一種風機變槳系統運行狀態異常識別方法

姚萬業, 楊金彭

(華北電力大學控制與計算機工程學院，河北 保定 071003)

一種風機變槳系統運行狀態異常識別方法

姚萬業, 楊金彭

(華北電力大學控制與計算機工程學院，河北 保定 071003)

針對風電場數據量大、類型多且數據結構復雜的特點，采用分段多項式曲線擬合的方法，建立風電機組變槳系統的健康模型。依據健康模型，對實時工況的參數變化趨勢進行預測，然后采用滑動窗口殘差均值分析法，對實測值和預測值之間的殘差進行閾值判斷，并結合現場經驗對變槳系統的運行狀態進行異常識別。歷史數據整理分析和Matlab仿真平臺驗證表明：該方法對于識別風機的異常運行狀態具有可行性。

風機變槳系統;風電場;發電機;健康模型;實時工況;SCADA

0 引言

為適應復雜的工況，國內多數風電場風機采用變槳控制技術[1]。其中，多變的工況及高頻率的負荷變化會給變槳裝置帶來極大的損害。對風電機組運行狀態進行準確評估，合理安排風電機組的運行與檢修計劃，對延長機組的壽命、避免嚴重故障、節約維護成本意義重大。

目前，國內普遍采用設定溫度恒定閾值，對變槳系統溫度參數進行故障預警。鑒于風機工作環境的復雜多變性和變槳系統的特殊性，該方法會導致誤報或不報，以及預留排查故障時間不足等問題。在充分研究變槳系統工作原理及溫度參數數據特征的基礎上，將曲線擬合預測方法應用到故障預警中，并通過仿真，分析驗證了該方法的可行性。

1 變槳系統評估體系

變槳系統作為風機運行的重要組成部分，主要包括驅動裝置和控制裝置。其中，驅動裝置由變槳電機和齒輪箱組成；控制裝置由控制柜、電池柜、軸柜和電容柜組成。該系統的主要作用是當風速小于額定風速時，通過變槳系統改變槳距角，提高風能吸收系數Cp，以保證最大效率地吸收風能；當風速高于額定風速時，通過調整葉片的槳距角降低風機轉速，維持風機輸出功率在額定值附近，從而防止發電機和逆變系統過載，保證風機正常穩定地運行。

由于風速的不確定性及驟變特征，導致風機變槳動作頻繁，這極易造成變槳裝置的損壞。河北赤沽風場2015年變槳系統故障統計如表1所示。

由表1可見，2015年,該風場變槳系統超過50%的故障發生在變槳電機部位。根據其工作原理，以變槳電機繞組溫度作為重點評估變槳系統運行狀態指標。

2 變槳系統健康模型的建立

為了能夠擬合出變槳系統的各個運行工況，需要對風場中同一機型風機在較長一段時間內的歷史數據進行整理、分析，從而模擬出較完整的健康模型。這就對數據有一定的質量要求。樣本數據的選擇原則[2]如下。

①數據樣本來源于風機正常輸出功率工況[3]，即切入風速為3～15 m/s之間的數據。

②樣本數據必須取自風機穩定運行工況下，當風機在啟動期間，各方面的指標參數會發生劇烈變化，這種情況不利于變槳系統健康模型的建立。

變槳系統穩態工況如表2所示。

鑒于上述原則，以河北赤沽風場2015年整年的變槳電機繞組溫度數據信息庫作為樣本來源，在現場SCADA系統中，以10 min為采集單位、變槳電機繞組溫度10 min平均值作為分析對象[4]。通過對海量歷史數據的統計分析，參考 IEC標準，以0.5 m/s為風速劃分單位[5]。

對于溫度類指標，借鑒IEC標準中Bin方法繪制出指標曲線[6]，再通過曲線擬合得到溫度隨風速變化的擬合函數[7]。變漿電機繞組溫度曲線如圖1所示。

圖1 變槳電機繞組溫度曲線

圖1中:“+”為風速與變槳電機繞組溫度的實際測量值；光滑曲線為依據測量值得到的擬合曲線。

變槳電機繞組溫度關于風速的多項式擬合函數可表示為：

式中:T(w)為變槳系統穩定運行時理論的計算值大小;w為風速大小。

3 殘差分析

風機在運行過程中，由于不確定因素(外界環境溫度突變)和隨機干擾(傳感器測量誤差等)的存在[8]，變槳電機繞組溫度的實際值和預測值會有一定的偏差，從而導致某些孤立點的出現。此外，并網功率的大小和時間等也會影響變槳電機繞組溫度。

3.1 殘差均值分析算法

規定風場變槳電機繞組溫度的實測值x0與預測值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行分析[9]。該方法的主要優點是可以在一段時間內連續反映殘差的變化，通過選擇合適的滑動窗口寬度N,可以消除孤立點的影響，準確反映殘差的整體變化趨勢，從而提高異常識別的準確度。

在時間t內，變槳電機繞組溫度的殘差序列為：

εT=[ε1ε2…εN]

將滑動窗口的寬度設為N，對這連續的N個殘差序列計算均值：

(2)

設備在正常運行期間，經過滑動窗口計算后得到殘差均值，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的取值現沒有明確的公式，依據現場多年經驗及對故障信息[11]的統計分析，選取k值為1.2。計算得到異常溫度殘差閾值為15 ℃。

3.2 殘差驗證

采用殘差分析方法對風場歷史數據進行驗證。從SCADA系統中選取2015年4月9日～4月15日之間變槳電機繞組溫度值，對“健康模型”進行驗證。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個點之間，溫度殘差保持在穩定范圍內，且距預警閾值有較大裕度，從大約第30個點開始殘差開始迅速增大，到第40個采集點時，溫度超過閾值并繼續增大。SCADA系統故障分析表明，風機變槳系統在第25～30個采集點之間可能出現異常狀況。

4 結束語

殘差圖與SCADA記錄信息圖表明，對于變槳系統中變槳電機繞組溫度參數，采用歷史數據擬合曲線分析方法對某工況下參數變化趨勢進行計算，能夠對其整體變化走向進行大致預測。再結合滑動窗口殘差均值分析法對實際值和預測值得殘差進行評判，依據現場經驗設置預警閾值。該方法能夠及時發現變槳系統的異常，并作出準確的判斷，表明該方法具有很高的實用價值。

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

[2] 吳恵榮.統計學原理[M].上海:上海交大出版社，2000:15-21.

[3] 朱勇華.應用數理統計學習指導[M].武漢:武漢大學出版社，2002:11-25.

[4] 國家標準化管理委員會.GB/T4883-2008數據的統計處理和解釋正態樣本離群值的判斷和處理[S]:北京：中國標準出版社,2009:407-432.

[5] 高祥寶，董零青.數學分析與SPSS應用[M].北京:清華大學出版社，2007：27-34.

[6] 肖運啟，王昆明，賀貫舉，等.基于趨勢預測的大型風電機組運行狀態模糊綜合評價[J].中國電機工程學報，2014,34(13):2132-2139.

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

[8] 李大中，許炳坤，常城.大型風電機組現場運行數據預處理及模型建立[J].國網技術學院學報，2015,18(3):6-10.

[9] 陳子斯.基于風電機組SCADA數據的故障預警預測方法研究[J].電力技術與應用,2011,18(3):5-9.

[10]張新燕，何山，張曉波，等.風力發電機組主要部件故障診斷研究[J].新疆大學學報(自然科學版),2009,26(2):6-9.

[11]張圣楠，龐偉，劉曉敏.華北電網風力發電數據挖掘分析系統研究與應用[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務費專項資金資助(2014MS138)

姚萬業(1965—)，男，博士，教授,主要從事網絡控制系統、圖像識別、DCS分散控制系統和管理信息系統的研究。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