基于組合賦權(quán)-云模型的風(fēng)電機(jī)組健康狀態(tài)評估

戴乾軍

(1. 蘭州工業(yè)學(xué)院 電氣工程學(xué)院，甘肅 蘭州 730050;(2. 蘭州理工大學(xué) 能源與動力工程學(xué)院，甘肅 蘭州 730050)

風(fēng)力發(fā)電通過借助風(fēng)電機(jī)組的葉片旋轉(zhuǎn)實(shí)現(xiàn)風(fēng)-電能源轉(zhuǎn)換.風(fēng)能作為一類可持續(xù)能源，具有儲量大、無污染、轉(zhuǎn)換能耗低等諸多優(yōu)點(diǎn).據(jù)統(tǒng)計(jì)，普通風(fēng)機(jī)服役20 a內(nèi)器件的更換、維護(hù)保養(yǎng)的支出約占風(fēng)機(jī)工作總收入的10%～15%.同時(shí)，風(fēng)機(jī)服役地點(diǎn)、作業(yè)環(huán)境均是制約機(jī)組安裝、調(diào)試、運(yùn)行和檢修的主要因素，易造成高頻的運(yùn)行故障和高額的維管費(fèi)用[1-2].

當(dāng)前針對風(fēng)電機(jī)組選擇的常規(guī)“故障修”運(yùn)維模式存在“欠維修”或“過維修”的弊端[3-4].近年來，風(fēng)電機(jī)組的健康狀態(tài)監(jiān)測與評估成為研究熱點(diǎn)[5-7].主流的方法主要有2類：1) 側(cè)重于主觀評判，通過周期性的業(yè)務(wù)人員打分考核的方法，存在評判結(jié)果主觀性過強(qiáng)，隱形問題難以測量等缺點(diǎn).2) 側(cè)重于建立精確的數(shù)學(xué)模型，通過內(nèi)部非透明、非線性的數(shù)據(jù)驅(qū)動模型獲得輸入和輸出的映射關(guān)系實(shí)現(xiàn)狀態(tài)評估.就風(fēng)電機(jī)組而言，該方法主要存在精確物理模型難以建立和數(shù)據(jù)采集獲取往往過于簡單的問題.事實(shí)上，風(fēng)電機(jī)組的運(yùn)行狀態(tài)是一個(gè)包含“模糊性”與“隨機(jī)性”的復(fù)雜系統(tǒng)課題[7-8].

基于此，本文提出一種融合主、客觀組合賦權(quán)的風(fēng)電機(jī)組健康狀態(tài)評估模型.主觀數(shù)據(jù)來源于現(xiàn)場工程師綜合考評，客觀數(shù)據(jù)來自于風(fēng)電機(jī)組數(shù)據(jù)采集與監(jiān)視控制(Supervisory Control and Data Acquisition，SCADA)系統(tǒng).

1 風(fēng)機(jī)健康狀態(tài)評判指標(biāo)

風(fēng)電機(jī)組運(yùn)行原理如圖1所示，由電氣和機(jī)械2部分的多設(shè)備多參量共同協(xié)調(diào)配合完成能量轉(zhuǎn)化.本文結(jié)合《風(fēng)電機(jī)組驗(yàn)收規(guī)范》(GB/T2319—2017)和SCADA系統(tǒng)可監(jiān)測的物理量構(gòu)筑了涵蓋“人員-設(shè)備-環(huán)境-管理”一體化的風(fēng)電機(jī)組健康狀態(tài)評估遞階層次體系，如圖2所示.

圖1 風(fēng)電機(jī)組運(yùn)行原理

圖2 風(fēng)電機(jī)組健康評估體系

2 主-客觀求權(quán)模型

2.1 評判指標(biāo)量化處理

風(fēng)電機(jī)組系統(tǒng)復(fù)雜、評判指標(biāo)眾多，各物理量的意義與取值范圍不同[9].當(dāng)設(shè)備工作異常時(shí)，相應(yīng)的監(jiān)測數(shù)據(jù)會發(fā)生一定的偏移.如圖2中由SCADA系統(tǒng)監(jiān)測的溫度、振動和電氣參量屬于越小越優(yōu)型；壓力、速度、位移取值隸屬于中間優(yōu)型.為便于進(jìn)行統(tǒng)一評判需要消除各物理量量綱間的差異，本文引入劣化度表征監(jiān)測數(shù)據(jù)的偏移量，賦值[0,1]間進(jìn)行量化處理，歸一化如式(1)～(2)所示.

越小越優(yōu)型物理量為

(1)

中間型物理量為

(2)

式中：x為物理量的實(shí)際值；[x1，x2]為物理指標(biāo)的最佳取值范圍；[xmin，xmax]為物理指標(biāo)的正常取值范圍.

2.2 主觀權(quán)重計(jì)算

本文選擇1-9標(biāo)度的AHP法求取風(fēng)電機(jī)組健康狀態(tài)評估主觀權(quán)重.首先結(jié)合圖2構(gòu)造評判矩陣，并獲得評判矩陣的最大特征根和對應(yīng)特征向量，再選擇一致性指標(biāo)校驗(yàn).若符合一致性指標(biāo)，則評判矩陣的最大特征量對應(yīng)的特征向量即為各指標(biāo)對應(yīng)權(quán)重.

在AHP法中假若評價(jià)體系有n個(gè)指標(biāo)，指標(biāo)點(diǎn)為Ri(i=1,2,…n)，Rij為指標(biāo)Ri相對于Rj(j=1,2,…n)的重要程度.在同一層，各個(gè)指標(biāo)的重要性程度賦值如表1所示[10-11].結(jié)合Rij取值定義，構(gòu)造判斷矩陣A為

(3)

將判斷矩陣特征向量進(jìn)行歸一化處理式為

(4)

通過近似求解，將歸一化后的矩陣按行相加得

(5)

(6)

計(jì)算判斷矩陣的最大特征值進(jìn)行一致性檢驗(yàn)，即

(7)

CR=CI/RI.，

(8)

式中：(AW1)i為向量AW1對應(yīng)的第i特征向量；一致性指標(biāo)CI=(λmax-n)/(n-1).

2.3 客觀權(quán)重計(jì)算

本文選擇CRITIC法[12-13]計(jì)算風(fēng)電機(jī)組從SCADA系統(tǒng)獲得的數(shù)據(jù)，步驟為

1) 數(shù)據(jù)歸一化處理，由2.1節(jié)實(shí)現(xiàn).

2) 計(jì)算對比強(qiáng)度，即

(9)

3) 相關(guān)系數(shù)計(jì)算.按照積方差計(jì)算各個(gè)評判指標(biāo)間的相關(guān)性為

(10)

4) 指標(biāo)間沖突性量化.結(jié)合式(10)，指標(biāo)i與不同級評判指標(biāo)間的沖突性為

(11)

各評判指標(biāo)間的權(quán)重值通過評判指標(biāo)間的對比強(qiáng)度與沖突性共同確定.對于指標(biāo)i包含信息量定義為Gi.顯然Gi越大，評判指標(biāo)包含越多的信息量，算式為

(12)

5) 評判指標(biāo)j的CRITIC法賦權(quán)得到權(quán)重為

(13)

2.4 動態(tài)變權(quán)賦值

如式(6)和式(13)，求得主觀權(quán)重W1和客觀權(quán)重W2，選擇動態(tài)賦權(quán)法求其權(quán)重，即

(14)

式中：α為動態(tài)變權(quán)系數(shù)，由各主、客觀確定的權(quán)重偏差值間的平方和最小為優(yōu)化目標(biāo)進(jìn)行動態(tài)求取.

3 評判模型云理論

3.1 云模型理論

云模型[14]是建立于模糊、隨機(jī)數(shù)學(xué)上的算法，有強(qiáng)定性、定量分析的問題分析能力.設(shè)X是一個(gè)數(shù)值定量域，C是X的定性概念.若定量值x∈X，且X是C上隨機(jī)量，隸屬度β(x)∈[0,1].x為云X的云滴，有

β:A→[0,1],?x∈A,x→β(x).

(15)

云模型的元素由云滴構(gòu)成.云滴確定性越強(qiáng)，云的確定性就越大.云滴構(gòu)成的元素有期望Ex、熵En、超熵He，即C[Ex，En，He].其中：Ex為云滴的論域中心點(diǎn)；En可衡量云滴的不確定度，體現(xiàn)定性的隨機(jī)性與模糊性概念；He為En的不確定性指標(biāo)，反映云滴的離散性.He越大，云層越厚，正態(tài)云模型如圖3所示.

圖3 正態(tài)云模型

存在雙邊[Cmin，Cmax]約束指標(biāo)的云模型數(shù)字特征公式為

(16)

式中：k為體現(xiàn)指標(biāo)間的模糊性與隨機(jī)性程度的常數(shù).

云發(fā)生器是云的生成算法.正向云發(fā)生器是定性到定量的映射，結(jié)合特征量C[Ex,En,He]生成云滴[15]，步驟為

1) 生成1個(gè)期望Ex、方差En的正態(tài)隨機(jī)數(shù)xi.

2) 生成1個(gè)期望En、方差He的正態(tài)隨機(jī)數(shù)yi.

3) 計(jì)算確定度β(x)，有

(17)

4) 生成具有確定度βi的xi輸在數(shù)域中的1個(gè)云滴(xi，βi).

5) 重復(fù)步驟1)～4)，直到產(chǎn)生滿足要求的第N個(gè)云滴組成云.

3.2 隸屬云建立

依據(jù)風(fēng)電機(jī)組的故障檢修數(shù)據(jù)及專家意見，將其隸屬云設(shè)為4個(gè)狀態(tài)等級，對應(yīng)云模型的特征量(Ex，En，He，N=3 000)，如表1所示.

表1 云模型數(shù)字特征量表達(dá)

由表1生成單一指標(biāo)的正態(tài)云模型，大量數(shù)據(jù)顯示，機(jī)組的狀態(tài)在“亞健康”和“一般”的概率較大，故將二者的隸屬云設(shè)為較大范圍.

結(jié)合隸屬云的范圍及3.1節(jié)正向云生成器基本步驟，得到各個(gè)健康狀態(tài)的評價(jià)云圖，如圖4所示.本文構(gòu)筑的完整研究過程如圖5所示.

圖4 風(fēng)電機(jī)組健康狀態(tài)隸屬云模型

3.3 云指標(biāo)計(jì)算

結(jié)合圖2及第2節(jié)主、客觀的求權(quán)過程，從風(fēng)電機(jī)組評判指標(biāo)的最底層逐級向上計(jì)算.其中：關(guān)聯(lián)指標(biāo)用綜合云模型計(jì)算，求得云特征量；最后，利用MATLAB 2012b計(jì)算，仿真輸出狀態(tài)評價(jià)云.對于評判指標(biāo)中的n個(gè)浮動云及綜合云的推導(dǎo)式為

(18)

(19)

4 實(shí)例分析

本文選取西部某地區(qū)2016-03—10某1.5 MW雙饋異步風(fēng)力發(fā)電機(jī)組的評判指標(biāo)數(shù)據(jù)進(jìn)行分析.其中表2數(shù)據(jù)來源于1.5 MW風(fēng)機(jī)2016-05-21T18：30監(jiān)測數(shù)據(jù).實(shí)際上，該機(jī)組當(dāng)前各部件的運(yùn)行狀態(tài)尚屬良好.

表2 某1.5 MW風(fēng)機(jī)監(jiān)測基本數(shù)據(jù)

以表2監(jiān)測數(shù)據(jù)為例，其中R8由專家考核打分給出，最終計(jì)算得W1=[0.321,0.224,0.105,0.098,0.142,0.065,0.038,0.007]；W2=[0.225,0.261,0.215,0.173,0.024,0.045,0.033,0.024].

結(jié)合2.4節(jié)，在動態(tài)賦權(quán)中以各權(quán)重偏差值間的平方和最小為優(yōu)化目標(biāo)，在Matlab2012b中以[w,fval]=fminbnd(...)進(jìn)行計(jì)算，得到動態(tài)權(quán)值參數(shù)α=0.442，最終得到變權(quán)融合權(quán)重為ωi=[0.261,0.240,0.164,0.138,0.073,0.053,0.031,0.016].

依據(jù)風(fēng)電機(jī)組運(yùn)行狀態(tài)的正常隸屬區(qū)間，結(jié)合表2和式(18)～(19)，云發(fā)生器逐層計(jì)算云參數(shù)取k=0.034，建立風(fēng)電機(jī)組的云綜合評價(jià)集如表3所示.

表3 綜合云評價(jià)集

為便于直觀評判，如圖6所示為傳動系統(tǒng)綜合云模型，此系統(tǒng)介于“亞健康”與“健康”之間.風(fēng)電機(jī)組系統(tǒng)整體的評判綜合云模型如圖7所示，與第4節(jié)中監(jiān)測結(jié)果一致.

圖6 傳統(tǒng)系統(tǒng)健康狀態(tài)評估云模型

圖7 風(fēng)電機(jī)組健康狀態(tài)評估云模型

5 結(jié)語

風(fēng)電機(jī)組系統(tǒng)結(jié)構(gòu)復(fù)雜且服役環(huán)境惡劣多變，系統(tǒng)的故障發(fā)生伴隨著模糊性和隨機(jī)性的特點(diǎn).本文方法結(jié)合主客觀評價(jià)方法與云模型，結(jié)果表明該方法可行、有效.