一種風(fēng)機(jī)變槳系統(tǒng)運(yùn)行狀態(tài)異常識別方法

姚萬業(yè), 楊金彭

(華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院，河北 保定 071003)

一種風(fēng)機(jī)變槳系統(tǒng)運(yùn)行狀態(tài)異常識別方法

姚萬業(yè), 楊金彭

(華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院，河北 保定 071003)

針對風(fēng)電場數(shù)據(jù)量大、類型多且數(shù)據(jù)結(jié)構(gòu)復(fù)雜的特點(diǎn)，采用分段多項(xiàng)式曲線擬合的方法，建立風(fēng)電機(jī)組變槳系統(tǒng)的健康模型。依據(jù)健康模型，對實(shí)時工況的參數(shù)變化趨勢進(jìn)行預(yù)測，然后采用滑動窗口殘差均值分析法，對實(shí)測值和預(yù)測值之間的殘差進(jìn)行閾值判斷，并結(jié)合現(xiàn)場經(jīng)驗(yàn)對變槳系統(tǒng)的運(yùn)行狀態(tài)進(jìn)行異常識別。歷史數(shù)據(jù)整理分析和Matlab仿真平臺驗(yàn)證表明：該方法對于識別風(fēng)機(jī)的異常運(yùn)行狀態(tài)具有可行性。

風(fēng)機(jī)變槳系統(tǒng);風(fēng)電場;發(fā)電機(jī);健康模型;實(shí)時工況;SCADA

0 引言

為適應(yīng)復(fù)雜的工況，國內(nèi)多數(shù)風(fēng)電場風(fēng)機(jī)采用變槳控制技術(shù)[1]。其中，多變的工況及高頻率的負(fù)荷變化會給變槳裝置帶來極大的損害。對風(fēng)電機(jī)組運(yùn)行狀態(tài)進(jìn)行準(zhǔn)確評估，合理安排風(fēng)電機(jī)組的運(yùn)行與檢修計(jì)劃，對延長機(jī)組的壽命、避免嚴(yán)重故障、節(jié)約維護(hù)成本意義重大。

目前，國內(nèi)普遍采用設(shè)定溫度恒定閾值，對變槳系統(tǒng)溫度參數(shù)進(jìn)行故障預(yù)警。鑒于風(fēng)機(jī)工作環(huán)境的復(fù)雜多變性和變槳系統(tǒng)的特殊性，該方法會導(dǎo)致誤報或不報，以及預(yù)留排查故障時間不足等問題。在充分研究變槳系統(tǒng)工作原理及溫度參數(shù)數(shù)據(jù)特征的基礎(chǔ)上，將曲線擬合預(yù)測方法應(yīng)用到故障預(yù)警中，并通過仿真，分析驗(yàn)證了該方法的可行性。

1 變槳系統(tǒng)評估體系

變槳系統(tǒng)作為風(fēng)機(jī)運(yùn)行的重要組成部分，主要包括驅(qū)動裝置和控制裝置。其中，驅(qū)動裝置由變槳電機(jī)和齒輪箱組成；控制裝置由控制柜、電池柜、軸柜和電容柜組成。該系統(tǒng)的主要作用是當(dāng)風(fēng)速小于額定風(fēng)速時，通過變槳系統(tǒng)改變槳距角，提高風(fēng)能吸收系數(shù)Cp，以保證最大效率地吸收風(fēng)能；當(dāng)風(fēng)速高于額定風(fēng)速時，通過調(diào)整葉片的槳距角降低風(fēng)機(jī)轉(zhuǎn)速，維持風(fēng)機(jī)輸出功率在額定值附近，從而防止發(fā)電機(jī)和逆變系統(tǒng)過載，保證風(fēng)機(jī)正常穩(wěn)定地運(yùn)行。

由于風(fēng)速的不確定性及驟變特征，導(dǎo)致風(fēng)機(jī)變槳動作頻繁，這極易造成變槳裝置的損壞。河北赤沽風(fēng)場2015年變槳系統(tǒng)故障統(tǒng)計(jì)如表1所示。

由表1可見，2015年,該風(fēng)場變槳系統(tǒng)超過50%的故障發(fā)生在變槳電機(jī)部位。根據(jù)其工作原理，以變槳電機(jī)繞組溫度作為重點(diǎn)評估變槳系統(tǒng)運(yùn)行狀態(tài)指標(biāo)。

2 變槳系統(tǒng)健康模型的建立

為了能夠擬合出變槳系統(tǒng)的各個運(yùn)行工況，需要對風(fēng)場中同一機(jī)型風(fēng)機(jī)在較長一段時間內(nèi)的歷史數(shù)據(jù)進(jìn)行整理、分析，從而模擬出較完整的健康模型。這就對數(shù)據(jù)有一定的質(zhì)量要求。樣本數(shù)據(jù)的選擇原則[2]如下。

①數(shù)據(jù)樣本來源于風(fēng)機(jī)正常輸出功率工況[3]，即切入風(fēng)速為3～15 m/s之間的數(shù)據(jù)。

②樣本數(shù)據(jù)必須取自風(fēng)機(jī)穩(wěn)定運(yùn)行工況下，當(dāng)風(fēng)機(jī)在啟動期間，各方面的指標(biāo)參數(shù)會發(fā)生劇烈變化，這種情況不利于變槳系統(tǒng)健康模型的建立。

變槳系統(tǒng)穩(wěn)態(tài)工況如表2所示。

鑒于上述原則，以河北赤沽風(fēng)場2015年整年的變槳電機(jī)繞組溫度數(shù)據(jù)信息庫作為樣本來源，在現(xiàn)場SCADA系統(tǒng)中，以10 min為采集單位、變槳電機(jī)繞組溫度10 min平均值作為分析對象[4]。通過對海量歷史數(shù)據(jù)的統(tǒng)計(jì)分析，參考 IEC標(biāo)準(zhǔn)，以0.5 m/s為風(fēng)速劃分單位[5]。

對于溫度類指標(biāo)，借鑒IEC標(biāo)準(zhǔn)中Bin方法繪制出指標(biāo)曲線[6]，再通過曲線擬合得到溫度隨風(fēng)速變化的擬合函數(shù)[7]。變漿電機(jī)繞組溫度曲線如圖1所示。

圖1 變槳電機(jī)繞組溫度曲線

圖1中:“+”為風(fēng)速與變槳電機(jī)繞組溫度的實(shí)際測量值；光滑曲線為依據(jù)測量值得到的擬合曲線。

變槳電機(jī)繞組溫度關(guān)于風(fēng)速的多項(xiàng)式擬合函數(shù)可表示為：

式中:T(w)為變槳系統(tǒng)穩(wěn)定運(yùn)行時理論的計(jì)算值大小;w為風(fēng)速大小。

3 殘差分析

風(fēng)機(jī)在運(yùn)行過程中，由于不確定因素(外界環(huán)境溫度突變)和隨機(jī)干擾(傳感器測量誤差等)的存在[8]，變槳電機(jī)繞組溫度的實(shí)際值和預(yù)測值會有一定的偏差，從而導(dǎo)致某些孤立點(diǎn)的出現(xiàn)。此外，并網(wǎng)功率的大小和時間等也會影響變槳電機(jī)繞組溫度。

3.1 殘差均值分析算法

規(guī)定風(fēng)場變槳電機(jī)繞組溫度的實(shí)測值x0與預(yù)測值xi之間的殘差為：

ε=x0-xi

(1)

由于殘差均值能夠反映殘差的平均分布情況，文中采用滑動窗口殘差均值分析方法來進(jìn)行分析[9]。該方法的主要優(yōu)點(diǎn)是可以在一段時間內(nèi)連續(xù)反映殘差的變化，通過選擇合適的滑動窗口寬度N,可以消除孤立點(diǎn)的影響，準(zhǔn)確反映殘差的整體變化趨勢，從而提高異常識別的準(zhǔn)確度。

在時間t內(nèi)，變槳電機(jī)繞組溫度的殘差序列為：

εT=[ε1ε2…εN]

將滑動窗口的寬度設(shè)為N，對這連續(xù)的N個殘差序列計(jì)算均值：

(2)

設(shè)備在正常運(yùn)行期間，經(jīng)過滑動窗口計(jì)算后得到殘差均值，取其絕對值的最大值記為Ev。基于健康模型的殘差閾值Ev為[10]：

Ev=±k×Ex

(3)

式中:k的取值現(xiàn)沒有明確的公式，依據(jù)現(xiàn)場多年經(jīng)驗(yàn)及對故障信息[11]的統(tǒng)計(jì)分析，選取k值為1.2。計(jì)算得到異常溫度殘差閾值為15 ℃。

3.2 殘差驗(yàn)證

采用殘差分析方法對風(fēng)場歷史數(shù)據(jù)進(jìn)行驗(yàn)證。從SCADA系統(tǒng)中選取2015年4月9日～4月15日之間變槳電機(jī)繞組溫度值，對“健康模型”進(jìn)行驗(yàn)證。殘差輸出如圖2所示。

圖2 殘差輸出圖

由圖2可知，在第0～25個點(diǎn)之間，溫度殘差保持在穩(wěn)定范圍內(nèi)，且距預(yù)警閾值有較大裕度，從大約第30個點(diǎn)開始?xì)埐铋_始迅速增大，到第40個采集點(diǎn)時，溫度超過閾值并繼續(xù)增大。SCADA系統(tǒng)故障分析表明，風(fēng)機(jī)變槳系統(tǒng)在第25～30個采集點(diǎn)之間可能出現(xiàn)異常狀況。

4 結(jié)束語

殘差圖與SCADA記錄信息圖表明，對于變槳系統(tǒng)中變槳電機(jī)繞組溫度參數(shù)，采用歷史數(shù)據(jù)擬合曲線分析方法對某工況下參數(shù)變化趨勢進(jìn)行計(jì)算，能夠?qū)ζ湔w變化走向進(jìn)行大致預(yù)測。再結(jié)合滑動窗口殘差均值分析法對實(shí)際值和預(yù)測值得殘差進(jìn)行評判，依據(jù)現(xiàn)場經(jīng)驗(yàn)設(shè)置預(yù)警閾值。該方法能夠及時發(fā)現(xiàn)變槳系統(tǒng)的異常，并作出準(zhǔn)確的判斷，表明該方法具有很高的實(shí)用價值。

[1] 顧煜烔，蘇璐瑋，鐘陽，等.基于區(qū)間劃分的風(fēng)電齒輪箱在線故障預(yù)警方法[J].電力科學(xué)與工程,2014,30(8):1-5.

[2] 吳恵榮.統(tǒng)計(jì)學(xué)原理[M].上海:上海交大出版社，2000:15-21.

[3] 朱勇華.應(yīng)用數(shù)理統(tǒng)計(jì)學(xué)習(xí)指導(dǎo)[M].武漢:武漢大學(xué)出版社，2002:11-25.

[4] 國家標(biāo)準(zhǔn)化管理委員會.GB/T4883-2008數(shù)據(jù)的統(tǒng)計(jì)處理和解釋正態(tài)樣本離群值的判斷和處理[S]:北京：中國標(biāo)準(zhǔn)出版社,2009:407-432.

[5] 高祥寶，董零青.數(shù)學(xué)分析與SPSS應(yīng)用[M].北京:清華大學(xué)出版社，2007：27-34.

[6] 肖運(yùn)啟，王昆明，賀貫舉，等.基于趨勢預(yù)測的大型風(fēng)電機(jī)組運(yùn)行狀態(tài)模糊綜合評價[J].中國電機(jī)工程學(xué)報，2014,34(13):2132-2139.

[7] 王珊，蘇璐瑋，顧煜烔，等.變工況特性下的風(fēng)電軸承早期故障診斷方法[J].電力科學(xué)與工程，2014,3(30):39-43.

[8] 李大中，許炳坤，常城.大型風(fēng)電機(jī)組現(xiàn)場運(yùn)行數(shù)據(jù)預(yù)處理及模型建立[J].國網(wǎng)技術(shù)學(xué)院學(xué)報，2015,18(3):6-10.

[9] 陳子斯.基于風(fēng)電機(jī)組SCADA數(shù)據(jù)的故障預(yù)警預(yù)測方法研究[J].電力技術(shù)與應(yīng)用,2011,18(3):5-9.

[10]張新燕，何山，張曉波，等.風(fēng)力發(fā)電機(jī)組主要部件故障診斷研究[J].新疆大學(xué)學(xué)報(自然科學(xué)版),2009,26(2):6-9.

[11]張圣楠，龐偉，劉曉敏.華北電網(wǎng)風(fēng)力發(fā)電數(shù)據(jù)挖掘分析系統(tǒng)研究與應(yīng)用[J].華東電力,2012,40(12):2211-2215.

A Method for Identifying Abnormal Operation State of the Turbine Variable Pitch System

YAO Wanye, YANG Jinpeng

(School of Control and Computer Engineering, North China Electric Power University, Baoding 071003,China)

Due to the complex structure,large volume and various types of the wind farm data,the health model for variable pitch system of wind turbine generators system is built by using piecewise polynomial curve fitting.Based on the health model,the varying trend of parameters about real time operating conditions is predicted; then by using the sliding window residual mean analysis method,the threshold judgment for residual error between actual value and predicted value is conducted; and combining the practical experience in the field,the abnormal operation state of the variable pitch system is identified.The analysis of historical data and verification of Matlab simulation platform show that the result shows that the method is feasible to identify the abnormal running state of wind turbine.

Turbine variable pitch system;Wind farm;Generator;Health model;Real-time operating condition;SCADA

中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助(2014MS138)

姚萬業(yè)(1965—)，男，博士，教授,主要從事網(wǎng)絡(luò)控制系統(tǒng)、圖像識別、DCS分散控制系統(tǒng)和管理信息系統(tǒng)的研究。E-mail：yaowanye@163.com。

TH17;TP23

A

10686/j.cnki.issn 1000-0380.201701025

修改稿收到日期:2016-06-23