顧煜炯，蘇璐瑋，鐘 陽，徐 婷

(華北電力大學(xué) 能源動力與機械工程學(xué)院，北京102206)

0 引言

風(fēng)力發(fā)電技術(shù)由于其低污染、綠色環(huán)保及可持續(xù)發(fā)展的特點成為當(dāng)今世界新能源發(fā)展浪潮中的主流能源。隨著風(fēng)電機組向大單機容量的方向發(fā)展，風(fēng)電機組設(shè)備的結(jié)構(gòu)和功能日益復(fù)雜，加之風(fēng)電機組的運行環(huán)境惡劣，導(dǎo)致機組的故障率較高，使得風(fēng)電機組的維修成本居高不下。風(fēng)電機組狀態(tài)監(jiān)測和故障預(yù)警技術(shù)通過對機組重要部件的狀態(tài)監(jiān)測，進(jìn)行故障的早期探測，及早的發(fā)現(xiàn)故障，合理安排運行和維修工作，減輕甚至避免設(shè)備的損壞，達(dá)到降低維修成本的作用。

齒輪箱作為風(fēng)電機組的重要部件之一，起著提高轉(zhuǎn)速和傳遞轉(zhuǎn)矩的作用。由于風(fēng)速波動較大，隨機性較強，加之風(fēng)電機組的運行環(huán)境惡劣，風(fēng)電齒輪箱的故障頻發(fā)。根據(jù)西班牙納瓦拉能源水電集團(EHN)公司的統(tǒng)計，其2 700 臺風(fēng)電機組在2001～2003 年發(fā)生的故障中，齒輪箱的故障分別占到了48%，53%和60%［1］。而根據(jù)瑞典皇家理工學(xué)院(KTH)對瑞典、芬蘭、德國的2 151臺風(fēng)電機組故障情況的統(tǒng)計結(jié)果表明，齒輪箱故障也是造成機組長時間停機的主要因素［2］。可見，實現(xiàn)齒輪箱的故障預(yù)警不僅可以極大地減少風(fēng)電機組故障次數(shù)，而且能夠降低故障停機時間，進(jìn)而降低維護的成本。

目前，風(fēng)電機組齒輪箱的故障預(yù)警通過安裝的溫度傳感器監(jiān)測到齒輪箱潤滑油溫度值的超限報警來實現(xiàn)。預(yù)警值固定，不能很好地適應(yīng)風(fēng)電機組運行工況的復(fù)雜性和多變性。如外界風(fēng)速較低時，風(fēng)電機組轉(zhuǎn)速較低，即使齒輪箱故障發(fā)生，齒輪箱潤滑油溫度也不會到達(dá)設(shè)定的預(yù)警值來觸發(fā)預(yù)警，使得故障嚴(yán)重程度不斷加深，進(jìn)而造成更大的損失。

為此，本文提出一種基于運行區(qū)間辨識和高斯分布模型的風(fēng)電機組故障預(yù)警方法。充分考慮了風(fēng)電機組運行環(huán)境的復(fù)雜性來劃定運行區(qū)間，根據(jù)區(qū)間潤滑油溫度的高斯分布特性，來劃定各運行區(qū)間齒輪箱潤滑油溫度的預(yù)警限，克服了單一恒定預(yù)警值不能適應(yīng)風(fēng)電機組運行工況多變的不足［3～5］。

1 風(fēng)電機組齒輪箱在線故障預(yù)警方法框架

本文提出的風(fēng)電機組齒輪箱在線故障預(yù)警方法框架如圖1 所示，分為離線和在線兩部分。

圖1 風(fēng)電機組齒輪箱在線故障預(yù)警框架圖

(1)離線部分:首先對往年的運行數(shù)據(jù)進(jìn)行收集整理，去除風(fēng)電機組不工作、異常停機及奇異值數(shù)據(jù)點，保留正常運行數(shù)據(jù)，建立齒輪箱正常運行條件下的潤滑油溫度樣本;之后按照風(fēng)速和環(huán)境溫度這兩個參數(shù)對運行工況進(jìn)行區(qū)間劃分;最后通過正常運行的樣本數(shù)據(jù)對各運行工況區(qū)間內(nèi)的齒輪箱潤滑油溫度參數(shù)分布的高斯模型進(jìn)行訓(xùn)練，獲得模型參數(shù)，并劃定預(yù)警限和設(shè)定觸發(fā)預(yù)警的異常率ηw。

(2)在線部分:對運行和監(jiān)測的實時數(shù)據(jù)進(jìn)行預(yù)處理，按風(fēng)速和環(huán)境溫度確定其所屬的運行區(qū)間，將齒輪箱潤滑油溫度數(shù)據(jù)代入該區(qū)間，如果該溫度數(shù)據(jù)點在上下預(yù)警限之間，則標(biāo)記為正常點，如果在上下預(yù)警線之外，則標(biāo)記為異常點。一段時間內(nèi)，標(biāo)記的正常點和異常點組成時間序列，采用滑動窗口計算連續(xù)N 個數(shù)據(jù)中異常點的個數(shù)Na，計算異常點百分比η，與預(yù)先設(shè)定的預(yù)警值ηw進(jìn)行比較，超出則進(jìn)行齒輪箱故障預(yù)警。

2 數(shù)據(jù)篩選

風(fēng)電機組的運行數(shù)據(jù)中，包含著機組不工作、異常停機及奇異值數(shù)據(jù)點，這些數(shù)據(jù)不是機組正常運行時的數(shù)據(jù)，會對結(jié)果的可靠性產(chǎn)生影響，在建立風(fēng)電機組齒輪箱正常運行條件下的樣本數(shù)據(jù)時，要對上述數(shù)據(jù)進(jìn)行剔除。

機組不工作的數(shù)據(jù)點的判斷方法是當(dāng)風(fēng)速大于切入風(fēng)速時，輸出功率仍為0 或負(fù)值的點。風(fēng)電機組在切入風(fēng)速以上、切出風(fēng)速以下功率從正常值減小到0 或負(fù)值的點即為風(fēng)電機組的異常停機點，刪除這些點以及前3 個停機過程的點(風(fēng)電機組歷史數(shù)據(jù)庫中數(shù)據(jù)為10 min 數(shù)據(jù)的平均值，刪除3 個點約為30 min 的數(shù)據(jù))。同理，在切入風(fēng)速以上，風(fēng)電機組輸出功率由0 或負(fù)值漸增加到正值的過程即為風(fēng)電機組切入風(fēng)速以上的啟動，刪除這些點以及后3 個啟動過程的點。數(shù)據(jù)中的奇異點指數(shù)據(jù)點中的異常數(shù)據(jù)，可能是由于傳感器故障、通信異常等原因產(chǎn)生，應(yīng)該加以清除。參考IEC 標(biāo)準(zhǔn)中的Bin 方法［6］，把風(fēng)速范圍按照0．5 m/s 間隔分成若干區(qū)間(Bin)，每個Bin 的中心值為0．5 m/s 的整數(shù)倍，計算每個區(qū)間齒輪箱潤滑油溫度的平均值μ 和標(biāo)準(zhǔn)差σ，對于小于μ-3σ 和大于μ+3σ 的數(shù)據(jù)點可以作為奇異點去除。通過這些處理基本刪除了對分析影響較大的數(shù)據(jù)點，如圖2 所示，可以認(rèn)為剩下的數(shù)據(jù)為齒輪箱正常運行條件下的歷史數(shù)據(jù)。

圖2 數(shù)據(jù)篩選前后對比圖

3 運行區(qū)間劃分

3.1 運行區(qū)間劃分參數(shù)選取

實現(xiàn)運行工況的合理劃分，要選擇合適的運行工況特征參數(shù)，選取的特征參數(shù)要能夠直接或者間接地影響到齒輪箱潤滑油溫。風(fēng)電機組的外部輸入?yún)?shù)包括環(huán)境溫度、風(fēng)速和風(fēng)向等。圖3由某風(fēng)電機組3 月份和6 月份實際運行數(shù)據(jù)繪制而成。從圖中可以看出，潤滑油溫度與風(fēng)速有較高的相關(guān)性，基本上呈現(xiàn)一種線性分布的特點。這與風(fēng)速影響轉(zhuǎn)速，轉(zhuǎn)速高低又進(jìn)而影響潤滑油溫有關(guān)。6 月份的齒輪箱潤滑油溫度要明顯高于3月份，這與6 月份的環(huán)境溫度高于3 月份有關(guān)。環(huán)境溫度通過影響齒輪箱潤滑油的基礎(chǔ)溫度和油的冷卻，來對潤滑油工作溫度產(chǎn)生影響?？梢?，風(fēng)速和環(huán)境溫度對齒輪箱潤滑油溫都有較大的影響，因而，需要根據(jù)風(fēng)速和環(huán)境溫度對運行區(qū)間進(jìn)行劃分。

圖3 3 月、6 月潤滑油溫度隨風(fēng)速分布圖

3.2 運行區(qū)間劃分方法

運行區(qū)間劃分方法流程如下:

(1)對環(huán)境溫度的歷史數(shù)據(jù)進(jìn)行統(tǒng)計，確定溫度Tmax和Tmin，按照不小于Tmax的最小5 的倍數(shù)取上界，不大于Tmin的最大5 的倍數(shù)取下界。以5 ℃為間隔，對運行工況進(jìn)行第一步劃分，設(shè)分成m 段。

(2)按環(huán)境溫度進(jìn)行工況劃分后，再按照風(fēng)速對運行工況進(jìn)行第二步劃分。以風(fēng)電機組的切入風(fēng)速Vin為下界，以風(fēng)電機組的切出風(fēng)速Vout為上界，根據(jù)IEC 標(biāo)準(zhǔn)中Bin 方法，按照0．5 m/s的風(fēng)速間隔，分成n 個運行區(qū)間。

經(jīng)過以上兩步劃分，將運行工況劃分為n ×m個運行區(qū)間，標(biāo)記為Oij(i=1，2，3，…，m;j=1，2，3，…，n)。將正常運行工況下的樣本數(shù)據(jù)按上述運行區(qū)間劃分方法劃入相應(yīng)的運行區(qū)間，生成各運行區(qū)間的訓(xùn)練樣本集。

4 預(yù)警限和預(yù)警指標(biāo)設(shè)定

4.1 基于正態(tài)分布的預(yù)警限設(shè)定

經(jīng)過運行區(qū)間劃分，得到了各運行子區(qū)間Oij(i=1，2，3，…，m;j=1，2，3，…，n)和各運行區(qū)間的訓(xùn)練樣本集。通過繪制各運行區(qū)間溫度數(shù)據(jù)的概率密度分布圖，發(fā)現(xiàn)各運行區(qū)間的樣本數(shù)據(jù)呈現(xiàn)一種正態(tài)分布的特點。由統(tǒng)計學(xué)知識，如果樣本總體服從正態(tài)分布N(μ，σ2)，則樣本在QQ圖近似呈現(xiàn)一條直線形狀。這樣，可以利用QQ圖直觀地作正態(tài)性檢驗，即若QQ圖近似為一條直線，則可以認(rèn)為樣本數(shù)據(jù)來自正態(tài)分布。各運行區(qū)間數(shù)據(jù)繪制成的QQ圖如圖4 所示。圖中各區(qū)間數(shù)據(jù)分布近似呈現(xiàn)為一條直線，這說明經(jīng)過區(qū)間劃分后，各區(qū)間正常運行條件下的樣本數(shù)據(jù)服從正態(tài)分布。

圖4 各運行區(qū)間樣本數(shù)據(jù)QQ圖

對于正常運行的風(fēng)電機組齒輪箱，在某一確定工況下，它的潤滑油溫輸出值應(yīng)該呈現(xiàn)一種正態(tài)分布:在均值處的數(shù)據(jù)點數(shù)多，出現(xiàn)的概率大;偏離均值越大，點數(shù)越少，出現(xiàn)的概率小。當(dāng)齒輪箱出現(xiàn)了故障時，其運行狀態(tài)將會偏離正常的運行狀態(tài)，輸出的齒輪箱潤滑油溫度值將會偏離正常值，概率密度曲線將會出現(xiàn)偏移的現(xiàn)象，導(dǎo)致在正常運行條件下，出現(xiàn)概率較小的數(shù)據(jù)點大量的出現(xiàn)。通過檢測小概率點出現(xiàn)頻率的變化，能夠達(dá)到實現(xiàn)對齒輪箱故障預(yù)警的目的。

由正態(tài)分布的特點可知，數(shù)據(jù)點分布在μ ±2．58σ 范圍內(nèi)的概率為99%，可以認(rèn)為分布在μ±2．58σ 范圍外的點為異常點，可以以此為據(jù)，劃定預(yù)警限。由于風(fēng)電機組運行工況的復(fù)雜性，其運行工況在不斷的變化，需要對每個運行區(qū)間都劃定預(yù)警界限。對各運行區(qū)間Oij的訓(xùn)練樣本集進(jìn)行計算，得到各運行區(qū)間的μij和σij，Uij=μij+2．58σij為上界點，Lij=μij-2．58σij為下界點。將Uij和Lij對應(yīng)各運行區(qū)間風(fēng)速的中值畫點，相同環(huán)境溫度區(qū)間的不同Uij和Lij依次連線，形成該環(huán)境溫度區(qū)間全風(fēng)速范圍內(nèi)的上下預(yù)警線，如圖5所示。

圖5 某環(huán)境溫度區(qū)間預(yù)警線劃定示意圖

4.2 預(yù)警指標(biāo)的制定

對于預(yù)處理后的實測數(shù)據(jù)，按風(fēng)速和環(huán)境溫度確定其所屬的運行區(qū)間，將齒輪箱潤滑油溫度代入該運行區(qū)間內(nèi)，如果該潤滑油溫度數(shù)據(jù)點在上下預(yù)警限之間，則為正常點，如果在上下預(yù)警線之外，則為異常點。由于風(fēng)電機組運行環(huán)境多變，風(fēng)速和環(huán)境溫度的隨機性較大，單純的依靠一兩個點異常來進(jìn)行故障預(yù)警，誤報率較高，因此，本文采用異常率作為故障預(yù)警的指標(biāo)。

對齒輪箱潤滑油溫運行數(shù)據(jù)進(jìn)行異常點檢測，標(biāo)記的正常點和異常點組成時間序列，采用滑動窗口計算連續(xù)N 個數(shù)據(jù)中異常點的個數(shù)Na，計算異常點百分比η=Na/N，與預(yù)先設(shè)定的預(yù)警值ηw進(jìn)行比較，超出則進(jìn)行齒輪箱故障預(yù)警。

滑動窗口方法如圖6 所示，能夠連續(xù)實時地檢測異常點百分比的變化，算法簡單，適合在線實時分析［7］。通過合理選擇滑動窗口的寬度N，既能及時迅速地反映異常點百分比的連續(xù)變化，又能消除隨機因素的影響，提高監(jiān)測的可靠性，降低誤報警的幾率。

圖6 滑動窗口方法示意圖

5 案例分析

為了驗證上述風(fēng)電齒輪箱在線故障預(yù)警方法的有效性，本文以某風(fēng)電場1．5 MW 風(fēng)電機組發(fā)生的嚴(yán)重的齒輪箱故障為案例，選取故障停機前100 個歷史數(shù)據(jù)點(歷史數(shù)據(jù)都是將10 min 運行數(shù)據(jù)的平均值進(jìn)行存儲)進(jìn)行分析。從中選取齒輪箱潤滑油溫、風(fēng)速、環(huán)境溫度和功率4 個運行參數(shù)，其時間序列如圖7 所示。可以看出，齒輪箱潤滑油溫總體上隨風(fēng)速變化而變化，在故障發(fā)生前齒輪箱油溫也沒有超過該型號機組設(shè)定的80 ℃預(yù)警值?？傮w上來看，齒輪箱故障發(fā)生前，機組各項運行參數(shù)都在正常范圍內(nèi)，并沒有觸發(fā)預(yù)警。可見，利用恒定預(yù)警值的故障預(yù)警方法不能滿足風(fēng)電機組多變運行工況下的齒輪箱的故障預(yù)警。利用該機組過去一年的歷史運行數(shù)據(jù)作為樣本，這些數(shù)據(jù)基本上覆蓋該機組全部的運行工況。經(jīng)過數(shù)據(jù)篩選和運行區(qū)間劃分，得到各個運行區(qū)間預(yù)警值，建立該機組全部運行空間完整預(yù)警限。將故障發(fā)生前的100 個數(shù)據(jù)點代入各個運行區(qū)間，與各區(qū)間的預(yù)警限相比較，判斷各數(shù)據(jù)點是否異常。判定的結(jié)果如圖8 所示。從圖中可以明顯地看出，在下標(biāo)為40 的點之前，異常數(shù)據(jù)點只是零星的出現(xiàn);40 之后，異常數(shù)據(jù)點連續(xù)出現(xiàn)，直到故障停機前的較長時間內(nèi)，所測得的潤滑油溫度值絕大多數(shù)都被標(biāo)記為異常數(shù)據(jù)。圖9 為異常率計算結(jié)果圖，從圖中可以更清晰地看出異常率在故障發(fā)生和發(fā)展的過程中有明顯增大的趨勢，到了故障的后期，異常率已經(jīng)近似為1，可見故障已經(jīng)發(fā)展到了非常嚴(yán)重的程度。通過設(shè)定一個異常率預(yù)警值，在齒輪箱潤滑油溫度異常率到達(dá)該數(shù)值時觸發(fā)故障預(yù)警，則可以有效地防止齒輪箱故障的加深，避免造成齒輪箱的損壞。可見，本方法對齒輪箱的故障能夠更加準(zhǔn)確地進(jìn)行故障預(yù)警。

圖7 潤滑油溫、風(fēng)速、環(huán)境溫度和功率時間序列

圖8 數(shù)據(jù)點異常檢測結(jié)果圖

圖9 異常率計算結(jié)果圖

6 結(jié)論

利用潤滑油溫數(shù)據(jù)來實現(xiàn)風(fēng)電機組齒輪箱的故障預(yù)警，可以在不增加硬件成本的基礎(chǔ)上，及早地發(fā)現(xiàn)故障隱患，指導(dǎo)之后的運行和維修工作，降低機組的故障率，提高機組運行的可靠性，進(jìn)而降低風(fēng)電機組運行和維護的成本。在充分考慮風(fēng)電機組運行工況的復(fù)雜性以及恒定閾值在多變運行工況中的不足后，本文提出基于運行區(qū)間劃分和高斯模型的故障預(yù)警方法。針對不同的運行區(qū)間，劃定不同的預(yù)警值，各個區(qū)間的預(yù)警值連接成預(yù)警線。對潤滑油溫實際運行數(shù)據(jù)進(jìn)行異常點標(biāo)記，之后引入異常率作為故障預(yù)警的指標(biāo)。異常率能夠反映故障發(fā)展的漸變性趨勢，通過與設(shè)定值比較，能夠?qū)崿F(xiàn)齒輪箱故障的早期預(yù)警。通過對某1．5 MW 機組齒輪箱故障前100 個數(shù)據(jù)點的分析，可以明顯看出故障發(fā)展的趨勢，克服了把某一恒定齒輪箱潤滑油溫度作為預(yù)警值的不足，證明了該方法對齒輪箱故障早期預(yù)警的有效性。

［1］胡姚剛．并網(wǎng)風(fēng)力發(fā)電機組的運行狀態(tài)評估［D］．重慶:重慶大學(xué)，2011．

［2］Johan Ribrant，Lina Margareta Bertling．Survey of failures in wind power systems with focus on Swedish wind power plants during 1997-2005［C］．IEEE Transcations on Energy Conversion，2007．167-173．

［3］董玉亮，李亞瓊，曹海斌，等．基于運行工況辨識的風(fēng)電機組健康狀態(tài)實時評價方法［J］．中國電機工程學(xué)報，2013，33(11):88-95．

［4］Schlechtingen M，F(xiàn)erreira Santos I．Comparative analysis of neural network and regression based condition monitoring approaches for wind turbine fault detection［J］．Mechanical Systems and Signal Processing，2011，25(5):1849-1875．

［5］Lapira E，Brisset D，Davari Ardakani H，et al．Wind turbine performance assessment using multi-regime modeling approach［J］．Renewable Energy，2012，45:86-95．

［6］IEC International Standard IEC61400-11，wind turbine generator systems-acoustic noise measurement techniques［S］．2002．

［7］Guo Peng，David Infield，Yang Xinyun．Wind turbine generator condition-monitoring using temperature trend analysis［C］．IEEE Transcations on Sustainable Energy，2012，3(1):124-133．