遠程故障診斷平臺在風電機組運行中的應用研究

陳文強，代非凡

（1.魯能新能源（集團）有限公司陜西分公司，陜西西安 710000；2.北京風行致遠科技有限公司，北京 102208）

1 風電機組及常見故障概述

1.1 風電機組

風力發電的原理是在風的吹動下，通過輪轂作用，葉片帶動轉子旋轉，雙饋機組由齒輪箱作用提高轉速，發電機在高速軸作用下開始旋轉發電。風電機組主要由風輪系統、傳動系統、發電機系統、偏航系統、制動系統及控制系統構成。風輪系統包括葉片、輪轂、變槳軸承、導流帽。變槳軸承連接葉片與輪轂，葉片力矩由輪轂傳遞至傳動系統，導流帽能夠降低風阻。傳動系統包括主軸、齒輪箱和聯軸器等。齒輪箱提升主軸轉速，聯軸器吸收振動和阻尼，確保傳動系統運行平穩。發電機系統用于最為關鍵的能量轉換。雙饋感應發電機是繞組式結構，定子與電網直接相連，同時電網和轉子之間設置了變流器，進而通過自動調節達到恒頻發電目標。偏航系統是確保風電機組實現最大化風能利用效率的關鍵，主要由風向標、偏航電機等組成。風向標對風向和風速進行測量，對比機艙位置后將誤差信號傳輸至偏航電機，對機艙位置進行調整。制動系統用于實現高速軸制動、偏航剎車及葉片空氣制動。控制系統包含多個組成部分，部分之間能夠互相通信。變流器控制和變槳距控制是風電機組控制系統核心，是實現風電機組多數智能行為和安全高效運行的保證。

1.2 風電機組常見故障

數據表明，葉片、齒輪箱、發電機是風電機組發生故障問題最為頻繁且故障排除耗時較久的部件。①因風速不斷變化，葉片受到的風力作用和方向也不斷變化，因此會產生應力損傷；空氣中的腐蝕因子，雷電等不良自然因素也會導致葉片出現開裂現象；設計生產環節也會對葉片的使用性能和壽命產生重要影響。②隨著風電機組不斷運行，齒輪箱受到的沖擊載荷和交變應力也會不斷增加，進而引發齒輪故障或軸承故障；設備溫度超范圍，會導致潤滑脂失效，齒輪表面受損或折斷；潤滑不到位或齒輪箱未按標準要求使用，也會導致軸承出現嚴重磨損問題。③風電機組在露天環境運行，各種類設備時刻遭受外界環境侵蝕，不可避免會發生機械與電氣故障。電氣故障主要表現為電流和電壓異常；常見機械故障包括機械部件過熱或磨損嚴重。基于風電機組故障問題產生位置、頻率和原因研究，有利于風電機組故障診斷監測平臺的高效構建，提高機組運行安全性，縮短故障排除耗時。

1.3 風電機組故障診斷

風電機組故障診斷預測是指通過監測和檢測風電設備的運行狀態，掌握設備運行數據信息，在此基礎上判斷設備健康狀態，識別運行故障，并預測故障問題的發展趨勢，基于故障診斷預測結果，制定合理的設備運維決策。隨著噪聲和振動理論體系的不斷完善發展，各類數據挖掘與監測技術在風電機組故障診斷中的應用也日漸深入。當前，應用較為廣泛的風電機組故障診斷方法主要有3種。

（1）模型故障診斷。針對風電機組數學模型，使用狀態觀測器、奇偶方程或參數估計獲取故障數據和預測數據殘差，采取閾值設置的方式進行殘差運算分析，完成風電機組故障診斷。模型故障診斷在早期故障檢測和故障預測方面能夠發揮高效作用，但是要建立高精準性的監測數學模型難度較高，尤其風力發電機組子系統眾多，運行條件復雜不變，負載不確定性較高，進一步提高了建模難度[1]。所以，模型故障診斷適用于特定故障元件，但在實際風電機組異常檢測與故障診斷中并不適用。

（2）信號處理故障診斷。利用傳感器對輸入、輸出信號進行獲取并記錄，然后基于信號處理技術提取信號特征。在此基礎上構建針對性模型，分析機組運行故障與信號特征的對應性，實現故障診斷目標。常用的信號處理方法有小波變換法、頻譜分析法、經驗模態分解法等[2]。信號處理故障診斷方法具有更高的實時性和靈敏度，其適用范圍也更大，在提取具有明顯特征的故障信號后，能夠準確定位故障位置。但這一故障診斷方法在實際使用過程中漏檢、誤解的發生概率較大。

（3）數據驅動故障診斷。通過對風電機組SCADA 系統中的海量數據信息進行提取分析處理，構建專家系統或模型，進而實現故障診斷。常用數據驅動方法有SVW（支持向量機）、BP（神經網絡方法）、MSET（多元狀態估計）及RVW（相關向量機）等[3]。數據驅動故障診斷方法需基于大量數據進行模型構建，同時要提前選擇特征向量，要重點考量數據集大小在計算效率和檢測可靠性方面的影響。數據驅動故障診斷具有高可靠性和適應性，是風電機組遠程故障診斷發展的主流趨勢。

2 遠程故障診斷平臺在風電領域的應用意義

①有利于增強風電機組在運行過程中的可靠性。基于歷史監測數據，遠程故障診斷平臺能夠對供電機組設備的運行狀態發展變化趨勢進行預測，提前發現運行信息異常點和元件故障征兆，通過報警提醒管理人員判斷設備異常情況是否屬實，提前制定預防維修方案，避免因故障發生導致系統崩潰或停機。②有利于提高風電機組的養護檢修效率。大多數時候風電機組故障并不是單一性的，經常出現多種故障同時發生的問題，利用遠程故障診斷平臺能夠從龐大復雜的數據信號中提取不同類型故障的特征變量進行故障診斷，最終增強風電機組運行穩定安全性[4]。③有利于控制風電機組的運維成本。遠程故障診斷平臺能夠解決風電機組運維過程中存在的資源過剩問題，減少因頻繁且盲目進行定期檢查維修導致的資源浪費，使風力發電發揮更高水平的環境效益和經濟效益。

3 遠程故障診斷平臺簡介

風電機組遠程故障診斷平臺構建開發環節主要包括以下4個環節。①硬件平臺的選型優化、信號數據采集。為滿足故障診斷平臺硬件需要，主控芯片必須具有強大的控制功能和數據處理能力，故使用DSP 處理器作為嵌入式設備硬件[5]。傳感器采集風電機組設備模擬信號，并對數據信號進行傳輸處理，通過SCI串口將機組運行工況傳輸至遠程發射模塊，控制終端設備即可對工況結果進行接收。②系統數據預處理和提取原始信號特征，經過抗混疊濾波預處理，分離信號中的噪聲，增強信號應用有效性。功率譜FFT 變換分析能夠對信號進行時域、頻域轉換，數據預處理時先對原始信號利用FIR 濾波器函數做高頻濾波[6]。因風電機組運行環境具有較強復雜多變性，在濾波器函數庫內嵌入可調性相關因子，能夠避免DSP 硬件和工況環境對濾波器的影響[7]。除此之外，還要對數據信號進行FFT 變換和逆變換。③分類識別機組運行故障，主要是利用特征提取函數提取選擇完成預處理的信號中的有效特征值。④利用無線通信技術傳輸故障診斷結果。

4 遠程故障診斷平臺在風電機組運行中的應用功能

4.1 在線監測功能

在線監測是指全天候監控風電機組的運行過程，以便第一時間發現故障發生征兆。具體監測內容包括振動監測分析列表、狀態列表、系統日志和過程報警日志。振動監測分析列表通過分析計算得出振動峰值、有效值、方根峰值、均值和各時域指標，以此作為故障位置、類型的判斷依據；狀態列表對機組的停機次數、開機時間、機組描述和位置、狀態正常與否，最后停機時間進行記錄監測；系統日志和過程報警日志記錄風電機組運行期間的報警記錄。

4.2 機組管理功能

機組管理功能的實現是借鑒物聯網和信息系統的集成化管理理念，將風電機組設備的管理維修信息集成至同一網絡中，便于進行統一資源管理和調度。風電機組維修人員能夠在線查詢機組的管理和養護維修記錄，同時也可以實時了解各機組零部件的庫存數量和位置。機組管理功能主要包括對機組信息、養護維修管理、庫存的遠程信息管理，進一步提高了風電機組的科學化管理。①機組信息包括機組名稱、編號、型號、重量、額定功率、負責人和運行時間。根據個人權限，可以查詢相關信息，提高技術管理便捷性。②養護管理對風電機組的維護及計劃進行了記錄，具體包括維護單號、養護計劃和執行時間、機組編號、養護級別、養護負責人及維護持續時間。養護記錄有利于管理人員在故障發生之前針對風電機組制定科學的維護計劃。維修管理主要對風電機組日常故障發生和維修狀況進行記錄，具體包括故障時間、維修編號、維修時間、故障描述、維修持續時間及負責人等內容。管理人員可以利用網絡平臺查詢故障情況，便于統一進行人員和資源調度。③庫存管理主要是對各部件的庫存及相關信息進行記錄，包括庫存部件名稱和編號、型號、所屬設備、單價、位置、采購及管理人員、庫存量、采購日期、生產廠家。庫存管理信息方便了管理人員對所需部件進行查詢，對于公司設備部件采購存儲具有重大意義。

4.3 故障診斷功能

故障診斷功能主要是對風電機組實時運行狀態進行監測，從而判斷風電機組運行狀態是否正常，及時發現設備故障的出現征兆。故障診斷圖譜分析利用圖形的方式直觀形象地展示各類監測信息，主要包含時域圖、自功率譜圖、頻譜圖、機組總貌圖、自相關譜圖及倒譜圖[8]。機組總貌圖中包含所有傳感器的具體位置及測量范圍示意圖，從總貌圖中能夠直觀看到故障出現位置以便后續故障診斷。時域圖用于對振動數據信號進行監測，反映數據信號-時間變化曲線。自功率譜圖、頻譜圖、自相關譜圖及倒譜圖等是基于FFT（傅里葉變換）的圖譜分析，是遠程故障診斷的重要依據[9]。頻譜圖是對信號進行分析的傅立葉變換幅值譜，利用頻譜圖能夠分析信號數據頻率分布狀況，判斷風電機組的運行狀況。故障診斷功能中，利用自相關函數能夠探測分析被干擾信號的周期成分，一旦出現機組故障，就能將隱藏在復雜的噪聲中的周期成分分離出來，用于判定具體故障。信號功率倒頻譜分析能夠提高信號功率幅度加權，直觀呈現信號構成和周期成分。倒頻譜分析通過分離提取源信號，為故障特征識別提供支持。

5 結束語

降低風電機組設備故障發生率，提高故障診斷排除效率，是影響當前風電行業發展的關鍵因素。遠程故障診斷平臺通過互聯層分層、服務器層、網絡客戶端層能夠有效跨區域解決風電機組運行問題，對分散風電機組設備實現遠程監測與集成化管理，在線進行監測數據顯示分析，提高故障診斷排除效率。將遠程故障診斷平臺用于風電機組運行，能夠有效控制維護成本和維修周期，降低維修庫存和過剩維修，節約養護維修人力成本，提高風電機組運行經濟性與可靠性。