考慮風(fēng)速波動(dòng)的風(fēng)電機(jī)組狀態(tài)評(píng)估

邢 月，顧煜炯，馬 麗

(1.華北電力大學(xué)能源動(dòng)力與機(jī)械工程學(xué)院，北京 102206；2.華北電力大學(xué)新能源電力系統(tǒng)國家重點(diǎn)試驗(yàn)室,北京 102206)

0 引言

雙饋風(fēng)電機(jī)組安裝在風(fēng)速較高的地區(qū)，長(zhǎng)期在室外運(yùn)行，工作環(huán)境惡劣，降低了機(jī)組的可靠性，機(jī)組的維護(hù)難度大。為了降低成本，風(fēng)電場(chǎng)安裝了監(jiān)控與數(shù)字采集(supervisory control and data acquisition,SCADA)系統(tǒng)，監(jiān)測(cè)機(jī)組的運(yùn)行狀態(tài)。但是SCADA系統(tǒng)只能在機(jī)組的監(jiān)測(cè)參數(shù)超過設(shè)定閾值時(shí)發(fā)出警報(bào)，這時(shí)機(jī)組的部件已經(jīng)產(chǎn)生了損壞。為了降低損失，在機(jī)組部件損壞之前發(fā)現(xiàn)機(jī)組的異常，很多學(xué)者提出了研究機(jī)組的在線運(yùn)行狀態(tài)的方法。風(fēng)電機(jī)組運(yùn)行狀態(tài)差時(shí)，不僅會(huì)因?yàn)橥C(jī)造成機(jī)組發(fā)電量損失，而且機(jī)組的狀態(tài)變化需要一定的時(shí)間，在這期間機(jī)組的發(fā)電量低于機(jī)組的正常水平。風(fēng)電機(jī)組的運(yùn)行狀態(tài)的變化是機(jī)組的故障預(yù)警和機(jī)組維修的前兆。因此，風(fēng)電機(jī)組運(yùn)行狀態(tài)的變化引起了很多學(xué)者的研究[1]。

1 風(fēng)電機(jī)組狀態(tài)評(píng)估研究現(xiàn)狀

傳統(tǒng)的風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估方法是先計(jì)算狀態(tài)參數(shù)的劣化度，然后采用隸屬度加權(quán)逐層評(píng)價(jià)，最終確定機(jī)組的綜合評(píng)價(jià)策略。文獻(xiàn)[2]改進(jìn)了傳統(tǒng)方法中的固定劣化度，通過考慮指標(biāo)的參數(shù)變化趨勢(shì)實(shí)現(xiàn)了動(dòng)態(tài)劣化度，采用正態(tài)云模型替換了傳統(tǒng)隸屬函數(shù)，減少了傳統(tǒng)模型中的模糊性，增強(qiáng)了模型的隨機(jī)性。文獻(xiàn)[3]采用集對(duì)分析和證據(jù)理論，解決了機(jī)組信息的不確定性和子系統(tǒng)之間信息融合的問題。文獻(xiàn)[4]基于熵值法根據(jù)歷史數(shù)據(jù)計(jì)算出的各指標(biāo)權(quán)重，增強(qiáng)了模型的準(zhǔn)確度。傳統(tǒng)的風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估方法在實(shí)時(shí)顯示機(jī)組的運(yùn)行狀態(tài)方面還需改進(jìn)。

隨著大數(shù)據(jù)和數(shù)據(jù)挖掘的發(fā)展[5]，很多研究基于歷史數(shù)據(jù)在線評(píng)價(jià)機(jī)組的狀態(tài)和性能。文獻(xiàn)[6]通過計(jì)算在線數(shù)據(jù)和功率曲線的實(shí)時(shí)功率偏差系數(shù)，對(duì)機(jī)組的性能進(jìn)行了在線評(píng)價(jià)。該方法對(duì)機(jī)組功率曲線的精確度要求較高，且隨著機(jī)組的劣化，需要不斷更新功率曲線。文獻(xiàn)[7]結(jié)合粒子群算法與神經(jīng)網(wǎng)絡(luò)，對(duì)風(fēng)電機(jī)組進(jìn)行了綜合評(píng)價(jià)。該方法對(duì)計(jì)算機(jī)的性能要求較高，需要計(jì)算分析大量的訓(xùn)練樣本，計(jì)算量較大。對(duì)于該類方法，需要對(duì)運(yùn)算過程進(jìn)行優(yōu)化，最終能夠?qū)崿F(xiàn)實(shí)時(shí)優(yōu)化評(píng)價(jià)網(wǎng)絡(luò)?；诖髷?shù)據(jù)和數(shù)據(jù)挖掘的風(fēng)電機(jī)組在線監(jiān)測(cè)隨著硬件的不斷發(fā)展，在監(jiān)測(cè)精度和時(shí)效性上更具優(yōu)勢(shì)。

風(fēng)速的隨機(jī)性[8]引起了葉輪轉(zhuǎn)速、齒輪箱轉(zhuǎn)速、發(fā)電機(jī)轉(zhuǎn)速、變槳電機(jī)和偏航電機(jī)等隨著風(fēng)速的變化而改變。因?yàn)轱L(fēng)速的大小和方向變化較快，傳動(dòng)鏈相關(guān)部件的變化也很快，降低了機(jī)組的可靠性。很多研究考慮到了風(fēng)速的隨機(jī)性[9-11]給機(jī)組帶來的影響，但是研究風(fēng)速對(duì)機(jī)組的運(yùn)行狀態(tài)造成影響的研究較少。風(fēng)速的隨機(jī)性是影響風(fēng)電機(jī)組狀態(tài)變化和造成風(fēng)電機(jī)組可靠性降低的主要原因。

綜上所述，考慮到風(fēng)速的隨機(jī)性，提出了基于波動(dòng)率評(píng)估機(jī)組的運(yùn)行狀態(tài)。首先根據(jù)風(fēng)速與監(jiān)測(cè)參數(shù)的相關(guān)性分析和監(jiān)測(cè)參數(shù)的方差、偏度、峰度和均值分析，確定了機(jī)組狀態(tài)評(píng)估指標(biāo)參數(shù)體系。體系分為齒輪箱系統(tǒng)、發(fā)電機(jī)系統(tǒng)、變槳系統(tǒng)、變流器系統(tǒng)和塔底機(jī)艙五部分。然后相對(duì)于傳統(tǒng)的波動(dòng)率的算法，提出了對(duì)數(shù)波動(dòng)率，采用波動(dòng)率分析機(jī)組運(yùn)行指標(biāo)參數(shù)的隱含變化。分析正常機(jī)組的歷史數(shù)據(jù)指標(biāo)參數(shù)的波動(dòng)軌跡，量化了機(jī)組運(yùn)行狀態(tài)等級(jí)的劃分。采用長(zhǎng)度為M和N的雙滑動(dòng)窗口處理機(jī)組的在線數(shù)據(jù)流，實(shí)現(xiàn)機(jī)組運(yùn)行狀態(tài)的在線評(píng)估。

2 風(fēng)電機(jī)組健康狀態(tài)評(píng)估指標(biāo)分析

風(fēng)速示意圖如圖 1所示。短時(shí)間內(nèi)風(fēng)速的大小變化迅速。風(fēng)速在切入風(fēng)速上下波動(dòng)，容易造成機(jī)組多次的啟停，使機(jī)組運(yùn)行參數(shù)的波動(dòng)性較大；風(fēng)速在額定風(fēng)速上下波動(dòng)時(shí)，機(jī)組的控制系統(tǒng)頻繁調(diào)整，同樣引起機(jī)組監(jiān)測(cè)參數(shù)的波動(dòng)。

圖1 風(fēng)速示意圖Fig.1 Wind speed diagram

考慮到風(fēng)速的隨機(jī)性給機(jī)組帶來的影響，因此在研究風(fēng)電機(jī)組運(yùn)行狀態(tài)時(shí)，有必要通過相關(guān)性分析監(jiān)測(cè)參數(shù)和風(fēng)速的相關(guān)性。風(fēng)速vi與監(jiān)測(cè)參數(shù)xi的相關(guān)性程度可由相關(guān)系數(shù)r來描述。

(1)

表1 監(jiān)測(cè)參數(shù)與風(fēng)速相關(guān)性Tab.1 Correlation between monitoring parameters and wind speed

為了進(jìn)一步分析風(fēng)速的隨機(jī)性對(duì)機(jī)組的影響，對(duì)監(jiān)測(cè)參數(shù)歷史數(shù)據(jù)的方差、均值、偏度、峰度進(jìn)行分析。方差的大小，反映的是在一段時(shí)間內(nèi)的監(jiān)測(cè)參數(shù)穩(wěn)定性。以正態(tài)分布為比較標(biāo)準(zhǔn)，偏度是頻率分布不對(duì)稱程度的一種量度。峰度表明分布曲線的尖峭程度。峰度大表示集中于平均數(shù)附近的分布頻率大，分布曲線形成高峰；峰度小表示頻率分布比較分散，分布曲線比較平坦。監(jiān)測(cè)參數(shù)特性如表2所示。液壓壓力的峰度大，方差小，表明液壓壓力變化較小，不宜作為指標(biāo)參數(shù)；齒輪箱潤(rùn)滑油進(jìn)口油壓方差較小，峰度很小，說明這個(gè)參數(shù)的變化范圍較小，不宜作為參數(shù)指標(biāo)；偏航液壓壓力的方差較大，不宜作為指標(biāo)參數(shù)。

表2 監(jiān)測(cè)參數(shù)特性Tab.2 Characteristics of monitoring parameters

表2中：P1為液壓壓力，Pa;P2齒輪箱潤(rùn)滑油進(jìn)口油壓，Pa；v為風(fēng)速，m/s；T1為塔底主控柜溫度，℃；T2為槳葉軸柜溫度，℃；T3為塔底空氣溫度，℃；T4為機(jī)艙主控柜溫度，℃；T5為艙外溫度，℃；N為風(fēng)輪轉(zhuǎn)速，rad/s；T6為機(jī)艙溫度，℃；T7為齒輪箱油溫，℃；T8為發(fā)電機(jī)非驅(qū)動(dòng)端軸承溫度，℃；T9為發(fā)電機(jī)驅(qū)動(dòng)端軸承溫度，℃；T10為齒輪箱高速軸軸承前端溫度，℃；T11為變流器網(wǎng)側(cè)模塊溫度，℃；T12為齒輪箱高速軸軸承后端溫度，℃；T13為變流器轉(zhuǎn)子側(cè)模塊溫度，℃；T14為槳葉電機(jī)溫度，℃；T15為發(fā)電機(jī)定子繞組溫度，℃；P3為偏航液壓壓力，Pa。

通過方差分析和相關(guān)性分析，將風(fēng)電機(jī)組的狀態(tài)評(píng)價(jià)分為五個(gè)系統(tǒng)：變槳系統(tǒng)、齒輪箱系統(tǒng)、發(fā)電機(jī)系統(tǒng)、變流器系統(tǒng)和塔底機(jī)艙系統(tǒng)。最終確定的指標(biāo)參數(shù)是：槳葉軸柜溫度、槳葉電機(jī)溫度、齒輪箱油溫、齒輪箱高速軸軸承前端溫度，齒輪箱高速軸承軸承后端溫度，發(fā)電機(jī)驅(qū)動(dòng)端軸承溫度，發(fā)電機(jī)驅(qū)動(dòng)端軸承溫度，變流器網(wǎng)側(cè)模塊溫度，變流器轉(zhuǎn)子側(cè)模塊溫度，變流器散熱片溫度，塔底主控柜溫度，機(jī)艙主控柜溫度，機(jī)艙溫度。

3 風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估模型

3.1 波動(dòng)率的定義

在風(fēng)電機(jī)組指標(biāo)參數(shù)研究中，直接觀察指標(biāo)參數(shù)值的變化無法帶給研究者額外的信息。因?yàn)橹笜?biāo)參數(shù)值是絕對(duì)數(shù)，沒有一個(gè)標(biāo)準(zhǔn)值衡量指標(biāo)參數(shù)值的變化。研究中經(jīng)常會(huì)將指標(biāo)參數(shù)值轉(zhuǎn)化為波動(dòng)率，從而進(jìn)行后續(xù)研究。這是因?yàn)椴▌?dòng)率是相對(duì)數(shù)，能夠相互進(jìn)行比較。觀察傳統(tǒng)的波動(dòng)率y，即式(2)，可以發(fā)現(xiàn)：因基數(shù)的變動(dòng)，不同時(shí)刻的波動(dòng)率進(jìn)行比較時(shí)會(huì)出現(xiàn)偏差。于是本文采用對(duì)數(shù)指標(biāo)參數(shù)值差作為波動(dòng)率return(t)，即式(3)。

(2)

return(t)=logxi(t)-logxi(t-1)

(3)

式中：xi為指標(biāo)參數(shù)，i=1，2，3，…，n；t為指標(biāo)參數(shù)的采集時(shí)間點(diǎn)，t=1，2，…，m。

波動(dòng)率軌跡顯示指標(biāo)參數(shù)的波動(dòng)情況，本文最終選取的指標(biāo)參數(shù)均為溫度參數(shù)。溫度參數(shù)的變化相對(duì)于轉(zhuǎn)速和轉(zhuǎn)矩參數(shù)，時(shí)間變化的頻率小，因此能更加準(zhǔn)確地反映機(jī)組的運(yùn)行狀態(tài)。

3.2 風(fēng)電機(jī)組狀態(tài)評(píng)估流程

基于波動(dòng)率的風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估流程包含量化、推理和評(píng)估三部分，如圖3所示。首先，量化部分是采用方差和相關(guān)性分析歷史數(shù)據(jù)，選取評(píng)估的指標(biāo)參數(shù)；然后引入波動(dòng)率式(3)，通過對(duì)歷史數(shù)據(jù)中機(jī)組運(yùn)行狀態(tài)的分析，確定狀態(tài)評(píng)價(jià)等級(jí)。監(jiān)測(cè)部分是通過雙滑動(dòng)窗口監(jiān)測(cè)風(fēng)電機(jī)組的指標(biāo)參數(shù)。評(píng)估部分將機(jī)組的運(yùn)行狀態(tài)等級(jí)分為三種，分別為優(yōu)秀、良好和嚴(yán)重。

通過對(duì)在線數(shù)據(jù)流的分析，最終確定出風(fēng)電機(jī)組的狀態(tài)評(píng)估結(jié)果。

圖2 風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估流程圖Fig.2 Flowchart of operation status evaluation process of wind turbine

3.3 運(yùn)行狀態(tài)等級(jí)劃分

本文采用時(shí)間序的雙滑動(dòng)窗口監(jiān)測(cè)機(jī)組的運(yùn)行狀態(tài)。因?yàn)椴▌?dòng)率的正負(fù)反映的是指標(biāo)參數(shù)變化的方向，波動(dòng)率的大小反映的是波動(dòng)的范圍，本文研究的是狀態(tài)變化，對(duì)方向的變化不作要求。因此，為便于更加直觀地顯示機(jī)組監(jiān)測(cè)參數(shù)的波動(dòng)，在滑動(dòng)窗口內(nèi)，波動(dòng)率的大小取絕對(duì)值。雙滑動(dòng)窗口如圖3所示。第一個(gè)滑動(dòng)窗口的步長(zhǎng)為M，定義為參考窗口；第二個(gè)滑動(dòng)窗口的步長(zhǎng)為N，定義為監(jiān)測(cè)窗口；監(jiān)測(cè)點(diǎn)為t。

圖3 雙滑動(dòng)窗口Fig.3 Double sliding window

x'=max[x(t-N-M):(t-N),j]。x'表示M個(gè)數(shù)值按照大小。排列第j個(gè)值的大小如果第二個(gè)窗口內(nèi)的波動(dòng)率大于x'，則該點(diǎn)被定義為異常點(diǎn)。在監(jiān)測(cè)滑動(dòng)窗口內(nèi)，如果異常點(diǎn)的個(gè)數(shù)占窗口長(zhǎng)度的30%，運(yùn)行狀態(tài)良好；如果異常點(diǎn)的個(gè)數(shù)占窗口長(zhǎng)度的60%，運(yùn)行狀態(tài)為差。

通過對(duì)指標(biāo)歷史數(shù)據(jù)的分析，為了兼顧系統(tǒng)的精確性和計(jì)算速度，本文中M的取值為100，N的取值為50。

每個(gè)部件的運(yùn)行狀態(tài)的好壞，都會(huì)影響到機(jī)組的運(yùn)行狀態(tài)。因此，當(dāng)全部為優(yōu)良時(shí)，機(jī)組的狀態(tài)評(píng)估為優(yōu)良；當(dāng)機(jī)組的某一個(gè)指標(biāo)參數(shù)出現(xiàn)良好時(shí)，機(jī)組運(yùn)行狀態(tài)評(píng)估為良好；當(dāng)機(jī)組多個(gè)指標(biāo)參數(shù)為良好或者某一個(gè)指標(biāo)參數(shù)為差時(shí)，機(jī)組的運(yùn)行狀態(tài)評(píng)估為差。

4 實(shí)例與分析

4.1 機(jī)組的狀況

為驗(yàn)證本文評(píng)估機(jī)組運(yùn)行狀態(tài)的方法的準(zhǔn)確性和有效性，以貴州某風(fēng)電場(chǎng)一號(hào)機(jī)組和二號(hào)機(jī)組的監(jiān)控與數(shù)據(jù)采集(supervisory control and data acquistion,SCADA)系統(tǒng)運(yùn)行數(shù)據(jù)為例進(jìn)行計(jì)算，評(píng)估機(jī)組的運(yùn)行狀態(tài)。機(jī)組信息如表3所示。

表3 機(jī)組信息Tab.3 Wind turbine information

4.2 案例一

一號(hào)機(jī)組為正常機(jī)組，在運(yùn)行過程中未發(fā)出異常警報(bào)，機(jī)組在4月17號(hào)和5月27日前后都出現(xiàn)了溫度的突然上升。一號(hào)機(jī)組發(fā)電機(jī)運(yùn)動(dòng)狀態(tài)如圖4所示。

圖4 一號(hào)機(jī)組發(fā)電機(jī)運(yùn)動(dòng)狀態(tài)圖Fig.4 Movement status of unit 1 generator

但是波動(dòng)率只是有幾個(gè)值比較大，很快又趨于正常。一號(hào)機(jī)組發(fā)電機(jī)軸承驅(qū)動(dòng)端溫度在線監(jiān)測(cè)如圖5所示。從時(shí)間序滑動(dòng)窗口中可以看到并未出現(xiàn)超過30%，同時(shí)其他指標(biāo)參數(shù)也未發(fā)現(xiàn)異常，在此不再贅述。因此，一號(hào)機(jī)組在在這段時(shí)間內(nèi)的每個(gè)時(shí)間點(diǎn)的運(yùn)行狀態(tài)均為優(yōu)良。

圖5 一號(hào)機(jī)組發(fā)電機(jī)軸承驅(qū)動(dòng)端溫度在線監(jiān)測(cè)圖Fig.5 Online monitoring diagram of Unit 1 driving end bearing temperature

4.3 案例二

二號(hào)機(jī)組在6月份因發(fā)電機(jī)驅(qū)動(dòng)端溫度超限停機(jī)，機(jī)組其他指標(biāo)參數(shù)未發(fā)生異常。二號(hào)機(jī)組發(fā)電機(jī)運(yùn)動(dòng)狀態(tài)如圖6所示。

圖6 二號(hào)機(jī)組發(fā)電機(jī)運(yùn)動(dòng)狀態(tài)圖Fig.6 Movement status of Unit 2 generator

發(fā)電機(jī)驅(qū)動(dòng)端軸承溫度和一號(hào)機(jī)組一樣出現(xiàn)了階躍性的溫度升高。但是通過表3可知，發(fā)電機(jī)驅(qū)動(dòng)端軸承溫度未達(dá)到停機(jī)溫度。采用雙滑動(dòng)窗口對(duì)機(jī)組的波動(dòng)率在線觀測(cè)時(shí)如圖7所示。在3月28日到4月4日期間，溫度是逐漸上升的，波動(dòng)率未發(fā)生明顯變化。

圖7 二號(hào)機(jī)組發(fā)電機(jī)軸承驅(qū)動(dòng)端溫度在線監(jiān)測(cè)圖Fig.7 Online monitoring diagram of Unit 2 driving end bearing temperature

機(jī)組在4月1日 9點(diǎn)45分異常率為20%，視為正常的波動(dòng)狀態(tài)，機(jī)組的狀態(tài)評(píng)估為優(yōu)；機(jī)組波動(dòng)率在6月8號(hào)11點(diǎn)50分窗口內(nèi)的異常率達(dá)到了60%，機(jī)組的狀態(tài)評(píng)估為差；4月22日13點(diǎn)30分窗口的異常率達(dá)到了52%，機(jī)組的狀態(tài)評(píng)估為差。在第一次機(jī)組狀態(tài)為差時(shí)，應(yīng)及時(shí)檢修發(fā)電機(jī)驅(qū)動(dòng)端軸承，避免停機(jī)時(shí)發(fā)電機(jī)軸承再維修。

5 結(jié)束語

針對(duì)風(fēng)速的隨機(jī)性，降低了機(jī)組的可靠性，提出了基于波動(dòng)率的風(fēng)電機(jī)組在線狀態(tài)評(píng)估。本文通過分析監(jiān)測(cè)參數(shù)和風(fēng)速的相關(guān)性和監(jiān)測(cè)參數(shù)的數(shù)據(jù)特性，最后，確定了風(fēng)電機(jī)組狀態(tài)評(píng)估指標(biāo)參數(shù)體系。這個(gè)體系涵蓋了機(jī)組的主要系統(tǒng)結(jié)構(gòu)：齒輪箱系統(tǒng)、發(fā)電機(jī)系統(tǒng)、變槳系統(tǒng)、變流器系統(tǒng)和塔底機(jī)艙。這個(gè)指標(biāo)參數(shù)體系可以反映機(jī)組整體的運(yùn)行狀態(tài)，采用波動(dòng)率分析機(jī)組監(jiān)測(cè)參數(shù)的變化軌跡，能夠體現(xiàn)風(fēng)速的隨機(jī)性對(duì)機(jī)組[11]指標(biāo)參數(shù)影響的波動(dòng)。最后通過雙滑動(dòng)窗口分析數(shù)據(jù)流實(shí)現(xiàn)了對(duì)機(jī)組運(yùn)行狀態(tài)的在線評(píng)估。經(jīng)實(shí)例驗(yàn)證，該方法能夠準(zhǔn)確評(píng)估機(jī)組的運(yùn)行狀態(tài)，識(shí)別出指標(biāo)參數(shù)的上升為異?，F(xiàn)象還是正常現(xiàn)象。本文通過研究風(fēng)速的隨機(jī)性對(duì)機(jī)組造成的影響，提高了機(jī)組的可靠性。