基于無線傳感網絡的風電機組狀態監測系統可靠性分析

趙　敏，傅質馨，袁　越，邵秋葵，呂鵬遠

（1.河海大學能源與電氣學院，南京　211100；2.河海大學可再生能源發電技術教育部工程研究中心，南京　210098；3.中國三峽新能源公司，北京　100053；4.響水長江風力發電有限公司，鹽城　224600）

基于無線傳感網絡的風電機組狀態監測系統可靠性分析

趙敏1，2，傅質馨1，2，袁越1，2，邵秋葵3，呂鵬遠4

（1.河海大學能源與電氣學院，南京211100；2.河海大學可再生能源發電技術教育部工程研究中心，南京210098；3.中國三峽新能源公司，北京100053；4.響水長江風力發電有限公司，鹽城224600）

通過可靠的風電機組狀態監測系統，可實時監測風電機組的運行狀態，及時發現并排除風電機組的故障。首先對基于無線傳感網絡的風電機組狀態監測系統的可靠性進行研究。為提高監測系統的可靠性，將備用無線傳感器節點部署在風電機組中極易發生故障的部件上；根據馬爾可夫狀態轉移模型建立監測系統可靠性函數；運用粒子群算法以監測系統構建成本為目標函數，在監測系統可靠性滿足對風電機組的狀態健康監測的要求下，優化系統備用節點數目，并對影響監測系統的可靠性因素進行分析。結果表明，增加監測系統的備用節點可有效提高監測系統的可靠性。

風電機組狀態監測系統；可靠性；備用節點；無線傳感器網絡

長期以來，風電機組的故障維修一般僅依靠定期維護和事后維修，這嚴重制約了風電行業的發展。近年來，風電機組的狀態監測問題越發受到了社會各界的廣泛關注［1］。一些風電制造商也相繼開發了風電場狀態監測系統來實現對風電場內所有風電機組進行狀態監測，如美國GE公司的Bently Nevada系統，德國SKF公司的SKF WindCon等。擔不同風機廠家的狀態監測系統不兼容，導致風電場的中央監控室需對不同型號的風電機組配備不同的狀態監測系統。這不僅增加了監控人員的負擔，同時還增加風電場的投資成本。

隨著無線傳感器網絡WSN（wireless sensor net?work）技術被廣泛應用于有線監測設備難以到達的監測領域［2］。一些學者提出將該技術應用于風電機組狀態監測系統，基于WSN的風電機組狀態監測系統具有一定的通用性，能適用于不同類型的風電機組。文獻［3］提出了基于WSN技術的風電機組狀態監測系統構建方法；文獻［4］采用WSN技術對大功率風電機組齒輪箱的監控系統進行研究，給出監測系統的硬件設計以及上位機管理系統設計方案；文獻［5］在風電機組機艙內部關鍵位置部署振動節點來采集風電機組的振動狀態信息；文獻［6-8］采用WSN技術對風力發電機組機械傳動系統的狀態進行監測，給出節點的硬件組成，并設計了監測系統的軟硬件設計方案。

風電機組的狀態監測完全依賴于監測系統，為確保中控中心獲取的風電機組狀態信息實時性和準確性，必須提高監測系統的可靠性，這也是設計基于WSN的風電機組狀態監測系統過程中必須考慮的關鍵問題之一。目前，基于WSN的風電機組狀態監測系統還停留在理論階段。文獻［9］提出了使用LEACH協議作為監測系統路由協議方案，并以節點剩余能量作為簇頭節點選取標準，從而提高監測系統可靠性；文獻［10］根據風電機組不同故障類型部署相應的節點，并提出基于集群分布式無線傳感器網絡拓撲結構，以提高監測系統可靠性。然而，文獻［9-10］所提的方案并未從節點失效角度考慮監測系統的可靠性。

本文借鑒文獻［11］提高匯聚節點可靠性的方法，采用增加備件節點的方法對文獻［3］中構建的基于WSN的風電機組監測系統可靠性進行研究。首先對監測系統進行簡要說明，并對風電機組常見故障進行統計分析，確定備用節點部署位置；然后運用馬爾可夫模型分析監測系統的狀態轉移過程并建立監測系統可靠性函數；最后利用粒子群優化PSO（particle swarm optimization）法，以監測系統的構建成本為目標函數優化監測系統備用節點數目，并對影響系統可靠性因素進行分析。

1　監測系統可靠性分析

1.1監測系統設計方案

基于WSN的風電機組狀態監測系統如圖1所示，該監測系統由風電機組的狀態信息獲取系統、信息中轉站和中控中心3部分組成［12-13］。風電機組的狀態信息獲取系統是監測系統的重要組成部分，它是由部署在風電機組關鍵部件上的無線傳感器節點和基站構成，用來采集風電機組的狀態信息。圖中風電機組節點部署中的圓點代表無線傳感器節點，小型無線信號發射塔代表基站。狀態信息獲取系統中的無線傳感器節點和基站構成一個監測網絡，監測網絡采集到的風電機組狀態信息通過基站傳遞到中控中心。

由于無線信號傳輸的可靠性受距離和環境的限制，風電機組一般遠離中控中心且所處環境惡劣，為了保證到達中控中心的風電機組狀態信息的準確性與保真性，需通過信息中轉站將風電機組的狀態信息轉發給中控中心［14］。目前，信息中轉站大多由近地通信衛星或者其他網絡提供，如：基于GSM（global system for mobile communication）短消息的信息傳輸和基于GPRS（general packet radio service）的信息傳輸等方式。監測系統工作時，工作人員可在中控中心實時監視風電機組的工作狀態。

1.2監測系統備用節點部署

在風電機組易發生故障的位置，節點需采集并傳輸的狀態信息量較大，因此這些位置的節點更容易發生硬件失效或通信故障等問題，導致監測系統不能正常工作。若對這些位置上的節點進行備件，當節點失效時立即啟用備用節點，則能保證監測系統的可靠性。

風電機組中的液壓系統、偏航系統、葉片及槳距系統、齒輪箱、電力電子器件、發電機、機械剎車、傳感器及輪轂發生故障［15］的比例如圖2所示。

圖1　基于WSN技術的監測系統Fig.1　Monitoring system based on WSN

圖2　風電機組常見故障比例Fig.2　Common faults ratio of wind turbine

基于對風電機組易發故障的部件分析可知，風電機組的傳動系統、齒輪箱、發電機及葉片故障率較高。這些部件上部署的節點需采集并傳遞大量的狀態信息，并且這些節點處于振動幅度較大的環境中，相比其他部件上的節點更易失效。因此，在確定備用節點數目后，首先對這些位置部署備用節點，具體部署位置如表1所示，其中優先級越高的位置需首先部署上備用節點。

表1　帶齒輪箱的風電機組備用節點部署位置Tab.1　Places of reserve nodes for wind turbine with gearbox

2　監測系統的可靠性建模

2.1基于馬爾可夫模型的監測系統狀態轉移過程

設風電機組狀態監測系統的監測網絡由m個相同的子網組成，且每個子網均有n個相同的無線傳感器節點，即系統有k=m×n個相同的節點。監測系統部署了l個備用節點，若將監測系統的狀態轉移過程可看成一個馬爾可夫鏈，以節點的失效數目為衡量標準，則系統共有k+l個狀態。

設監測系統的固有節點和備用節點因發生故障而失效的隨時間變化分布函數均為f（1t），失效節點經修復后可再次利用。由于風電機組遠離控制中心，從發現節點失效到修復成功需要一定的時間，設節點的修復率隨時間變化的分布函數為f（2t）。本文f（1t）和f（2t）均為指數形式，對應的速率分別為α和β。需要說明的是，本文后續章節提出的方法同樣適用于其他分布函數的情況。

狀態0～l：監測系統為健康狀態H，從狀態i轉移到狀態i+1的速率為kα，返回狀態i-1的速率為iβ。當監測系統處于健康狀態H時，若有節點失效，均有對應的備用節點更換。狀態l+1～l+k：監測系統中沒有備用節點，節點失效會影響監測系統的性能，從狀態l+j以速率轉移到下一個狀態的速率為（k-j）α，返回狀態l+j-1速率為（l+j）β。若監測系統所能容忍失效的最大節點數為r，則狀態l+ 1～l+r為監測系統的風險狀態C，狀態l+r+1～l+k為監測系統的失效狀態F。此時，監測系統已不能完成對風電機組狀態健康監測的任務。監測系統的狀態轉移過程如圖3所示。其中，白色代表監測系統處于健康狀態H，灰色代表監測系統處于風險狀態C，黑色代表監測系統處于失效狀態F。

圖3　風電機組監測系統狀態轉移過程Fig.3　Status transfer process of wind turbine condition monitoring system

由馬爾可夫狀態轉移模型可得監測系統狀態轉移方程為

式中，P0（t）～Pl+k（t）為風電機組監測系統處于狀態0～l+k概率。令初始t=0時，P0（0）=1，P1（0）= P2（0）=…=Pl+k=0；對監測系統在不同狀態的概率對時間進行微分，并運用迭代法求解方程組（1），可得出監測系統在各個狀態下的概率穩態值為式中：P0為狀態0概率穩態值；Pi為狀態0～l+1概率穩態值；Pl+j+1為狀態l+1～l+k概率穩態值；μ=α/β。

2.2監測系統可靠性建模

令Pr為監測系統不能對風電機組進行健康監測的系統可靠性臨界值。令當監測系統可靠性A≤Pr時，監測系統不能正常工作；當A=Pr時，監測系統所需的備用節點數即為監測系統所能容忍失效的最大節點數r。則監測系統狀態函數S（N）j為

式中：M為某時刻系統中失效的節點數目，M=1，2，…，r；Nj監測系統的狀態空間向量，由m個子網狀態向量組成，即

其中

監測系統的可靠性A（t）定義為t時刻S（N）j=1 或0的概率，即

為了方便求解A（t），設監測系統中某時刻有M （M≤k）個備用節點短缺，每個子網可失效的最大節點數為fmax，則此時在一個子網中恰好有fj個備用節點短缺的概率為

令A0為一個子網中未出現備用節點短缺時的風電機組監測系統可靠性，Aj為一個子網中有fj個備用節點短缺時的系統可用性，AM為系統中有M個備用節點短缺時的系統可用性，則

由于監測系統從狀態0～l不會出現備用節點短缺，失效節點可通過備用節點替換，因此，A0=1。此外，由于fj≤M，當fj≤fmax時，Aj=1；當fj＞fmax時，Aj=0，因此監測系統的可靠性函數為

3　基于PSO算法的備用節點優化求解

3.1PSO算法簡介

PSO算法來源于對鳥類捕食行為的研究，是一種啟發式尋優算法。對于含有多個變量的優化問題，PSO算法首先初始化一群粒子，粒子根據自身尋優經驗和粒子間的經驗共享，不斷更新粒子的速度和位置，最終求得問題的最優解。PSO算法以其實現容易、精度高、收斂快等優點在解決優化問題中展示其優越性［16-17］。

本文選用PSO算法對監測系統的備用節點數目進行優化求解。本文粒子的更新公式為

式中：vid為粒子的速度；Yid為粒子的位置；ω為慣性權重；k為當前迭代次數；Pgd為群體適應度值最優位置；Pid為個體適應度值最優位置；Igd為每次迭代過程中群體適應度值最優位置；a1、a2、a3為加速因子；b1、b2、b3為［0，1］區間的隨機數。

3.2基于系統可靠性備用節點數目優化

由式（10）可知，影響監測系統可靠性A的因素有：備用節點數l，每個子網所能容忍失效的最大節點數fmax，系統中失效的節點數M，系統所能容忍失效的最大節點數r，系統中固有的節點數k，系統中的子網數m，每個子網所包含的節點數n以及節點的失效修復速率之比μ有關。

當其他影響因素相同時，隨著備用節點數l的增加，系統的可靠性越來越高，同時，監測系統的構建成本也越來越高。因此，需要在實現監測系統對風電機組健康監測的前提下，降低監測系統的構建成本，系統構建成本函數為

式中：C為系統備用節點成本；C0為備用節點的單價；Cp為監測系統未配置備用節點的構建成本。而系統所能容忍失效的最大節點數r是由系統可靠性A以及系統的備用節點數l共同確定的。則監測系統的優化模型為

算法具體流程如下：

（1）確定監測系統的基本參數值，初始化粒子的位置和速度；

（2）根據監測系統的約束條件修改粒子的位置和速度；

（3）根據目標函數C計算粒子適應度值，記錄個體極值和群體極值；

（4）更新粒子的位置和速度；

（5）根據監測系統的約束條件修改粒子的位置和速度；

（6）計算粒子適應度的值，記錄最優粒子位置以及個體值和群體值；

（7）判斷是否達到最大迭代次數，是則停止；否則轉到步驟（4）；

（8）根據系統可靠性A以及系統備用節點數l確定系統所能容忍失效的最大節點數r的值。

4　算例分析

本文采用Matlab軟件對風電機組狀態監測系統可靠性與每個子網可失效的最大節點數fmax的關系進行仿真。仿真參數為：m=8，n=6，μ=0.25，Pr= 0.9。系統機艙部分共有6個子網，3個葉片部署的節點構成1個子網，塔筒上的節點單獨構成一個子網。監測系統的可靠性A隨著備用節點數l及每個子網可失效的最大節點數fmax的變化關系見表2。

表2　監測系統可靠性A隨l和fmax的變化Tab.2　Reliability A of condition monitoring system changing with l and fmax

在工業領域中，一般均采用備件措施來提高系統的可靠性，基于WSN的監測系統也需在每個子網中部署一個備用節點來保證系統的正常工作。從表2可知，當監測系統每個子網都有一個備用節點時，系統可靠性約為68%；若繼續增加備用節點，監測系統的可靠性趨于80%，此時系統更為穩定，可為工作人員提供更可靠的風電機組狀態信息；當l≤6時，監測系統的可靠性隨著每個子網所能容忍失效的最大節點數fmax增大而提高；當l＞6時，系統的可靠性不再隨著fmax的變化而變化。這是因為隨著備用節點數l的增加至某一定值時，系統中失效的節點總能有備用節點提供替換，此時系統的可靠性將保持不變。

為進一步研究監測系統的可靠性A與備用節點數l的關系，采用第3節所提粒子群算法對監測系統備用節點數l進行優化，其優化過程如圖4所示。

由圖4可見，監測系統的可靠性A隨著備用節點數l的增加而增大。當0≤l＜4時，監測系統的可靠性幾乎為0，不會隨著備用節點數l的增加而增大；當4≤l＜10時，監測系統的可靠性隨著備用節點數l的增加而急劇增大；當10≤l＜16時，系統的可靠性隨著數l的增加而增長緩慢且逐漸趨近于1；當l≥16時，監測系統的可靠性趨近于1且保持不變。其最終優化結果為：A=0.993 799，l=16，r=6。將8個備用節點分配到監測系統的8個子網中，此時監測系統已較為穩定；再將剩余的8個備用節點根據表2中“備用節點部署優先級”的高低順序將其部署在風電機組上。

圖4　基于粒子群算法的監測系統優化過程Fig.4　Optimization procedure of condition monitoring system based on PSO

為了更好地優化并改進基于WSN技術構建的監測系統，設監測系統仿真參數為：k=48，μ=0.25，Pr=0.9，監測系統可靠性A＞0.99，改變每個子網的節點數n，則監測系統的l、r與n的關系如圖5所示。

圖5　n對l、r的影響Fig.5　Effect of nodes number n on l，r

由圖5可見，當監測系統中節點數k一定時，系統l、r的大小不會隨每個子網的節點數n的變化而變化；又因k=m×n，則系統中所包含的子網數m也不會影響監測系統的可靠性、l以及r。因此，當k一定時，若監測系統的其他因素相同時，監測系統的可靠性及l、r的大小相同。

設監測系統的節點數k=48，n=6，監測系統可靠性A＞0.99。改變監測系統的節點失效速率和修復速率之比μ，監測系統中l、r的大小與μ的關系如圖6所示。

圖6　μ對l、r的影響Fig.6　Effect of μ on l，r

由圖6可見，當監測系統其他參數一定時，監測系統的備用節點數l隨μ的增大而急劇增大，這是因為當μ增大時，節點失效的快且修復的慢，系統為了保持一定的可靠性需要配置更多的備用節點來保證系統的可靠性；同時，隨著μ的增加系統所能容忍失效的最大節點數r也隨之增加，但增長比較緩慢，這是由于系統為了保持可靠性系統所能容忍失效的節點數在相對減少。

設監測系統的節點數n=7，μ=0.25，監測系統可靠性A＞0.99時，改變k的值，監測系統中l、r的大小與k的關系如圖7所示。

圖7　k對l、r的影響Fig.7　Effect of nodes number k on l，r

由圖7可見，當監測系統其他參數一定時，監測系統l及r隨k的增大而增大。

通過上述分析可知，系統固有節點數k及節點的失效和修復速率之比μ對監測系統可靠性以及l、r的大小影響最大。因此，在構建系統時，應當綜合考慮這幾方面影響因素，保證監測系統的可靠性最優以及系統所需的節點數l最少。

5　結語

本文對基于WSN的風電機組狀態監測系統的可靠性進行研究，提出一種對節點進行備件的方法來提高監測系統的可靠性。研究結果表明，本文所提的方法可在系統構建成本最低的前提下，提高監測系統的可靠性，為其應用于實踐提供可行性依據。本文下一步的工作重點擬探討系統節點失效數目超過r時，如何在不增加備用節點的個數的前提下，使得監測系統能夠實現自我修復，保障監測系統的性能。

［1］傅質馨，袁越（Fu Zhixin，Yuan Yue）.海上風電機組狀態監控技術研究現狀與展望（Status and prospects on condition monitoring technologies of offshore wind tur?bine）［J］.電力系統自動化（Automation of Electric Pow?er Systems），2012，36（21）：121-129.

［2］蘇鵬聲，王歡（Su Pengsheng，Wang Huan）.電力系統設備狀態監測與故障診斷技術分析（Technology analysis of state monitoring and fault diagnosis in electric power systems）［J］.電力系統自動化（Automation of Electric Power Systems），2003，27（1）：61-65，82.

［3］ 傅質馨，趙敏，袁越，等（Fu Zhixin，Zhao Min，Yuan Yue，et al）.基于無線傳感網絡的海上風電機組狀態監測系統構建方法（Construction strategies for offshore wind turbine condition monitoring system based on wire?less sensor networks）［J］.電力系統自動化（Automation of Electric Power Systems），2014，38（7）：23-28.

［4］王傳坤（Wang Chuankun）.大功率風電齒輪箱的無線監控系統研究（A Study on Wireless Monitoring in High Power Gear Box of Wind Power）［D］.淮南：安徽理工大學電氣與信息工程學院（Huainan：College of Electrical and Information Engineering，AnHui University of Sci?ence&Technology），2010.

［5］王哲敏（Wang Zhemin）.無線傳感器網絡在風力發電機組狀態監測中的應用研究（Application Research of Wireless Sensor Networks in Wind Power Machine Moni?toring）［D］.包頭：內蒙古科技大學機械工程學院（Baotou：Mechanical Engineering School，Inner Mongo?lia University of Science&Technology），2010.

［6］楊文志，譚浩廣，諶文俊（Yang Wenzhi，Tan Haoguang，Chen Wenjun）.基于WSN的風力發電機狀態監測系統（Wind turbine condition monitoring system based on WSN）［J］.內蒙古科技與經濟（Inner Mongolia Science Technology&Economy），2011（21）：95-96.

［7］羅巧，劉紅（Luo Qiao，Liu Hong）.基于Zigbee技術的風場監控系統構建（Zigbee based monitoring system on wind farm）［J］.信息網絡安全（Netinfo Security），2013 （4）：36-38.

［8］ Hsu ChunLiang，Hsu TengYaw，Ho KuanYen，et al.The practical design of constructing data transition interface with ZigBee WSN-example with small-scaled wind-pow?er electricity generator system［C］//First IEEE Internation?al Conference on Ubi-media Computing.Lanzhou，China，2008：496-502.

［9］ 鄔春明，張海波（Wu Chunming，Zhang Haibo）.基于WSN的風力發電運行監測系統LEACH協議改進研究（The improvement of LEACH agreement for wind power generation monitoring system on WSN）［J］.東北電力大學學報（Journal of Northeast Dianli University），2011，31（1）：29-33.

［10］Fu Zhixin，Yuan Yue.Condition health monitoring of off?shore wind turbine based on wireless sensor network［C］// 10th International Power&Energy Conference.Ho Chi Minh，Vietnam，2012：649-654.

［11］張榮標，陳婷，沈卓，等（Zhang Rongbiao，Chen Ting，Shen Zhuo，et al）.工業控制WSN匯聚節點可靠性分析（Reliability analysis of sink node in industrial control WSN）［J］.江蘇大學學報（Journal of Jiangsu Universi? ty），2011，32（3）：320-324.

［12］Popeanga C，Dobrescu R，Cristov N.Smart monitoring and controlling of wind turbines farms based on wireless sensors networks［C］//1st International Conference on Sys?tems and Computer Science.Lille，France，2012.

［13］田英，徐麗杰，王瑋，等（Tian Ying，Xu Lijie，Wang Wei，et al）.基于統一平臺的風電場中央監控系統主站設計（Design of main station in windfarm center monitoring system based on unified platform）［J］.電力系統及其自動化學報（Proceedings of the CSU-EPSA），2014，26 （2）：55-59.

［14］Zimmerman A T，Lynch J P.A parallel simulated anneal?ing architecture for model updating in wireless sensor networks［J］.IEEE Sensors Journal，2009，9（11）：1503-1510.

［15］蔣程，張建華，劉先正，等（Jiang Cheng，Zhang Jianhua，Liu Xianzheng，et al）.計及運行工況的風電機組停運模型（Wind turbine outage model based on operation conditions）［J］.電力系統保護與控制（Power System Protection and Control），2013，41（24）：112-116.

［16］Lee Tsung-Ying.Operating schedule of battery energy storage system in a time-of-use rate industrial user with wind turbine generators：a multipass iteration particle swarm optimization approach［J］.IEEE Trans on Energy Conversion，2007，22（3）：774-782.

［17］Gaing Zwe-Lee.Particle swarm optimization to solving the economic dispatch considering the generator con?straints［J］.IEEE Trans on Power Systems，2003，18（3）：1187-1195.

System Reliability Analysis for Wind Turbine Condition Monitoring System Based on Wireless Sensor Networks

ZHAO Min1，2，FU Zhixin1，2，YUAN Yue1，2，SHAO Qiukui3，LYU Pengyuan4
（1.College of Energy and Electrical Engineering，Hohai University，Nanjing 211100，China；2.Research Center for Renewable Energy Generation Engineering of Ministry of Education，Hehai University，Nanjing 210098，China；3.China Three GorgesNew Energy Corp，Beijing 100053，China；4.Xiangshui Yangtze River Wind Power Co.，Ltd，Yancheng 224600，China）

By using reliable monitoring system，it will realize the real time monitoring of wind turbines′running state，find and solve the faults in time．The reliability of the wind turbine condition monitoring system based on wireless sen?sor network（WSN）is studied in this paper.In order to improving the reliability of the system，the reserve WSN’s nodes are deployed on the places of the wind turbine where faults often occurred.Reliability function of the system is built by Markov.Besides，the number of redundant nodes is optimized by particle swarm optimization，under the conditions that the cost of the system as its target function and the reliability as its constraints，and then analysis factors effected the reli?ability of the system.The results show that increasing the reserve nodes can improving the reliability of the system．

wind turbine monitoring system；reliability；reserve nodes；wireless sensor network

TM744

A

1003-8930（2016）03-0035-07

10.3969/j.issn.1003-8930.2016.03.007

趙敏（1990—），女，碩士研究生，研究方向為風電機組狀態監測、可再生能源發電技術和無線傳感器網絡。Email：zhaom1114@163.com

傅質馨（1983—），女，博士，講師，研究方向為可再生能源發電技術和無線傳感器網絡。Email：zhixinfu@hhu.edu.cn

袁越（1966—），男，博士，教授，研究方向為電力系統優化運行、電力系統穩定分析與控制、可再生能源與節能新技術。Email：yyuan@hhu.edu.cn

2014-06-16；

2015-07-16

江蘇省自然科學基金青年項目（BK2012409）；江蘇省“六大人才高峰”資助項目（2014-XNY-008）；中國三峽新能源公司科研項目“海上風電運行維護關鍵技術研究”