趙祖龍

（大唐山東清潔能源開發有限公司，山東 青島 266500）

0 引言

一直以來，人們習慣于采用事后檢修和周期性維護的檢修方式，導致風電機組運維成本較高。為了加強對風電機組健康狀態的評估分析，有必要建立專門的健康監測系統，通過對監測數據的判斷了解風電機組當前所處的運行狀態，進而對風電機組健康衰退趨勢做出預判，找出可能存在的故障點，對設備安排檢修與維護，降低風電機組運行成本?；诖髷祿治黾夹g，開發風電機組的智能評估及診斷系統，能夠實現在線健康狀態監控，從而對風電機組運行展開智能管理，實現風電機組的事前控制。

1 風電機組現狀及常見故障類型

風電機組停機故障，會給風電場造成巨大的經濟損失。對故障種類進行分析，常見故障如下。

1.1 齒輪箱故障

在風電機組中，齒輪箱的故障率是最高的。一旦齒輪箱發生故障，會造成風電機組停機，且時間較長。齒輪箱故障常見于齒輪故障與滾動軸承故障，新投產的風電機組大多數配備了專門的振動監測系統，一旦齒輪與滾動軸承部位出現異常，系統會進行信號提示，提取信號特征可判斷出具體故障類型，確定故障部位。使用傅里葉變換與小波變換時頻分析方法能夠對齒輪箱故障進行精準的診斷，為接下來的故障解決提供重要參考。

1.2 發電機故障

一般情況下，風電系統通常使用雙饋異步風力發電機和永磁同步發電機等發電機型。機艙在高空中工作，發電機長期在工況復雜多變、電磁環境惡劣的環境下工作，在運行中容易出現故障，如軸承故障或短路故障。發電機處于故障狀態時，電量會出現變化，技術人員主要通過發電機運行中的物理量信號變化情況，應用專門的信號處理技術確定故障種類。

1.3 電力裝置故障

風電機組會在變頻器的作用下接入電網，當環境風速發生變化時，風電機組能夠輸送高質量電能。永磁直驅式發電機需要在定子側通過變頻器與電網連接，而雙饋式風電機組在轉子側通過變頻器與電網連接。相比之下，后者更容易發生電力電子裝置故障，功率元件也更容易受損。技術人員通常使用小波分析方法提取故障特征信息，使用神經網絡方法對故障法分類，判斷故障嚴重程度，以便進行接下來的故障診斷與維修。

1.4 葉片故障

葉片屬于風電機組設備的基礎部分，受長期承受風力帶來的沖擊荷載影響，葉片受力情況復雜，在運行時激振力經過葉片傳遞。技術人員通過應用有限元分析方法為風電機組建立動力學模型，經過計算與模態分析了解葉片振動頻率，觀測頻率的變化情況，分析葉片是否存在裂紋，從而實現對葉片的故障診斷。

2 大數據技術的應用優勢

在風電機組中利用大數據技術進行智能監控，對風電機組展開健康狀態評價，這是保障設備安全運行的一種評估方式?；诖髷祿夹g建立健康狀態管理系統，可有效實現以下功能。①信號處理。傳感器與控制系統中傳入的數據主要包含風電機組功能狀態指標和系統提取的內容特征信息，信號轉換后變為系統需要的信息格式。使用傅里葉變換和小波變換方法，可以將數據處理后輸出壓縮的信息，以便健康狀態管理系統對信息展開分析。②狀態監測。技術人員對信號處理部分傳來的數據展開分析，按照數據測試報告了解風電機組各子系統當前運行狀態，以便對子系統的運行環境展開監測。③健康狀態評價。技術人員對系統傳入的數據進行科學評估，分類判斷信息，了解系統健康狀態，根據評估結果對風電機組展開故障處理或資源管理。④剩余壽命預測。根據數學模型與力學理論提出的觀點，系統對風電機組剩余壽命進行評估，為設備故障運維決策提供參考信息。⑤運維決策。基于以上子系統帶來的信息，系統為風電機組維護提供建議，從而幫助管理層完成設備維護、部件更換與采購、工作人員分配等計劃。

3 基于大數據技術對風電機組進行智能評估及診斷

3.1 健康狀態評估

在風電機組健康狀態評價中，整體上需要經過評價指標選擇、評價指標體系構建、評價算法選擇、健康狀態評價模型構建、健康等級劃分、評價結果分析等流程。其中，健康指標權重可以反映出健康評價系統的可靠程度，健康狀態評價模型的建立同時可以實現對評價決策的選擇，健康等級劃分也是對風電機組健康狀態評價結果的分析，以便技術人員按照風電機組健康等級確定故障情況，從而選擇相應解決方案。

不同風電機組出現的故障不同，使用壽命也會不同，但設備的故障與使用壽命變化規律大致相同。風電機組運行初期階段的各個零部件與控制系統處于磨合階段，安裝調試時可能留下隱患問題。偶發故障時期是指風電機組的有用壽命期，當風電機組經過磨合期后，其運行逐漸處于穩定狀態，這時設備故障率很低，在沒有出現突發事件的情況下，設備一般不會產生故障。突發事件主要指工作人員使用不當、外界環境變化、操作失誤等，這些情況的出現具有偶然性。嚴重故障是指隨著風電機組使用時間的增加，各部件在運行中受物理或化學因素影響出現了不同程度的磨損和老化，這一階段的風電機組故障率將會提升，甚至影響系統正常運行。如果不及時維修，風電機組運行的風險系數將會增加，將會造成巨大的經濟損失。實時評估風電機組運行狀態，及早干預維修，可將經濟風險控制在最低，降低機組運行維護成本。

3.2 故障診斷

基于大數據分析展開風電機組的健康狀態評估，大數據處理流程主要有數據采集、數據統計與分析、數據導入與預處理、數據挖掘4 個部分。當前風電機組擁有較為完善的數據采集與監視控制系統（Supervisory Control And Data Acquisition，SCADA），可以對設備運行情況進行監視與控制，以此完成對風電機組的數據采集。大數據系統會按照分鐘級或秒級間隔記錄設備運行的原始數據。由于采集系統的數據量十分龐大，運行參數可達到幾百項，一臺風電機組的每月記錄數據能夠達到幾百兆字節，對這些海量數據展開整理與分析，有利于判斷設備運行狀態。

對數據展開分類匯總，對歷史監測數據統計分析，可以得到數據正常運行閾值和風電機組健康運行評判標準。在數據導入與預處理過程中，選擇對風電機組內各個子系統的運行狀態影響最明顯的參數進行統一模糊預處理，可以達到數據量化統一的目的。在數據挖掘系統中，需要使用不同的算法進行數據計算，對各項評價指標進行數據的深入挖掘，得到風電機組在不同健康狀態等級條件下的模糊分界區間，計算出評判指標權值。應用劣化度對健康狀態評估指標統一處理，劣化度取值在0～1 之間，可對齒輪箱、軸承溫度和處理偏差值進行分析，從而確定劣化度，或者根據槳葉角度指標計算劣化度。技術人員通過遵循模糊性與最大隸屬度的原則，對各項指標進行綜合評判，實現指標統一量化。在完成指標評判后，按事件影響程度分配權重，依靠模糊綜合評判理論評估風電機組的健康運行狀態。由于三角形和半梯形的組合分段函數較為簡單，與其他隸屬度函數相比，計算結果接近，因此應使用三角形和半梯形隸屬度函數對風電機組健康狀態進行智能診斷。

3.3 手機App 智能預警

使用Web 頁面設計App 終端，提供在線預警功能，可以進行決策管理。手機便于攜帶，使用手機App 協助現場管理輔助在線監測和預警，具有明顯優勢?；诖髷祿h境進行信息分析，App 可以顯示風電機組電流、電壓、運行功率以及環境溫度，便于工作人員可以快速了解風電機組運行環境。App 可以實時呈現風電機溫度，當溫度超過設定閾值會自動報警，便于對風電機組進行管理。App 具備擴展組建功能，根據不同風電機組可以定制化設計管理需要，突出該風電機組的重點管理項目。輸入風電機組溫度、功率、發電量等參數后，App 可以實時生成報表，減少人工制作報表工作量，規避人為失誤。使用App 輔助風電機組的管理，能夠減少維護手冊工作量，將風電機組故障的所有數據上傳至數據庫。App 終端和智能系統連接，可指導現場管理人員進行風電機組的維護作業，發揮決策功能。

4 結語

隨著我國風力發電的發展和風場數量的增加，風電機組的容量不斷擴大，對風電機組的運行狀態進行檢查關系到風電機組運行的安全性與可靠性。風電機組健康狀態評估可為故障檢修提供參考依據，降低設備維修成本?；诖髷祿治鼋⒃O備健康狀態管理系統，具有重要的應用價值，能夠對風電機組展開實時狀態管理，一旦風電機組出現異常情況，智能系統能夠立即識別，發出報警并做出診斷，輔助維護人員進行檢修。