風電機組故障建模及特征提取方法的研究

華電電力科學研究院有限公司 李雪玉

摘要：從風電機組故障模式識別模型特性出發(fā)，研究故障不同發(fā)展階段的故障和特征，解決不同嚴重程度故障模式識別的問題，實現(xiàn)了風電機組早期故障模式的預知性識別。

關(guān)鍵詞：風電機組;故障模式;識別

1引言

風電機組的故障預判有利于預防機組隱患向故障、事故的發(fā)展;故障的事后診斷能夠得到故障最優(yōu)處理措施以解除故障。因此風電場狀態(tài)檢修是以可靠性最高、故障風險最低、運維成本控制最經(jīng)濟為約束條件的最佳運維模式，風電機組故障建模及特征提取是機組故障診斷的核心環(huán)節(jié)。

風電機組SCADA數(shù)據(jù)作為重要的生產(chǎn)數(shù)據(jù)，是評判機組故障發(fā)生與否和故障程度的重要指標。因此本文著手利用反向推理過程解決機組SCADA數(shù)據(jù)特征的提取問題，該方法同時嚴格考慮到外界工況對參數(shù)的影響。

2典型故障模式建模方法的選取

本文從分析風電機組故障屬性和故障建模出發(fā)，運用機理建模和反向建模方法，初步構(gòu)建故障模式與參數(shù)的關(guān)聯(lián)性。對華銳SL1500機組15種典型的故障模式按照屬性劃分為功能型故障和失效型故障，并對這兩種故障模式選取不同的故障建模方法，從而為不向類型故障模式特征提取方法的確定奠定基礎(chǔ)。表1例舉了華銳SL1500機組15種典型故障模式的建模方法選取結(jié)果。

3故障SCADA數(shù)據(jù)特征的奇異點剔除

華銳SL1500機組的SCADA生產(chǎn)數(shù)據(jù)全部匯總到PLC控制器，統(tǒng)一發(fā)送到遠端集控室。由于運行數(shù)據(jù)傳感器精度、電磁信號干擾、信息處理錯誤、數(shù)據(jù)存儲問題以及棄風限電、機組故障停機等原因均會使SCADA系統(tǒng)數(shù)據(jù)產(chǎn)生奇異數(shù)據(jù)點。這些奇異點會在故障建模中誤判為機組故障數(shù)據(jù)，因此需要解決奇異點剔除問題。

本文依據(jù)對張北縣某風電場華銳SL1500機組2011—2013年三年的歷史數(shù)據(jù)進行全面分析，歸納總結(jié)出該類機組奇異點剔除的規(guī)則：

機組非工作狀態(tài)時的奇異點：外界風速大于機組切入風速時，機組輸入功率為零點或負值點。 機組異常停機過程的奇異點：外界風速大于機組切入風速時、小于機組切出風速時，機組輸出功率由正常值減小到零值或負值點。

機組正常啟動過程的奇異點：外界風速大于機組切入風速時，機組輸出功率由零值或負值點增加到正值的點。

機組正常運行過程中，參照IEC61400-12-1‘‘bin”劃分法，以0.5m/s間隔為風速區(qū)間劃分標準，剔除每個區(qū)間內(nèi)機組輸出功率值概率密度分析不滿足分布準則的數(shù)據(jù)點。

4運行工況辨識參數(shù)選取和區(qū)間劃分

由于風電機組運行過程中受到風速、環(huán)境溫度等因素的影響，溫度、功率等運行相關(guān)參數(shù)也具有明顯的隨機波動性特點，所以在完成風電機組SCADA參數(shù)的奇異點剔除后，還需考慮機組運行工況的干擾問題。

經(jīng)過對張北縣某風電場華銳SL1500機組201 1年—2013年三年的數(shù)據(jù)進行研究，得到了表2與機組故障SCADA數(shù)據(jù)特征相關(guān)的工況參數(shù)。依據(jù)不同故障模式關(guān)聯(lián)的數(shù)據(jù)工況參數(shù)情況，將工況參數(shù)劃分為三部分。

4.1溫度類的工況參數(shù)

機組SCADA類溫度參數(shù)(軸承溫度、齒輪箱潤滑油溫、變槳電機溫度、轉(zhuǎn)子繞組溫度、定子繞組溫度)與外界的風速和環(huán)境溫度緊密相關(guān)。 規(guī)定環(huán)境溫度工況區(qū)間劃分間隔值△T=5℃，

環(huán)境溫度歷史最值為T1和T2，則△T將環(huán)境溫度參數(shù)整體區(qū)間劃分為m份。選取切入風速V1和V2切出風速為邊界值，△V=0.5m/s為劃分區(qū)間，將外界風速參數(shù)整體區(qū)間劃分為n份。

4.2非溫度類變槳SCADA數(shù)據(jù)的工況參數(shù)

非溫度類變槳SCADA數(shù)據(jù)主要指影響變槳角度故障和變槳轉(zhuǎn)矩故障關(guān)聯(lián)參數(shù)三葉片角度和三葉片變槳轉(zhuǎn)矩。通過分別研究葉片變槳角度、葉片變槳轉(zhuǎn)矩與外界風速的分布關(guān)系，利用外界風速將機組運行工況劃分為3~ 6m/s、6~12m/s相12~25m/s三部分，分別對三種工況下的變槳角度和變槳轉(zhuǎn)矩進行統(tǒng)計分析。

4.3非溫度類偏航SCADA數(shù)據(jù)的工況參數(shù)

非溫度類偏航SCADA數(shù)據(jù)主要指影響偏航定位不準確、偏航無法啟動、偏航電纜纏繞、偏航限位開關(guān)故障。該部分外界風速對偏航系統(tǒng)故障的影響主要體現(xiàn)在切入風速V.。=3m/s時機組不執(zhí)行偏航，因此該部分工況參數(shù)外界風速區(qū)間劃分即為切入風速V

5工況區(qū)間內(nèi)特征參數(shù)概率分布統(tǒng)計分析

該部分的原理是通過剔除奇異點并按工況區(qū)間劃分后的數(shù)據(jù)分布統(tǒng)計規(guī)律反推數(shù)據(jù)與機組故障模式的關(guān)聯(lián)性。風電機組故障SCADA數(shù)據(jù)主要分為離線標準數(shù)據(jù)的訓練過程和在線實時數(shù)據(jù)的檢測過程。在線實時數(shù)據(jù)的檢測過程為對機組實時SCADA數(shù)據(jù)通過判斷所屬工況空間、與標準樣本數(shù)據(jù)對比、統(tǒng)計機組異常點比例來提取機組故障SCADA數(shù)據(jù)特征。

采用時間長度為Z的時間窗口對2個數(shù)據(jù)進行實時檢測，定義每次檢測過程中異常數(shù)據(jù)點的個數(shù)為Z。，因此長度為Z的時間窗口內(nèi)在線實時數(shù)據(jù)檢測異常率q.，為：

6案例分析

本案例以某風場某風機組2011年3月到2012年2月的SCADA數(shù)據(jù)作為標準樣本進行訓練，將2012年3月到2013年2月的數(shù)據(jù)作為實時檢測數(shù)據(jù)，以該機組齒輪箱潤滑油溫度參數(shù)為研究對象。

首先，按照上文提出的故障SCADA數(shù)據(jù)特征的奇異點剔除方法處理檢測數(shù)據(jù)。該風場全年最低溫度為-19.940 C，最高溫度為48.90 C，則其環(huán)境溫度范圍溝-200 C~ 500 C。按照上文關(guān)于溫度類參數(shù)工況區(qū)間劃分方法，環(huán)境溫度區(qū)間可劃分的個數(shù)為：m-(50-(-20)+1)/5=14.02，取整為m=15。

同樣風速參數(shù)參照IEC 61400-12 -1“bin”劃分方法，n=( 20-2+1) /0.5=38， 則n-38。 因此，可將齒輪箱潤滑油溫度參數(shù)的工況劃分為nxm=570個區(qū)間。

隨機挑選3個劃分工況內(nèi)的齒輪箱潤滑油數(shù)據(jù)進行正態(tài)分布驗證，均符合規(guī)律。然后再對齒輪箱潤滑油溫度參數(shù)570個運行工況內(nèi)的數(shù)據(jù)進行閾值訓練，得到每個細化運行工況內(nèi)的齒輪箱潤滑油溫度閾值。

至此，實現(xiàn)了基于該風場某風機組齒輪箱潤滑油溫度參數(shù)2011年3月到2012年2月工況辨識下的歷史數(shù)據(jù)概率分布離線訓練，接下來對2012年3月到2013年2月齒輪箱潤滑油溫度數(shù)據(jù)進行實時檢測，得到每個細化區(qū)間的異常率。

本文設(shè)定異常率閾值為0.5—0.7。研究結(jié)果表明2012年3月到2013年2月該機組齒輪箱潤滑油溫出現(xiàn)過2次參數(shù)預警特征超限，1次參數(shù)診斷特征超限，其中診斷超限的數(shù)據(jù)時間標記與該案例中的2013年2月的第一行星輪系太陽輪磨損故障的發(fā)生時間相吻合。

7小結(jié)

本文依據(jù)風電機組故障的木同屬性，明確不同類型的故障建模方法。運用故障機理建模和反向建模兩種方式，針對機組傳動鏈振動數(shù)據(jù)和機組SCADA數(shù)據(jù)制定適于變工況條件下的風電機組振動數(shù)據(jù)特征和SCADA數(shù)據(jù)特征提取方法，同時較為準確地揭示了風電機組故障特征隨故障發(fā)展的動態(tài)演變規(guī)律。