試述風力發(fā)電系統(tǒng)傳感器故障診斷

潘濤

摘 要：隨著我國煤炭資源的不斷減少，合理選擇新能源就顯得尤為重要。而利用風能進行發(fā)電，不僅可以有效的降低煤炭的使用量，還能減少空氣污染。隨著風力發(fā)電系統(tǒng)的運行，一些系統(tǒng)故障也逐漸顯露出來，而且故障的種類和位置也日益復雜，導致風力發(fā)電系統(tǒng)出現(xiàn)故障卻難以查明，進而造成停機，給風電場造成嚴重的經(jīng)濟損失，本文主要對風力發(fā)電中傳感器故障進行分析。

關鍵詞：風力發(fā)電系統(tǒng)；傳感器；故障診斷

1 前言

在風力發(fā)電系統(tǒng)中，傳感器是其中的一種基本元件，主要負責風力發(fā)電系統(tǒng)的各項數(shù)據(jù)的采集，并將采集到的數(shù)據(jù)傳送至主控系統(tǒng)，主控系統(tǒng)經(jīng)過分析和處理后，再發(fā)出相應的控制指令。其功能作用決定了傳感器的種類繁多，同時安裝的位置相對特殊，而且容易發(fā)生故障，如果利用傳統(tǒng)的人工定期檢修很難發(fā)現(xiàn)故障的位置以及原因，因此在風力發(fā)電系統(tǒng)中實時傳感器故障診斷尤為必要。

2 風力發(fā)電機的結構與原理

風力發(fā)電機組中的風力機分為水平軸以及垂直軸風力機兩種，本文主要就水平軸風力發(fā)電機進行討論。在水平軸風力發(fā)電機中，又分為兩種，分別是上風風機和下風風機，就目前來說風力發(fā)電一般采用上風風機，在風力發(fā)電機組中主要的器件有五個：①風車部分，主要由葉輪、剎車以及變槳裝置和輪毅組成；②支撐部分，是由轉子軸承、主軸承、聯(lián)軸器、變速箱（齒輪箱）、聯(lián)軸器等組成；③風向控制，風向控制主要是由偏航系統(tǒng)控制；④塔架和基礎；⑤發(fā)電機、電力輸出控制系統(tǒng)及并網(wǎng)系統(tǒng)。風力發(fā)電的主要原料就是利用風的流動性產(chǎn)生的動能推動風力機的葉片轉動，從而將風的動能轉化為風力機轉軸的動能，進而通過風力機的轉軸轉動帶動變速箱主動，進而使得發(fā)電機發(fā)電。隨著風速和風向的變化，風力發(fā)電極不是很穩(wěn)定，同時可能會產(chǎn)生振動，形成故障進而造成停機。因此，對風力發(fā)電機組進行監(jiān)控和故障診斷是十分重要的，本文主要對風力發(fā)電機振動的測試方法以及控制技術進行了研究。

3 風力發(fā)電系統(tǒng)傳感器故障診斷

現(xiàn)在風力發(fā)電體系的故障診斷的方法主要有：依賴解析模型的方法、不依賴模型的方法等，依賴解析模型的方法中的觀測器法是比較廣泛，其基本思想是根據(jù)體系的輸入與可測輸出的設計狀態(tài)觀測器，發(fā)生一個輸出差錯作為殘差，用來判別體系是否出現(xiàn)故障，并現(xiàn)已獲得一系列效果。

3.1 依賴解析模型的方法

根據(jù)對模型的非線性體系故障進行診斷的方法主要有兩種：一是線性化的方法，二是對非線性模型的方法。由于這些方法根本都是針對某一特定的非線性體系，因而算法的通用性不強，算法并不是很完善。

3.1.1 觀測器方法

在觀測器方面的研究中，最早的研究是建立一個全階觀測器，該觀測器的增益矩陣可以通過在線進行調整的結構殘差序列未知的隨時間變化的參數(shù)或緩慢變化的漂移故障的殘差序列的影響進行補償。為了簡化設計，可以利用降階觀測器替代全階觀測器，但是降階觀測器只能用于突變故障。Bastin等人提出了一種簡單的自適應觀測器的設計可應用于非線性系統(tǒng)，他們將一些非線性系統(tǒng)的特性作為未知參數(shù)，通過對未知參數(shù)進行在線辨識，未知干擾設計、參數(shù)時變和不精確的模型可以通過參數(shù)辨識的體現(xiàn)。

3.1.2 濾波器法

和觀測器法相比，濾波器法的計算量是比較大的，它是要求不高的模型，采用擴展卡爾曼濾波算法能夠對殘余結構等進行直接的估計，但是魯棒性的模型失配和初始值通常是已知的，噪聲的統(tǒng)計特性也是已知的。如果噪聲的統(tǒng)計特性是未知的，將產(chǎn)生殘差，這種算法漸變型故障不敏感。

3.2 不依賴模型的方法

目前的控制系統(tǒng)越來越復雜，由于現(xiàn)實中對控制系統(tǒng)要建立精準的解析數(shù)學模型難度較大，并且在存在建模誤差時，將會出現(xiàn)誤報、漏報現(xiàn)象。因此具有不需要對象精確模型且具有良好適應性的不依賴于模型的故障診斷方法越來越受人們的重視。

3.2.1 模糊推理的診斷方法

模糊診斷不需要診斷對象的精確數(shù)學模型，主要是利用隸屬函數(shù)以及模糊規(guī)則進行模糊診斷。在進行故障診斷的過程中，故障的征兆具有一定的模糊性，一旦存在多個故障點，那么故障和征兆之間的關系就變得十分的模糊，利用模糊語言集合能夠更準確地反映故障和征兆之間的關系。

3.2.2 小波分析

小波分析主要就是用于分析和處理非平穩(wěn)的信號。小波分析的方法與神經(jīng)網(wǎng)絡的方法比較類似，對系統(tǒng)的要求不是很高。主要就是結合了傳統(tǒng)硬件冗余以及冗余兩種方法的優(yōu)點。小波分析是將信號進行疊加，形成的一系列小波函數(shù)。它根據(jù)局部函數(shù)所構成的小波基，具有許多特殊的性質以及優(yōu)點。小波分析具有良好的時域和頻域局部化特性。小波函數(shù)具有自動縮放和平移功能，可以有效分解測量信號和噪聲信號，并提取有效信息，而閾值和小波分解的層數(shù)的選取是小波分析的重要一步。用小波分析的方法對信號進行分析時，所用窗口的大小發(fā)生改變，但窗口的形狀能夠進行改動，即能夠改動窗口和頻率。小波分析是一種時域局部化的分析方法，它在低頻和低時間的分辨率下具有較高的頻率分辨率，在高頻部分具有較低的頻率分辨率和高的時間分辨率。

3.2.3 神經(jīng)網(wǎng)絡法

神經(jīng)網(wǎng)絡法主要由神經(jīng)元組成，所組成的網(wǎng)絡結構具有較強非線性映射能力，信息常處于神經(jīng)元權重范圍內(nèi)，以此增強網(wǎng)絡魯棒性。其中，反向傳輸算法又是這一算法的別稱，即神經(jīng)網(wǎng)絡有序性以及穩(wěn)定性借助權重有序調節(jié)來實現(xiàn)，其中權重分布又可以通過誤差函數(shù)數(shù)值來改變，以此完成適當輸出任務。此外，隱含層、輸入層和輸出層是基本層數(shù)構成，這三層又代表了正向傳播方向，神經(jīng)元間互相影響，一旦出現(xiàn)輸出結果不符合預期時，此時應適當調整信號傳播程序，在此期間，不斷縮小誤差函數(shù)值，確保信息全面提取工作順利進行。要想提高網(wǎng)絡高效性，應有效處理輸入樣本，此時具體訓練方法流程為： 樣本對（ 包含輸入和輸出信息） 正常提交于網(wǎng)絡，接下來進行網(wǎng)絡有效性訓練，以此促使網(wǎng)絡神經(jīng)元合理分配，提高閾值和權值準確性，當網(wǎng)絡輸入樣本所得的輸出結果接近于既定輸出結果時，則證明網(wǎng)絡訓練過程能夠順利進行，在這一過程中，訓練算法指的是網(wǎng)絡權值有效調整以及合理修正的基本規(guī)則。

3.2.4 專家系統(tǒng)法

專家診斷法經(jīng)歷了二代的發(fā)展，第一代專家故障診斷方法是基于淺知識的，而第二代則是基于深知識的。不論是哪一代專家故障診斷方法，均是通過對傳感器知識的系統(tǒng)提取，在計算機里整理成故障規(guī)則庫，然后總結現(xiàn)場專家的個人的經(jīng)驗進行推斷，進行故障診斷。

4 結束語

風電動力是世界上發(fā)展最快的可再生動力能源，已經(jīng)成為處理世界能源問題不行或缺的重要力量。風力發(fā)電設備一般建在高山或遠離海岸的偏遠地域，氣候變化不能進行預測，在這樣高度惡劣、雜亂的工作環(huán)境中，傳感器、執(zhí)行器發(fā)生故障時有發(fā)生，再加上風力發(fā)電系統(tǒng)本身是一個非線性、多變量、強耦合的體系，當參數(shù)出現(xiàn)不確定時，體系的控制將會愈加的復雜。為此有必要對風力發(fā)電體系進行實時的故障診斷，采用有效的容錯控制進行對系統(tǒng)的可靠性進行保障。

參考文獻：

[1] 王炳炬.基于信息熵的傳感器故障診斷方法研究[D].華北電力大學（北京），2016.

[2] 王建.無線傳感器網(wǎng)絡節(jié)點模塊級故障診斷方法研究[D].重慶大學，2016.

[3] 劉巍.液位系統(tǒng)的傳感器設計與故障診斷及容錯控制研究[D].中國計量大學，2016.

[4] 吳會祥.質量傳感器故障診斷技術研究[D].安徽理工大學，2016.

[5] 湯寶平，鄧兵，鄧蕾，顏丙生.無線傳感器網(wǎng)絡多級融合的機械故障診斷方法[J].振動.測試與診斷，2016（3601）：92～96+199～200.