潘濤

摘 要：隨著我國(guó)煤炭資源的不斷減少，合理選擇新能源就顯得尤為重要。而利用風(fēng)能進(jìn)行發(fā)電，不僅可以有效的降低煤炭的使用量，還能減少空氣污染。隨著風(fēng)力發(fā)電系統(tǒng)的運(yùn)行，一些系統(tǒng)故障也逐漸顯露出來(lái)，而且故障的種類(lèi)和位置也日益復(fù)雜，導(dǎo)致風(fēng)力發(fā)電系統(tǒng)出現(xiàn)故障卻難以查明，進(jìn)而造成停機(jī)，給風(fēng)電場(chǎng)造成嚴(yán)重的經(jīng)濟(jì)損失，本文主要對(duì)風(fēng)力發(fā)電中傳感器故障進(jìn)行分析。

關(guān)鍵詞：風(fēng)力發(fā)電系統(tǒng)；傳感器；故障診斷

1 前言

在風(fēng)力發(fā)電系統(tǒng)中，傳感器是其中的一種基本元件，主要負(fù)責(zé)風(fēng)力發(fā)電系統(tǒng)的各項(xiàng)數(shù)據(jù)的采集，并將采集到的數(shù)據(jù)傳送至主控系統(tǒng)，主控系統(tǒng)經(jīng)過(guò)分析和處理后，再發(fā)出相應(yīng)的控制指令。其功能作用決定了傳感器的種類(lèi)繁多，同時(shí)安裝的位置相對(duì)特殊，而且容易發(fā)生故障，如果利用傳統(tǒng)的人工定期檢修很難發(fā)現(xiàn)故障的位置以及原因，因此在風(fēng)力發(fā)電系統(tǒng)中實(shí)時(shí)傳感器故障診斷尤為必要。

2 風(fēng)力發(fā)電機(jī)的結(jié)構(gòu)與原理

風(fēng)力發(fā)電機(jī)組中的風(fēng)力機(jī)分為水平軸以及垂直軸風(fēng)力機(jī)兩種，本文主要就水平軸風(fēng)力發(fā)電機(jī)進(jìn)行討論。在水平軸風(fēng)力發(fā)電機(jī)中，又分為兩種，分別是上風(fēng)風(fēng)機(jī)和下風(fēng)風(fēng)機(jī)，就目前來(lái)說(shuō)風(fēng)力發(fā)電一般采用上風(fēng)風(fēng)機(jī)，在風(fēng)力發(fā)電機(jī)組中主要的器件有五個(gè)：①風(fēng)車(chē)部分，主要由葉輪、剎車(chē)以及變槳裝置和輪毅組成；②支撐部分，是由轉(zhuǎn)子軸承、主軸承、聯(lián)軸器、變速箱（齒輪箱）、聯(lián)軸器等組成；③風(fēng)向控制，風(fēng)向控制主要是由偏航系統(tǒng)控制；④塔架和基礎(chǔ)；⑤發(fā)電機(jī)、電力輸出控制系統(tǒng)及并網(wǎng)系統(tǒng)。風(fēng)力發(fā)電的主要原料就是利用風(fēng)的流動(dòng)性產(chǎn)生的動(dòng)能推動(dòng)風(fēng)力機(jī)的葉片轉(zhuǎn)動(dòng)，從而將風(fēng)的動(dòng)能轉(zhuǎn)化為風(fēng)力機(jī)轉(zhuǎn)軸的動(dòng)能，進(jìn)而通過(guò)風(fēng)力機(jī)的轉(zhuǎn)軸轉(zhuǎn)動(dòng)帶動(dòng)變速箱主動(dòng)，進(jìn)而使得發(fā)電機(jī)發(fā)電。隨著風(fēng)速和風(fēng)向的變化，風(fēng)力發(fā)電極不是很穩(wěn)定，同時(shí)可能會(huì)產(chǎn)生振動(dòng)，形成故障進(jìn)而造成停機(jī)。因此，對(duì)風(fēng)力發(fā)電機(jī)組進(jìn)行監(jiān)控和故障診斷是十分重要的，本文主要對(duì)風(fēng)力發(fā)電機(jī)振動(dòng)的測(cè)試方法以及控制技術(shù)進(jìn)行了研究。

3 風(fēng)力發(fā)電系統(tǒng)傳感器故障診斷

現(xiàn)在風(fēng)力發(fā)電體系的故障診斷的方法主要有：依賴(lài)解析模型的方法、不依賴(lài)模型的方法等，依賴(lài)解析模型的方法中的觀測(cè)器法是比較廣泛，其基本思想是根據(jù)體系的輸入與可測(cè)輸出的設(shè)計(jì)狀態(tài)觀測(cè)器，發(fā)生一個(gè)輸出差錯(cuò)作為殘差，用來(lái)判別體系是否出現(xiàn)故障，并現(xiàn)已獲得一系列效果。

3.1 依賴(lài)解析模型的方法

根據(jù)對(duì)模型的非線(xiàn)性體系故障進(jìn)行診斷的方法主要有兩種：一是線(xiàn)性化的方法，二是對(duì)非線(xiàn)性模型的方法。由于這些方法根本都是針對(duì)某一特定的非線(xiàn)性體系，因而算法的通用性不強(qiáng)，算法并不是很完善。

3.1.1 觀測(cè)器方法

在觀測(cè)器方面的研究中，最早的研究是建立一個(gè)全階觀測(cè)器，該觀測(cè)器的增益矩陣可以通過(guò)在線(xiàn)進(jìn)行調(diào)整的結(jié)構(gòu)殘差序列未知的隨時(shí)間變化的參數(shù)或緩慢變化的漂移故障的殘差序列的影響進(jìn)行補(bǔ)償。為了簡(jiǎn)化設(shè)計(jì)，可以利用降階觀測(cè)器替代全階觀測(cè)器，但是降階觀測(cè)器只能用于突變故障。Bastin等人提出了一種簡(jiǎn)單的自適應(yīng)觀測(cè)器的設(shè)計(jì)可應(yīng)用于非線(xiàn)性系統(tǒng)，他們將一些非線(xiàn)性系統(tǒng)的特性作為未知參數(shù)，通過(guò)對(duì)未知參數(shù)進(jìn)行在線(xiàn)辨識(shí)，未知干擾設(shè)計(jì)、參數(shù)時(shí)變和不精確的模型可以通過(guò)參數(shù)辨識(shí)的體現(xiàn)。

3.1.2 濾波器法

和觀測(cè)器法相比，濾波器法的計(jì)算量是比較大的，它是要求不高的模型，采用擴(kuò)展卡爾曼濾波算法能夠?qū)堄嘟Y(jié)構(gòu)等進(jìn)行直接的估計(jì)，但是魯棒性的模型失配和初始值通常是已知的，噪聲的統(tǒng)計(jì)特性也是已知的。如果噪聲的統(tǒng)計(jì)特性是未知的，將產(chǎn)生殘差，這種算法漸變型故障不敏感。

3.2 不依賴(lài)模型的方法

目前的控制系統(tǒng)越來(lái)越復(fù)雜，由于現(xiàn)實(shí)中對(duì)控制系統(tǒng)要建立精準(zhǔn)的解析數(shù)學(xué)模型難度較大，并且在存在建模誤差時(shí)，將會(huì)出現(xiàn)誤報(bào)、漏報(bào)現(xiàn)象。因此具有不需要對(duì)象精確模型且具有良好適應(yīng)性的不依賴(lài)于模型的故障診斷方法越來(lái)越受人們的重視。

3.2.1 模糊推理的診斷方法

模糊診斷不需要診斷對(duì)象的精確數(shù)學(xué)模型，主要是利用隸屬函數(shù)以及模糊規(guī)則進(jìn)行模糊診斷。在進(jìn)行故障診斷的過(guò)程中，故障的征兆具有一定的模糊性，一旦存在多個(gè)故障點(diǎn)，那么故障和征兆之間的關(guān)系就變得十分的模糊，利用模糊語(yǔ)言集合能夠更準(zhǔn)確地反映故障和征兆之間的關(guān)系。

3.2.2 小波分析

小波分析主要就是用于分析和處理非平穩(wěn)的信號(hào)。小波分析的方法與神經(jīng)網(wǎng)絡(luò)的方法比較類(lèi)似，對(duì)系統(tǒng)的要求不是很高。主要就是結(jié)合了傳統(tǒng)硬件冗余以及冗余兩種方法的優(yōu)點(diǎn)。小波分析是將信號(hào)進(jìn)行疊加，形成的一系列小波函數(shù)。它根據(jù)局部函數(shù)所構(gòu)成的小波基，具有許多特殊的性質(zhì)以及優(yōu)點(diǎn)。小波分析具有良好的時(shí)域和頻域局部化特性。小波函數(shù)具有自動(dòng)縮放和平移功能，可以有效分解測(cè)量信號(hào)和噪聲信號(hào)，并提取有效信息，而閾值和小波分解的層數(shù)的選取是小波分析的重要一步。用小波分析的方法對(duì)信號(hào)進(jìn)行分析時(shí)，所用窗口的大小發(fā)生改變，但窗口的形狀能夠進(jìn)行改動(dòng)，即能夠改動(dòng)窗口和頻率。小波分析是一種時(shí)域局部化的分析方法，它在低頻和低時(shí)間的分辨率下具有較高的頻率分辨率，在高頻部分具有較低的頻率分辨率和高的時(shí)間分辨率。

3.2.3 神經(jīng)網(wǎng)絡(luò)法

神經(jīng)網(wǎng)絡(luò)法主要由神經(jīng)元組成，所組成的網(wǎng)絡(luò)結(jié)構(gòu)具有較強(qiáng)非線(xiàn)性映射能力，信息常處于神經(jīng)元權(quán)重范圍內(nèi)，以此增強(qiáng)網(wǎng)絡(luò)魯棒性。其中，反向傳輸算法又是這一算法的別稱(chēng)，即神經(jīng)網(wǎng)絡(luò)有序性以及穩(wěn)定性借助權(quán)重有序調(diào)節(jié)來(lái)實(shí)現(xiàn)，其中權(quán)重分布又可以通過(guò)誤差函數(shù)數(shù)值來(lái)改變，以此完成適當(dāng)輸出任務(wù)。此外，隱含層、輸入層和輸出層是基本層數(shù)構(gòu)成，這三層又代表了正向傳播方向，神經(jīng)元間互相影響，一旦出現(xiàn)輸出結(jié)果不符合預(yù)期時(shí)，此時(shí)應(yīng)適當(dāng)調(diào)整信號(hào)傳播程序，在此期間，不斷縮小誤差函數(shù)值，確保信息全面提取工作順利進(jìn)行。要想提高網(wǎng)絡(luò)高效性，應(yīng)有效處理輸入樣本，此時(shí)具體訓(xùn)練方法流程為： 樣本對(duì)（ 包含輸入和輸出信息） 正常提交于網(wǎng)絡(luò)，接下來(lái)進(jìn)行網(wǎng)絡(luò)有效性訓(xùn)練，以此促使網(wǎng)絡(luò)神經(jīng)元合理分配，提高閾值和權(quán)值準(zhǔn)確性，當(dāng)網(wǎng)絡(luò)輸入樣本所得的輸出結(jié)果接近于既定輸出結(jié)果時(shí)，則證明網(wǎng)絡(luò)訓(xùn)練過(guò)程能夠順利進(jìn)行，在這一過(guò)程中，訓(xùn)練算法指的是網(wǎng)絡(luò)權(quán)值有效調(diào)整以及合理修正的基本規(guī)則。

3.2.4 專(zhuān)家系統(tǒng)法

專(zhuān)家診斷法經(jīng)歷了二代的發(fā)展，第一代專(zhuān)家故障診斷方法是基于淺知識(shí)的，而第二代則是基于深知識(shí)的。不論是哪一代專(zhuān)家故障診斷方法，均是通過(guò)對(duì)傳感器知識(shí)的系統(tǒng)提取，在計(jì)算機(jī)里整理成故障規(guī)則庫(kù)，然后總結(jié)現(xiàn)場(chǎng)專(zhuān)家的個(gè)人的經(jīng)驗(yàn)進(jìn)行推斷，進(jìn)行故障診斷。

4 結(jié)束語(yǔ)

風(fēng)電動(dòng)力是世界上發(fā)展最快的可再生動(dòng)力能源，已經(jīng)成為處理世界能源問(wèn)題不行或缺的重要力量。風(fēng)力發(fā)電設(shè)備一般建在高山或遠(yuǎn)離海岸的偏遠(yuǎn)地域，氣候變化不能進(jìn)行預(yù)測(cè)，在這樣高度惡劣、雜亂的工作環(huán)境中，傳感器、執(zhí)行器發(fā)生故障時(shí)有發(fā)生，再加上風(fēng)力發(fā)電系統(tǒng)本身是一個(gè)非線(xiàn)性、多變量、強(qiáng)耦合的體系，當(dāng)參數(shù)出現(xiàn)不確定時(shí)，體系的控制將會(huì)愈加的復(fù)雜。為此有必要對(duì)風(fēng)力發(fā)電體系進(jìn)行實(shí)時(shí)的故障診斷，采用有效的容錯(cuò)控制進(jìn)行對(duì)系統(tǒng)的可靠性進(jìn)行保障。

參考文獻(xiàn)：

[1] 王炳炬.基于信息熵的傳感器故障診斷方法研究[D].華北電力大學(xué)（北京），2016.

[2] 王建.無(wú)線(xiàn)傳感器網(wǎng)絡(luò)節(jié)點(diǎn)模塊級(jí)故障診斷方法研究[D].重慶大學(xué)，2016.

[3] 劉巍.液位系統(tǒng)的傳感器設(shè)計(jì)與故障診斷及容錯(cuò)控制研究[D].中國(guó)計(jì)量大學(xué)，2016.

[4] 吳會(huì)祥.質(zhì)量傳感器故障診斷技術(shù)研究[D].安徽理工大學(xué)，2016.

[5] 湯寶平，鄧兵，鄧?yán)?，顏丙?無(wú)線(xiàn)傳感器網(wǎng)絡(luò)多級(jí)融合的機(jī)械故障診斷方法[J].振動(dòng).測(cè)試與診斷，2016（3601）：92～96+199～200.