基于SCADA數(shù)據(jù)的海上風(fēng)電機(jī)組故障診斷方法

國(guó)家電投集團(tuán)江蘇海上風(fēng)力發(fā)電有限公司 王鋒 楊榮 黃攀 田智捷

1 引言

風(fēng)力發(fā)電已經(jīng)逐漸成為世界各國(guó)能源開發(fā)的重點(diǎn)。我國(guó)風(fēng)電裝機(jī)在2021 年創(chuàng)歷史新高，新增設(shè)的吊裝海上機(jī)組有2603 臺(tái)，新增裝機(jī)容量達(dá)到1448.2 萬(wàn)kW，同比增長(zhǎng)276.7%。目前，海上風(fēng)電規(guī)模化發(fā)展、深海漂浮式、大功率海上裝備、智能運(yùn)維等發(fā)展趨勢(shì)，在“雙碳”目標(biāo)等機(jī)遇下，海上風(fēng)電發(fā)展?jié)摿薮螅瑱C(jī)遇和挑戰(zhàn)并存。

為測(cè)試和比較不同的風(fēng)電機(jī)組故障診斷方法的精度，國(guó)內(nèi)外學(xué)者開展了大量研究。Tautz等[1]以風(fēng)電場(chǎng)SCADA 系統(tǒng)的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)為基礎(chǔ)進(jìn)行越限報(bào)警。Leahy等[2]研究發(fā)現(xiàn)，基于SCADA系統(tǒng)的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，給出典型故障的越限診斷指標(biāo)。Schlechtingen等[3]研究發(fā)現(xiàn)，基于主傳動(dòng)鏈振動(dòng)監(jiān)測(cè)系統(tǒng)的振動(dòng)信號(hào)分析，采用神經(jīng)網(wǎng)絡(luò)對(duì)轉(zhuǎn)速和載荷非平穩(wěn)狀態(tài)下的齒輪箱故障進(jìn)行識(shí)別，比較SCADA 系統(tǒng)的低速實(shí)時(shí)監(jiān)測(cè)系統(tǒng)的越限報(bào)警信號(hào)可以更加精確地定位齒輪箱故障。以上研究大多集中在SCADA 系統(tǒng)信號(hào)的提取和故障檢測(cè)模型的改進(jìn)上，通過(guò)使用數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)的識(shí)別故障。

我國(guó)海上風(fēng)電行業(yè)起步較晚，累計(jì)故障樣本數(shù)量較少，導(dǎo)致訓(xùn)練后的網(wǎng)絡(luò)精度較低，面對(duì)稍復(fù)雜的故障情況，系統(tǒng)無(wú)法診斷。因此，為了提高海上風(fēng)電機(jī)組故障診斷的準(zhǔn)確性，減少誤判誤診的現(xiàn)象發(fā)生，本文提出一種基于典型變量分析（Canonical Variate Analysis，CVA）算法的海上風(fēng)電故障診斷方法，并結(jié)合實(shí)際SCADA 數(shù)據(jù)對(duì)方法進(jìn)行驗(yàn)證。結(jié)果表明，典型變量分析方法能夠有效診斷海上風(fēng)電機(jī)組故障。

2 海上風(fēng)電機(jī)組故障

2.1 海上風(fēng)電故障率

海上風(fēng)電機(jī)組故障率統(tǒng)計(jì)分析表明，海上風(fēng)機(jī)故障的最主要原因是電氣系統(tǒng)。電氣系統(tǒng)占整體故障率的23%。其次是控制系統(tǒng)，占整體故障的18%。偏航系統(tǒng)、變槳系統(tǒng)以及發(fā)電機(jī)、齒輪箱和葉片也是導(dǎo)致海上風(fēng)電機(jī)組故障的重要原因。除了電氣系統(tǒng)和控制系統(tǒng)，機(jī)械傳動(dòng)部件的故障率在海上風(fēng)電機(jī)組故障中的占比較高。

2.2 故障診斷方法

目前，國(guó)內(nèi)外的風(fēng)電機(jī)組故障診斷方法，主要分為基于物理模型的故障診斷方法和基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法。

3 典型變量分析算法

無(wú)論是基于模型和基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法都具有局限性。基于模型的故障診斷方法要求建立復(fù)雜準(zhǔn)確的海上風(fēng)電機(jī)組系統(tǒng)數(shù)學(xué)模型，而基于數(shù)據(jù)驅(qū)動(dòng)的診斷方法需要大量故障數(shù)據(jù)樣本。在沒(méi)有明確數(shù)學(xué)模型的情況下，海上風(fēng)電機(jī)組SCADA系統(tǒng)中的海量數(shù)據(jù)和巨大規(guī)模為數(shù)據(jù)驅(qū)動(dòng)的應(yīng)用帶來(lái)了可能性。因此，數(shù)據(jù)驅(qū)動(dòng)方法越來(lái)越受到海上風(fēng)電機(jī)組故障診斷研究人員的青睞。

本文基于典型變量分析算法，提出一種基于SCADA 數(shù)據(jù)的海上風(fēng)電機(jī)組故障診斷方法。該算法利用海上風(fēng)電機(jī)組SCADA數(shù)據(jù)，提取過(guò)程狀態(tài)，進(jìn)而估算子空間狀態(tài)空間矩陣，建立動(dòng)態(tài)過(guò)程的子空間模型。研究人員通過(guò)比較子空間模型估計(jì)的狀態(tài)與典型變量分析估計(jì)的狀態(tài)之間存在殘差，根據(jù)多元統(tǒng)計(jì)量對(duì)殘差進(jìn)行監(jiān)控，從而實(shí)現(xiàn)海上風(fēng)電機(jī)組故障檢測(cè)。典型變量分析是通過(guò)將過(guò)去數(shù)據(jù)空間和未來(lái)數(shù)據(jù)空間變量之間的相關(guān)系數(shù)最大化，提取具有最佳預(yù)測(cè)能力的低維典型變量。典型變量分析是利用動(dòng)態(tài)過(guò)程觀測(cè)數(shù)據(jù)的時(shí)間相關(guān)性。

假設(shè)有m×N個(gè)觀測(cè)向量y，其中m代表變量個(gè)數(shù)，N代表觀測(cè)時(shí)間點(diǎn)數(shù)，用p和f分別表示過(guò)去和未來(lái)，對(duì)應(yīng)時(shí)刻的數(shù)據(jù)點(diǎn)用式（1）、式（2）表示：

將所有過(guò)去或未來(lái)的數(shù)據(jù)點(diǎn)按時(shí)間排列在一起，形成過(guò)去或未來(lái)的矩陣式（3）、式（4）。過(guò)去和未來(lái)矩陣的觀測(cè)點(diǎn)個(gè)數(shù)為M，其中M=N- 2q+1。

為消除不同變量數(shù)量級(jí)的差異，需要將過(guò)去和未來(lái)矩陣歸一化，變換如式（5）至式（10）所示。

式中，r1≥… ≥rr為典型相關(guān)系數(shù)；Σpp，Σff，Σfp皆為協(xié)方差矩陣；矩陣I為單位矩陣；矩陣J和L通常通過(guò)奇異值分解獲得；J和L為變換矩陣。

典型變量分析方法的目標(biāo)是找到最佳線性組合，aTyf(k)以及bTyp(k)這些針對(duì)未來(lái)和過(guò)去的觀察使得組合之間的相互關(guān)系最大化，相關(guān)性可表示為式（11）：

隨后通過(guò)變換矩陣J和L，可以將過(guò)去的過(guò)程向量轉(zhuǎn)換成不相關(guān)的典型變量c和典型殘差e，分別如式（15）、式（16）所示：

式（15）（16）中，Jr是J的第r行，Jd是J的倒數(shù)第d行，d=mq-r。

提取的狀態(tài)c和殘差e包含了過(guò)程的大部分動(dòng)態(tài)信息，反映了過(guò)程的變化趨勢(shì)，可以用于故障檢測(cè)。基于典型變量法的故障檢測(cè)方法主要包括基于狀態(tài)空間和殘差空間的統(tǒng)計(jì)。

狀態(tài)空間的變化可以用T2指標(biāo)來(lái)表示，指標(biāo)Q表示殘差空間中變化的總平方和誤差，分別如式（17）、式（18）所示：

4 故障診斷案例分析

以某海上風(fēng)電機(jī)組為例，驗(yàn)證本文所提出的基于實(shí)際SCADA數(shù)據(jù)故障診斷方法的有效性。

4.1 模型參數(shù)設(shè)置

本文的海上風(fēng)電機(jī)組模型由風(fēng)速模型、葉片槳距模型、傳動(dòng)模型、發(fā)電機(jī)與變流器模型、控制器等部分組成，海上風(fēng)電機(jī)組的部分參數(shù)見(jiàn)表1。

表1 海上風(fēng)電機(jī)組的部分參數(shù)

海上風(fēng)電機(jī)組SCADA 系統(tǒng)包括葉片i的槳距角βi（i=1,2,3） 和vw、ωr、ωg、τg、Pg等參數(shù)。

4.2 實(shí)際診斷案例分析

根據(jù)海上風(fēng)電機(jī)組SCADA 數(shù)據(jù)，某機(jī)組葉片槳距角發(fā)生故障圖如圖1所示。

圖1 葉片槳距角發(fā)生故障圖

本文提出的基于典型變量分析的故障診斷模型的誤差統(tǒng)計(jì)結(jié)果，T2統(tǒng)計(jì)值如圖2所示。由圖2 可知，該模型計(jì)算的誤差統(tǒng)計(jì)結(jié)果大于檢測(cè)閾值，從而觸發(fā)故障報(bào)警。研究人員經(jīng)過(guò)現(xiàn)場(chǎng)故障分析判斷，該故障屬于槳距角傳感器故障。

圖2 T2統(tǒng)計(jì)值

5 結(jié)語(yǔ)

本文提出一種基于典型變量分析算法的海上風(fēng)電機(jī)組故障診斷方法，利用海上風(fēng)電機(jī)組SCADA 系統(tǒng)的過(guò)程數(shù)據(jù)提取過(guò)程狀態(tài)，進(jìn)而建立過(guò)程的子空間模型，通過(guò)監(jiān)控該模型與典型變量分析的估計(jì)狀態(tài)之間的殘差，實(shí)現(xiàn)故障檢測(cè)。故障診斷方法通過(guò)考慮規(guī)范狀態(tài)空間中過(guò)去和未來(lái)數(shù)據(jù)之間的偏差，增強(qiáng)對(duì)風(fēng)機(jī)SCADA 系統(tǒng)數(shù)據(jù)的識(shí)別能力，克服數(shù)據(jù)變化時(shí)難以及時(shí)有效診斷故障的缺陷，較好地揭示了正常運(yùn)行和故障狀態(tài)之間的動(dòng)態(tài)行為差異。

基于SCADA 數(shù)據(jù)的海上風(fēng)電機(jī)組故障診斷實(shí)際案例表明，經(jīng)過(guò)典型變量分析算法處理后的誤差統(tǒng)計(jì)與設(shè)定閾值有明顯偏差，故在故障診斷結(jié)果上不存在模糊診斷的現(xiàn)象，該方法適用于海上風(fēng)電非線性動(dòng)態(tài)過(guò)程的故障診斷，具有較好效果。