孫群麗，劉長(zhǎng)良，周 瑛

基于狀態(tài)曲線的風(fēng)電機(jī)組運(yùn)行工況異常檢測(cè)

孫群麗1，劉長(zhǎng)良2，周 瑛3

（1.華北電力大學(xué)科技學(xué)院，河北 保定 071003；2.華北電力大學(xué)新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室，北京 102206；3.石家莊鐵道大學(xué)四方學(xué)院，河北 石家莊 051132）

為了提高風(fēng)電機(jī)組的利用率和發(fā)電量，減少風(fēng)電機(jī)組維修和更換費(fèi)用，需要對(duì)其運(yùn)行工況進(jìn)行監(jiān)測(cè)。本文首先對(duì)機(jī)組的風(fēng)速-功率、風(fēng)速-轉(zhuǎn)速、風(fēng)速-槳距角、轉(zhuǎn)速-功率、轉(zhuǎn)速-槳距角5種狀態(tài)曲線進(jìn)行理論介紹，然后結(jié)合實(shí)際運(yùn)行數(shù)據(jù)對(duì)其進(jìn)行了分析。結(jié)果表明：由于風(fēng)速的隨機(jī)性和風(fēng)電機(jī)組的慣性，前3種曲線不能很好地區(qū)分機(jī)組的正常運(yùn)行狀態(tài)和故障狀態(tài)，而轉(zhuǎn)速-功率、轉(zhuǎn)速-槳距角能夠?qū)C(jī)組的異常情況進(jìn)行準(zhǔn)確的監(jiān)測(cè)；以轉(zhuǎn)速-功率、轉(zhuǎn)速-槳距角狀態(tài)曲線為基礎(chǔ)，分析了機(jī)組不同運(yùn)行工況在狀態(tài)曲線上的分布，對(duì)各個(gè)不同工況分別建立相應(yīng)的評(píng)價(jià)體系，通過故障實(shí)例分析，表明本文方法能提前感知異常情況，有效提高系統(tǒng)的狀態(tài)監(jiān)測(cè)精度。

風(fēng)電機(jī)組；狀態(tài)曲線；轉(zhuǎn)速-功率；轉(zhuǎn)速-槳距角；異常檢測(cè)；運(yùn)行工況；監(jiān)控與數(shù)據(jù)采集系統(tǒng)

風(fēng)電機(jī)組的可靠性關(guān)乎著風(fēng)電場(chǎng)的安全經(jīng)濟(jì)運(yùn)行，因而對(duì)風(fēng)電機(jī)組的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)就顯得尤為重要[1]。文獻(xiàn)[2-3]利用自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS）分別對(duì)機(jī)組的變槳系統(tǒng)和整機(jī)進(jìn)行狀態(tài)監(jiān)視，建立了故障模型，針對(duì)故障的情況給出警告的輸出值，但他們都是利用機(jī)組已知故障來建立模型，在實(shí)際診斷中對(duì)故障數(shù)據(jù)和故障類型有一定的要求，因此應(yīng)用受到一定的限制。文獻(xiàn)[4]從機(jī)組運(yùn)行數(shù)據(jù)出發(fā)，利用Relief特征參數(shù)選擇的方法，找出與變槳系統(tǒng)密切相關(guān)的運(yùn)行參數(shù)，在這些數(shù)據(jù)的基礎(chǔ)上建立變槳系統(tǒng)的支持向量機(jī)回歸模型對(duì)變槳系統(tǒng)的狀態(tài)進(jìn)行監(jiān)測(cè)。文獻(xiàn)[5-9]用數(shù)據(jù)挖掘的方法建立了風(fēng)電機(jī)組的非線性識(shí)別系統(tǒng)，對(duì)機(jī)組正常運(yùn)行時(shí)的狀態(tài)進(jìn)行監(jiān)測(cè)，一旦發(fā)現(xiàn)異常提前發(fā)出報(bào)警信息；但是在使用機(jī)組監(jiān)控和數(shù)據(jù)采集系統(tǒng)（SCADA）數(shù)據(jù)來建立訓(xùn)練模型時(shí)，由于數(shù)據(jù)是某一段時(shí)間內(nèi)的平均值，這就造成模型的精確度不高。文獻(xiàn)[10]利用Copula函數(shù)建立了風(fēng)電機(jī)組功率曲線的概率模型，然后對(duì)機(jī)組的運(yùn)行數(shù)據(jù)進(jìn)行分析，結(jié)果表明可對(duì)機(jī)組的葉片退化、偏航和變槳的異常情況進(jìn)行檢測(cè)。文獻(xiàn)[11]為了對(duì)機(jī)組的有功功率數(shù)據(jù)進(jìn)行分析，采用了Hotelling T2的方法對(duì)機(jī)組的運(yùn)行狀態(tài)進(jìn)行識(shí)別。文獻(xiàn)[12]利用計(jì)算流體動(dòng)力學(xué)（CFD）技術(shù)得到修正后的風(fēng)速建立功率特性曲線，用此來對(duì)機(jī)組的性能進(jìn)行評(píng)價(jià)；文獻(xiàn)[13]用INNER-DBSCAN算法和功率曲線模型的數(shù)據(jù)驅(qū)動(dòng)實(shí)時(shí)檢測(cè)方法，對(duì)數(shù)據(jù)先進(jìn)行清洗和聚類，然后構(gòu)造正常運(yùn)行時(shí)的功率曲線模型來識(shí)別風(fēng)機(jī)的異常情況。文獻(xiàn)[14]以風(fēng)力機(jī)功率曲線為基礎(chǔ)，建立了風(fēng)力機(jī)效能轉(zhuǎn)換的指標(biāo)，對(duì)風(fēng)資源與風(fēng)場(chǎng)的發(fā)電量進(jìn)行了準(zhǔn)確的描述；但是由于風(fēng)速的快速隨機(jī)的變化，以及設(shè)備的惰性造成風(fēng)速-功率曲線在使用中存在很大的局限性。

結(jié)合上述的研究思想，本文首先從理論上利用機(jī)組的技術(shù)參數(shù)和運(yùn)行原理分析機(jī)組幾種典型的狀態(tài)曲線，指出它們?cè)诖_定機(jī)組運(yùn)行狀態(tài)時(shí)的優(yōu)缺點(diǎn)，最后選擇轉(zhuǎn)速-功率，轉(zhuǎn)速-槳距角狀態(tài)曲線來對(duì)機(jī)組的運(yùn)行工況進(jìn)行監(jiān)測(cè)，并建立相應(yīng)的評(píng)判標(biāo)準(zhǔn)。

1 狀態(tài)曲線

1.1 理論狀態(tài)曲線

風(fēng)力發(fā)電機(jī)組是利用葉輪從風(fēng)中獲取能量通過傳動(dòng)系統(tǒng)帶動(dòng)發(fā)電機(jī)發(fā)電，從而產(chǎn)生電能。目前并網(wǎng)運(yùn)行的風(fēng)力發(fā)電機(jī)組均采用變速恒頻的方式，能夠最大限度地吸收風(fēng)能，提高機(jī)組的利用效率，該機(jī)組在整個(gè)運(yùn)行過程中包括空載、并網(wǎng)、最大風(fēng)能捕獲、恒轉(zhuǎn)速運(yùn)行和恒功率運(yùn)行幾個(gè)階段，不同運(yùn)行階段的風(fēng)速、功率、槳距角、發(fā)電機(jī)轉(zhuǎn)速之間的關(guān)系如圖1所示。圖1中in為切入風(fēng)速，out為切出風(fēng)速，rtd為額定風(fēng)速，nrtd為額定轉(zhuǎn)速下對(duì)應(yīng)的風(fēng)速；rtd為額定功率，in為并網(wǎng)轉(zhuǎn)速，rtd為額定轉(zhuǎn)速；1為機(jī)組正常運(yùn)行過程中的最大槳距角（一般在30°左右），2為機(jī)組處于待機(jī)狀態(tài)的槳距角（一般在50°左右），off為機(jī)組處于順槳狀態(tài)的槳距角（一般在90°左右[15]）。

1.2 實(shí)際狀態(tài)曲線

本文采用某風(fēng)電場(chǎng)機(jī)組5天正常運(yùn)行的數(shù)據(jù)來描述上述5種性能曲線，結(jié)果如圖2所示。

圖2a)為實(shí)際風(fēng)速-功率運(yùn)行曲線。圖形標(biāo)注的部分表示運(yùn)行中偏離嚴(yán)重的部位，這些偏離一方面由設(shè)備故障導(dǎo)致，另一方面風(fēng)速的變動(dòng)也會(huì)導(dǎo)致狀態(tài)曲線的偏移，如虛線圓標(biāo)注部分。當(dāng)風(fēng)速降到額定風(fēng)速rtd以下，此時(shí)由于轉(zhuǎn)子的慣性輸出的功率依然是額定功率rtd；在黑色方框標(biāo)注部分也存在同樣的情況，此時(shí)風(fēng)速已經(jīng)小于切入風(fēng)速in，本應(yīng)該脫離電網(wǎng)，功率小于0，但顯示的功率卻大于0；此外，在橢圓區(qū)域所包圍的散點(diǎn)圖右上部分，當(dāng)風(fēng)速在增加的過程中高于額定風(fēng)速rtd時(shí)，同樣由于轉(zhuǎn)子的慣性，導(dǎo)致實(shí)際的功率偏低。因此，用風(fēng)速-功率曲線來判斷系統(tǒng)的性能顯然不合適。

圖2b)為風(fēng)速-葉輪轉(zhuǎn)速的實(shí)際運(yùn)行曲線。曲線中方塊標(biāo)注部分是當(dāng)風(fēng)速小于切入風(fēng)速時(shí)轉(zhuǎn)速還不為0，圓形標(biāo)注部分是當(dāng)風(fēng)速降低到nrtd以下時(shí)，轉(zhuǎn)速卻仍然為額定轉(zhuǎn)速rtd，造成這種現(xiàn)象的原因，可能是因?yàn)檗D(zhuǎn)子的慣性[16-17]，也可能是因?yàn)闄C(jī)組故障。

圖2c)為風(fēng)速-槳距角的實(shí)際運(yùn)行曲線。圖中方形表示當(dāng)風(fēng)速在切入風(fēng)速in和額定風(fēng)速rtd之間時(shí)槳距角大于0的部分，引起這部分偏移的原因可能是設(shè)備故障，也可能是風(fēng)速變化較快，而變槳系統(tǒng)有一定滯后性所致[17]；橢圓表示當(dāng)風(fēng)速10 min平均值小于脫網(wǎng)風(fēng)速in時(shí)或者是發(fā)電機(jī)輸出功率達(dá)到一定負(fù)值時(shí)，風(fēng)電機(jī)組不允許長(zhǎng)期在電網(wǎng)中運(yùn)行，必須脫網(wǎng)，處于自由狀態(tài)，槳距角處于順槳狀態(tài)[18]，這是機(jī)組正常運(yùn)行現(xiàn)象，但是當(dāng)機(jī)組出現(xiàn)故障時(shí)也會(huì)有上述的運(yùn)行過程。

圖2d)和圖2e)分別為葉輪轉(zhuǎn)速-功率，葉輪轉(zhuǎn)速-槳距角實(shí)際運(yùn)行曲線。對(duì)比圖1d)和圖1e)可見，實(shí)際運(yùn)行曲線與理論曲線有很好的匹配度，正常運(yùn)行狀態(tài)下偏離理論曲線的距離很小。圖2e)中圓形和向上的箭頭表示當(dāng)風(fēng)速小于切入風(fēng)速時(shí)，機(jī)組處于待機(jī)狀態(tài)的運(yùn)動(dòng)過程，當(dāng)風(fēng)速達(dá)到足以吹動(dòng)葉輪旋轉(zhuǎn)并滿足啟動(dòng)條件時(shí)，風(fēng)機(jī)開始進(jìn)入啟動(dòng)階段，槳距角沿著向下箭頭的方向由順槳狀態(tài)減小到達(dá)橢圓所示的部分進(jìn)行加速，接著槳距角繼續(xù)減小，最終達(dá)到最小值[18]。

2 基于狀態(tài)曲線的運(yùn)行工況分析

在分析比較上述5種狀態(tài)曲線的基礎(chǔ)上，選取葉輪轉(zhuǎn)速-功率、葉輪轉(zhuǎn)速-槳距角狀態(tài)曲線對(duì)機(jī)組在不同階段的工況進(jìn)行分析。

以變槳系統(tǒng)的運(yùn)行狀況為例，當(dāng)機(jī)組運(yùn)行在最佳功率跟蹤階段時(shí)，如果出現(xiàn)變槳故障導(dǎo)致槳距角增大，最佳風(fēng)能利用系數(shù)減小，功率和驅(qū)動(dòng)力矩減小，這將導(dǎo)致轉(zhuǎn)速下降[19]，如圖3中“.”所示的區(qū)域；當(dāng)機(jī)組運(yùn)行在恒轉(zhuǎn)速和恒功率階段時(shí)，變槳系統(tǒng)如果出現(xiàn)故障導(dǎo)致槳距角減小，將使功率增大，轉(zhuǎn)速升高[17]，最終也將偏離理論運(yùn)行曲線，如圖3中“o”和“+”所示區(qū)域。

3 故障分析過程

3.1 基于狀態(tài)曲線的故障監(jiān)測(cè)模型

對(duì)比圖2和圖3中的葉輪轉(zhuǎn)速-功率、葉輪轉(zhuǎn)速-槳距角的狀態(tài)曲線可知，正常運(yùn)行數(shù)據(jù)與理論曲線之間存在一定的距離，這些距離在正常的偏離范圍，當(dāng)需要檢測(cè)的數(shù)據(jù)與理論狀態(tài)曲線的偏離超過這個(gè)范圍時(shí)可認(rèn)定為故障。故障監(jiān)測(cè)流程如圖4所示。

圖4 故障監(jiān)測(cè)流程

首先通過機(jī)組的技術(shù)參數(shù)，建立理論狀態(tài)曲線，然后計(jì)算實(shí)時(shí)在線數(shù)據(jù)到理論曲線的最短距離np、nβ，其中nplimnp）&nβlimnβ）表示若此最短距離np,nβ超過限定的閾值limnp、limnβ，則認(rèn)為系統(tǒng)出現(xiàn)故障。另外，當(dāng)風(fēng)速在不同的范圍時(shí)機(jī)組運(yùn)行在不同的狀態(tài)，對(duì)應(yīng)理論曲線上的不同階段，因此要有以風(fēng)速為輸入量的狀態(tài)識(shí)別環(huán)節(jié)。

監(jiān)測(cè)點(diǎn)到理論曲線的距離由下式計(jì)算：

式中，為實(shí)時(shí)監(jiān)測(cè)到的點(diǎn)，ai為理論曲線上的點(diǎn)。圖5為不同運(yùn)行工況下的偏離范圍。

3.2 最小距離的計(jì)算

由于機(jī)組運(yùn)行參數(shù)的量綱不一致，在計(jì)算最小距離時(shí)存在諸多不便，因此需要對(duì)其進(jìn)行歸一化，取它們相對(duì)于額定參數(shù)的比例作為計(jì)算值，表1給出了某1.5 MW機(jī)組的相關(guān)技術(shù)參數(shù)?？紤]到機(jī)組的狀態(tài)曲線是分段的，實(shí)際運(yùn)行數(shù)據(jù)到曲線的最小距離則可通過求帶約束的最小化問題式(2)來實(shí)現(xiàn)。

表1 技術(shù)參數(shù)

Tab.1 The technical parameters

其中，函數(shù)方程和1的取值范圍由表1中的機(jī)組技術(shù)參數(shù)和理論曲線確定。

3.3 偏離閾值的確定

由于風(fēng)速的隨機(jī)性，風(fēng)電機(jī)組的運(yùn)行狀態(tài)在最大功率追蹤、恒轉(zhuǎn)速控制和恒功率控制、停機(jī)和啟動(dòng)幾個(gè)階段之間切換。為了加強(qiáng)識(shí)別的精度，應(yīng)根據(jù)不同階段的特點(diǎn)確定對(duì)應(yīng)轉(zhuǎn)速-功率、轉(zhuǎn)速-槳距角的偏離閾值。

在最大功率追蹤階段（MPPT），cut-in+2<

式中，limnp為運(yùn)行工況點(diǎn)到轉(zhuǎn)速-功率曲線的偏離閾值，limnβ為運(yùn)行工況點(diǎn)到轉(zhuǎn)速-槳距角曲線的偏離閾值。

在恒功率階段（CP），rtd<

在恒轉(zhuǎn)速階段（CS），rtd–2<

機(jī)組在運(yùn)行中會(huì)因?yàn)轱L(fēng)速的變化而處于啟動(dòng)或者停機(jī)過程，在啟動(dòng)過程中，槳距角連續(xù)減小，而轉(zhuǎn)速連續(xù)增大，如式(9)：

在停機(jī)過程中，槳距角連續(xù)增大，而轉(zhuǎn)速連續(xù)減小，如式(10)：

當(dāng)轉(zhuǎn)速和槳距角出現(xiàn)上述變化趨勢(shì)時(shí)，是正常的運(yùn)行現(xiàn)象。

4 故障實(shí)例分析

為了驗(yàn)證本文所提出的機(jī)組狀態(tài)異常辨識(shí)方法的有效性，應(yīng)用某風(fēng)場(chǎng)1.5 MW機(jī)組的運(yùn)行數(shù)據(jù)進(jìn)行測(cè)試，該機(jī)組在2014年1月15日09:50報(bào)“變槳安全鏈故障”。變槳安全鏈?zhǔn)前芽赡軐?duì)機(jī)組造成嚴(yán)重?fù)p害的故障節(jié)點(diǎn)用繼電器串聯(lián)起來，一旦某個(gè)節(jié)點(diǎn)出現(xiàn)故障，則整條線路斷開變槳系統(tǒng)進(jìn)入緊急停機(jī)過程，迅速向90°順槳。運(yùn)行人員通過排查確認(rèn)故障是變槳滑環(huán)接觸不良所致。變槳滑環(huán)負(fù)責(zé)主控和變槳系統(tǒng)之間的信息連接，當(dāng)其接觸不良時(shí)，隨著轉(zhuǎn)速增大信號(hào)丟失概率增加，主控將失去對(duì)變槳系統(tǒng)的控制，出現(xiàn)變槳故障。選取該機(jī)組前5天的運(yùn)行數(shù)據(jù)，對(duì)應(yīng)的葉輪轉(zhuǎn)速-功率，葉輪轉(zhuǎn)速-槳距角關(guān)系如圖6所示。從圖6可以看出：在系統(tǒng)報(bào)故障前有大量的數(shù)據(jù)偏離正常運(yùn)行的范圍，這些偏離的點(diǎn)是從風(fēng)速超過額定值的恒功率運(yùn)行階段開始的，隨著風(fēng)速的減小，由于變槳滑環(huán)的故障，槳距角不能有效地減小，從而使風(fēng)輪獲得的風(fēng)能減小，轉(zhuǎn)速偏低，功率偏小，如圖6a)中的圓形所示；當(dāng)風(fēng)速繼續(xù)減小，機(jī)組進(jìn)入恒轉(zhuǎn)速，最佳功率跟蹤階段時(shí)，槳距角的偏大使運(yùn)行數(shù)據(jù)的偏離如圖6a)中虛線橢圓和實(shí)線橢圓形所示；同時(shí)槳距角的偏離如圖6b)中橢圓區(qū)域所示，箭頭向上和向下的區(qū)域是由于風(fēng)速在切入值附近變化時(shí)引起的啟動(dòng)和停機(jī)過程，滿足式(9)和式(10)。

基于上述故障檢測(cè)流程，當(dāng)偏離距離np和nβ都小于限定的閾值時(shí)，系統(tǒng)處于正常運(yùn)行狀態(tài)，顯示為1；當(dāng)某一個(gè)或者兩個(gè)大于閾值時(shí)，系統(tǒng)處于故障狀態(tài)，顯示為0。從2014年1月10日開始每隔1 min取1次數(shù)據(jù)，共取得8 640組數(shù)據(jù)。圖7為異常時(shí)間顯示，其中圖7a)為SCADA系統(tǒng)的異常報(bào)警時(shí)間，圖7b)為本文方法的異常報(bào)警時(shí)間。從圖7可以看出：在實(shí)際運(yùn)行過程中可能會(huì)有偶爾超過閾值的情況，不用發(fā)出報(bào)警信號(hào)，如圖7b)中橢圓標(biāo)注的區(qū)域；只有在2014年1月13日09:23持續(xù)出現(xiàn)“0”時(shí)系統(tǒng)才發(fā)出報(bào)警信息；本文方法在系統(tǒng)出現(xiàn)輕微偏離時(shí)即發(fā)出報(bào)警信號(hào)，比SCADA系統(tǒng)提前48 h 27 min。

5 結(jié) 論

1）通過對(duì)葉輪轉(zhuǎn)速-功率，葉輪轉(zhuǎn)速-槳距角狀態(tài)曲線在理論上和實(shí)際中正常運(yùn)行情況下的對(duì)比發(fā)現(xiàn)，二者具有較高的一致性，能夠較好地反映機(jī)組的異常工況。

2）利用狀態(tài)曲線進(jìn)行機(jī)組的異常情況監(jiān)測(cè)時(shí)能夠知道異常發(fā)生的機(jī)理和過程。

3）對(duì)不同的運(yùn)行工況分別建立評(píng)價(jià)閾值，可提高運(yùn)行狀態(tài)異常識(shí)別的精度。

4）本文方法在系統(tǒng)出現(xiàn)輕微偏離時(shí)即可發(fā)出報(bào)警信號(hào)，比SCADA系統(tǒng)提前48 h 27 min。

［1］ 陳雪峰, 李繼猛, 程航, 等. 風(fēng)力發(fā)電機(jī)狀態(tài)監(jiān)測(cè)和故障診斷技術(shù)的研究與進(jìn)展[J]. 機(jī)械工程學(xué)報(bào), 2011, 47(9): 45-52.CHEN Xuefeng, LI Jimeng, CHENG Hang, et al. Research and application of condition monitoring and fault diagnosis technology in wind turbines[J]. Journal of Mechanical Engineering, 2011, 47(9): 45-52.

［2］ ZHOU Q, XIONG T T, WANG M B, et al. Diagnosis and early warning of wind turbine faults based on cluster analysis theory and modified ANFIS[J]. Energies, 2017, 10(7): 898.

［3］ CHEN B, MATTHEWS P, TAVNER P. Automated on-line fault prognosis for wind turbine pitch systems using supervisory control and data acquisition[J]. IET Renewable Power Generation, 2014, 9(5): 503-513.

［4］ 李輝, 楊超, 李學(xué)偉, 等. 風(fēng)機(jī)電動(dòng)變槳系統(tǒng)狀態(tài)特征參量挖掘及異常識(shí)別[J]. 中國電機(jī)工程學(xué)報(bào), 2014, 34(12): 1922-1930. LI Hui, YANG Chao, LI Xuewei, et al. Conditions characteristic parameters mining and outlier identification for electric pitch system of wind turbine[J]. Proceedings of the CSEE, 2014, 34(12): 1922-1930.

［5］ BI R, ZHOU C, HEPBURN D M, et al. A NBM based on P-N relationship for DFIG wind turbine fault detection[C]. 2015 International Conference on Smart Grid and Clean Energy Technologies (ICSGCE). IEEE, 2016.

［6］ 董興輝, 閆慧麗, 張曉亮. 基于FDA貢獻(xiàn)圖的風(fēng)電機(jī)組變槳系統(tǒng)故障定位[J]. 可再生能源, 2017, 35(1): 93-100. DONG Xinghui, YAN Huili, ZHANG Xiaoliang. Fault location of pitch system based on FDA contribution diagram[J]. Renewable Energy Resources. 2017, 35(1): 93-100.

［7］ 肖成, 劉作軍, 張磊. 基于SCADA系統(tǒng)的風(fēng)電變槳故障預(yù)測(cè)方法研究[J]. 可再生能源, 2017, 35(2): 278-284. XIAO Cheng, LIU Zuojun, ZHANG Lei. Variable pitch fault prediction of wind power system based on SCADA system[J]. Renewable Energy Resources, 2017, 35(2): 278-284.

［8］ 巨林倉, 史貝貝, 楊清宇, 等. 基于LM算法建立風(fēng)電機(jī)組神經(jīng)網(wǎng)絡(luò)故障預(yù)警診斷模型[J]. 熱力發(fā)電, 2010, 39(12): 44-49. JU Lincang, SHI Beibei, YANG Qingyu, et al. Establishment of fault warning diagnosis model for wind power units based on lm algorithm of neural network[J]. Thermal Power Generation, 2010, 39(12): 44-49.

［9］ 徐創(chuàng)學(xué), 劉魯清, 謝云明, 等. 基于實(shí)時(shí)數(shù)據(jù)的風(fēng)力發(fā)電機(jī)組性能在線評(píng)價(jià)[J]. 熱力發(fā)電, 2015, 44(4): 88-91. XU Chuangxue, LIU Luqing, XIE Yunming, et al. Real-time data based online evaluation of output performance for wind turbine units[J]. Thermal Power Generation, 2015, 44(4): 88-91.

［10］ WANG Y, INFIELD D, STEPHEN B, et al. Copula- based model for wind turbine power curve outlier rejection[J]. Wind Energy, 2014, 17(11): 1677-1688.

［11］ KUSIAK A, VERMA A. Monitoring wind farms with performance curves[J]. IEEE Transactions on Sustainable Energy, 2013, 4(1): 192-199.

［12］ 邢作霞, 張鵬飛, 李媛. 基于CFD技術(shù)的風(fēng)電機(jī)組功率特性評(píng)估方法[J]. 太陽能學(xué)報(bào), 2015, 36(12): 2882-2887. XING Zuoxia, ZHANG Pengfei, LI Yuan. Evaluation method of power characteristics of wind turbine based on CFD technology[J]. Acta Energiae Solaris Sinica, 2015, 36(12): 2882-2887.

［13］ 陳警鈺, 陳玉航. 基于INNER-DBSCAN和功率曲線模型的風(fēng)機(jī)異常狀態(tài)檢測(cè)[J]. 電力科學(xué)與工程, 2017, 33(8): 27-34.CHEN Jingyu, CHEN Yuhang. Condition monitoring for wind turbines based on INNER-DBSCAN and power curvepattern[J]. Electric Power Science and Engineering, 2017, 33(8): 27-34.

［14］ 張家安, 劉寧, 吳林林, 等. 基于風(fēng)力機(jī)功率特性的風(fēng)資源評(píng)估指標(biāo)體系[J]. 太陽能學(xué)報(bào), 2017, 38(2): 498-502. ZHANG Jiaan, LIU Ning, WU Linlin, et al.index system for wind resource assessment based on power characteristics of wind turbine[J]. Acta Energiae Solaris Sinica, 2017, 38(2): 498-502.

［15］ 夏長(zhǎng)亮. 雙饋風(fēng)力發(fā)電系統(tǒng)設(shè)計(jì)與并網(wǎng)運(yùn)行[M]. 北京: 科學(xué)出版社, 2014: 22-23.XIA Changliang. The design and grid-connected operations for double fed wind power generation system[M]. Beijing: Science Press, 2014: 22-23.

［16］ 王明軍. 風(fēng)電機(jī)組功率曲線問題及爭(zhēng)議淺析[J]. 風(fēng)能, 2016(5): 42-45. WANG Mingjun. Power curve problem and dispute analysis of wind turbines[J]. Wind Energy, 2016(5): 42-45.

［17］ 王明軍, 高原生. 風(fēng)電機(jī)組實(shí)際運(yùn)行功率曲線影響因素分析[J]. 風(fēng)能, 2013(4): 74-79.WANG Mingjun, GAO Yuansheng. An analysis of influence factors on wind turbine’s actual power curve[J]. Wind Energy, 2013(4): 74-79.

［18］ 吳雙群. 風(fēng)力發(fā)電原理[M]. 北京: 北京大學(xué)出版社, 2011: 77.WU Shuangqun. Principle of the wind driven generator[M]. Beijing: Peking University Press, 2011: 77.

［19］ 趙振宙. 風(fēng)力機(jī)原理[M]. 北京: 中國水利水電出版社, 2016: 45. ZHAO Zhenzhou. Principle of wind turbine[M]. Beijing: China Water & Power Press, 2016: 45.

Abnormal detection of operation conditions of wind turbine based on state curve

SUN Qunli1, LIU Changliang2, ZHOU Ying3

(1. Science and Technology College, North China Electric Power University, Baoding 071003, China; 2. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University, Beijing 102206, China; 3. Sifang College, Shijiazhuang Tiedao University, Shijiazhuang 051132, China)

In order to improve the utilization rate and power generation of wind turbines, and reduce the cost of maintenance and replacement of wind turbines, it is necessary to monitor the operating conditions. In this paper, five state curves of the unit, including the wind speed-power curve, the wind speed-rotor speed curve, the wind speed-pitch angle curve, the rotor speed-power curve, and the rotor speed-pitch angle curve, are introduced theoretically. Then, they are analyzed combining with the actual operational data. The results show that, due to the randomness of wind speed and the inertia of wind turbines, the first three curves does not allow the wind turbine to distinguish normal operation status from a fault status. However, the rotor speed-power curve and rotor speed-pitch angle curve are able to accurately monitor the abnormal conditions of the wind turbine. On the basis of the last two state curves, the distribution of different operating conditions of the unit is analyzed, and corresponding evaluation systems are established for each operating condition. The fault case study indicates that, this method can sense the unit's abnormal situation in advance, and effectively improve the state monitoring accuracy of the system.

wind turbine unit, state curve, rotor speed-power, rotor speed-pitch angle, anomaly detection, operating condition, monitoring and data acquisition system

TK83

A

10.19666/j.rlfd.201901028

孫群麗, 劉長(zhǎng)良, 周瑛. 基于狀態(tài)曲線的風(fēng)電機(jī)組運(yùn)行工況異常檢測(cè)[J]. 熱力發(fā)電, 2019, 48(7): 110-116. SUN Qunli, LIU Changliang, ZHOU Ying. Abnormal detection of operation conditions of wind turbine based on state curve[J]. Thermal Power Generation, 2019, 48(7): 110-116.

2019-01-26

中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)基金資助項(xiàng)目(9161717007)；北京市自然科學(xué)基金(4182061)

Supported by：Fundamental Research Funds for the Central Universities (9161717007); Natural Science Foundation of Beijing (4182061)

孫群麗(1982—)，女，講師，博士研究生，主要研究方向?yàn)殡姀S設(shè)備的智能控制和故障診斷技術(shù)，hdsunqunli@163.com。

（責(zé)任編輯 馬昕紅）