基于健康樣本的風電機組狀態(tài)評估與異常檢測系統(tǒng)

安學利，唐擁軍，吳光軍，陳海元

（1.中國水利水電科學研究院，北京 100038；2.長江新能源開發(fā)有限公司，上海 200001；3.響水長江風力發(fā)電有限公司，江蘇 鹽城 224600）

0 引言

風力發(fā)電已經進入了大規(guī)模的發(fā)展階段，由于其惡劣的運行環(huán)境，機組部件更易老化[1-3]。為確保風電機組的安全穩(wěn)定運行，需要對機組運行狀態(tài)進行監(jiān)測，以便及時發(fā)現(xiàn)機組異?！，F(xiàn)有風電機組在線監(jiān)測系統(tǒng)僅僅通過簡單比較監(jiān)測參數(shù)的測量值與預設的單一靜態(tài)閾值來實現(xiàn)報警功能。該方式忽略了不同風速、不同轉速下機組性能的差異，缺少對機組早期潛在故障的預警能力。

因此，需要不同機組的自身特性，建立能自適應風電機組工況變化的、精細的軸承狀態(tài)評估模型。本文充分利用風電機組健康狀態(tài)監(jiān)測數(shù)據(jù)資源，建立基于健康樣本的風電機組狀態(tài)評估和異常檢測系統(tǒng)，解決當前風電機組故障樣本少，難以對其開展有效的診斷的難題，提高風電機組運行維護的水平，減少故障導致的停機損失。

1 徑向基函數(shù)插值

徑向基函數(shù)法[4]（radialbasisfunction，RBF）能精確和穩(wěn)定地用于數(shù)據(jù)不完整的、帶噪聲的散亂數(shù)據(jù)的插值和擬合，它采用非均勻的采樣點構造出連續(xù)的隱式函數(shù)，插值時只需要對該函數(shù)進行重新采樣。

在（風速、轉速和振動）三維曲面M上的散亂點集{xi，yi，zi}，其中i=1,2,……,n，xi表示風速，yi表示轉速，zi表示振動；構造一個曲面M′合理逼近。

定義使用徑向基函數(shù)建立的插值函數(shù)：

式中：X=（x，y，z）,wi是實系數(shù)，是歐式距離，φ為徑向基函數(shù)，P(X)是一個多項式：

常采用的徑向基函數(shù)為φ(r)=r3。 令為曲面M上的點，式（1）中系數(shù)w1,…,wn,p0,p1,p2,p3通過插值約束條件：

和正交條件：

得到，其中hj為插值函數(shù)f(X)在cj處的函數(shù)值。由式（3）、（4）可得

式中

式（5）左邊通常是非半正定、可逆的，故存在惟一解（w1，w2，……，wn，p0，p1，p2，p3）。將求得的徑向基系數(shù)和多項時系數(shù)代入式（2），能得到插值函數(shù)為

2 基于健康樣本的狀態(tài)評估和異常檢測

機組經過長期運行逐漸脫離正常運行狀態(tài)，進入非正常連續(xù)運行狀態(tài)。因此，必須對機組運行狀態(tài)進行實時評估，盡可能減少事故發(fā)生的機率。

通過綜合分析大量現(xiàn)場及實驗數(shù)據(jù)，發(fā)現(xiàn)風速和機組轉速是影響風電機組振動參數(shù)狀態(tài)的兩個主要因素。本文應用徑向基函數(shù)插值理論[4]，建立綜合考慮風速和轉速的風電機組振動健康標準模型v=f(s,r)，v為機組振動參數(shù)，s為風速，r為機組轉速。所構建的基于健康樣本的風電機組狀態(tài)評估模型，首先收集分析風電機組不同風速、不同轉速下的在線監(jiān)測數(shù)據(jù)，遴選機組運行正常時振動測點健康樣本；然后建立綜合考慮風速和轉速的振動健康標準模型v=f(s,r)，獲得風速、轉速與振動參數(shù)間的映射關系，如圖1所示；最后將機組在線監(jiān)測中的風速、機組轉速數(shù)據(jù)代入機組健康模型，計算當前工況下的振動參數(shù)的健康值，進而可獲得該振動參數(shù)的性能退化度。

圖1 風速、轉速-風電機組振動映射關系

將機組在線監(jiān)測中的風速、機組轉速數(shù)據(jù)代入v=f(s,r)，計算當前工況下的振動測點狀態(tài)參數(shù)健康值v(t)，獲得該測點當前振動偏差D(i)、Dv(i)：

式中：i表示第i個樣本點。振動偏差Dv(i)高于預設值時，進行報警。

3 實驗驗證

在風電機組實驗臺上進行了軸承故障實驗，驗證本文所提系統(tǒng)的有效性。圖2給出了在某狀態(tài)下風電機組某軸承振動加速度波形頻譜與基于健康樣本的標準波形頻譜的對比，從圖中可以看出，由于風電機組結構復雜、風速的波動性，使得其振動波形非常復雜，難以從波形中準確地分析其真實運行狀態(tài)。但是通過分析頻譜圖可以發(fā)現(xiàn)，在當前工況下風電機組該振動測點頻譜與標準頻譜有明顯的差別，說明該測點振動已經偏離了健康標準狀態(tài)，需引起重視。

下面分析該測點在一個時間段振動參數(shù)的狀態(tài)，由圖3所示。從圖中可以看出，在該時間段內，該軸承振動實際值已經明顯偏離健康標準值，其性能退化度已經達40%，如圖4所示，需要停機對該軸承進行檢查，該異常是在實驗臺設置的外圈故障。該軸承發(fā)生外圈故障時，機組功率異常檢查如圖5所示。從圖中可以看出，機組軸承發(fā)生故障時，機組功率偏差不大。

圖2 風電機組振動波形頻率對比

圖3 風電機組振動異常檢測

圖4 風電機組性能退化評估

圖5 風電機組功率異常監(jiān)測

實驗結果分析表明，與傳統(tǒng)設置靜態(tài)報警閾值相比，本文所提出的基于健康樣本的風電機組狀態(tài)評估與異常檢查系統(tǒng)很好地實現(xiàn)了機組運行工況和狀態(tài)參數(shù)的耦合，可以實時地、充分地考慮風電機組運行工況的變化，能較全面地描述風電機組運行狀態(tài)變化過程，能提早發(fā)現(xiàn)機組不斷發(fā)展中的異常。

4 結論

針對目前對風電機組在線狀態(tài)監(jiān)測研究的不足，提出了建立健康樣本的風電機組狀態(tài)評估和異常檢測系統(tǒng)，該系統(tǒng)實時動態(tài)地評估變工況下風電機組振動測點的性能狀態(tài)，能有效指導風電機組的運行維護，有很好的應用前景。

[1]安學利,蔣東翔,李少華.基于決策融合的直驅風力發(fā)電機組軸承故障診斷[J].電網(wǎng)技術,2011,35(7):36-41.

[2]安學利,趙明浩,蔣東翔,等.基于支持向量機和多源信息的直驅風力發(fā)電機組故障診斷[J].電網(wǎng)技術,2011,35(4):117-122．

[3]安學利,蔣東翔,劉超,陳杰.基于固有時間尺度分解的風電機組軸承故障特征提取[J].電力系統(tǒng)自動化,2012,36(5):41-44．

[4]杜新偉,楊孝英,梁學章.基于徑向基函數(shù)的3D散亂數(shù)據(jù)插值多尺度方法[J].吉林大學學報(理學版),2009,47(5):1039-1041.

[5]嚴劍峰,于之虹,田芳,等.電力系統(tǒng)在線動態(tài)安全評估和預警系統(tǒng)[J].中國電機工程學報,2008,28(34):87-93.