風力發(fā)電機組的健康評估*

任 巖，吳啟仁，薛黎明

（1. 華北水利水電大學電力學院，鄭州 450045；2. 中國長江三峽集團公司，北京 100038；3. 東方汽輪機有限公司，四川 德陽 618000）

風力發(fā)電機組的健康評估*

任 巖1,2?，吳啟仁2，薛黎明3

（1. 華北水利水電大學電力學院，鄭州 450045；2. 中國長江三峽集團公司，北京 100038；3. 東方汽輪機有限公司，四川 德陽 618000）

為了保證風力發(fā)電機組的正常運行，降低運行維護成本，建立了風力發(fā)電機組的健康評估系統(tǒng)。機組健康評估要素包括機組監(jiān)測、數(shù)據(jù)預處理、特征提取和專家?guī)?。機組健康評估是利用機組監(jiān)測采集信息，經(jīng)數(shù)據(jù)預處理后，進行特征提??；將提取的特征與專家?guī)旆治觥⒈容^，進而對風力發(fā)電機組的健康進行評估。通過對機組的健康評估，預先了解機組的健康狀況，針對不同的故障提早預防或給出相應的處理措施，盡量排除故障或者防止故障再擴大。對風力發(fā)電機組的健康評估為風電場的狀態(tài)檢修提供了依據(jù)。

健康評估；機組監(jiān)測；特征提?。粚＜?guī)?；風力發(fā)電機組

0 引 言

隨著風電行業(yè)的快速發(fā)展，風力發(fā)電機組的運行維護費用持續(xù)增長，約占度電成本的10%～15%（陸上風電）或25%～30%（海上風電）[1]。同時，由于風向和風速的不斷變化，風力發(fā)電機組的運行條件非常惡劣，導致機組易發(fā)生故障，有的機組甚至在安裝的過程中就已出現(xiàn)故障，嚴重影響了風力發(fā)電機的正常運行，致使機組效率下降、壽命縮短，嚴重時危及設備和人身安全。

為了保證風力發(fā)電機組的正常運行，降低運行維護成本，需預先掌握機組的運行狀態(tài)，“當修則修”，即狀態(tài)檢修[2,3]，這就需要對風力發(fā)電機組的健康狀況進行評估。

根據(jù)健康評估結果，預先了解機組的健康狀況和性能衰退趨勢，合理調(diào)整運行并安排檢修，對提高風力發(fā)電機組運行安全和可靠性，降低運行和維護費用具有重要意義。

1 風力發(fā)電機組健康評估要素

1.1 風力發(fā)電機組監(jiān)測

1.1.1 監(jiān)測對象

風力發(fā)電機組，主要包括風輪系統(tǒng)（包括葉片和輪轂）、傳動系統(tǒng)（包括主軸、齒輪箱和聯(lián)軸節(jié)）、偏航系統(tǒng)（包括偏航軸承）。

1.1.2 監(jiān)測項目[4]

（1）風力參數(shù)：包括風速、風向。

（2）機組狀態(tài)參數(shù)：①轉速，包括發(fā)電機轉速和風輪轉速；②溫度，包括增速箱油溫、軸承溫度、發(fā)電及溫度、控制器環(huán)境溫度等；③機艙振動；④機械制動狀況；⑤油位，包括潤滑油位、液壓系統(tǒng)油位等。

（3）電力參數(shù)：包括電壓、電流、電網(wǎng)頻率、功率因數(shù)、功率（可通過測得的電壓、電流、功率因數(shù)計算得到）。

1.1.3 現(xiàn)代測量技術

利用現(xiàn)代測量技術監(jiān)測項目，技術構成包括：

（1）傳感技術。利用熱電效應、光電效應、壓電效應、電磁效應等，將轉速、溫度、油位等非電量轉換為電量。

（2）自動顯示技術。把電量、數(shù)字量通過模擬或數(shù)字儀表顯示出來。

（3）數(shù)據(jù)采集與處理技術。數(shù)據(jù)采集裝置及軟件。例如：振動-振動傳感器-A/D轉換器-計算機。

（4）網(wǎng)絡技術。網(wǎng)絡儀表。

1.2 數(shù)據(jù)預處理

利用現(xiàn)代測量技術，采集風力發(fā)電機組的相關參數(shù)，即 1.1.2中提到的電流、電壓、功率因數(shù)、溫度、風速、風向、油壓等。

對監(jiān)測到的信號進行選取，選取不同時段進行研究，比如正常信號時段、不同故障信號時段（根據(jù)監(jiān)測到的信號，憑經(jīng)驗選取）。

監(jiān)測得到的信號不可避免地受到風力發(fā)電機組運行中的各種噪聲干擾，使得監(jiān)測信號中含有隨機噪聲、白噪聲等，為了得到真實的特性信息，在進行健康評估之前，必須對這些數(shù)據(jù)進行除噪處理。

數(shù)據(jù)預處理有效的方法有自相關、小波分析等。

1.3 特征提取

風力發(fā)電機組健康狀況不同，其表現(xiàn)出來的特征也不同。對其狀態(tài)監(jiān)測信號進行特征提取，分析機組當前的運行狀態(tài)和參數(shù)值，從而對其進行健康評估。

齒輪箱的主要故障有疲勞點蝕、齒面磨損、斷齒等，可基于振動信號進行特性分析。通過S變換等，得到齒輪箱不同狀態(tài)時振動信號的時頻分布，采用非負矩陣分解（Non-negative matrix factorization, NMF）、Gobor等方法[5,6]，揭示齒輪箱正常狀態(tài)與非正常狀態(tài)的差異，提取特征值，此方法可針對齒輪故障、軸承故障、齒輪和軸承故障組合等情況進行特征提取。

葉片的主要故障有葉片裂紋、材質老化、根部螺絲松動等，可監(jiān)測其聲發(fā)射信號[7-12]，評估其健康狀況，因聲發(fā)射信號的幅值大小與葉片的振動狀態(tài)無關，主要與葉片裂紋發(fā)生時的能量直接相關。

1.4 專家?guī)?/p>

風力發(fā)電機組健康評估專家系統(tǒng)如圖1所示。

圖1中各部分功能[13]為：

（1）機組參數(shù)庫。用于存放機組有關的結構和功能參數(shù)（如風力發(fā)電機組的啟動風速、額定風速、截止風速、額定容量等）以及機組的歷史運行情況。

圖1 風力發(fā)電機組健康評估專家系統(tǒng)Fig. 1 Expert system of health assessment of wind turbines

（2）征兆獲取模塊。采用一定的征兆獲取方法，對風力發(fā)電監(jiān)測數(shù)據(jù)庫中的數(shù)據(jù)進行分析，獲取故障征兆。常用的方法有時域分析、頻域分析、時頻分析等。

（3）征兆事實庫。將風力發(fā)電機組故障征兆存入征兆事實庫。

（4）知識獲取模塊。對健康評估知識庫進行維護和更新，包括知識的輸入、查詢、修改和刪除等功能，同時，將機組發(fā)生的且健康評估知識庫里沒有的新情況補充到庫中。

（5）健康評估知識庫。是機組健康評估專家系統(tǒng)的核心，用于存放與機組健康評估有關的知識，這些知識是由知識工程師和風電專家合作獲取得到的，并通過知識獲取模塊存入到健康評估知識庫中。

中國改革開放40年所取得的減貧成就，對世界減貧與發(fā)展同樣具有重要的意義。中國在40年時間內(nèi)，減少了7億多貧困人口[注]根據(jù)世界銀行的數(shù)據(jù)整理計算。，占1981年以來世界貧困人口減少總數(shù)的近70%，有力推進和加快了全球減貧的進程。

（6）推理機。用于控制系統(tǒng)的運行。利用健康評估知識庫的知識，提出征兆事實庫的事實，按照一定的問題求解策略，進行推理評估，最后給出評估結果。

（7）解釋模塊。解釋用戶提出的問題，并給出健康評估依據(jù)，用戶由此了解健康評估結果并對評估結果的可靠性進行判斷。

（8）健康評估決策模塊。根據(jù)健康評估結果給出系統(tǒng)應采用的措施。屬于開環(huán)指導。

（9）人機接口。是用戶和專家與風力發(fā)電機組健康評估系統(tǒng)進行交互的平臺，將用戶輸入的信息轉換成系統(tǒng)能辨認的信息，同時將系統(tǒng)信息轉換為用戶易于理解的外部表示形式，比如圖形、圖表、表格等。

2 健康評估系統(tǒng)

風力發(fā)電機組的健康評估系統(tǒng)如圖2所示。利用機組監(jiān)測，將信息采集過來；利用數(shù)據(jù)預處理，對信號進行選取，根據(jù)經(jīng)驗，選取正常時段和故障時段、采樣周期等；針對機組不同部位、不同故障類型，進行特征提取；將提取的特征與專家?guī)毂容^，進行相關分析，進而對風力發(fā)電機組的健康進行評估。

圖2 風力發(fā)電機組的健康評估系統(tǒng)Fig. 2 Health assessment system of wind turbines

3 實 例

某風電機組健康評估測點如圖3所示。

利用建立的健康評估系統(tǒng)，評估各部位的健康狀況如表1所示。由表 1可以看出，高速軸后端前列軸承存在報警，因此，對該部位進行數(shù)據(jù)分析，分析結果表明，高速軸后端前列軸承存在明顯的外孤譜，譜號與內(nèi)環(huán)故障譜號一階譜相吻合，可能是由于保持架碎裂造成鐵屑進入軸承，造成內(nèi)環(huán)故障。由以上分析可以得知，高速軸后端前列軸承存在故障。

另外，從風電機組健康評估分析報表沒有診斷出主軸故障。但工作人員在現(xiàn)場正常巡檢時，聽到主軸異響，憑經(jīng)驗初步判斷可能出現(xiàn)主軸故障，因此，對主軸也進行了數(shù)據(jù)分析，分析結果為，主軸異響系軸承干磨原因造成。

圖3 風電機組健康評估測點布置Fig. 3 Health assessment measuring points of wind turbine

表1 風電機組健康評估分析報表Table 1 Health assessment analysis report of wind turbine

4 結 論

風力發(fā)電機組的健康評估就像是“人的體檢”，提前分析機組的健康狀況。針對不同的故障提早預防或給出相應的處理措施；盡量排除故障或者預防故障再擴大。盡管該方法當前還處于理論研究階段，但這是今后風力發(fā)電的趨勢。因此，本文對風力發(fā)電機組健康評估的理論研究有非常重要的工程意義和價值。

因風力發(fā)電機組的故障非常復雜，根據(jù)振動信號，利用現(xiàn)有的方法，只能分析出正常狀況和主要的故障及其在整個故障中所占的百分比，而部分其他故障仍需進一步研究。此外，各種故障之間的關系，比如齒輪箱的振動、油溫、噪聲、鐵譜圖（油溫過高時，鐵融化，油中含鐵量增加）等之間有相互關系，不同的振動信號之間也有耦合。例如，某行星輪壞了，會影響到其他齒輪的壽命。對這些故障之間、信號之間的關系的研究，也有很重要的理論價值和實際意義。

[1] 王致杰. 大型風力發(fā)電機組狀態(tài)監(jiān)測與智能故障診斷[M]. 上海: 上海交通大學出版社. 2013.

[2] 張碧波. 設備狀態(tài)監(jiān)測與故障診斷[M]. 北京: 化學工業(yè)出版社. 2004.

[3] 喬中亞. 風電場設備從計劃檢修到狀態(tài)檢修轉變的思考[J]. 江蘇電機工程, 2010, 29(2): 13-15.

[4] 姚興佳, 宋俊. 風力發(fā)電機組原理與應用[M]. 北京:機械工業(yè)出版社. 2011.

[5] Li B, Zhang P L, Tian H, et al. A new feature extraction and selection scheme for hybrid fault diagnosis of gearbox[J]. Expert Systems with Applications, 2011, 38(8): 10000-10009.

[6] 周雁冰, 柳亦兵, 趙秋麗, 等. 基于非高斯性強度的風電齒輪箱故障特征提取[J]. 動力工程學報, 2013, 33(11): 865-870.

[7] 陳長征, 趙新光, 周勃, 等. 風電機組葉片裂紋故障特征提取方法[J]. 中國電機工程學報, 2013, 33(2): 112-117.

[8] Lekou D, Vionis P, Joosse P A, et al. Full-scale blade testing enhanced by acoustic emission monitoring[C]// Proceeding of European Wind Energy Conference, Madrid, Spain, 2003.

[9] Paquette J, Van Dam J, Hughes S. Structural testing of 9m carbon fiber wind turbine research blades[C]//AIAA 2007 Wind Energy Symposium, Reno, USA, 2007.

[10] Tavner P J. Review of condition monitoring of rotating electrical machines[J]. IET Electric Power Applica-tions, 2008, 2(4): 215-247.

[11] Kirikera G R, Shinde V, Schulz M J, et al. A structural neural system for real-time health monitoring of composite materials[J]. Structural Health Monitoring, 2008, 7(1): 65-83.

[12] Kirikera G R, Shinde V, Schulz M J, et al. Monitoring multi-site damage growth during quasi-static testing of a wind turbine blade using a structural neural system[J]. Structural Health Monitoring, 2008, 7(2): 157-173.

[13] 張彥寧. 基于小波分析的水電機組在線監(jiān)測與故障診斷的研究[D]. 西安: 西安理工大學. 2013.

Health Assessment of Wind Turbines

REN Yan1,2, WU Qi-ren2, Xue Li-ming3
(1. School of Electric Power, North China University of Water Resources and Electric Power, Zhengzhou 450045, China; 2. China Three Gorges Corporation, Beijing 100038, China; 3. DongFang Turbine CO. LTD., Sichuan Deyang 618000, China)

In order to ensure the normal operation of wind turbines, the health assessment system of wind turbines is established to reduce operation and maintenance costs. The health assessment factors include monitoring, data preprocessing, feature extraction and expert database. The feature of the monitored information is first extracted through data preprocessing, then is compared to the expert database. In this way, finally the health assement of wind trubines can be realized. By use of the health assessment, the health status of wind turbines were prior known to early prevent for different faults or to give corresponding treatment measures. The ultimate aims are to troubleshoot or to prevent faults to expand. The health assessment of wind turbines provides the basis for the condition maintenance of wind farm.

health assessment; wind turbines monitoring; feature extraction; expert database; wind turbine

TK8

A

10.3969/j.issn.2095-560X.2014.06.004

2095-560X（2014）06-0430-04

任 巖（1979-），女，博士，副教授，主要從事新能源發(fā)電和抽水蓄能、狀態(tài)檢修等方面的研究。

2014-08-04

2014-09-18

國家863計劃項目（2009AA05Z429）；鄭州市科技攻關計劃項目（X2013G0432）；華北水利水電大學高層次人才科研啟動項目（201316）

? 通信作者：任 巖，E-mail：renyan@ncwu.edu.cn