吉慶昌 邸英杰 陰兆武 張冬梅

【摘? 要】針對風(fēng)電機組運行中狀態(tài)監(jiān)測的特點和開展計劃性維護與維修的需求，論文應(yīng)用大數(shù)據(jù)處理技術(shù)設(shè)計了一種風(fēng)電機組故障診斷及預(yù)警系統(tǒng)。系統(tǒng)集成了基于風(fēng)電機組海量運行狀態(tài)監(jiān)測數(shù)據(jù)的數(shù)據(jù)采集、數(shù)據(jù)挖掘、機器學(xué)習(xí)等技術(shù)，由數(shù)據(jù)采集與匯聚、數(shù)據(jù)挖掘與計算、狀態(tài)展示與應(yīng)用3個子系統(tǒng)組成，可以自動地計算出反映機組運行狀態(tài)的特征值，將不同的特征值進行邏輯組合可實現(xiàn)不同故障的診斷與預(yù)警，以便對風(fēng)電機組開展計劃性維護與維修。

【Abstract】According to the characteristics of condition monitoring in wind turbine operation and the needs to carry out planned maintenance and repair， the paper applies big data processing technology to design a fault diagnosis and early warning system for wind turbine. The system integrates data acquisition， data mining， machine learning and other technologies based on the massive operation condition monitoring data of wind turbine. It is composed of three subsystems： data acquisition and aggregation， data mining and calculation， condition display and application， which can automatically calculate the eigenvalues reflecting the operation condition of the turbine. The logical combination of different eigenvalues can realize different fault diagnosis and early warning， so as to carry out planned maintenance and repair of wind turbine.

【關(guān)鍵詞】風(fēng)電機組;故障預(yù)警;大數(shù)據(jù)處理技術(shù)

【Keywords】wind turbine; fault early warning; big data processing technology

【中圖分類號】TM315? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2021）10-0179-03

1 引言

風(fēng)能作為一種清潔能源，相對于其他可再生能源，在經(jīng)濟效益、技術(shù)成熟度、基礎(chǔ)設(shè)施建設(shè)等方面具有明顯優(yōu)勢，它是全球發(fā)展較為迅速的新能源發(fā)電技術(shù)[1]。面對日趨嚴峻的碳減排形勢，為早日實現(xiàn)碳達峰和碳中和目標，我國風(fēng)電裝機規(guī)模繼續(xù)保持穩(wěn)步增長。由于對風(fēng)能的特殊需求，我國的風(fēng)電場多分布在哈密、蒙東和蒙西、河北壩上、東南沿海島嶼等偏遠地區(qū)。另外，隨著風(fēng)電機組使用年限的增長，各種故障頻發(fā)，于是對風(fēng)電機組的運行狀態(tài)進行在線監(jiān)測，實現(xiàn)故障診斷與預(yù)警，開展計劃性維護與維修顯得越來越重要。

風(fēng)電機組在線監(jiān)測與故障診斷技術(shù)對于及時了解機組的運行狀態(tài)、對機組故障進行預(yù)警、有針對性地開展設(shè)備維護、減少突發(fā)性故障和提高設(shè)備利用率都具有重要的現(xiàn)實意義。國外學(xué)者對于風(fēng)電機組故障診斷的研究開展得比較早，并且在發(fā)電機、齒輪箱等方面研究得比較深入，研究方法主要是通過分析風(fēng)電機組的輸出功率信號達到故障診斷的目的。Mari Cruz Garcia等人從健康管理的角度提出了風(fēng)電機組故障預(yù)警的智能系統(tǒng)，可以評估風(fēng)電機組的健康狀況，并診斷其故障類型[2]。

國內(nèi)學(xué)者對風(fēng)電系統(tǒng)故障診斷的研究起步比較晚，其中的一個研究方向是通過在風(fēng)電機組上安裝大量的傳感器以獲得振動數(shù)據(jù)，再利用振動分析方法監(jiān)測傳動鏈（齒輪箱）的運行狀態(tài)，并進行故障診斷[3-5]。隨著我國風(fēng)電裝機規(guī)模的持續(xù)擴大，風(fēng)電機組運行狀態(tài)監(jiān)測和故障診斷預(yù)警的需求不斷增長，其監(jiān)測數(shù)據(jù)出現(xiàn)了多源異構(gòu)、數(shù)據(jù)量大、增長迅速的電力大數(shù)據(jù)特點[6]。傳統(tǒng)的故障診斷與預(yù)警方法在處理風(fēng)電機組運行狀態(tài)監(jiān)測大數(shù)據(jù)時，難以在保證精度的情況下進行快速處理。隨著大數(shù)據(jù)處理技術(shù)的不斷成熟，其在電力系統(tǒng)狀態(tài)監(jiān)測領(lǐng)域的研究與應(yīng)用開始起步[7]。錢進、曲朝陽等人為了處理離散型大數(shù)據(jù)，利用MapReduce編程模型對傳統(tǒng)的粗糙集屬性約簡算法進行了并行化改進[8，9]。曲朝陽等人設(shè)計了基于MapReduce的MPApriori算法，可以在海量廣域測量系統(tǒng)電網(wǎng)數(shù)據(jù)中挖掘出連鎖故障各站點之間的關(guān)聯(lián)，可以很好地處理海量數(shù)據(jù)[10]。

本文針對目前風(fēng)電機組狀態(tài)監(jiān)測與故障診斷技術(shù)的實際情況和現(xiàn)實需求，利用大數(shù)據(jù)處理技術(shù)，通過建立數(shù)據(jù)采集與匯聚、數(shù)據(jù)挖掘與計算、狀態(tài)展示與應(yīng)用3個子系統(tǒng)，可以實現(xiàn)對風(fēng)電場內(nèi)風(fēng)電機組的運行狀態(tài)的實時監(jiān)測、設(shè)備異動的實時監(jiān)測、典型故障實時診斷與預(yù)警和設(shè)備運維的輔助決策等功能。

2 機組結(jié)構(gòu)

風(fēng)電機組主要由風(fēng)輪、葉片、變槳距系統(tǒng)、傳動系統(tǒng)、齒輪箱、發(fā)電機、電氣系統(tǒng)、控制系統(tǒng)、傳感器、剎車系統(tǒng)、液壓系統(tǒng)和偏航系統(tǒng)等幾部分構(gòu)成，其結(jié)構(gòu)如圖1所示[11]。風(fēng)推動葉片轉(zhuǎn)動，風(fēng)能通過風(fēng)輪轉(zhuǎn)換成機械能，再借助主軸、齒輪箱等傳動系統(tǒng)帶動發(fā)電機轉(zhuǎn)動，從而將機械能轉(zhuǎn)換成電能，最后通過變頻器接入電網(wǎng)，實現(xiàn)風(fēng)力發(fā)電。

風(fēng)電機組在運行過程中，風(fēng)速的不穩(wěn)定性造成葉片受到短暫且頻繁的沖擊載荷，這種沖擊會附加到傳動系統(tǒng)的各個相關(guān)部件。隨著時間的推移，這些部件會出現(xiàn)各種故障，其中發(fā)電機、齒輪箱以及連接軸故障率比較高，嚴重影響風(fēng)電機組的正常運轉(zhuǎn)。根據(jù)神華國華能源投資有限公司的數(shù)據(jù)統(tǒng)計，發(fā)電機、主軸和齒輪箱的故障占總故障次數(shù)的18%，但從停機的時間上統(tǒng)計占到了68.7%。齒輪箱的損壞對于風(fēng)電場發(fā)電量和維護成本影響很大，如何保證齒輪箱、發(fā)電機等機械零部件的可靠性，做到預(yù)防性維護，已經(jīng)成為亟待解決的問題[12]。

本文通過在風(fēng)電機組主軸承座、齒輪箱、發(fā)電機的選定位置安裝振動傳感器、轉(zhuǎn)速計等，結(jié)合數(shù)據(jù)采集裝置、光纖通信設(shè)備構(gòu)成在線監(jiān)測系統(tǒng)。由于風(fēng)電場風(fēng)機數(shù)量眾多，例如，一個裝機300臺機組的風(fēng)電場，安裝的傳感器數(shù)量多達幾千個，這些傳感器的監(jiān)測數(shù)據(jù)，結(jié)合SCADA、GIS數(shù)據(jù)構(gòu)成預(yù)警平臺的數(shù)據(jù)感知層。由于不同廠家生產(chǎn)的不同年代、不同型號的風(fēng)電機組可能使采集的數(shù)據(jù)類型、位數(shù)和存儲格式等產(chǎn)生差異，同時，需要以秒級周期從風(fēng)電機組眾多傳感器采集數(shù)據(jù)寫入服務(wù)器，因此，形成了量大、多源、異構(gòu)、復(fù)雜、增長迅速的風(fēng)電機組狀態(tài)監(jiān)測大數(shù)據(jù)。

3 系統(tǒng)設(shè)計

基于大數(shù)據(jù)處理技術(shù)的風(fēng)電機組故障診斷及預(yù)警系統(tǒng)利用大數(shù)據(jù)的相關(guān)理念與技術(shù)手段來采集和管理不斷增多的現(xiàn)場數(shù)據(jù)，按照風(fēng)電機組狀態(tài)監(jiān)測大數(shù)據(jù)的處理順序從下到上分為3個子系統(tǒng)，分別是數(shù)據(jù)采集與匯聚、數(shù)據(jù)挖掘與計算、狀態(tài)展示與應(yīng)用子系統(tǒng)，3個子系統(tǒng)之間依靠數(shù)據(jù)服務(wù)總線進行數(shù)據(jù)交互，構(gòu)成一個分布式大數(shù)據(jù)加工平臺，實現(xiàn)風(fēng)電機組故障診斷與預(yù)警功能。其架構(gòu)如圖2所示。

數(shù)據(jù)采集與匯聚子系統(tǒng)位于最底層，是系統(tǒng)的感知層。其硬件平臺由部署在風(fēng)電場的若干機架式服務(wù)器和數(shù)據(jù)采集裝置組成，規(guī)?？梢愿鶕?jù)機組數(shù)量進行擴展;軟件平臺可以實現(xiàn)數(shù)據(jù)采集、數(shù)據(jù)同步、編碼轉(zhuǎn)化與存儲、數(shù)據(jù)管理與接口等功能。該子系統(tǒng)通過數(shù)據(jù)采集裝置接收安裝在風(fēng)電機組上的傳感器數(shù)據(jù)，服務(wù)器將傳感器數(shù)據(jù)和SCADA、GIS數(shù)據(jù)匯聚后按照KKS進行編碼同構(gòu)后儲存到數(shù)據(jù)庫中，以便于數(shù)據(jù)挖掘與計算子系統(tǒng)進行訪問和調(diào)取。

數(shù)據(jù)挖掘與計算子系統(tǒng)位于中間層，是系統(tǒng)的處理器。它是實現(xiàn)系統(tǒng)各項功能的核心部件，通過在線調(diào)用感知層的監(jiān)測數(shù)據(jù)分發(fā)給各算法模塊，完成特定指標量和特征值的加工與處理，將計算結(jié)果匯總后存入該子系統(tǒng)的數(shù)據(jù)平臺，以供應(yīng)用層調(diào)用。各算法模塊是根據(jù)風(fēng)電機組故障診斷與預(yù)警專門開發(fā)的判斷故障類型以及變化趨勢的專用算法，算法可根據(jù)需求定制和二次開發(fā)，從而實現(xiàn)風(fēng)電機組運行狀態(tài)的在線監(jiān)測、設(shè)備狀態(tài)評價、劣化趨勢分析和故障診斷與預(yù)警等功能。

狀態(tài)展示與應(yīng)用子系統(tǒng)位于最外層，是交互可視化的數(shù)據(jù)分析與展示平臺。使用者可以根據(jù)分析場景，快速搭建數(shù)據(jù)指標分析儀表盤，以一種直觀友好的方式展現(xiàn)風(fēng)電機組的實時工作情況、運行狀態(tài)以及故障趨勢等。該子系統(tǒng)是數(shù)據(jù)挖掘與計算子系統(tǒng)中各算法模塊的結(jié)果展示層，使用者可以接入不同算法模塊的計算結(jié)果數(shù)據(jù)，無需編寫代碼，可以自由定制不同分析數(shù)據(jù)的儀表盤、線圖、柱圖、波形分析圖等。

4 算法開發(fā)

本文提出的基于大數(shù)據(jù)處理技術(shù)的風(fēng)電機組故障診斷及預(yù)警系統(tǒng)的核心是數(shù)據(jù)挖掘與計算子系統(tǒng)的設(shè)計。該子系統(tǒng)采用流式算法模塊的設(shè)計，能夠?qū)崟r調(diào)用感知層的監(jiān)測大數(shù)據(jù)，通過專用算法分析風(fēng)電機組運行狀態(tài)、健康指標，還可以利用感知層的歷史數(shù)據(jù)預(yù)測指標的變化趨勢，實現(xiàn)風(fēng)電機組的故障診斷與預(yù)警功能。

通過風(fēng)電機組振動數(shù)據(jù)、SCADA和GIS數(shù)據(jù)綜合分析其運行狀態(tài)，實現(xiàn)故障診斷與預(yù)警是一項比較復(fù)雜的工程，目前，廣大學(xué)者在機理研究建立故障模型方面取得了一些成就，但由于現(xiàn)場各種干擾的存在、工況的不同，在實際應(yīng)用上還沒有完全普及。所以利用大數(shù)據(jù)處理技術(shù)，通過機器學(xué)習(xí)的方式長期、連續(xù)從海量監(jiān)測大數(shù)據(jù)中自動對風(fēng)電機組振動數(shù)據(jù)進行在線分析，再結(jié)合SCADA、GIS數(shù)據(jù)獲得有價值的特征信息，通過健康指標機理模型推斷出故障原因，實現(xiàn)設(shè)備實時故障診斷，便有了比較大的應(yīng)用空間。其執(zhí)行流程如圖3所示。

系統(tǒng)根據(jù)常見故障類型，以感知層海量大數(shù)據(jù)為基礎(chǔ)，對風(fēng)電機組的工況基礎(chǔ)數(shù)據(jù)進行網(wǎng)格劃分，以方便數(shù)據(jù)挖掘與計算子系統(tǒng)中算法模塊的高效調(diào)用。各算法模塊通過提取不同工況的網(wǎng)格數(shù)據(jù)，經(jīng)過機器自學(xué)習(xí)功能，訓(xùn)練算法模型直至算法模型收斂。系統(tǒng)通過統(tǒng)計振動數(shù)據(jù)各頻率成分的隨機分布規(guī)律提取特征值，確定風(fēng)電機組在正常運行時振動測點健康運行區(qū)間。當風(fēng)電機組運行的一個或多個振動測點值在某特定網(wǎng)格下偏離健康運行區(qū)間或出現(xiàn)單方向持續(xù)變化，則判定設(shè)備異動，給出預(yù)警信息，確定故障位置，實現(xiàn)故障診斷與智能預(yù)警的功能。表1是系統(tǒng)目前實現(xiàn)的風(fēng)電機組主要故障類別及判定方法。

5 系統(tǒng)驗證

為驗證系統(tǒng)的可行性，對某風(fēng)電廠原有機組在線振動監(jiān)測和診斷分析系統(tǒng)進行了改造。原系統(tǒng)只有當某個測點測值超過設(shè)定的報警值時向外發(fā)布報警，不能提前預(yù)測可能存在的故障或在運行中長期跟蹤機組運行狀態(tài)的變化。改造的基于大數(shù)據(jù)處理技術(shù)的風(fēng)電機組故障診斷與預(yù)警系統(tǒng)從實際需求出發(fā)，在現(xiàn)有設(shè)備基礎(chǔ)上獨立添加了通信設(shè)備、服務(wù)器設(shè)備，不影響原有設(shè)備或系統(tǒng)的運行安全，并且通過手動設(shè)置故障驗證了系統(tǒng)的有效性。系統(tǒng)可以實現(xiàn)的故障預(yù)警監(jiān)測點及實時數(shù)據(jù)值如圖4所示，人為設(shè)置故障及其預(yù)警信息展示如圖5所示。

6 結(jié)語

本文在分析風(fēng)電機組故障診斷與預(yù)警技術(shù)現(xiàn)狀的基礎(chǔ)上，根據(jù)狀態(tài)監(jiān)測大數(shù)據(jù)的特點和開展計劃性維護與維修的需求，設(shè)計了一種應(yīng)用大數(shù)據(jù)處理技術(shù)的風(fēng)電機組故障診斷及預(yù)警系統(tǒng)。該系統(tǒng)可以自動從海量的監(jiān)測數(shù)據(jù)中挖掘出反映機組運行本質(zhì)的特征值，從而對機組設(shè)備進行異動檢測，不同的特征值進行邏輯組合可實現(xiàn)不同的故障診斷，從而達到運維輔助決策功能。其創(chuàng)新性在于：

①在現(xiàn)有風(fēng)電機組振動監(jiān)測和診斷系統(tǒng)基礎(chǔ)上開發(fā)了大數(shù)據(jù)挖掘與計算平臺，通過對風(fēng)電廠機組振動數(shù)據(jù)、SCADA和GIS數(shù)據(jù)進行處理，完成了基于大數(shù)據(jù)處理技術(shù)的風(fēng)電機組故障診斷與預(yù)警系統(tǒng)的設(shè)計與實現(xiàn)。

②系統(tǒng)提供的專用開放式大數(shù)據(jù)挖掘與計算平臺，能夠積累故障樣本，從而獲得不同運行參數(shù)之間的關(guān)聯(lián)，實現(xiàn)診斷模型的更新與重構(gòu)，有利于應(yīng)對不同的故障情況。

【參考文獻】

【1】何曉龍，楊靜靜.儲能技術(shù)在風(fēng)力發(fā)電中的應(yīng)用[J].建筑工程技術(shù)與設(shè)計，2018（32）：647.

【2】Mari Cruz Garcia，Miguel A.Sanz-Bobi，Javierdel Pico.SIMAP： Intelligent System for Predictive Maintenance： Application to the health condition monitoring of a windturbine gearbox[J].Computers in Industry，2006，57（6）：552-568.

【3】王瑞闖，林富洪.風(fēng)力發(fā)電機在線監(jiān)測與診斷系統(tǒng)研究[J].華東電力，2009，37（1）：190-193.

【4】蔣東翔，洪良友，黃乾，等.風(fēng)力機狀態(tài)監(jiān)測與故障診斷技術(shù)研究[J].電網(wǎng)與清潔能源，2008（9）：40-44.

【5】唐新安，謝志明，王哲，等.風(fēng)力機齒輪箱故障診斷[J].噪聲與振動控制，2007（1）：120-124.

【6】薛禹勝，賴業(yè)寧.大能源思維與大數(shù)據(jù)思維的融合（一）大數(shù)據(jù)與電力大數(shù)據(jù)[J].電力系統(tǒng)自動化，2016，40（1）：1-8.

【7】周國亮，朱永利，王桂蘭，等.實時大數(shù)據(jù)處理技術(shù)在狀態(tài)監(jiān)測領(lǐng)域中的應(yīng)用[J].電工技術(shù)學(xué)報，2014，29（S1）：432-437.

【8】曲朝陽，陳帥，楊帆，等.基于云計算技術(shù)的電力大數(shù)據(jù)預(yù)處理屬性約簡方法[J].電力系統(tǒng)自動化，2014，38（8）：67-71.

【9】錢進，苗奪謙，張澤華，等.MapReduce框架下并行知識約簡算法模型研究[J].計算機科學(xué)與探索，2013，7（1）：35-45.

【10】曲朝陽，朱莉，張士林.基于Hadoop的廣域測量系統(tǒng)數(shù)據(jù)處理[J].電力系統(tǒng)自動化，2013，37（4）：92-97.

【11】張文秀，武新芳.風(fēng)電機組狀態(tài)監(jiān)測與故障診斷相關(guān)技術(shù)研究[J].電機與控制應(yīng)用，2014，41（2）：50-56+63.

【12】任玉亭.振動監(jiān)測技術(shù)在風(fēng)力發(fā)電機組的應(yīng)用[J].內(nèi)蒙古電力技術(shù)，2010，28（2）：8-12.