徐剛

（遠(yuǎn)景能源有限公司，上海 200051）

風(fēng)電是現(xiàn)階段技術(shù)成熟度較高的一種清潔能源，在風(fēng)電技術(shù)推廣過程中，如何解決風(fēng)電系統(tǒng)的運行維護難題，是目前行業(yè)研究的重點。以人工為主的維護和檢修不僅費時費力，而且很難及時發(fā)現(xiàn)潛在故障，錯過了最佳維修時機，影響了風(fēng)力發(fā)電的持續(xù)性，不利于電力能源的持續(xù)供給。為此，依托人工智能、大數(shù)據(jù)等技術(shù)搭建可以實現(xiàn)工況自動巡檢、故障實時預(yù)警的智能風(fēng)電預(yù)警平臺，就顯得尤為必要。

1 智能風(fēng)電預(yù)警平臺的設(shè)計

1.1 平臺的結(jié)構(gòu)組成

該預(yù)警平臺從組織架構(gòu)上來看，共分為3 部分，即表示層、業(yè)務(wù)邏輯層和數(shù)據(jù)訪問層。各部分的設(shè)計功能如下：（1）表示層。利用人機交互界面展示智能風(fēng)電預(yù)警平臺的前端頁面，并且支持管理員進(jìn)行操作和下達(dá)指令。數(shù)據(jù)調(diào)度則采用有線連接的方式，利用通信串口連接數(shù)據(jù)庫，根據(jù)管理員需要從數(shù)據(jù)庫中調(diào)用相關(guān)數(shù)據(jù)，方便管理員隨時掌握風(fēng)機系統(tǒng)各個部位的運行狀況。（2）業(yè)務(wù)邏輯層。作為中間的數(shù)據(jù)轉(zhuǎn)換層，一方面會接收表示層下達(dá)的指令，實現(xiàn)對應(yīng)的功能。例如管理員通過人機交互界面下達(dá)歷史查詢指令，則業(yè)務(wù)邏輯層會調(diào)用特定時間段內(nèi)的所有數(shù)據(jù)，方便管理員查看。除了歷史查詢外，像實時預(yù)警、數(shù)據(jù)展示等，也都是本層可以實現(xiàn)的功能。另一方面業(yè)務(wù)邏輯層也會向下層傳遞信息，或發(fā)送數(shù)據(jù)請求。（3）數(shù)據(jù)訪問層。有數(shù)據(jù)存儲和調(diào)用兩項功能。除了存儲風(fēng)機系統(tǒng)運行產(chǎn)生的海量數(shù)據(jù)外，還會通過數(shù)據(jù)接口，向業(yè)務(wù)邏輯層提供需要的數(shù)據(jù)。整個結(jié)構(gòu)如圖1 所示。

圖1 智能風(fēng)機預(yù)警平臺的組織架構(gòu)

1.2 平臺各功能模塊的設(shè)計

1.2.1 數(shù)據(jù)調(diào)度模塊

該模塊可支持實現(xiàn)的功能有Web 數(shù)據(jù)讀取、故障實時預(yù)測、數(shù)據(jù)庫更新。具體來說，Web 數(shù)據(jù)通過專門的數(shù)據(jù)接口實現(xiàn)傳遞，采用用線連接的方式，接口的一端連接風(fēng)場，用于采集風(fēng)電系統(tǒng)的運行參數(shù)；接口的另一端連接數(shù)據(jù)庫，將采集到的數(shù)據(jù)分類存儲到數(shù)據(jù)庫內(nèi)。利用編寫好的數(shù)據(jù)調(diào)度程序，啟用預(yù)警模型，以接受的海量參數(shù)作為分析素材，依托大數(shù)據(jù)、云計算技術(shù)，采用匹配算法，將風(fēng)電系統(tǒng)運行參數(shù)與數(shù)據(jù)庫內(nèi)存儲的標(biāo)準(zhǔn)工況進(jìn)行對比。若兩者匹配不成功，則說明有異常運行情況，即可進(jìn)行故障預(yù)測和預(yù)警。

1.2.2 預(yù)警信息管理模塊

該模塊管理的預(yù)警信息，包括實時預(yù)警信息和歷史預(yù)警信息兩類。除此之外，還支持預(yù)警模型的閾值調(diào)節(jié)、預(yù)警偏差值與預(yù)警狀態(tài)設(shè)置等功能。在常規(guī)狀態(tài)下，Web 頁面顯示實時預(yù)警信息，并且根據(jù)系統(tǒng)默認(rèn)或管理員預(yù)設(shè)的頻率，每隔一段時間刷新一次顯示信息。管理員想要了解以往的預(yù)警信息，可通過歷史預(yù)警信息中調(diào)取，還能夠通過歷史曲線圖，掌握近段時間預(yù)警變化趨勢。系統(tǒng)默認(rèn)的信息保留時限為24 小時，超過24 小時的即為歷史信息，不再Web 頁面上顯示。

1.2.3 預(yù)警模塊

該模塊提供了預(yù)警規(guī)則設(shè)置、預(yù)警模型訓(xùn)練和預(yù)警信息計算3 種功能。管理員可根據(jù)該平臺的功能設(shè)計和運行需要，設(shè)置預(yù)警規(guī)則。例如預(yù)警的閾值、預(yù)警的周期等。在構(gòu)建預(yù)警模型之后，基于人工智能的深度學(xué)習(xí)技術(shù)，對預(yù)警模型進(jìn)行大量的、反復(fù)的訓(xùn)練，訓(xùn)練次數(shù)越多，則對故障識別的準(zhǔn)確率越高，預(yù)警信息也會更加準(zhǔn)確。管理員也可通過預(yù)警規(guī)則設(shè)置的方式，確定模型訓(xùn)練的起始時間，以便于實現(xiàn)自動化訓(xùn)練。預(yù)警信息計算則是借助了大數(shù)據(jù)、云計算等技術(shù)，實現(xiàn)了對海量數(shù)據(jù)的快速處理，以便于滿足即時預(yù)警的需求。

1.2.4 數(shù)據(jù)庫模塊

為了兼顧存儲容量和隱私安全，選擇Oracle 關(guān)系型數(shù)據(jù)庫。在數(shù)據(jù)庫內(nèi)，管理員可劃分處Region 表、Province 表、Wind-Plants 等多種形式的表格，分別存儲不同的數(shù)據(jù)，如表1、表2 所示。

表1 Region 表

表2 Province 表

2 智能風(fēng)電預(yù)警平臺的功能實現(xiàn)

2.1 構(gòu)建基于LSTM 的風(fēng)機故障預(yù)警模型

為驗證該平臺對風(fēng)機故障的監(jiān)測和預(yù)警效果，設(shè)計了基于LSTM 的風(fēng)機故障預(yù)警模型，以繞組溫度作為監(jiān)測對象，將風(fēng)機運行期間繞組實時溫度作為輸入變量，記為y。在模型運行時，輸入層輸入（input_size）的y 為2，代表每個時間節(jié)點下輸入的都是二維向量。時間切片（timestep_size）為2，代表每次預(yù)測前，都需要先輸入2 行。要預(yù)測第n 個值，就需要把n 前的2 個值輸入。選擇sigmoid 和tanh 作為激活參數(shù)。其中sigmoid 的函數(shù)定義為：

2.2 模型訓(xùn)練

完成函數(shù)定義和模型構(gòu)建后，還要基于深度學(xué)習(xí)技術(shù)對模型進(jìn)行必要的訓(xùn)練，以保證預(yù)警的準(zhǔn)確性和及時性。訓(xùn)練所用數(shù)據(jù)通常由風(fēng)力發(fā)電廠日常運行產(chǎn)生的基礎(chǔ)數(shù)據(jù)作為來源。在條件允許的情況下，訓(xùn)練次數(shù)越多越好，對提高模型預(yù)測結(jié)果的準(zhǔn)確率有一定幫助。經(jīng)過一段時間的訓(xùn)練后，采用回歸類損失函數(shù)進(jìn)行預(yù)警效果檢查。損失函數(shù)越小，則說明預(yù)警效果越理想。基于線性回歸預(yù)測的損失函數(shù)如下：

2.3 仿真實驗

仿真實驗主要以風(fēng)機繞組溫度作為故障識別和預(yù)警對象。結(jié)合風(fēng)機運行特點，影響繞組溫度的因素主要有兩個，即繞組電流和冷卻風(fēng)溫度。因此，在仿真實驗中分別在繞組處和冷卻風(fēng)機處，安裝了數(shù)據(jù)采集裝置。采用24h 不間斷收集數(shù)據(jù)的方式，每10s 采集一次數(shù)據(jù)，將所得數(shù)據(jù)通過內(nèi)置的無線傳輸模塊，反饋至智能風(fēng)機預(yù)警平臺上。然后以前端傳輸?shù)暮Ａ繑?shù)據(jù)作為參考，依托建立起來的預(yù)警模型對數(shù)據(jù)進(jìn)行處理，最終得到預(yù)測值。將預(yù)測值與目標(biāo)值進(jìn)行對照，根據(jù)兩者的匹配度得出正確率。正確率越高，則預(yù)測結(jié)果的準(zhǔn)確度越理想。

2.4 結(jié)果分析

基于仿真模型的風(fēng)機預(yù)警結(jié)果如圖2 所示。圖中藍(lán)色曲線代表目標(biāo)值，紅色曲線代表預(yù)測值。X 軸表示訓(xùn)練次數(shù)，y 軸表示參數(shù)的數(shù)值。

圖2 仿真實驗中風(fēng)機繞組溫度預(yù)警結(jié)果

結(jié)合圖2 可以發(fā)現(xiàn)，在訓(xùn)練次數(shù)不足250 次的情況下，藍(lán)色和紅色曲線的重合度較差。說明模型訓(xùn)練不足導(dǎo)致預(yù)測結(jié)果的失真性比較嚴(yán)重。而隨著訓(xùn)練次數(shù)增加，兩條曲線的擬合度也變得越來越好，說明該模型對于風(fēng)機繞組異常溫度引起的故障預(yù)測結(jié)果變得越來越準(zhǔn)確。

結(jié)束語

在風(fēng)電事業(yè)成熟發(fā)展背景下，構(gòu)建智能風(fēng)機預(yù)警平臺將有助于實現(xiàn)對風(fēng)機系統(tǒng)運行工況的實時采集、動態(tài)監(jiān)督和智能預(yù)警。這就使得一些潛在的故障，能夠被第一時間發(fā)現(xiàn)并進(jìn)行準(zhǔn)確預(yù)警，以便于管理人員第一時間發(fā)現(xiàn)問題所在，進(jìn)而采取相應(yīng)的處理措施，保障了風(fēng)機系統(tǒng)的穩(wěn)定運行。本文提出的一種智能風(fēng)電預(yù)警平臺，主要包含了數(shù)據(jù)調(diào)度模塊、預(yù)警信息管理模塊、數(shù)據(jù)庫模塊等，通過仿真實驗可以發(fā)現(xiàn)，隨著模型訓(xùn)練次數(shù)的增加，對于風(fēng)機異常工況的識別準(zhǔn)確率明顯提升，為管理人員加強風(fēng)機的維護、管理提供了極大的幫助。