李 群，楊 寧，李 丹，安天瑜，張曉華

(國家電網(wǎng)有限公司東北分部，遼寧 沈陽 110180)

風力發(fā)電的應用，是國家發(fā)展綠色經(jīng)濟的重要標志，其發(fā)展日益受到世界各國的重視。風電機組的裝機容量越來越大，結構日趨復雜，對供電可靠性要求也逐漸提高，隨之而來的是一個迫切需要解決的問題——如何確保機組安全運行?本文從宏觀角度入手研究風電機組海量SCADA(supervisory control and data acquisition，數(shù)據(jù)采集與監(jiān)視控制系統(tǒng))數(shù)據(jù)的應用情況，在此基礎上利用SCADA 數(shù)據(jù)對風電機組進行可靠性評估和故障預測，為減少停機次數(shù)、保證可靠運行提供理論指導[1]。根據(jù)風力發(fā)電機組的研究現(xiàn)狀，一些研究者利用SCADA數(shù)據(jù)對風電機組的故障進行了研究，然而這些研究結果存在著診斷結果與具體研究內(nèi)容相互分離的問題，他們在研究期間并沒有對與上述因素有關的數(shù)據(jù)信息進行有效融合。本文通過SCADA數(shù)據(jù)分析機組運行情況，采用MSET(multivariate state estimation technique)方法對風電機組的齒輪箱軸溫進行運行狀態(tài)估計，得出最佳估計值，通過滑動窗口殘差統(tǒng)計方法來進一步分析其真實值與估計值之間的殘差，以上述過程中出現(xiàn)的殘差變化作為依據(jù)對殘差均值的閾值區(qū)間進行科學的定義[2]。文中對觀測向量人為地加入溫度偏移來模擬齒輪箱的故障，同時對模擬的故障進行仿真研究。系統(tǒng)會在殘差超出閾值區(qū)間時進行預警，這時工作人員將對齒輪箱存在的隱患進行檢查。仿真結果顯示，通過這種方法能夠及時找到齒輪箱存在

的異常，從而有效實現(xiàn)對齒輪箱的在線狀態(tài)監(jiān)測。

1 風電機組基本組成分析

風力發(fā)電機組是將風能轉化為機械能再產(chǎn)生電能的設備。隨著技術水平的提升，增大風機容量、采用新的結構與材料、發(fā)展直驅技術及變速變槳恒頻發(fā)電技術成為世界風電技術研究的熱點[3]。

風機的結構根據(jù)機組類型的不同有所不同，但總體來說是類似的，風輪、機艙、塔架和基礎構成了其基本框架[4]。圖1 所示為異步風力發(fā)電機組的基本結構。

圖1 風力發(fā)電機組結構圖

2 風電機組SCADA系統(tǒng)的構成及MSET建模方法

2.1 風電機組SCADA系統(tǒng)的構成

風電機組的SCADA系統(tǒng)包括測量、通信、控制和報警模塊。風電場大多建在氣候環(huán)境相對惡劣的偏遠之地，人煙稀少，采用人工記錄風機運行狀態(tài)數(shù)據(jù)顯然不具有可執(zhí)行性，因此需要一套功能齊全、性能可靠的SCADA系統(tǒng)來監(jiān)控風電機組的運行狀態(tài)。安裝于風電場的SCADA系統(tǒng)以計算機為基礎，對每臺風機的狀態(tài)參數(shù)進行采集、量程變換、調(diào)節(jié)、計算、報警、優(yōu)化、控制以及遠程訪問等，通過數(shù)據(jù)共享及實時通信實現(xiàn)對整個風電場所有機組運行狀態(tài)的監(jiān)測和自動化控制。SCADA系統(tǒng)有助于風力發(fā)電企業(yè)提高經(jīng)濟效益，實現(xiàn)經(jīng)營管理的自動化，減少停機時間，降低維護成本，增大發(fā)電量，為企業(yè)的商業(yè)決策和運營規(guī)劃提供依據(jù)[5]。SCADA系統(tǒng)的原理示意圖如圖2 所示。

圖2 SCADA系統(tǒng)原理示意圖

圖中就地控制是指運檢人員深入風電機組所在區(qū)域，采取適當措施對相關問題進行處理。遠程控制與就地控制之間的結合，可以為風電機組運維工作的實效性提供保障。

2.2 MSET建模方法

MSET是由Singer等提出的多變量狀態(tài)估計方法，被廣泛運用于狀態(tài)監(jiān)測等相關工作中。它首先利用系統(tǒng)中正常狀態(tài)時的歷史數(shù)據(jù)進行學習，定義系統(tǒng)狀態(tài)的各個參數(shù)之間的關系，然后通過相關性分析建立正常運行狀態(tài)下多個相關變量間的內(nèi)在非線性模型，再運用該非線性模型對系統(tǒng)狀態(tài)進行監(jiān)測，從而達到狀態(tài)估計的目的。

在某個物理過程或設備運行范圍之內(nèi)的所有數(shù)據(jù)可用矩陣形式表示。該物理過程或設備共有n個相互關聯(lián)的變量，m個狀態(tài)(m個時刻)，矩陣的列向量表示某一時刻所有相關變量的運行數(shù)據(jù)，行向量表示該物理過程或設備在m個狀態(tài)時的某一變量的運行數(shù)據(jù)。設在i時刻觀測到的n個相關變量為觀測向量，即：

X(i)=[x1(i)，x2(i)，x3(i),…,xn(i)]T

(1)

將正常工作情況下設備或者物理過程中的m個狀態(tài)所出現(xiàn)的所有數(shù)據(jù)定義為記憶矩陣D，那么：

D=[X(1)X(2)X(3)…X(m)]

(2)

將設備或者物理過程中所出現(xiàn)的觀測向量Xobs輸入到MSET系統(tǒng)中，系統(tǒng)中就會有m維的權值向量W出現(xiàn)，也就是：

W=[w1w2w3…wm]T

(3)

式中：w1～wm為不同維的權值。這樣就能夠獲得輸出的估計向量Xest：

Xest=D·W=w1·X(1)+w2·X(2)+w3·X(3)+…+wm·X(m)

(4)

改進權值向量W：

W=(DT*D)-1·(DT*Xobs)

(5)

在確定并且改進權值向量W之后，就可以構造系統(tǒng)中的輸出估計向量與輸入觀測向量之間的殘差Σ：

Σ=Xobs-Xest

(6)

式(5)中，非線性運算符用*來表示，常用的非線性運算子有歐氏標準差(DIST)、城市距離(CITY)性相關系數(shù)(LCC)等，本文選用兩向量間的Euclidean距離進行非線性的運算。

如果出現(xiàn)了一樣或者相近的兩個向量，兩向量之間的距離就會很接近或者為0；反之，兩向量就會出現(xiàn)較大的非線性運算結果。

將式(5)代入式(4)，得到輸出的估計向量為：

Xest=D·(DT*D)-1·(DT*Xobs)

(7)

在物理過程或設備處于正常的情況下，MSET的輸入觀測向量就會接近矩陣中的以往的觀測向量，同時觀測向量與估計向量之間也具有較近的距離，這種情況下Xest的精度也會比較高。一旦物理過程或設備工作狀態(tài)出現(xiàn)變化，那么物理過程或設備就會改變自身的動態(tài)特性，這時候正常工作過程設備輸入觀測變量兩者的距離會越拉越大，觀測向量與估計向量之間也會出現(xiàn)較大的偏差，在這種情況下，模型的估計精度也會降低。

2.3 SCADA系統(tǒng)的數(shù)據(jù)研究

大型的風電場中基本上都有SCADA系統(tǒng)，其最主要的作用就是以規(guī)定的時間間隔對所有風機的運行狀態(tài)數(shù)據(jù)和測量信息等進行記錄，因此SCADA有很龐大的數(shù)據(jù)量，其中一臺風機一個月的數(shù)據(jù)量就高達幾百兆[6]。這些數(shù)據(jù)存儲在計算機中并不斷地被備份到光盤中，但是很少對這些數(shù)據(jù)進行相關的分析和整理，目前國外也才剛剛開始分析和研究風電機組的SCADA數(shù)據(jù)，而在我國這項工作還未開展，主要是因為有以下幾個難點：

1)SCADA的數(shù)據(jù)量龐大。若按照10s為間隔對數(shù)據(jù)進行記錄，那么一臺風電機組一天中產(chǎn)生的數(shù)據(jù)量不低于10MB，而一個大型的風電場一般都會擁有100臺以上的機組，在沒有很好的數(shù)據(jù)提取技術之前，根本就無法有效利用這么多的數(shù)據(jù)。

2)風電機組的運行數(shù)據(jù)具有較大的隨機性。眾所周知，風能是風力發(fā)電的動力，而風速本身具有非常大的隨機性。SCADA當中的齒輪箱轉速、發(fā)電功率、振動加速度等相關的數(shù)據(jù)在風速不斷變化的情況下也會不斷地變化[7]。這些數(shù)據(jù)由于具有非常強的隨機性，所以很難對其進行提取。傳感器的測量誤差等使得SCADA數(shù)據(jù)質量也很難得到保證。

3)參數(shù)具有非常多的內(nèi)在聯(lián)系，不具備對其信息進行有效提取的技術。在SCADA中的各種參數(shù)具有很多的數(shù)量，由于其變化具有非常大的隨機性，缺乏規(guī)律，所以大部分情況下只能對其進行孤立的分析，很難將相關機組的運行狀態(tài)信息提供出來。

4)不同的風電機組具有不同的特點。因為受到安裝位置、運行狀態(tài)、安全情況和制造因素的影響，就算是相同型號的機組在一個風電場中也會有不同的特點。比如，一臺機組的傳動鏈振動具有較大的幅度，而在一定情況下這種幅度是可以接受的，但是對于另一臺同型號的機組而言，這個幅度很可能表明機組運行出現(xiàn)了異常。因為這種個性化非常明顯的數(shù)據(jù)存在，所以在分析SCADA數(shù)據(jù)的時候需要投入大量的時間和精力。

在云計算技術應用以后，相關人員可以輕松對上述因素有關的信息進行更改，如需要進行數(shù)據(jù)恢復，相關人員只需更改先前的備份設置。

3 以SCADA為基礎的齒輪箱軸溫建模路徑研究

3.1 找到合適的建模相關變量

本文以Vestas風機作為研究對象，其具有15m/s的額定風速、25m/s的切出風速、3m/s的切入風速。MSET中的觀測向量確定為齒輪箱軸溫的影響因素，也就是Xobs。

1)環(huán)境溫度。環(huán)境溫度會隨著季節(jié)的變化而變化，即使有著同樣的風速和機組功率，但環(huán)境溫度的差異也會影響齒輪箱的溫度。

2)機艙溫度。齒輪箱的溫度很容易受到機艙溫度的影響，如溫度過高，電氣部件的壽命就會縮短，而溫度過低，機械零件的正常運轉又會出現(xiàn)問題。

3)齒輪箱油溫。如果風電機組保持滿發(fā)的狀態(tài)過長，就可能造成齒輪箱的油溫過高，齒輪箱的溫度過高會造成潤滑油溫度過高。

4)齒輪箱軸溫。很多因素都會造成軸承的損壞，除了常見的速度、溫度、噪聲等，還有軸承的狀態(tài)、潤滑的情況和對中情況等。

5)偏航角度。受到自然風的影響，風機的發(fā)電效率也會產(chǎn)生一定的偏差。在發(fā)電系統(tǒng)中，偏航系統(tǒng)的風力非常重要。偏航系統(tǒng)會以風機系統(tǒng)的運行情況為依據(jù)，對機組的迎風方向進行調(diào)整。風電系統(tǒng)的運行安全性，以及其對能量的捕捉效率都會受到偏航角度的影響。

6)齒輪箱轉速。機組的有功功率和齒輪箱轉速有著直接的關系，齒輪箱的轉速大，則機組的有功功率也會增大。

7)風速。變速風電機組的工作目的就是最大風能追蹤，要使風速與傳動系統(tǒng)的轉速成正比，就必須使風機的葉尖速比達到最佳。隨著風速的加大，齒輪箱的轉速也會加快，從而提高齒輪箱的溫度。

8)有功功率。齒輪箱的溫度和有功功率有著緊密的聯(lián)系，隨著機組輸出功率的加大，齒輪箱就會承受更大的載荷，從而達到更高的溫度。偏航角度、齒輪箱齒輪轉速、風速也會影響有功功率。

3.2 SCADA數(shù)據(jù)記錄與分析

本文對某風電機組2011年1月份的部分SCADA數(shù)據(jù)進行分析和處理。從2011年1月22日17：20：00到2011年1月27日17：20：00，每隔10min記錄一次數(shù)據(jù)，共記錄了721條 SCADA數(shù)據(jù)。

3.2.1模型的建立和驗證

在建模的過程中需要用到正常運行狀態(tài)的數(shù)據(jù)，同時還要建立過程矩陣。本文舍棄運行狀態(tài)異常的相關數(shù)據(jù)以及功率在時間段內(nèi)不超過0的數(shù)據(jù)，將不超過3m/s的風速定為3m/s，將不小于25m/s的風速定為25m/s，然后將機組的正常運行數(shù)據(jù)作為剩下的數(shù)據(jù)，在過程記憶矩陣建立好之后，通過上述的公式預測其輸入觀測向量。本次研究將利用上述721個正常運行的歷史數(shù)據(jù)作為依據(jù)，對這一模型予以驗證。

文中選用前522個數(shù)據(jù)作為過程記憶矩陣，選取后199個數(shù)據(jù)中的齒輪箱軸溫列作為輸入Xobs，圖3 是軸溫觀測值和汽輪機轉速值曲線。

圖3 軸溫觀測值和汽輪機轉速值曲線

3.2.2故障預測

模型建立及驗證之后就可以用來對風電機組運行狀態(tài)進行監(jiān)測。齒輪箱出現(xiàn)均值閾值范圍內(nèi)的溫度殘差，表明其運行狀態(tài)正常；如果出現(xiàn)超出均值閾值范圍的溫度殘差，那么就表明設備處于異常狀態(tài)。從圖4可知，一旦設備溫度殘差高于均值閾值最大值的情況，系統(tǒng)就會報警，這種情況下如果讓機組繼續(xù)運行，就會損壞齒輪箱，從而影響機組的正常運行[8]。

圖4 系統(tǒng)預警曲線圖

4 結束語

風電產(chǎn)業(yè)的迅速發(fā)展，對風力發(fā)電機組的可靠運行性能具有越來越高的要求。明確和了解機組

的故障規(guī)律特性，評估機組的可靠性，發(fā)現(xiàn)機組的薄弱環(huán)節(jié)以及預測故障缺陷的發(fā)生，可以保障機組高效穩(wěn)定運行，有效減少故障停機時間，并為狀態(tài)檢修計劃的制定起到指導作用。就相關研究領域的研究前景而言，可以根據(jù) SCADA 系統(tǒng)的監(jiān)控性能，基于連續(xù)量監(jiān)測項目，構造風力發(fā)電機組故障預測模型，以灰色理論得到與待預測量關聯(lián)的系數(shù)。結合回歸支持向量機進行數(shù)據(jù)預測，比較預測數(shù)據(jù)和實際數(shù)據(jù)的差值，可以盡早且準確地發(fā)現(xiàn)潛伏的缺陷。