楊文廣，蔣東翔

（清華大學熱能工程系，電力系統(tǒng)及發(fā)電設備控制和仿真國家重點實驗室，北京100084）

大型風力機組遠程智能監(jiān)測與診斷系統(tǒng)的研究與開發(fā)

楊文廣，蔣東翔

（清華大學熱能工程系，電力系統(tǒng)及發(fā)電設備控制和仿真國家重點實驗室，北京100084）

該文研究了大型風力機組的遠程智能監(jiān)測與診斷系統(tǒng)的關鍵技術問題，介紹了系統(tǒng)的開發(fā)情況。整個系統(tǒng)采用分布式架構，由數(shù)據(jù)采集與處理、實時數(shù)據(jù)存儲、智能監(jiān)測與診斷和人機交互4個子系統(tǒng)組成。智能監(jiān)測與診斷子系統(tǒng)采用了知識庫/推理機架構，推理機是一個自主開發(fā)的基于模糊Rete算法的模糊專家系統(tǒng)，知識庫中存儲了來源于風力機故障實驗研究的常見振動故障的診斷知識。通過故障仿真，驗證了整套系統(tǒng)的有效性。

風力機；故障診斷系統(tǒng)；模糊專家系統(tǒng)

1 前言

風電產(chǎn)業(yè)近年來發(fā)展迅速，截止到2014年上半年，風電總裝機容量突破了336 GW[1]。風電市場快速發(fā)展的同時，風電事故也在逐年增加。風力發(fā)電機組一般運行在環(huán)境條件比較惡劣的偏遠地區(qū)，一旦發(fā)生故障，不僅維修費用高，而且較長的維修周期造成非常大的停機損失。此外，輕微的故障如果不能及早的發(fā)現(xiàn)，不僅影響運行效率，甚至可能使部件發(fā)生不可恢復性損害，導致風力發(fā)電機組停機維修，甚至風力機倒塌，整臺機組毀壞，造成嚴重的經(jīng)濟損失。

風力機故障診斷技術是針對風力發(fā)電機組的安全可靠運行問題的一種非常有效的解決方案[2]。故障診斷技術主要包括故障機理研究、征兆獲取技術、傳感器技術與信號分析技術、診斷策略、數(shù)據(jù)挖掘技術和故障診斷系統(tǒng)的開發(fā)等5個方面。風力機故障診斷系統(tǒng)是集成了風力機故障診斷技術與知識的軟硬件系統(tǒng)，一方面，它通過對達到閾值的監(jiān)測參數(shù)進行報警，判斷機組發(fā)生故障的部位及程度，協(xié)助運行人員進行處理，防止故障的惡化，幫助提前進行維修的準備工作，減少停機損失，達到降低風力發(fā)電機組運行維修成本的目的；另一方面，它收集存儲的數(shù)據(jù)為風力機故障診斷技術的深入研究提供了不可替代的數(shù)據(jù)支撐，促進自身的不斷升級。因此風力機故障診斷系統(tǒng)是風力機故障診斷技術的集中體現(xiàn)，是產(chǎn)學研結合的核心平臺。

然而，在風電領域，目前國內(nèi)風力機上安裝的central monitoring system(CMS)中心監(jiān)測系統(tǒng)，都主要側(cè)重于監(jiān)測，而診斷功能大都較為薄弱[2]。因此，開發(fā)一套應用于大型風力發(fā)電機組的遠程狀態(tài)監(jiān)測與診斷系統(tǒng)，實現(xiàn)對風力機常見振動故障的診斷，具有十分重要的意義。

在結合眾多專家系統(tǒng)優(yōu)點的基礎上，筆者開發(fā)了一套自主的支持大量模糊規(guī)則鏈式推理的專家系統(tǒng)，并在此基礎上進一步開發(fā)了故障診斷專家系統(tǒng)開發(fā)平臺，可以用于各類設備診斷專家系統(tǒng)的開發(fā)[3]。

在對風力機振動故障技術深入研究的基礎上，基于故障診斷專家系統(tǒng)開發(fā)平臺開發(fā)了一套應用于大型風力發(fā)電機組的狀態(tài)監(jiān)測與故障診斷系統(tǒng)。該系統(tǒng)的主要功能是通過網(wǎng)絡，從現(xiàn)場的數(shù)據(jù)采集系統(tǒng)中獲取實時的振動數(shù)據(jù)，對實時數(shù)據(jù)進行高效的存儲和管理，利用風力機故障診斷的相關領域知識對這些實時數(shù)據(jù)進行狀態(tài)監(jiān)測、故障診斷等分析，實現(xiàn)對傳動鏈常見振動故障的診斷，對處理得到的結果進行存儲和管理，最終實現(xiàn)對風力機進行遠程狀態(tài)監(jiān)測和故障診斷的功能。用戶可以通過網(wǎng)絡遠程獲取系統(tǒng)的各種功能，包括實時監(jiān)測、故障診斷、歷史數(shù)據(jù)查詢、知識庫管理和系統(tǒng)管理等功能。

2 風力機組遠程智能監(jiān)測與診斷系統(tǒng)結構與功能

2.1 系統(tǒng)的整體架構圖

系統(tǒng)的整體架構圖如圖1所示。風力機的主控系統(tǒng)和CMS已經(jīng)在風力機上安裝有大量的傳感器，智能監(jiān)測與診斷系統(tǒng)需要的且尚未采集的信號可以通過安裝附加的傳感器和采集設備得到。智能監(jiān)測與診斷系統(tǒng)從supervisory control and data acquisition(SCADA)和附加的采集設備得到數(shù)據(jù)后，進行匯總、存儲和分析處理，并將結果寫入數(shù)據(jù)庫。用戶在遠程通過瀏覽器或客戶端軟件接入系統(tǒng)，就可以獲得系統(tǒng)提供的風力機監(jiān)測與診斷服務。

圖1 系統(tǒng)整體架構Fig.1 Hardware architecture

2.2 智能故障診斷系統(tǒng)服務端

振動故障診斷服務端采用了分布式架構，主要包括數(shù)據(jù)采集模塊、實時數(shù)據(jù)管理系統(tǒng)、診斷推理機與服務控制器和診斷結果數(shù)據(jù)庫等幾個子系統(tǒng)，診斷推理機和服務控制器可以集成在一個服務中。其架構如圖2所示。

圖2 專家診斷服務架構圖Fig.2 Software architecture

數(shù)據(jù)采集模塊定時獲取一條數(shù)據(jù)，對數(shù)據(jù)進行處理，包括特征提取等，然后將數(shù)據(jù)送入實時數(shù)據(jù)庫管理系統(tǒng)。

實時數(shù)據(jù)庫管理系統(tǒng)得到輸入后，會進行數(shù)據(jù)存儲，并送入診斷推理機進行后續(xù)分析。它還提供了歷史數(shù)據(jù)庫查詢的功能。

為了對風力機齒輪箱的狀態(tài)進行監(jiān)測，風力機振動數(shù)據(jù)的采樣率非常高，達到20 K以上，因此振動數(shù)據(jù)量非常巨大，振動數(shù)據(jù)的高效存儲和管理是風力機故障診斷系統(tǒng)面臨的一個關鍵技術問題。在實時數(shù)據(jù)的存儲方案上，目前主流的兩種方案是關系型數(shù)據(jù)庫和實時數(shù)據(jù)庫。兼顧性能和價格，筆者開發(fā)了一種輕量級的實時數(shù)據(jù)庫進行實時數(shù)據(jù)的存儲。該實時數(shù)據(jù)庫既可以存儲特征數(shù)據(jù)，也可以存儲振動數(shù)據(jù)。一個機組的振動測點可以任意分組，一組測點的所有的數(shù)據(jù)存儲在一個文件夾中的多個數(shù)據(jù)文件中。當一個數(shù)據(jù)文件超過設定大小后，實時數(shù)據(jù)庫會自動新建一個新的文件，從而避免出現(xiàn)類似關系型數(shù)據(jù)的單個文件過大的問題。數(shù)據(jù)庫中的每個文件都可以被單獨解釋，從而使得數(shù)據(jù)備份直接拷貝即可，非常方便。

知識庫中存放著異常監(jiān)測、故障診斷需要的所有知識，包括機組結構信息、測點信息、特征參數(shù)信息、故障信息、限值參數(shù)、診斷規(guī)則等。知識庫中的診斷規(guī)則是按模塊組織的，用戶可以建立多個不同用途的知識庫，并指定任意一個作為實時自動分析的知識庫。用戶可以通過振動故障診斷系統(tǒng)客戶端軟件對知識庫中的知識進行管理。

診斷推理機讀取知識庫中的知識并進行解析，監(jiān)測是否發(fā)生了異常和對異常進行自動診斷，最后將分析結果寫入數(shù)據(jù)庫。診斷推理機中用于故障診斷推理的內(nèi)核決定了整個系統(tǒng)的性能，對此，我們采用自主開發(fā)的模糊專家系統(tǒng)作為推理內(nèi)核。該模糊專家系統(tǒng)支持多種規(guī)則表達方式，包括產(chǎn)生式規(guī)則、推理樹、故障樹等。所有的這些規(guī)則中可以都使用不確定性和模糊術語。此外，考慮到特征和規(guī)則會隨著數(shù)據(jù)和經(jīng)驗的積累不斷增加，因此，采用模糊Rete算法[4]進行特征數(shù)據(jù)和規(guī)則的匹配，它使得模糊專家系統(tǒng)可以進行基于海量模糊特征和海量模糊規(guī)則的鏈式推理過程。

服務控制器提供了客戶端軟件與服務器上的振動故障診斷服務進行交互的接口，這些接口包括歷史實時數(shù)據(jù)查詢、知識庫管理、交互式診斷、查詢監(jiān)測診斷結果等。

2.3 智能故障診斷系統(tǒng)客戶端

振動故障診斷系統(tǒng)客戶端軟件是直接與終端用戶打交道的軟件，它通過各種圖形界面向用戶提供振動故障診斷服務。它的主要功能包括狀態(tài)監(jiān)測、交互式故障診斷、歷史異常故障查詢、知識庫管理、系統(tǒng)管理等功能，如圖3所示。

狀態(tài)監(jiān)測功能。為設備的主要參數(shù)提供畫面監(jiān)測，對所有參數(shù)進行列表監(jiān)測，為振動參數(shù)提供頻域分析，為運行人員對風力機組的維護提供有價值的實時信息。通過對風力機的主要特征參數(shù)進行限值監(jiān)測，及時發(fā)現(xiàn)設備可能存在的異常，對監(jiān)測到的異常，調(diào)用知識庫中默認的規(guī)則模塊進行自動診斷，給出診斷結果，輔助運行人員進行有效處理，避免嚴重事故。

交互式故障診斷功能。用戶可以對風力機存在報警的歷史時刻，選用指定的知識庫進行交互式診斷分析，對推理的過程和結果提供解釋，生成分析報告。所謂交互式推理，是指在推理的過程中，如果觸發(fā)的規(guī)則依賴的特征數(shù)據(jù)不存在，系統(tǒng)會要求用戶輸入相關數(shù)據(jù)，從而繼續(xù)推理。通過這種交互式的分析，可以輔助運行人員進行數(shù)據(jù)分析和故障排查。

圖3 振動故障診斷系統(tǒng)客戶端軟件的功能框圖Fig.3 Functions of the client software

歷史數(shù)據(jù)查詢。系統(tǒng)對近期的運行數(shù)據(jù)進行了存儲，對系統(tǒng)中發(fā)生的異常、故障數(shù)據(jù)進行了記錄。用戶通過對這些數(shù)據(jù)進行查詢，可為設備的檢修、可靠性評估提供參考。

知識庫管理。本系統(tǒng)的診斷知識和推理機是相互獨立的，系統(tǒng)向用戶提供知識管理的功能，用戶通過該功能可以查看、維護和擴展知識庫中的知識，達到提高監(jiān)測診斷準確率的目的。用戶可以管理的知識包括異常報警的限值參數(shù)、故障信息和診斷規(guī)則等。

系統(tǒng)管理。提供對服務器端的數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)處理服務等進行遠程配置的功能。

3 基于模糊Rete算法的大規(guī)模模糊專家系統(tǒng)的研究與開發(fā)

專家系統(tǒng)是在故障診斷系統(tǒng)領域應用非常廣泛的一種方法。Wu等[5]研究了一種基于神經(jīng)網(wǎng)絡的故障診斷專家系統(tǒng)。Isermann Rolf[6]研究了模糊規(guī)則在自動控制、故障診斷中的應用。Dou等[7]研究了基于C language integrated producion system (CLIPS)和數(shù)據(jù)挖掘算法的旋轉(zhuǎn)機械故障診斷專家系統(tǒng)。這些診斷專家系統(tǒng)在具有各自優(yōu)點的同時，都存在一些缺陷?；谏窠?jīng)網(wǎng)絡的專家系統(tǒng)，其知識隱含在網(wǎng)絡結構中，不能解釋，也難以被復用?；谀：?guī)則的系統(tǒng)，規(guī)則可以被單獨管理，但是其推理機不支持鏈式推理。CLIPS采用Rete匹配算法，可以高效的支持大量規(guī)則的鏈式推理，但是其不能處理模糊變量，也不能進行反向推理。FuzzyShell[4]改進了CLIPS，它支持模糊和不確定性推理，但是源代碼沒有公布和繼續(xù)維護，難以用于商業(yè)開發(fā)。因此，開發(fā)一套自主的支持大量模糊規(guī)則鏈式推理的專家系統(tǒng)，用于風力機智能化監(jiān)測和診斷非常重要。

圖4是筆者設計的大規(guī)模模糊專家系統(tǒng)的結構圖。整個系統(tǒng)由工作內(nèi)存、模糊符號管理、規(guī)則庫、推理機、輸入輸出、編譯器等幾個部分組成。

圖4 大規(guī)模模糊專家系統(tǒng)結構圖Fig.4 Architecture of Fuzzy Expert System

與CLIPS類似，筆者為該專家系統(tǒng)設計了獨立的推理語言，從而其可以獨立的被使用，編譯器就是負責對該語言進行解析和處理。工作內(nèi)存中存放當前所有的特征數(shù)據(jù)，用于規(guī)則匹配。模糊符號管理著所有的模糊術語，并提供模糊匹配的功能。規(guī)則庫中存儲著所有的模糊規(guī)則，模糊專家系統(tǒng)除支持經(jīng)典的“if-then”產(chǎn)生式規(guī)則外，還支持“switchcase”前向樹推理等多種規(guī)則表示形式。模糊推理機集合由多種推理機組成，分別處理不同類型的規(guī)則表達形式。

推理的運行過程可以歸納為“選擇-執(zhí)行-模式匹配與議程更新”循環(huán)。系統(tǒng)啟動后，知識庫中的規(guī)則和工作內(nèi)存中的特征數(shù)據(jù)將進行匹配，得到匹配的規(guī)則被放入推理機的議程當中，推理機按照一定的算法從議程中取得一條匹配的規(guī)則并執(zhí)行，之后更新工作內(nèi)存和議程中匹配的規(guī)則，然后進入下一條規(guī)則的選擇和執(zhí)行。這樣循環(huán)進行，直到議程為空。外界通過推理過程中輸出的狀態(tài)信息和推理結束后工作內(nèi)存中的數(shù)據(jù)，獲得推理過程和推理結果。

在推理機的執(zhí)行過程中，規(guī)則匹配環(huán)節(jié)的效率決定了推理機的效率，對此采用了模糊Rete算法[4]來進行優(yōu)化。圖5為模糊Rete網(wǎng)的結構圖。它可以進行基于海量模糊特征和海量模糊規(guī)則的鏈式推理過程。關于該模糊專家系統(tǒng)的詳細介紹可以參考文獻[4]和筆者的軟件著作權[3]。

圖5 模糊Rete網(wǎng)的結構圖Fig.5 Architecture of Fuzzy Rete Network

4 風力機振動故障研究與知識獲取

按照故障發(fā)生位置的不同，風力機的故障可以分為葉片故障、傳動鏈故障、電機故障等。由瑞典、芬蘭和德國1 000多臺風力機連續(xù)數(shù)年的故障統(tǒng)計數(shù)據(jù)表明[8]，葉片、齒輪箱等機械結構的故障占用的比例較高，同時這些部件尺寸大，維修成本高，造成的停機時間長、經(jīng)濟損失大。這些機械結構的故障一般可以通過振動信號來進行監(jiān)測和分析。

筆者在實驗室條件下，開展了直驅(qū)型風力機的典型故障研究，這些故障包括風輪質(zhì)量不平衡、風輪氣動不對稱、風輪翼型改變、偏航故障、主軸豎直不對中、前軸承座松動、主軸承外圈故障、主軸承內(nèi)圈故障。研究了在各種故障條件下，風力機主軸的水平和垂直位移及前后軸承座垂直加速度信號的典型特征，從而獲得可以用于模糊專家系統(tǒng)進行風力機振動故障診斷的模糊規(guī)則知識。筆者采用的信號分析方法包括幅值域分析、頻率分析和包絡譜分析[8]。部分研究結果如表1所示。將這些結果通過系統(tǒng)提供的知識庫管理功能導入到系統(tǒng)的知識庫中，用于風力機的故障診斷。

5 界面展示和案例分析

圖6到圖9展示了系統(tǒng)的部分界面。其中圖6為實時的振動監(jiān)測畫面，圖7為實時的報警和自動診斷頁面，圖8為歷史振動數(shù)據(jù)的查詢頁面，圖9為基于Web的知識庫管理的頁面。前3個界面來自桌面版的客戶端軟件，而圖9來自Web版客戶端界面，這也體現(xiàn)了筆者的系統(tǒng)既可以使用C/S（client/server）方式也可以使用(browser/server)的方式進行遠程訪問。

表1 風力機故障實驗研究結果Table 1 Results of wind turbine fault experiment research

系統(tǒng)中的振動數(shù)據(jù)來自某風機的實際數(shù)據(jù)，筆者采用修改特征限值的方式來仿真故障，進而測試系統(tǒng)的故障診斷功能。測試的結果可以通過圖7的實時報警和自動診斷頁面來進行查看，該頁面的左側(cè)顯示了當前報警的機組，右側(cè)上部顯示當前報警的參數(shù)和報警持續(xù)的時間等相關信息，該頁面右側(cè)下面顯示了利用模糊專家系統(tǒng)對當前報警進行推理得到的結果。進行仿真測試的時候，通過修改振動參數(shù)有效值幅值的限值來仿真不平衡故障，系統(tǒng)自動診斷出了仿真的故障，如圖7所示，從而驗證了系統(tǒng)診斷功能的有效性。

圖6 實時監(jiān)測頁面-實時振動Fig.6 Real time vibration monitoring interface

圖7 實時報警和自動診斷頁面Fig.7 Real time alarms and diagnosis interface

圖8 歷史數(shù)據(jù)查詢-振動數(shù)據(jù)查詢Fig.8 Query of historial vibration data

圖9 基于Web的知識庫管理頁面Fig.9 Web based knowledge base management interface

系統(tǒng)將來用于實際風力機的監(jiān)測診斷，僅需利用大量現(xiàn)場的實際數(shù)據(jù)，挖掘出了各個特征參數(shù)的實際限值，然后通過知識庫管理功能導入到系統(tǒng)即可。

6 結語

相對于風電市場的迅速發(fā)展，風電狀態(tài)監(jiān)測與故障診斷系統(tǒng)的發(fā)展稍顯滯后，目前真正投入產(chǎn)業(yè)化應用的基于振動監(jiān)測的風力發(fā)電機在線診斷系統(tǒng)尚屬空白。本文針對風力機智能故障診斷系統(tǒng)的關鍵技術問題進行了研究，主要包括大規(guī)模的模糊診斷專家系統(tǒng)和風力機振動故障特征，并進一步開發(fā)了一套用于大型風力機的遠程智能監(jiān)測與診斷系統(tǒng)。該系統(tǒng)采用分布式架構，使用高效的實時數(shù)據(jù)存儲系統(tǒng)對實時數(shù)據(jù)進行存儲，使用一種大規(guī)模模糊專家系統(tǒng)作為推理內(nèi)核，進行頂層的推理控制，系統(tǒng)智能化程度高。通過系統(tǒng)知識庫管理功能可以對規(guī)則庫進行擴展，從而在實際應用中不斷提高系統(tǒng)的智能化程度。

未來的主要工作將從風力機振動故障機理研究、實驗研究和現(xiàn)場數(shù)據(jù)挖掘三方面入手，獲取有效的風力機振動故障診斷知識，實現(xiàn)實際風力機故障的精確診斷，為系統(tǒng)的實際應用做好技術鋪墊。

[1] Association World Wide Energy.WWEA half year report 2014 [R].2014.

[2] 陳雪峰，李繼猛，程 航，等.風力發(fā)電機狀態(tài)監(jiān)測和故障診斷技術的研究與進展[J].機械工程學報，2011，47(9)：45-52.

[3] 清華大學.故障診斷專家系統(tǒng)輔助開發(fā)軟件V1.0.2013年12月10日.

[4] Pan Juiyao，Guilherme N，Desouza Avinash.FuzzyShell：A large-scale expert system shell using fuzzy logic for uncertainty reasoning[J].IEEE Transactions on Fuzzy Systems，1998，6(4)：563-581.

[5] Wu Jianda，Liu Chuihong.An expert system for fault diagnosis in internal combustion engines using wavelet packet transform and neural network[J].Expert Systems with Applications，2009，36(3，Part 1)：4278-4286.

[6] Isermann Rolf.On fuzzy logic applications for automatic control，supervision，and fault diagnosis[C]//Systems，Man and Cybernetics，Part A：Systems and Humans，IEEE Transactions on，1998，28(2)：221-235.

[7] Dou Dongyang，Zhao Yingkai.Fault diagnosis of rotating machinery using data mining and CLIPS-based expert system[C]// 2008 ISECS International Colloquium on Computing，Communication，Control，and Management，Proceedings，2008，2：127-130.

[8] 李少華.風力機故障特征提取與識別方法研究[D].北京：清華大學，2011.

The design and implementation of remote intelligent condition monitoring and diagnostic system for wind turbines

Yang Wenguang，Jiang Dongxiang
（State Key Laboratory of Control and Simulation of Power System and Generation Equipments，Department of Thermal Engineering，Tsinghua University，Beijing 100084，China）

This paper researched the key technology of remote intelligent condition monitoring and diagnostic system for wind turbines,and described the development details of a system. The system,adopted the distributed architecture,consisted of four subsystems,which were the data acquisition subsystem,the real time data storage subsystem,the intelligent monitoring and diagnosis subsystem and the user interface subsystem.The intelligent monitoring and diagnosis subsystem used the knowledge base/inference engine structure.An advanced fuzzy expert system is developed for inference engine,and the vibration fault diagnosis rules for wind turbine is stored in the knowledge base.The effectiveness of the system is verified by diagnosing simulated wind turbine faults.

wind turbine;diagnostic system;fuzzy expert system

TK83

A

1009-1742（2015）03-0024-06

2014-12-09

國家自然科學基金風電場設備狀態(tài)監(jiān)測與預警（51174273）

蔣東翔，1963年出生，男，黑龍江哈爾濱市人，教授，博士生導師，主要研究方向為動力系統(tǒng)設備故障診斷技術研究與應用；E-mail：jiangdx@mail.tsinghua.edu.cn