī)，還可能運(yùn)行于異步電機(jī)狀態(tài)，一般還需要監(jiān)測(cè)以下參數(shù):轉(zhuǎn)速;輸入扭矩;振動(dòng);溫度;磁密等.通過對(duì)其信號(hào)進(jìn)行處理獲取故障特征量，以進(jìn)一步監(jiān)測(cè)可能出現(xiàn)的各種故障并進(jìn)行預(yù)警.［8］

圖3為機(jī)械失效的PF曲線，從機(jī)械的角度給出了在故障發(fā)生致失效的過程中，各種不同診斷方法能夠識(shí)別出故障的時(shí)間.

圖3 機(jī)械失效的PF曲線

此外，也可以從電氣信號(hào)的角度辨識(shí)故障.從時(shí)域、頻域的角度分析故障后的電流狀況，從中提取合適的故障特征量，找到故障前后變化較大的分量進(jìn)行判斷.電流分析需要結(jié)合一定的電流傳感器或錄波儀，與硬件結(jié)合的也有線圈探測(cè)法、環(huán)流檢測(cè)法、行波法，以及交流阻抗和功率損耗法等方法.

還可以采用人工智能診斷方法進(jìn)行在線監(jiān)測(cè)與故障辨識(shí).診斷領(lǐng)域的人工智能主要有專家系統(tǒng)、模糊理論和神經(jīng)網(wǎng)絡(luò)3大分支.專家系統(tǒng)屬于反演推理，存在著知識(shí)庫較難獲取的瓶頸;模糊理論推理邏輯嚴(yán)密，類似人類思維過程，故障與征兆的模糊關(guān)系較難確定;神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)能力、自適應(yīng)能力、非線性逼近能力等，但是故障樣本獲取困難.因此，在實(shí)際應(yīng)用過程中可以利用各自的優(yōu)缺點(diǎn)將多種方法結(jié)合使用.

2 海上風(fēng)電機(jī)組溫度狀態(tài)監(jiān)測(cè)與故障辨識(shí)

目前，國(guó)內(nèi)已投入商業(yè)運(yùn)營(yíng)的海上風(fēng)電場(chǎng)只有上海東海大橋100 MW海上風(fēng)電場(chǎng)，其運(yùn)行維護(hù)一般需經(jīng)運(yùn)行5年后放權(quán)給業(yè)主，故本文結(jié)合上海南匯陸上風(fēng)電場(chǎng)的運(yùn)行數(shù)據(jù)，著重介紹溫度參數(shù)的狀態(tài)監(jiān)測(cè)與故障診斷.文獻(xiàn)［9］通過監(jiān)測(cè)電動(dòng)機(jī)運(yùn)行時(shí)的溫度場(chǎng)，進(jìn)一步判定電動(dòng)機(jī)故障.此方法可進(jìn)一步推廣到風(fēng)電機(jī)組.

在風(fēng)力發(fā)電機(jī)組的溫度監(jiān)測(cè)中，上海南匯陸上風(fēng)電場(chǎng)主要有10個(gè)點(diǎn)的溫度被監(jiān)測(cè).這10個(gè)點(diǎn)包括:T_GEN_1大發(fā)電機(jī)溫度;T_GEN_2小發(fā)電機(jī)溫度;T_BEAR_A前主軸承溫度;T_BEAR_B后主軸承溫度;T_GEAR齒輪箱油溫;T_AMB控制盤溫度(主要是晶閘管的溫度);T_NAC控制器環(huán)境溫度;T_GEN_COOL發(fā)電機(jī)冷卻液溫度;T_GEAR_BEAR齒輪箱軸承溫度;T_BEAR_SHAFT高速軸承溫度.通過監(jiān)測(cè)各主要部位的溫度來了解風(fēng)力發(fā)電機(jī)組系統(tǒng)的實(shí)時(shí)運(yùn)行狀況.

這里溫度參數(shù)的采樣頻率為1 s，采樣范圍為故障前后共10 min，采樣開始430 s發(fā)生故障，更換了定子斷路器.圖4給出了采樣范圍內(nèi)所有測(cè)量點(diǎn)溫度的變化情況.

圖4 故障前后測(cè)量點(diǎn)溫度隨時(shí)間的變化情況

通過對(duì)溫度監(jiān)測(cè)圖進(jìn)行分析，可以將故障形成過程分成如圖5所示的幾個(gè)區(qū)間:0～150 s為正常運(yùn)行區(qū)間;150～300 s為故障積累區(qū)間;300～400 s為故障加速形成區(qū)間;400～430 s為故障發(fā)生區(qū)間;430 s發(fā)生故障，風(fēng)機(jī)停機(jī)或退出運(yùn)行.其中，溫度變化較大的分別為T_BEAR_B后主軸承溫度，T_GEAR齒輪箱油溫，T_GEN_2小發(fā)電機(jī)溫度，T_GEN_1大發(fā)電機(jī)溫度，T_GEN_COOL發(fā)電機(jī)冷卻液溫度，由此可以基本確定故障位置在后主軸承附近.

圖5 故障形成過程時(shí)序示意

因此，在對(duì)溫度進(jìn)行監(jiān)測(cè)的過程中可分3種狀態(tài)，即:正常運(yùn)行狀態(tài);故障形成狀態(tài);即將發(fā)生故障狀態(tài).根據(jù)風(fēng)電場(chǎng)的運(yùn)行數(shù)據(jù)，取訓(xùn)練樣本如表1所示.

其中:輸出為“0”的表示正常狀態(tài);輸出為“1”的為故障初始發(fā)生階段，表示幾分鐘后會(huì)有故障發(fā)生;輸出為“2”的為故障加速階段，表示故障將在幾秒鐘后發(fā)生.

采用神經(jīng)網(wǎng)絡(luò)與遺傳算法相結(jié)合的方法進(jìn)行故障診斷.遺傳算法用于調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)診斷對(duì)輸入權(quán)值的修正，以免陷入局部最優(yōu).首先對(duì)采集到的溫度樣本進(jìn)行訓(xùn)練，然后采用表2中的測(cè)試樣本進(jìn)行測(cè)試.

表1 訓(xùn)練樣本

表2 測(cè)試樣本

由表2可知，實(shí)際輸出結(jié)果基本與期望輸出一致，誤差分別為 -0.000 2，0.100 3，0.033 3，在誤差許可的范圍內(nèi).對(duì)溫度的實(shí)時(shí)監(jiān)測(cè)表明，在故障發(fā)生前就能很好地預(yù)知風(fēng)電機(jī)組即將因故障而退出運(yùn)行，并可以結(jié)合其他監(jiān)測(cè)數(shù)據(jù)，聯(lián)合判斷風(fēng)電機(jī)組可能出現(xiàn)的故障，及時(shí)做好預(yù)防措施.若是電氣類故障，則判斷能否進(jìn)一步提供容錯(cuò)機(jī)制，通過主動(dòng)控制使得風(fēng)機(jī)在故障后仍能降額運(yùn)行.

3 結(jié)語

本文以時(shí)間為橫坐標(biāo)，以海上風(fēng)電機(jī)組作為研究對(duì)象，從時(shí)域的角度描述了在線監(jiān)測(cè)與故障辨識(shí)技術(shù)的關(guān)系，給出了風(fēng)力發(fā)電機(jī)組狀態(tài)監(jiān)測(cè)的主要參數(shù)，并以實(shí)際風(fēng)電場(chǎng)的采樣數(shù)據(jù)為例，對(duì)風(fēng)電機(jī)組溫度的在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行了分析.結(jié)合神經(jīng)網(wǎng)絡(luò)與遺傳算法進(jìn)行了故障診斷，診斷結(jié)果表明，實(shí)時(shí)監(jiān)測(cè)溫度參數(shù)并根據(jù)監(jiān)測(cè)結(jié)果可以有效估計(jì)潛在故障的發(fā)生，及時(shí)進(jìn)行故障預(yù)警與預(yù)防，為海上風(fēng)電機(jī)組的長(zhǎng)期持久運(yùn)行提供保證.

［1］ 時(shí)鐵，崔新維，李春蘭，等.在線監(jiān)測(cè)系統(tǒng)在風(fēng)力發(fā)電機(jī)上的應(yīng)用［J］.風(fēng)機(jī)技術(shù)，2007(4):74-76.

［2］ HAMEED Z，HONG Y S，CHO Y M，et al.Condition monitoring and fault detection of wind turbines and related algorithms:a review［J/OL］.Renewable and Sustain Energy Rev，2007:1-39.

［3］ MECROW B C，JACK A G，HAYLOCK J A，et al.Fault tolerantp rmanen magnetmachine drives ［J］.IEE Proceedings of Electrical Machines and Drives，1995(6):433-437.

［4］ VERBRUGGEN T W.Wind turbine operation＆ maintenance based on condition monitoring WT-O ［R］.Final Report，ECN-C-03-047，2003.

［5］ CASELIZE P，GIEBHARDT J.Rotor condition monitoring for improved operational safety of offshore wind energy converters［J］.Journal of Solar Energy Engineering，2005，127(2):253-261.

［6］ CASELITZ P，GIEBHARDT J，MEVENKAMP M.On-line fault detection and prediction in wind energy converters［C］∥EWEC’94.Thessaloniki，1994:623-627.

［7］ RIBRANT J.Reliability performance and maintenance-a survey of failures in wind power systems［D］.Sweden:KTH School of Electrical Engineering，2006.

［8］ AMIRAT Y，BENBOUZID MH，BENSAKER B，et al.Condition monitoring and fault diagnosis in wind energy conversion systems:a review［C］∥ Electric Machines＆Drives Conference， IEMDC ’ 07， IEEE International，2007:1 434-1 439.

［9］ NICOLA BIANCHI，EMANUELE Fornasiero，SILVERIO Bolognani.Thermal analysis of a five-phase motor under faulty operations［J］.IEEE，2011(5-8):431-436.