范蘊琦，吳文寶，熊建英

（中國電建集團江西省電力建設有限公司，江西 南昌 330001）

0 引言

2020年9月我國正式提出“2030年碳達峰和2060年碳中和”的減排目標，這為我國能源清潔低碳轉型指明了方向、擘畫了具體路線圖，展現了中國應對氣候變化的堅定決心和重信守諾的責任擔當。

我國當前正在大規(guī)模建設風力發(fā)電，但風電行業(yè)普遍存在機組設備故障率高和運維成本高的突出問題，特別是關鍵大部件（齒輪箱、發(fā)電機和主軸承等）故障率偏高，會嚴重影響發(fā)電量，增加風電場的后期運維和檢修成本，給風電場運營會帶來較大的經濟損失。隨著風電行業(yè)逐步朝著大型化和海上化的趨勢發(fā)展，這就必將會對風電機組運行安全可靠性和經濟性提出更高要求。

因此，開發(fā)知識驅動的風電機組主動預警系統(tǒng)，可實現風電機組運維平臺智能化升級和智慧化預警，為風電場關鍵部件的檢修提供科學的決策依據，為風電場的安全經濟運行提供技術支持，增強風電場智慧運維能力。

1 系統(tǒng)構架及開發(fā)環(huán)境

1.1 系統(tǒng)構架

智能預警系統(tǒng)包括數據采集模塊、數據管理和模型調度模塊、報警用戶交互界面三個部分，是實現SCADA系統(tǒng)數據接入和CMS原始數據特征自動提取及采集功能的重要部分。

1.1.1 數據采集模塊

做好接口通訊程序部署，確保SCADA系統(tǒng)、大數據平臺等信息接收流暢，并將各模型的不同需求整理成標準規(guī)范的數據集，按照參數、時長、采集頻率等進行分類存儲，保證數據采集的準確性與規(guī)范性。

1.1.2 數據管理和模型調度模塊

對預警模型及所需數據進行靈活配置，保證系統(tǒng)能夠按模型配置表執(zhí)行模型要求，輸出結果文件，實現數據接收、采集、存儲、查詢的快捷高效。

1.1.3 報警用戶交互界面

對該界面進行優(yōu)化升級，保證故障特征值及報警信息能夠及時展現在用戶界面上，實現實時預警、實時反饋，確保相關故障信息能夠被及時處理，如表1所示。

表1 各模塊的功能設置

1.2 系統(tǒng)需求

預警系統(tǒng)需求包括以下幾個方面：

1.2.1預警概覽

預警概覽是智能預警系統(tǒng)的信息總覽模塊。用戶可以通過這個模塊查看所關注的電站各模型未處理工單統(tǒng)計和各類模型在各個場站的歷史預警甘特圖，并通過篩選條件查找各風電場各模型未處理工單統(tǒng)計信息，了解各模型的歷史預警趨勢。

1.2.2 預警詳情

預警詳情是預警系統(tǒng)各個模型的詳細預警信息。通過預警詳情，用戶可以實時查看故障詳細特征和處理進度，并根據信息下的特征提示，決定是否需要處理，以及采用什么方式進行處理，并實時反饋處理結果。

1.2.3 統(tǒng)計查詢

統(tǒng)計查詢是指提供模型維度的預警結果查詢和分布規(guī)律。

1.2.4 報告導出

報告導出則是將智能預警分析和處理情況，如診斷結論、預警原因和檢修建議等，按照日、周、月、季度等時間分區(qū)自動生成相關報表，以便方便查閱檢修記錄和檢查工作情況。

1.3 開發(fā)環(huán)境

系統(tǒng)支持OPC、Modbus等各類行業(yè)標準協(xié)議，支持定制開發(fā)支持遠程維護，支持異常自動恢復、支持斷點續(xù)傳，實現可視化接口狀態(tài)管理、接口狀態(tài)實時監(jiān)視。

平臺以建立屏蔽協(xié)議差異性并可自定義無限擴展的接入平臺為切入點，通過協(xié)議匹配、協(xié)議注冊等手段，構建面向場站側和用戶側的協(xié)議庫、接口庫和可重復使用、快速配置的模型，實現各類數據的快速接入、讀取和分析診斷。

1.3.1 數據協(xié)議庫

構建涵蓋Ethernet，Wi-Fi，RFID，NFC，Zigbee，Bluetooth，GPS，4G等常用通信環(huán)境下的協(xié)議庫，為不同設備的快速接入和自動協(xié)議匹配提供基礎。

1.3.2 數據接口庫

以數據協(xié)議庫為基礎，通過OOP和OSP等方式二次開發(fā)數據接口庫，方便物聯數據的快速獲取。

2 系統(tǒng)設計及實施要點

2.1 SCADA系統(tǒng)的智能預警功能

SCADA系統(tǒng)是實現風電機組預警智慧化管理的基礎，通過收集大量SCADA數據，結合機理和機器學習的相關方法，建立起基于SCADA系統(tǒng)的智慧化預警模型，再采集線下大量故障案例進行數據訓練，不斷優(yōu)化預警模型的適應性，以此強化SCADA系統(tǒng)的智能預警功能，同時將CMS與SCADA數據關聯并統(tǒng)一分析，提升故障預警的準確度，保證風電機組功率曲線和大部件亞健康狀態(tài)的實時預警[1-5]，如表2所示。

表2 CMS和SCADA預警分析異同點

2.2 風電機組健康狀態(tài)監(jiān)測系統(tǒng)

在原來的預警系統(tǒng)中增加了傳動鏈振動、塔筒振動和基礎沉降監(jiān)測系統(tǒng)，以此實現對傳動鏈、塔筒，以及基礎的振動、沉降、晃度的一體化在線監(jiān)測和數據分析，使相關工作人員能夠根據分析結果，診斷風電機組健康狀態(tài)，及時發(fā)現故障隱患，并對引起塔筒晃動及基礎隱患的原因進行分析和研判，評價其使用壽命和故障風險，為優(yōu)化控制策略提供準確的數據支撐[6-7]。

2.3 遠程-現場相結合的智慧運營模式

通過信息化手段建立集團-區(qū)域-風電場一體化智能監(jiān)管體系，形成一個緊密的閉環(huán)管理系統(tǒng)，以此實現對故障數據的及時分析、高效處理，監(jiān)控并解決風電場運維過程中的重難點問題，做到遠程有監(jiān)管、現場有行動、動作有評價、方案有依據，保證整個系統(tǒng)的“集約化管控、狀態(tài)化運檢、提前量管理、智能化管控”[8-9]。

2.4 運行期預警系統(tǒng)迭代升級

在主動預警系統(tǒng)管理之下，監(jiān)控中心對風電場的實時運行情況進行現場監(jiān)控，并將相關數據準確、全面的收集起來傳輸至診斷和預警中心；再經過中心的智能診斷，自動、快速、準確地發(fā)現機組設備和操作人員存在的故障和問題，并給出優(yōu)先等級、處理方法和決策建議工單，實現故障的實時排查和預警。

而運維中心的技術人員則根據診斷和預警中心的診斷和建議，結合現場環(huán)境，將這些問題的診斷和建議安排到具體的巡檢、定檢、故障處理、技改等現場運維環(huán)節(jié)中，由各環(huán)節(jié)的工作人員進行處理，將處理的過程實時反饋給監(jiān)控中心和診斷預警中心，再跟蹤檢查處理效果，計算效益，并優(yōu)化、迭代預警系統(tǒng)和相應的管理、決策機制。

3 系統(tǒng)優(yōu)勢

3.1 智慧運營與傳統(tǒng)模式對比

加強構建風電機組主動預警系統(tǒng)，做好故障預警和運維管理工作，對避免運營故障導致發(fā)電中斷，保證發(fā)電的正常進行具有重要意義。傳統(tǒng)運維模式下，風電場的日常管理以人工和定期的檢測為主，缺少標準化的監(jiān)控設備和智能預警手段。但本預警系統(tǒng)可以依靠先進的數據采集與監(jiān)控（SCADA），為運維平臺提供實時的運行監(jiān)測數據。該系統(tǒng)與公司現有大數據平臺的基礎軟件和硬件互聯互通并兼容、穩(wěn)定運行，結合設備運行狀態(tài)，運用SCADA數據建立智慧化網絡預警模型，實現對部件故障的實時監(jiān)控和遠程管理。兩者之間的優(yōu)勢對比如表3所示。

表3 智慧運營與傳統(tǒng)模式的區(qū)別

3.2 系統(tǒng)功能

3.2.1 在線風機偏航對風異常預警

通過SCADA系統(tǒng)提供的秒級數據建立風機偏航對風異常預警模型，定期在線診斷機組偏航誤差。

3.2.2 在線性能劣化預警

通過SCADA系統(tǒng)提供的10 min數據建立風機性能劣化預警模型，定期在線診斷機組限功率、功率曲線偏移、槳葉角受限、風機控制策略變化及風機無法滿發(fā)的情況。

3.2.3 在線發(fā)電機軸承故障預警

通過SCADA系統(tǒng)提供的10 min數據和損壞案例，建立風機發(fā)電機軸承預警模型，定期在線診斷風機發(fā)電機軸承的溫度狀態(tài)，利用機器學習算法識別發(fā)電機軸承故障隱患。

3.2.4 在線齒輪箱故障預警

通過SCADA系統(tǒng)提供的10 min數據和損壞案例建立風機齒輪箱故障預警模型，定期在線診斷齒輪箱軸承和散熱系統(tǒng)溫度狀態(tài)，利用機器學習算法識別齒輪箱軸承故障隱患。

3.2.5 基于CMS數據的傳動鏈預警

基于在線可解析的CMS原始振動波形數據和轉速，結合已有損壞案例建立基于CMS數據的發(fā)電機軸承和齒輪箱故障預警模型；自動診斷發(fā)電機軸承和齒輪箱故障，利用機器學習算法識別發(fā)電機軸承損壞、發(fā)電機不對中、發(fā)電機不平衡、齒輪箱軸承、齒輪箱齒輪斷齒故障等。

3.2.6 CMS故障離線診斷系統(tǒng)

針對無法接入運維平臺的風電場，支持各風電場將指定格式的CMS數據上傳到診斷系統(tǒng)，診斷系統(tǒng)自動完成全套診斷處理流程。

4 系統(tǒng)運行成效

系統(tǒng)投入運行后，通過預警結果指導現場運維，避免了性能劣化和非計劃停機造成發(fā)電量損失以及部件故障擴大化造成的經濟損失，可降低電站運營成本，持續(xù)提升電站效益。

4.1 增強風場智慧運維水平

風電場運維人員通過智能預警平臺可以快速了解風機零部件的健康狀態(tài)和風機性能指標，同時結合日常工作內容制定每日工作計劃，并進行優(yōu)先級排序，實現一機一策式主動運維模式，實現風電機組狀態(tài)檢修智能運維。

系統(tǒng)投運半年以來，共報警96次，提前發(fā)現25臺風電機組發(fā)電機軸承溫度異常的預警，風電場將統(tǒng)一與風機廠家協(xié)商，敦促廠家在質保期內統(tǒng)一處理，每臺機組發(fā)電機前后軸承更換備件和人工費可以節(jié)約3萬元，預計金額超過75萬元；發(fā)現5臺風電機組偏航對風異常、控制策略變換及限功率運行情況，通過加強管理避免此類問題重復發(fā)生，結合定檢開展風向標校正，避免發(fā)電量損失18萬kW·h。

4.2 提升能源數據資產價值

通過預警模型識別和預判風機零部件尤其是大部件的失效和故障信息，可以極大降低突發(fā)性故障概率，同時降低機組運行的安全隱患。同時，通過充分釋放數據資產價值，可降低不必要的備品備件庫存，提高風電場的發(fā)電量，降低運營成本，持續(xù)提升運營效益。

5 結語

風電機組部件受復雜多變的環(huán)境條件影響發(fā)生故障或性能下降的概率較大，從而導致風機發(fā)電效率下降甚至被迫中斷。因此，基于知識驅動，建立一套監(jiān)控、診斷預警、運維于一體的風電機組主動預警系統(tǒng)，強化對風電機組尤其是對大部件的主動預警管理，提升風電場的數據收集準確率和主動預警能力，對風電場運維管理的標準化、高效化和智能化具有重要意義。