基于SCADA數(shù)據(jù)分析的風(fēng)機(jī)變槳故障診斷

王衛(wèi)娜 ，甄 冬 ，張 琨 ，張 磊

（1.河北工業(yè)大學(xué) 控制科學(xué)與工程學(xué)院，天津 300131；2.河北工業(yè)大學(xué) 機(jī)械工程學(xué)院，天津 300131）

近年來(lái)，風(fēng)電行業(yè)增長(zhǎng)趨勢(shì)強(qiáng)勁，鑒于此歐洲風(fēng)能協(xié)會(huì)EWEA將累積裝機(jī)容量目標(biāo)增加至2020年達(dá)到230 GW，2030年達(dá)到400 GW。然而，這是一個(gè)具有挑戰(zhàn)性的目標(biāo)，其中風(fēng)力發(fā)電成本問(wèn)題特別值得關(guān)注，它決定了風(fēng)能是否可以成為一個(gè)有競(jìng)爭(zhēng)性的可持續(xù)的替代能源。風(fēng)力發(fā)電機(jī)作為風(fēng)力發(fā)電系統(tǒng)的關(guān)鍵部件之一直接影響著整個(gè)風(fēng)力發(fā)電系統(tǒng)的性能、效率[1]。隨著風(fēng)電機(jī)組的單機(jī)功率不斷增大，運(yùn)行環(huán)境不斷復(fù)雜，控制系統(tǒng)故障已經(jīng)取代齒輪箱等機(jī)械部件故障成為影響機(jī)組安全運(yùn)行的首要因素。風(fēng)電機(jī)組核心控制技術(shù)之一的變槳系統(tǒng)發(fā)生故障是目前造成機(jī)組停機(jī)的主要原因之一，因此，開(kāi)展風(fēng)電機(jī)組變槳故障診斷方法的研究十分必要。近年來(lái)，不少研究者對(duì)風(fēng)電機(jī)組變槳故障診斷展開(kāi)了研究。文獻(xiàn)[2]探討了故障監(jiān)控和數(shù)據(jù)采集系統(tǒng)提供的故障數(shù)據(jù)并在3個(gè)層次提供故障預(yù)測(cè)：故障與否的預(yù)測(cè)、故障診斷策略和具體的故障預(yù)測(cè)。文獻(xiàn)[3]提出了一種系統(tǒng)化調(diào)查風(fēng)機(jī)SCADA系統(tǒng)的警報(bào)。文獻(xiàn)[4]針對(duì)風(fēng)機(jī)葉片振動(dòng)信號(hào)，采用小波分解方法，對(duì)葉片的裂紋、凹痕和破損進(jìn)行故障診斷。

傳統(tǒng)上，機(jī)械設(shè)備的在線(xiàn)監(jiān)測(cè)是通過(guò)數(shù)學(xué)建模來(lái)實(shí)現(xiàn)的，但是由于風(fēng)機(jī)的操作涉及到復(fù)雜的控制，不容易建立一個(gè)精確的數(shù)學(xué)模型。所以本文的變槳故障診斷方法并不是根據(jù)風(fēng)機(jī)的瞬間響應(yīng)進(jìn)行診斷，而是在一定操作條件下，對(duì)風(fēng)機(jī)的運(yùn)行歷史狀態(tài)進(jìn)行綜合評(píng)估，通過(guò)挖掘大量SCADA數(shù)據(jù)之間的關(guān)聯(lián)性，實(shí)現(xiàn)變槳故障的診斷，并通過(guò)仿真來(lái)驗(yàn)證，這能減少由于SCADA異常值造成的計(jì)算錯(cuò)誤，從而提高變槳故障監(jiān)測(cè)結(jié)果的可靠性。

1 數(shù)據(jù)來(lái)源與數(shù)據(jù)預(yù)處理

本文基于某1.5 MW風(fēng)場(chǎng)的海量SCADA數(shù)據(jù)進(jìn)行研究，其風(fēng)電機(jī)組參數(shù)如表1所示。

表1 風(fēng)電機(jī)組參數(shù)Tab.1 Specification of wind turbine

風(fēng)機(jī)通過(guò)葉片捕獲能量，然后通過(guò)傳動(dòng)鏈將能量轉(zhuǎn)換成機(jī)械能進(jìn)行傳遞，最后利用發(fā)電機(jī)將能量轉(zhuǎn)換為電能。鑒于此，發(fā)電機(jī)功率與風(fēng)速的立方成正比[5-6]，所以在進(jìn)行數(shù)據(jù)預(yù)處理時(shí)，風(fēng)速將作為相關(guān)數(shù)據(jù)分級(jí)的參照。在對(duì)風(fēng)機(jī)進(jìn)行變槳故障診斷之前，應(yīng)先選擇與變槳故障發(fā)生密切相關(guān)的3個(gè)參數(shù)：風(fēng)速、槳距角和功率。由于越接近故障發(fā)生時(shí)刻，信號(hào)特征越明顯，所以提取風(fēng)電機(jī)組發(fā)生變槳故障時(shí)刻前0.5 h的風(fēng)速-槳距角、風(fēng)速-功率數(shù)據(jù)。由于風(fēng)速波動(dòng)較大，變化沒(méi)有規(guī)律可循，所以需要對(duì)風(fēng)速先進(jìn)行預(yù)處理，以得到較為穩(wěn)定的風(fēng)速數(shù)據(jù)。為了獲取SCADA數(shù)據(jù)之間的關(guān)聯(lián)性，數(shù)據(jù)預(yù)處理方法如表2所示。

表2 數(shù)據(jù)預(yù)處理Tab.2 Data pre-processing

如圖1所示為從某臺(tái)1.5 MW三葉片風(fēng)機(jī)上獲取的正常和發(fā)生變槳故障的SCADA原始數(shù)據(jù)。

圖1 原始SCADA數(shù)據(jù)Fig.1 Original SCADA data

從圖1可以看出，原始SCADA數(shù)據(jù)中的正常數(shù)據(jù)和故障數(shù)據(jù)部分混雜在一起，尤其是風(fēng)速-功率數(shù)據(jù)，無(wú)法直觀(guān)地表征出正常與故障的區(qū)別，無(wú)法為判別故障提供可靠的依據(jù)。此外，雖然風(fēng)速-功率已被廣泛應(yīng)用于風(fēng)機(jī)SCADA系統(tǒng)，但是圖中觀(guān)測(cè)故障并不明顯，這是由于風(fēng)機(jī)SCADA數(shù)據(jù)不僅是受風(fēng)機(jī)結(jié)構(gòu)完整性的影響，還受許多其他因素的影響（例如風(fēng)切變和湍流），這顯著增加了風(fēng)機(jī)變槳故障診斷的難度。

利用表2中的預(yù)處理方法預(yù)處理后的數(shù)據(jù)結(jié)果如圖2所示。

圖2 預(yù)處理后SCADA數(shù)據(jù)Fig.2 Pre-processed SCADA data

從圖2可以看出，上述數(shù)據(jù)預(yù)處理方法能有效地提取出隱藏在風(fēng)機(jī)原始SCADA數(shù)據(jù)中的特征；通過(guò)對(duì)比正常和故障的風(fēng)速-槳距角，風(fēng)速-功率曲線(xiàn)，可以看出故障曲線(xiàn)偏離正常曲線(xiàn)即故障的發(fā)生。

2 變槳故障診斷方法

為了挖掘隱藏在SCADA數(shù)據(jù)中的信息，將上述預(yù)處理過(guò)的風(fēng)速-槳距角， 風(fēng)速-功率數(shù)據(jù)｛xi，yi｝（i=1，2，…，n）用方程進(jìn)行描述[8]：

式中：bj（j=0，1，…，k）為模型系數(shù)；k 為方程的階。式（1）用矩陣形式可以寫(xiě)成：

此時(shí)令

則式（2）可以表達(dá)為

在式（3）的兩側(cè)增加X(jué)的轉(zhuǎn)置矩陣XT可得：

因此，可以通過(guò)計(jì)算得到系數(shù)矩陣B

得到系數(shù)矩陣B后可以建立｛xi，yi｝的相關(guān)模型。風(fēng)機(jī)是否發(fā)生變槳故障的運(yùn)行狀況可以通過(guò)式（6）的參數(shù)計(jì)算進(jìn)行評(píng)估，即：

式中：aj為待檢測(cè)數(shù)據(jù)模型系數(shù)；bj為風(fēng)機(jī)正常運(yùn)行模型系數(shù)。

從式（6）可以推斷，正常情況下，當(dāng)e≈0時(shí)，風(fēng)機(jī)正常運(yùn)行，故障越嚴(yán)重，e值越大。不過(guò)，值得注意的是，對(duì)于風(fēng)機(jī)這樣的機(jī)械設(shè)備會(huì)不斷受到變化的載荷條件而且經(jīng)常在不同操作條件下工作，所以風(fēng)機(jī)的運(yùn)行通常是依賴(lài)于實(shí)際載荷和運(yùn)行條件。在e值的評(píng)估中，通過(guò)觀(guān)測(cè)最大狀態(tài)誤差來(lái)判斷風(fēng)機(jī)是否發(fā)生變槳故障，同時(shí)在定義e的閾值時(shí)仍然需謹(jǐn)慎，否則可能導(dǎo)致錯(cuò)誤的診斷結(jié)論。

3 仿真結(jié)果及分析

為了驗(yàn)證上述變槳故障診斷方法的有效性，選取某臺(tái)額定功率為1.5 MW風(fēng)機(jī)上經(jīng)常發(fā)生的2種不同的變槳故障類(lèi)型M和N，對(duì)每種故障類(lèi)型分別采集 2 組故障點(diǎn)前 0.5 h 的數(shù)據(jù)：M1，M2，N1，N2，并提取這臺(tái)風(fēng)機(jī)正常運(yùn)行狀態(tài)下0.5 h的風(fēng)速-槳距角和風(fēng)速-功率數(shù)據(jù)，利用上述變槳故障診斷方法進(jìn)行診斷，方程的階數(shù)k選取4，槳距角e的閾值選取1.3，功率e的閾值選取20，結(jié)果如圖3和表3所示。

從圖3和表3可以看出：

（1）預(yù)處理后的數(shù)據(jù)經(jīng)過(guò)計(jì)算能清楚地顯示出風(fēng)機(jī)變槳故障的發(fā)生；

（2）槳距角和功率的e值分別在不同范圍內(nèi)變化，但功率的e值較槳距角的e值能更明確地顯示出風(fēng)機(jī)變槳故障的發(fā)生；

圖3 數(shù)據(jù)預(yù)處理結(jié)果Fig.3 Result of pre-processed data

表3 e值計(jì)算結(jié)果Tab.3 Value of e

（3）通過(guò)槳距角或功率的e值所屬范圍能夠判斷出2種故障的類(lèi)型，槳距角e值：1.3＜e＜3時(shí)為故障 M，e＞3 時(shí)為故障 N；功率 e值：20＜e＜40 時(shí)為故障N，e＞40時(shí)為故障 M。

4 結(jié)語(yǔ)

鑒于傳統(tǒng)機(jī)械故障診斷方法應(yīng)用于風(fēng)機(jī)變槳故障診斷中的不足和局限性，本文基于SCADA數(shù)據(jù)進(jìn)行研究并挖掘其中的關(guān)鍵信息以便對(duì)風(fēng)機(jī)進(jìn)行變槳故障診斷。通常在風(fēng)電機(jī)組正常運(yùn)行時(shí)，故障會(huì)導(dǎo)致SCADA數(shù)據(jù)的變化，然而SCADA數(shù)據(jù)的變化并不一定表明故障的發(fā)生。所以說(shuō)，SCADA數(shù)據(jù)的變化和故障是否發(fā)生有一定關(guān)聯(lián)性，但也不是絕對(duì)的，而利用文中的數(shù)據(jù)預(yù)處理方法可以有效地挖掘出數(shù)據(jù)中的隱藏信息，為后續(xù)變槳故障診斷工作奠定基礎(chǔ)。本文的變槳故障診斷方法能夠有效地從槳距角和功率2個(gè)方面判斷是否發(fā)生變槳故障和變槳故障的嚴(yán)重程度。通過(guò)對(duì)比2種常見(jiàn)變槳故障類(lèi)型的診斷結(jié)果，能夠輕松地判斷出2種變槳故障類(lèi)型。這將為風(fēng)場(chǎng)運(yùn)維人員明確故障指向，能有效降低風(fēng)場(chǎng)停機(jī)時(shí)間，降低風(fēng)力發(fā)電成本，減少經(jīng)濟(jì)損失。

[1]任俊杰，方東，劉暢，等.風(fēng)力發(fā)電機(jī)組的變槳距復(fù)合控制[J].自動(dòng)化與儀表，2013，28（4）：33-36.

[2]Andrew Kusiak，Wenyan Li.The prediction and diagnosis of wind turbine faults[J].Renewable Energy，2011（36）：16-23.

[3]Qiu Yingning，F(xiàn)eng Yanhui，Tavner Peter，et al.SCADA alarm analysis for improving wind turbine reliability[J].Wind Energy，2011（10）：293-296.

[4]李大冰，吉榮廷，馮文秀.風(fēng)力發(fā)電機(jī)組葉片故障診斷[J].節(jié)能技術(shù)，2013，31（6）：534-536.

[5]Guo Peng，Xu Ming，Bai Nan，et al.Wind turbine tower vibration modeling and monitoring driven by SCADA data[J].Proceeding of the CSEE，2013，33（5）：128-136.

[6]The International Electrotechnical Commission.IEC61400-1 wind turbines-part 1：design requirements[S].IEC International Standard，3rd ed，2005.

[7]The International Electrotechnical Commission.IEC61400 Part 11：wind turbine generator systems-acoustic noise measurement techniques[S].IEC International Standard，2002.

[8]Wenxian Yang，Richard Court，Jiesheng Jiang.Wind turbine condition monitoring by the approach of SCADA data analysis[J].Renewable Energy，2013（53）：365-376.