國家能源（山東）新能源有限公司 單立國 楊紹濤 孫 彬 孫華高 黨 琳

1 引言

風(fēng)力發(fā)電是發(fā)展最快的可再生能源，已經(jīng)得到了世界主要國家與地區(qū)的認(rèn)可。近年來，中國是風(fēng)力發(fā)電裝置容量和增長率最高的國家。隨著風(fēng)電裝機(jī)容量的迅速增長，風(fēng)電運(yùn)營部門對于風(fēng)電設(shè)備的優(yōu)化措施越來越深入。風(fēng)電機(jī)組是由多個部件組成，尤其是雙饋機(jī)組結(jié)構(gòu)更為復(fù)雜，不僅包含機(jī)艙、輪轂、葉片、主軸、發(fā)電機(jī)，還包含結(jié)構(gòu)復(fù)雜的齒輪箱。同時把風(fēng)電機(jī)組作為一個設(shè)備整體，也要深入了解和研究風(fēng)機(jī)的各個關(guān)鍵部件，如何基于設(shè)備狀態(tài)綜合考慮發(fā)電量收益，如何對大量投入運(yùn)行的設(shè)備進(jìn)行深度的了解，制定比出廠時更為完善的綜合運(yùn)行策略是當(dāng)前國內(nèi)外研究的重點(diǎn)領(lǐng)域。國內(nèi)外風(fēng)電領(lǐng)域都在沿著智能化、高端化和信息化的趨勢發(fā)展。歐盟和美國等風(fēng)電領(lǐng)域的研究機(jī)構(gòu)和企業(yè)也在開展關(guān)鍵部件狀態(tài)、健康度分析的內(nèi)容。國內(nèi)的運(yùn)營商和風(fēng)電整機(jī)制造商在風(fēng)電場運(yùn)維優(yōu)化，尤其是風(fēng)電場運(yùn)行數(shù)據(jù)分析和風(fēng)電場智能化方面研究和實(shí)踐都非常積極。由于國內(nèi)的行業(yè)差異，我國運(yùn)營商對應(yīng)用大數(shù)據(jù)技術(shù)提升風(fēng)電場運(yùn)維更為看重。各大運(yùn)營商紛紛以各種形式開展了這方面的研究和實(shí)踐。同時，風(fēng)電整機(jī)廠商也在故障預(yù)警，控制優(yōu)化等方面做了很多嘗試和探索。

文獻(xiàn)[1]通過模糊判斷法構(gòu)建了多參數(shù)狀態(tài)下風(fēng)機(jī)的健康狀態(tài)評估模型，并在此基礎(chǔ)上對CMS系統(tǒng)采集的振動數(shù)據(jù)進(jìn)行分析，有效判定軸承故障；同時對SCADA 系統(tǒng)采集的功率與風(fēng)速、風(fēng)機(jī)水平和豎直方向的振動進(jìn)行了研究，提出了基于SCADA 系統(tǒng)的風(fēng)機(jī)健康狀態(tài)評估模型，并提出了評估等級；將CMS 振動數(shù)據(jù)與SCADA 環(huán)境數(shù)據(jù)進(jìn)行結(jié)合分析能更準(zhǔn)確且高效地判定風(fēng)機(jī)的健康狀態(tài)。文獻(xiàn)[2]先對滾動軸承數(shù)據(jù)進(jìn)行時域、頻域、時頻域的故障特征提取，將提取特征作為預(yù)測模型輸入；將一部分樣本作為訓(xùn)練集輸入LSTM 預(yù)測模型，分批次輸入模型進(jìn)行訓(xùn)練，并調(diào)整網(wǎng)絡(luò)參數(shù)，建成模型后利用測試集進(jìn)行測試。相比于支持向量機(jī)（Support Vector Machine，SVM），基于LSTM網(wǎng)絡(luò)的壽命預(yù)測模型能夠充分利用全生命周期時序數(shù)據(jù)的前后關(guān)聯(lián)信息，對滾動軸承壽命預(yù)測具有更高的準(zhǔn)確率。文獻(xiàn)[3]針對齒輪箱軸承故障特征易受到風(fēng)機(jī)變工況干擾的問題，提出了一種變分模態(tài)分解與瑞利熵相結(jié)合的特征分析方法，實(shí)現(xiàn)對風(fēng)電齒輪箱高速軸軸承健康狀態(tài)系數(shù)的估計。本文以雙饋異步風(fēng)機(jī)齒輪箱高速軸軸承作為研究對象，研究了其在變轉(zhuǎn)速變負(fù)載工況下的外圈故障特性。通過對比振動信號的頻域特征參數(shù)與小波包分解能量特征結(jié)果，證明變工況運(yùn)行條件下變分模態(tài)分解與瑞利熵相結(jié)合的故障診斷方法能夠有效地辨識故障軸承。文獻(xiàn)[4]提出了一種基于皮爾遜相關(guān)系數(shù)、支持向量回歸和統(tǒng)計過程控制相結(jié)合的預(yù)測方法，首先，利用皮爾遜相關(guān)系數(shù)對特征變量進(jìn)行篩選，減少冗余特征變量。然后，利用支持向量回歸對風(fēng)機(jī)齒輪箱的正常狀態(tài)建立預(yù)測模型。最后，利用統(tǒng)計過程控制分析預(yù)測模型的殘差分布，并設(shè)定齒輪箱故障預(yù)報警閾值。通過仿真對比了齒輪箱正常與故障狀態(tài)下的溫度預(yù)測曲線以及殘差分布曲線。仿真結(jié)果驗(yàn)證了所提方法對齒輪箱故障預(yù)測的有效性。文獻(xiàn)[5]根據(jù)某風(fēng)機(jī)運(yùn)行狀態(tài)的歷史數(shù)據(jù)，分別采用組合評價方法以及傳統(tǒng)評價方法對齒輪箱的運(yùn)行狀態(tài)進(jìn)行評價以驗(yàn)證該方法的科學(xué)性和準(zhǔn)確性，結(jié)果表明：基于預(yù)測數(shù)據(jù)所得劣化度能夠克服現(xiàn)有SCADA 系統(tǒng)中固定報警閾值所帶來的缺陷；該組合評估方法在凸顯劣化程度較大但由于常權(quán)值較小所隱藏的故障信息的同時，能夠較早地準(zhǔn)確發(fā)現(xiàn)風(fēng)機(jī)故障。

現(xiàn)有的機(jī)組的運(yùn)行控制對關(guān)鍵部件的狀態(tài)缺少深入的考慮，當(dāng)設(shè)備運(yùn)行多年，主要部件不同程度的發(fā)生劣化，尤其是主要的功率器件，比如發(fā)電機(jī)、變流器等?，F(xiàn)有的機(jī)組及控制和場級監(jiān)控僅僅考慮了設(shè)備的超限保護(hù)邏輯，也就是當(dāng)設(shè)備的關(guān)鍵參數(shù)超限發(fā)生后就簡單的停機(jī)。控制方式和控制策略對設(shè)備的狀態(tài)考慮的因素比較少，處理的方式單一。這種情況在很大程度上造成了發(fā)電量的損失，故障停機(jī)時間過長，并且對設(shè)備損耗和壽命都有不良的影響，最終往往會演變成安全問題。為了應(yīng)對這種狀況，我們結(jié)合現(xiàn)有機(jī)組的實(shí)際情況，提出一種考慮關(guān)鍵設(shè)備運(yùn)行狀態(tài)的主動安全控制優(yōu)化方案。該方案通過對變流器、發(fā)電機(jī)、齒輪箱、變槳和偏航等系統(tǒng)進(jìn)行深度監(jiān)測，采取機(jī)組側(cè)綜合優(yōu)化運(yùn)行措施，以主動安全控制為目標(biāo)，以設(shè)備狀態(tài)分析和基于歷史數(shù)據(jù)的設(shè)備狀態(tài)建模為基礎(chǔ)，對機(jī)組進(jìn)行優(yōu)化能量控制。從而達(dá)到減少故障停機(jī)次數(shù)，降低故障停機(jī)時間，避免設(shè)備長期亞健康運(yùn)行帶來的安全問題，在總體上提升發(fā)電量的目的。

2 研究內(nèi)容

風(fēng)力發(fā)電經(jīng)過多年的快速發(fā)展，存量風(fēng)電資產(chǎn)的規(guī)模已經(jīng)非常大。對于已經(jīng)投運(yùn)的風(fēng)力發(fā)電設(shè)備，如何降低運(yùn)維成本，提升運(yùn)行質(zhì)量已經(jīng)成為整個行業(yè)共同面對的問題。預(yù)測型維護(hù)是達(dá)成提質(zhì)增效的有效手段，大型風(fēng)力發(fā)電機(jī)組關(guān)鍵部件的故障預(yù)警是預(yù)測型維護(hù)的基礎(chǔ)。結(jié)合對風(fēng)電機(jī)組設(shè)備機(jī)理和特性的了解，應(yīng)用當(dāng)前先進(jìn)而有效的機(jī)器學(xué)習(xí)理論和方法，進(jìn)行關(guān)鍵部件故障預(yù)警。

現(xiàn)有的風(fēng)電機(jī)組控制系統(tǒng)普遍采用的設(shè)備保護(hù)策略是超限報警，這種策略有它的現(xiàn)實(shí)意義，但也有明顯的缺陷。以超限保護(hù)為基礎(chǔ)的控制方式和控制策略對設(shè)備的狀態(tài)考慮的因素比較少，處理的方式比較單一。

對機(jī)組的基本情況和運(yùn)行現(xiàn)狀進(jìn)行調(diào)研。調(diào)研的內(nèi)容包括，機(jī)組平均無故障運(yùn)行時間（MTBT），機(jī)組實(shí)時和歷史運(yùn)行數(shù)據(jù)的分析。機(jī)組設(shè)計功率曲線和實(shí)測功率曲線的對比情況，機(jī)組主要部件的配置和運(yùn)行情況等。調(diào)研方式包括和運(yùn)維人員的調(diào)研溝通和機(jī)組歷史運(yùn)行數(shù)據(jù)的分析。根據(jù)調(diào)研的結(jié)果進(jìn)行優(yōu)化方案的制定：

確定影響機(jī)組平均無故障時間的因素包括主要部件的故障率，主要輔助設(shè)備的控制邏輯是否合理，主要輔助設(shè)備和主要電氣控制單元的可靠性評估和優(yōu)化方案制定。優(yōu)化主要包括邏輯優(yōu)化和設(shè)備優(yōu)化。

根據(jù)機(jī)組運(yùn)行數(shù)據(jù)和功率曲線實(shí)測數(shù)據(jù)分析，確定功率曲線優(yōu)化的方向和方案。功率曲線優(yōu)化主要通過優(yōu)化控制策略和控制系統(tǒng)參數(shù)提高風(fēng)能利用效率來實(shí)現(xiàn)。

優(yōu)化方案的載荷分析和風(fēng)險評估。優(yōu)化的控制策略，要通過載荷計算來評估和避免風(fēng)險。優(yōu)化方案實(shí)施分3個階段：控制策略和參數(shù)調(diào)優(yōu)，仿真驗(yàn)證和載荷評估階段、樣機(jī)試驗(yàn)階段、小批量推廣階段。

事實(shí)上，設(shè)備的真實(shí)狀態(tài)早在超限停機(jī)之前相當(dāng)長的時間里已經(jīng)發(fā)生變遷，處于亞健康或著異常狀態(tài)。由于普遍采用的控制策略缺少對設(shè)備狀態(tài)的深度評估和監(jiān)測，這種在參數(shù)超限之前的長時間運(yùn)行，會加速設(shè)備向不好的方向發(fā)展，使得故障停機(jī)增多，故障帶來的直接損失和間接損失得不到有效控制。

根據(jù)特定機(jī)型特型，基于歷史數(shù)據(jù)分析和研究現(xiàn)有風(fēng)機(jī)關(guān)鍵部件的特性，并建立基于狀態(tài)分析的優(yōu)化運(yùn)行模型。通過對變流器、發(fā)電機(jī)、齒輪箱、變槳系統(tǒng)和偏航系統(tǒng)的歷史運(yùn)行數(shù)據(jù)進(jìn)行分析，建立各個部件的關(guān)鍵參數(shù)和機(jī)組整體運(yùn)行狀態(tài)之間的模型，分析各個部件的故障數(shù)據(jù)，對部件的狀態(tài)變化特性，比如溫升曲線等，進(jìn)行分析和挖掘，得到關(guān)鍵部件的主要參數(shù)變化和發(fā)電運(yùn)行之間的關(guān)系模型。

在這種模型的基礎(chǔ)上，通過仿真模擬，制定優(yōu)化算法，實(shí)現(xiàn)基于設(shè)備狀態(tài)的主動安全控制。從而實(shí)現(xiàn)減少故障停機(jī)，提升機(jī)組運(yùn)行安全性，降低發(fā)電量損失，總體上提升發(fā)電量的目的。

一個典型的案例是，通過建立模型，可以根據(jù)變流器關(guān)鍵部件的溫度數(shù)據(jù)，提前對機(jī)組進(jìn)行一定幅度降負(fù)荷控制，從而避免機(jī)組在短時間內(nèi)溫度超限停機(jī)，損失更多的發(fā)電量。

在主動安全控制的框架下，可以開展建模、狀態(tài)監(jiān)測和主動安全控制的關(guān)鍵部件包括：

變流器系統(tǒng)：變流器系統(tǒng)的功率器件會因?yàn)檫\(yùn)行環(huán)境的變化發(fā)生不同程度的劣化和衰減，通過主動安全控制策略可以有效避免在極端情況時發(fā)生的對變流器功率器件的壽命損傷，減少潛在的故障停機(jī)時間。

主軸承：主軸承是風(fēng)電機(jī)組的關(guān)鍵部件，也是容易發(fā)生各種狀況的部件。通過對主軸承溫度的深度分析，建立整個機(jī)組狀態(tài)與主軸承溫度的關(guān)系，可以更細(xì)致地監(jiān)測軸承狀態(tài)，避免到發(fā)生問題時才引起的超溫停機(jī)。通過主動安全控制，可以避免軸承受到額外的損傷，減少重大故障的發(fā)生。

齒輪箱：齒輪箱超溫停機(jī)問題是比較頻繁發(fā)生的一個故障類型。齒輪箱的溫控系統(tǒng)很容易因?yàn)槟承┎考睦匣瘜?dǎo)致溫控效果不好。通過主動安全控制，可以在溫控系統(tǒng)發(fā)生問題的早期采取措施，減少齒輪箱溫度異常發(fā)生的時間，減少齒輪箱因此帶來的設(shè)備損耗，降低發(fā)生故障停機(jī)的時間和次數(shù)。

發(fā)電機(jī)及其輔助系統(tǒng)：發(fā)電機(jī)是能量轉(zhuǎn)換的主要部件，通過對發(fā)電機(jī)狀態(tài)的監(jiān)測，采用主動安全控制策略，可以避免對發(fā)電機(jī)本體設(shè)備的不合理損傷。如果僅僅依靠超溫報警，會造成在報警之前，長時間的亞健康運(yùn)行，造成更為嚴(yán)重的故障，更長時間的停機(jī)等。

偏航及液壓系統(tǒng)、變槳系統(tǒng)等：趨勢模型可以在常規(guī)的超發(fā)生限報警之前相當(dāng)長的時間里發(fā)現(xiàn)異常，通過主動安全控制可以降低設(shè)備進(jìn)一步損壞的風(fēng)險，同時通過信息提示的方式，幫助運(yùn)維人員盡早發(fā)現(xiàn)問題進(jìn)行實(shí)際檢查。從兩個方面保證了設(shè)備安全，同時也減少故障停機(jī)時間，減少檢修時間，從而提升了發(fā)電量。

機(jī)組運(yùn)行綜合評估根據(jù)SCADA 歷史數(shù)據(jù)對機(jī)組的主體設(shè)備，輔助設(shè)備和控制系統(tǒng)等進(jìn)行評估。評估的目的有兩個：一是發(fā)現(xiàn)設(shè)備運(yùn)行中的一些異常情況，在設(shè)備尚未發(fā)生故障時，盡早發(fā)現(xiàn)征兆。當(dāng)機(jī)組在運(yùn)行過程中如果發(fā)生異常，幾乎都會全部或者部分地在運(yùn)行數(shù)據(jù)中有所表現(xiàn)。機(jī)組綜合評估這個模塊就是用數(shù)據(jù)分析的方法，提供一組工具和手段去發(fā)現(xiàn)這些問題。二是發(fā)現(xiàn)機(jī)組發(fā)電量的潛在損失。這是提升機(jī)組發(fā)電量的一個重要手段。通過對機(jī)組運(yùn)行數(shù)據(jù)的深入挖掘，發(fā)現(xiàn)運(yùn)行過程中不被關(guān)注的某些環(huán)節(jié)，而這些環(huán)節(jié)對發(fā)電量的影響往往不被人們重視，通過數(shù)據(jù)挖掘的方式去發(fā)現(xiàn)這些對發(fā)電量有潛在影響的環(huán)節(jié)。

偏航對風(fēng)是風(fēng)電機(jī)組運(yùn)行過程中的重要環(huán)節(jié)。風(fēng)電機(jī)組在初始安裝、葉輪擾流和維護(hù)等環(huán)節(jié)都可能因?yàn)楦鞣N原因，比如安裝誤差等，給機(jī)組的偏航對風(fēng)帶來靜態(tài)誤差，這種靜態(tài)誤差會帶來發(fā)電量的損失。根據(jù)機(jī)組運(yùn)行原理，這種誤差達(dá)到一定程度時，帶來的發(fā)電量損失是非?？捎^的。

所以，如何發(fā)現(xiàn)并且消除這種誤差就成為一個很有價值的問題。已有的解決方案需要給每個待校準(zhǔn)的機(jī)組安裝激光雷達(dá)測風(fēng)設(shè)備，然后根據(jù)雷達(dá)測風(fēng)數(shù)據(jù)進(jìn)行偏差估算。但是這種方式需要投入的成本很高，激光測風(fēng)設(shè)備的購置或租賃費(fèi)用一般都很高，安裝也需要人力成本和時間成本。

因此提出一種基于機(jī)組歷史運(yùn)行數(shù)據(jù)進(jìn)行偏航對風(fēng)靜態(tài)誤差發(fā)現(xiàn)的方法，并且進(jìn)一步根據(jù)不同機(jī)型給出消除這種偏差的方法。我們提出的方法在明確問題和設(shè)備運(yùn)行機(jī)理的情況下，借助機(jī)器學(xué)習(xí)和數(shù)據(jù)處理技術(shù)，完成機(jī)組工況識別，數(shù)據(jù)自動篩選，借助自動尋優(yōu)和數(shù)據(jù)可視化相結(jié)合的方法，完成機(jī)組偏航對風(fēng)誤差的估算。找到機(jī)組的偏差后給出明確、具體的操作建議，并根據(jù)不同機(jī)型給出切實(shí)可行的修正方案，不需要修改機(jī)組的控制邏輯，一般只需要修改偏航誤差修正系數(shù)或者校核風(fēng)向標(biāo)零位。按照之前做過的案例，一個風(fēng)場的平均偏航靜態(tài)誤差接近10度，潛在的發(fā)電量提升約3%。

大型旋轉(zhuǎn)設(shè)備大量應(yīng)用在能源，化工等工業(yè)生產(chǎn)領(lǐng)域。典型的如風(fēng)力發(fā)電機(jī)組的傳動和能量轉(zhuǎn)化系統(tǒng)，火力發(fā)電機(jī)組的汽輪機(jī)和發(fā)電機(jī)，大型工業(yè)過程里的泵與風(fēng)機(jī)系統(tǒng)等。在這些旋轉(zhuǎn)設(shè)備里，軸承是重要的部件，并且是故障發(fā)生和產(chǎn)生維護(hù)成本的主要部件之一。軸承故障帶來的潛在損失非常大，系統(tǒng)停機(jī)，更換等成本很高，比如風(fēng)力發(fā)電機(jī)組，軸承部件和旋轉(zhuǎn)設(shè)備安裝在幾十米甚至上百米高的塔架上，更換和維修成本高、工期長，帶來的潛在損失很大。因此，如何在早期發(fā)現(xiàn)軸承的故障征兆，在第一時間進(jìn)行必要的維護(hù)和保障措施來避免更為嚴(yán)重的故障發(fā)生就成為非常有價值也很迫切的問題。

裝置主要包括數(shù)據(jù)獲取模塊、在線計算模塊、模型訓(xùn)練模塊。數(shù)據(jù)獲取模塊的實(shí)現(xiàn)依賴于設(shè)備的數(shù)據(jù)獲取途徑，包括直接采集、網(wǎng)絡(luò)通訊等。在線計算模塊的載體是一個完整的計算機(jī)系統(tǒng)并和數(shù)據(jù)采集模塊完成對接，模型訓(xùn)練模塊是一個軟件系統(tǒng)，它同時和數(shù)據(jù)采集和在線計算完成數(shù)據(jù)對接，并完成在線和離線的模型訓(xùn)練。

建立數(shù)據(jù)驅(qū)動的結(jié)冰檢測模型和機(jī)理分析結(jié)合起來，實(shí)現(xiàn)基于實(shí)時運(yùn)行數(shù)據(jù)的結(jié)冰檢測系統(tǒng)。根據(jù)機(jī)組的運(yùn)行機(jī)理，結(jié)合機(jī)組葉輪結(jié)冰后的氣動表現(xiàn)，對結(jié)冰工況進(jìn)行建模。同時，結(jié)合機(jī)組運(yùn)行的歷史數(shù)據(jù)，建立數(shù)據(jù)驅(qū)動的模型。結(jié)冰工況建模的主要特點(diǎn)是機(jī)理和數(shù)據(jù)相結(jié)合，從機(jī)理出發(fā)，以數(shù)據(jù)為基礎(chǔ)和支撐。根據(jù)結(jié)冰工況建立的模型為基礎(chǔ)，采集機(jī)組運(yùn)行的實(shí)時數(shù)據(jù)，對機(jī)組工況進(jìn)行實(shí)時滾動檢測，應(yīng)用機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)方法，識別結(jié)冰工況。檢測方法是以機(jī)組運(yùn)行數(shù)據(jù)為基礎(chǔ)，用結(jié)冰工況模型進(jìn)行判斷。模型主要根據(jù)機(jī)組運(yùn)行的主要相關(guān)變量來判斷。這些變量的相互關(guān)系反應(yīng)了葉片的氣動特性，如果葉片結(jié)冰，則氣動特性受到影響，這些變量關(guān)系會表現(xiàn)出異常。

偏航運(yùn)行分析、輔助設(shè)備運(yùn)行狀態(tài)評估和齒輪箱運(yùn)行狀態(tài)評估。以上模塊都是根據(jù)實(shí)際機(jī)型定制的評估模塊，其目的在于評估整個系統(tǒng)或設(shè)備的運(yùn)行是否符合機(jī)組設(shè)計的預(yù)期，是否在正常狀態(tài)。通過大數(shù)據(jù)分析和智能算法發(fā)現(xiàn)系統(tǒng)運(yùn)行過程中的早期異常，從而及時制定應(yīng)對措施，避免更進(jìn)一步的問題和損失。

3 研究方法

和變流器這樣的典型案例一樣，對關(guān)鍵部件的關(guān)鍵參數(shù)進(jìn)行趨勢預(yù)警和異常狀態(tài)監(jiān)測，通過功率控制減少軸承在非正常狀態(tài)下的損失（比如欠潤滑甚至磨損等）。通過對極個別時間段的主動安全控制可以明顯降低機(jī)組故障，減少綜合發(fā)電損失。

基于上述研究，主要完成如下目標(biāo)：在主動安全控制的框架下，建立關(guān)鍵部件的狀態(tài)分析模型，通過實(shí)時分析設(shè)備狀態(tài)，能夠進(jìn)行主動安全控制。通過基于狀態(tài)監(jiān)測的主動安全控制策略可以減少故障停機(jī)，提高關(guān)鍵部件的運(yùn)行質(zhì)量，提升整場的發(fā)電量表現(xiàn)。完成的關(guān)鍵部件狀態(tài)監(jiān)測模型包括：變流器系統(tǒng)、主軸承、齒輪箱、發(fā)電機(jī)及其輔助系統(tǒng)、偏航及液壓系統(tǒng)和變槳系統(tǒng)等。

通過分析歷史數(shù)據(jù)，分析特定機(jī)型的特點(diǎn)建立關(guān)鍵部件的變流器、發(fā)電機(jī)、齒輪箱、變槳系統(tǒng)和偏航系統(tǒng)的狀態(tài)模型，制定綜合優(yōu)化控制策略實(shí)現(xiàn)基于設(shè)備狀態(tài)的主動安全控制。實(shí)現(xiàn)提升風(fēng)機(jī)運(yùn)行安全，降低故障停機(jī)時間，減少發(fā)電量損失，總體上提升整場的發(fā)電量。通過主動安全控制策略提升整個風(fēng)電場設(shè)備運(yùn)行的安全水平。

以上案例是某風(fēng)電機(jī)組的關(guān)鍵傳動設(shè)備的預(yù)警案例。首先通過設(shè)備機(jī)理分析，采用機(jī)器學(xué)習(xí)算法計算設(shè)備健康異常指數(shù)。通過圖1可以看出，在設(shè)備發(fā)生異常時，設(shè)備健康異常指數(shù)發(fā)生突變。在設(shè)備損壞前3個月，設(shè)備健康異常指數(shù)就發(fā)生了突變，發(fā)出故障征兆預(yù)警。為預(yù)測型維護(hù)，爭取了足夠的時間窗口，從而避免嚴(yán)重的設(shè)備損壞。

圖1 案例分析