□郭雙全

上海電氣集團(tuán)股份有限公司 中央研究院　上?！?00070

基于灰色關(guān)聯(lián)度的風(fēng)力發(fā)電機(jī)組健康性能評估方法研究

□郭雙全

上海電氣集團(tuán)股份有限公司 中央研究院上海200070

對風(fēng)力發(fā)電機(jī)組進(jìn)行健康性能評估，可以為機(jī)組可靠運行、智能診斷提供參考。借助風(fēng)機(jī)歷史運行狀態(tài)數(shù)據(jù)，通過風(fēng)機(jī)采集與監(jiān)控系統(tǒng)測點間關(guān)聯(lián)性分析，綜合風(fēng)機(jī)變槳、偏航、傳動、齒輪箱冷卻、機(jī)艙溫度狀況、發(fā)電等多方面性能，運用灰色關(guān)聯(lián)度分析方法，建立了風(fēng)力發(fā)電機(jī)組健康性能評估模型，得到了機(jī)組健康性能變化曲線。應(yīng)用實例分析表明，通過合理的閾值設(shè)定所得到的閾值報警點與機(jī)組實際報警記錄有較高的吻合率，實現(xiàn)了部分故障的提前預(yù)警，對實現(xiàn)機(jī)組智能診斷有重要參考意義。

隨著近幾年中國風(fēng)電裝機(jī)容量的不斷增長，我國已成為全球第一的風(fēng)電大國。根據(jù)國家能源局?jǐn)M定的“十三五”風(fēng)電發(fā)展框架，2020年的風(fēng)電裝機(jī)目標(biāo)是2億千瓦，較當(dāng)前裝機(jī)容量提高1倍，新增裝機(jī)將是近十年風(fēng)電裝機(jī)的總和，市場前景和規(guī)模十分龐大［1］。盡管裝機(jī)容量巨大，但風(fēng)電并網(wǎng)容量與裝機(jī)容量目前仍然存在較大差距，一方面因為風(fēng)力不穩(wěn)引起的并網(wǎng)技術(shù)相對較復(fù)雜，另一方面主要是因為機(jī)組故障引起的非計劃停機(jī)。未來風(fēng)電發(fā)展的兩大趨勢：一是單機(jī)容量不斷增大；二是風(fēng)電場逐步由陸地走向海上。由風(fēng)電故障造成的發(fā)電損失及維護(hù)費用必然逐漸增加，因此，開展風(fēng)力發(fā)電機(jī)組健康性能評估研究，對于實現(xiàn)機(jī)組故障的智能診斷，提高機(jī)組運行效益，具有十分重大的意義。

開展風(fēng)力發(fā)電機(jī)組健康性能評估，必須借助風(fēng)機(jī)運行狀態(tài)數(shù)據(jù)。目前風(fēng)機(jī)數(shù)據(jù)采集與監(jiān)控系統(tǒng)（Supervisory Control and Data Acquisition，SCADA）包含了風(fēng)速信息、變槳信息、偏航信息、溫度和振動等數(shù)據(jù)，考慮到風(fēng)機(jī)機(jī)組各子系統(tǒng)和部件之間的復(fù)雜關(guān)系與相互作用，SCADA測點之間的關(guān)聯(lián)性難以能夠被簡單地確定，存在不確定性［2］。

灰色關(guān)聯(lián)度分析方法是處理因素間不確定關(guān)聯(lián)性的量化方法之一，它提供了因素間關(guān)聯(lián)程度的度量，適合系統(tǒng)發(fā)展變化趨勢分析［3，4］。通過對SCADA測點間的物理關(guān)聯(lián)性分析，運用灰色關(guān)聯(lián)度分析方法，建立風(fēng)力發(fā)電機(jī)組健康性能評估模型，可計算不同時段中的風(fēng)力發(fā)電機(jī)組健康性能指標(biāo)。通過健康性能變化曲線，分析風(fēng)電機(jī)組運行趨勢，為風(fēng)電機(jī)組運行過程中的健康性能診斷提供參考。

1　SCADA系統(tǒng)測點關(guān)聯(lián)分析

風(fēng)電機(jī)組主要包括變槳系統(tǒng)、偏航系統(tǒng)、主軸、齒輪箱、發(fā)電機(jī)、機(jī)艙等部分，其基本結(jié)構(gòu)如圖1所示。SCADA系統(tǒng)［5］包括機(jī)組運行數(shù)據(jù)的采集與記錄、機(jī)組控制、圖形界面與數(shù)據(jù)管理等功能，保障機(jī)組安全可靠運行。

機(jī)組整體健康性能與各部件的運行狀態(tài)息息相關(guān)，變槳系統(tǒng)在額定風(fēng)速以下，變槳控制器不工作，槳距角基本不變，保持在最小槳距角位置；超過額定風(fēng)速，變槳控制器會采取相應(yīng)動作，控制風(fēng)輪轉(zhuǎn)速保持在額定轉(zhuǎn)速左右。偏航系統(tǒng)主要依據(jù)機(jī)艙朝向與風(fēng)向的差角進(jìn)行偏航，當(dāng)小于某個夾角范圍，機(jī)艙偏航停止。風(fēng)機(jī)齒輪箱將主軸傳遞的風(fēng)輪轉(zhuǎn)速輸出為發(fā)電機(jī)轉(zhuǎn)速，齒輪箱由冷卻水進(jìn)行降溫，冷卻水溫度主要受齒輪油溫、輸入輸出軸的溫度影響。機(jī)艙環(huán)境溫度的影響因素較多，是多方面因素的綜合體現(xiàn)。機(jī)組發(fā)電性能是以有功功率為關(guān)注點，主要受發(fā)電機(jī)轉(zhuǎn)速、線電壓、線電流、功率因數(shù)等影響。綜合以上分析，結(jié)合SCADA系統(tǒng)監(jiān)控測點信息，針對不同方面的性能，選擇目標(biāo)參數(shù)與關(guān)聯(lián)運行參數(shù)（見表1），并提出信號處理建議，為健康性能評估模型的建立奠定數(shù)據(jù)基礎(chǔ)。

圖1　風(fēng)電機(jī)組基本結(jié)構(gòu)圖

2　基于灰色關(guān)聯(lián)度的健康性能評估模型

2.1灰色關(guān)聯(lián)度分析

根據(jù)表1所示，將機(jī)組各個性能狀態(tài)看作一種灰色系統(tǒng)。以變槳性能為例，將目標(biāo)參數(shù)（變槳位置）在單位時間段（一天）內(nèi)的數(shù)據(jù)作為參考序列X0，關(guān)聯(lián)運行參數(shù)（風(fēng)輪轉(zhuǎn)速、瞬時風(fēng)速、30 s風(fēng)速、10 min風(fēng)速）在單位時間段（一天）內(nèi)的數(shù)據(jù)作為比較序列Xi，i=1，2…，m，m為比較序列參數(shù)個數(shù)，通過關(guān)聯(lián)度計算步驟可以得出參考序列與比較序列之間的灰色關(guān)聯(lián)度向量Rpitch=（R01，R02，…，R0m），該向量可作為變槳性能在該時段的狀態(tài)向量，由此及彼，可以分別得到各個性能對應(yīng)的狀態(tài)向量［6］。

表1　SCADA系統(tǒng)中機(jī)組性能相關(guān)參數(shù)表

2.1.1數(shù)據(jù)預(yù)處理及規(guī)范化

由于SCADA數(shù)據(jù)為定時記錄，需要根據(jù)變槳系統(tǒng)控制邏輯對原始序列進(jìn)行預(yù)處理，剔除非變槳狀態(tài)（最大變槳角或最小變槳角）數(shù)據(jù)；當(dāng)發(fā)電機(jī)處于非發(fā)電狀態(tài)（停機(jī)、空轉(zhuǎn)、待機(jī)等）下，變槳數(shù)據(jù)也不能反映變槳性能真實狀況，該類數(shù)據(jù)也應(yīng)剔除，分析樣本數(shù)據(jù)集為：

經(jīng)過式（1）進(jìn)行的數(shù)據(jù)預(yù)處理后，由于參考序列與比較序列各個參數(shù)含義不同，具有不同量綱和數(shù)據(jù)級，為保證各個序列間具有等效性和同序性，需要進(jìn)行無量綱化和歸一化。筆者采用離差標(biāo)準(zhǔn)化方法，即對原始數(shù)據(jù)作線性變換，將結(jié)果映射到［0，1］之間。轉(zhuǎn)換函數(shù)如下：

式中：X0（k）為第k點處的參數(shù)原始值；maxX0與minX0分別為最大與最小值。

2.1.2灰色關(guān)聯(lián)度因數(shù)

預(yù)處理與規(guī)范化后的參考序列X0與比較序列Xi在k處的灰色關(guān)聯(lián)度因數(shù)為：

式中：min minΔ0i（k）為兩級最小差；max maxΔ0i（k）為兩級最大差；ρ為分辨因數(shù)，ρ∈（0，1），一般取0.5。

2.1.3灰色關(guān)聯(lián)度

關(guān)聯(lián)度因數(shù)是比較序列與參考序列在不同時刻的關(guān)聯(lián)程度值，對此進(jìn)行集中求平均值，作為比較序列與參考數(shù)列關(guān)聯(lián)程度的度量，關(guān)聯(lián)度公式［3］為：

R0i表示各個比較序列對參考序列的灰色關(guān)聯(lián)度，應(yīng)用式（1）～（4）進(jìn)行計算，可以得出各個時段下變槳性能、偏航性能、傳動性能、齒輪箱冷卻性能、機(jī)艙溫度狀況、發(fā)電性能對應(yīng)的狀態(tài)向量，即灰色關(guān)聯(lián)度向量Rpitch、Ryaw、Rtrans、Rcool、Rnace、Rgen。

2.2健康性能評估模型

對SCADA系統(tǒng)運行數(shù)據(jù)按單位時間段進(jìn)行劃分，根據(jù)風(fēng)機(jī)歷史運行記錄，選擇健康時間段的平均灰色關(guān)聯(lián)度作為基準(zhǔn)，計算各個時段下灰色關(guān)聯(lián)度與的加權(quán)歐式距離：

式中：m為比較序列參數(shù)個數(shù)，該距離可以作為性能衰退程度的度量。

采用加權(quán)處理方式，一方面不影響距離整體變化趨勢；另一方面可以在一定程度上消除參數(shù)數(shù)量對距離計算的影響，保證不同性能對應(yīng)的距離值大小保持在同一數(shù)量級。機(jī)組在某一方面的健康性能狀況與衰退情況成反比，性能健康值H為：

采用該公式，依次可以計算得到變槳、偏航、傳動等多方面性能的健康值，綜合各性能健康值，相乘可以得到機(jī)組整體性能健康值：

式中：p=6為性能健康值的種類數(shù)。

根據(jù)以上分析方法，可以得到機(jī)組整體健康性能在不同時間下的變化趨勢，分析機(jī)組整體運行狀況。

3　應(yīng)用實例

以某風(fēng)場某機(jī)組風(fēng)機(jī)SCADA系統(tǒng)數(shù)據(jù)為例，將數(shù)據(jù)按每日進(jìn)行分塊計算，應(yīng)用健康性能評估模型對應(yīng)的式（1）～（7），可以得到機(jī)組整體健康性能變化趨勢，并結(jié)合機(jī)組現(xiàn)場運行記錄進(jìn)行對比分析。

如圖2所示，該圖為機(jī)組綜合性能健康值變化曲線圖，健康值的范圍在0到1之間。由于機(jī)組整體健康為各方面性能的綜合體現(xiàn)，因此其整體計算值相對偏低，其健康值越高，表明機(jī)組整體性能相對越好。部分時間段，性能值一直保持不變，是由于該時段機(jī)組處于非發(fā)電狀態(tài)。根據(jù)經(jīng)驗并結(jié)合曲線變化情況，取性能健康閾值為0.5，當(dāng)性能健康值低于閾值，見圖中紅色標(biāo)記點，可以認(rèn)為機(jī)組目前或近期可能會發(fā)生故障。將以上計算結(jié)果與機(jī)組運行記錄作對比，見表2，可以發(fā)現(xiàn)，機(jī)組大部分故障在性能健康變化曲線中，與健康閾值報警點相對應(yīng)，吻合率達(dá)到88.9%，并且部分閾值報警點可以相對故障記錄提前報警。

圖2　整體性能健康值變化曲線圖

表2　閾值報警點與SCADA報警記錄對照表　日期

同理，將以上方法應(yīng)用于其它兩臺機(jī)組，可以得到類似的性能變化圖和相應(yīng)閾值報警點，如圖3所示，通過對比運行記錄，計算得到這兩臺的吻合率分別達(dá)到83.3%和90%。

各模型計算得到的性能健康值，見表3，通過合適的閾值設(shè)定，閾值報警點可以在較大程度上與這三臺機(jī)組歷史運行報警記錄相吻合，最低達(dá)到83.3%，雖然存在一定的誤報或漏報，但也可實現(xiàn)部分故障的提前預(yù)警，可以為機(jī)組的智能診斷提供參考。

表3　不同機(jī)組吻合率計算對照表

圖3　其它兩臺機(jī)組性能健康值變化曲線

4　結(jié)論

通過對SCADA系統(tǒng)中測點與性能之間的關(guān)聯(lián)性分析，并引入分析灰色關(guān)聯(lián)度的方法，將機(jī)組整體性能視為各方面性能的綜合體現(xiàn)，建立了基于灰色關(guān)聯(lián)度的機(jī)組健康性能評估模型。通過應(yīng)用實例分析表明，利用該方法計算得到的閾值報警點與實際報警記錄有較高的吻合率，部分故障還可以提前預(yù)警，對于實現(xiàn)機(jī)組智能診斷有重要參考作用。但該方法也存在一定的不足之處，對部分故障存在誤報或漏報，未來還需要進(jìn)一步對模型完善，不斷提高閾值報警的吻合率。

［1］肖薔.“十三五”風(fēng)電發(fā)展框架初現(xiàn) ［N］.中國能源報，2014-10-27.

［2］李玉潔，方瑞明.基于改進(jìn)加權(quán)灰關(guān)聯(lián)分析法的風(fēng)電機(jī)組可靠性研究［J］.電力系統(tǒng)保護(hù)與控制，2015（14）：63-69.

［3］鄧聚龍.灰色控制系統(tǒng) ［J］.華中工學(xué)院學(xué)報，1982（3）：9-18.

［4］段志善，聞邦椿.灰色系統(tǒng)理論在設(shè)備故障診斷中的應(yīng)用［J］.東北工學(xué)院學(xué)報，1990（4）：383-389.

［5］佘慎思，楊文斌，李春.風(fēng)力發(fā)電場SCADA系統(tǒng)的設(shè)計［J］.上海電氣技術(shù)，2010（3）：39-42.

［6］李家會，金煒東，熊莉英.基于模糊灰關(guān)聯(lián)分析的高速列車運行狀態(tài)識別［J］.振動與沖擊，2014，33（16）：188-193.

Health performance assessment of wind turbine set can provide a reference for reliable operation of the unit and for intelligent diagnosis.The health performance assessment model for wind turbine is established to obtain its changing performance curves by dint of the fan history data on running status of the wind turbine，through the analysis of the correlation of the wind turbine SCADA measuring points，the integration of multiaspect performances covering pitch，yaw，transmission，gear box cooling，temperature conditions in engine room，power generation and the analytical approach on gray correlation.Case study shows that through reasonable setting of the threshold，a higher match rate is realized between the alarm set point with the threshold obtained this technique and practical alarm reported by the unit，so that an early warning of partial failures could be achieved which presents a significant reference for the implementation of intelligent diagnosis of the wind turbine set.

風(fēng)力發(fā)電機(jī)組；SCADA測點；灰色關(guān)聯(lián)；健康性能

Wind Turbine Set；SCADAMeasuring Point；Grey Correlation；Health Performance

TK83

A

1672-0555（2016）01-007-05

2015年10月

郭雙全（1989—），男，碩士，主要從事發(fā)電設(shè)備故障診斷及智能維護(hù)領(lǐng)域的研發(fā)工作