基于故障診斷和無線通信技術的風電場優化管理系統

文 | 吳少花

風電場

基于故障診斷和無線通信技術的風電場優化管理系統

文 | 吳少花

風力發電作為風能利用的主要形式，目前已成為技術最為成熟，推廣和應用最為廣泛的新能源之一。隨著大規模風電場的建設與投產，風電場的運行與維護成為風電場面臨的最大問題。尤其是早期投產機組出現故障的頻率增加，采用傳統的“事后維修”方式，不僅影響風電場的正常運行，而且付出巨大的人力、物力、財力代價，造成經濟損失。實現故障的早期診斷及預警和“視情維修”將大大降低維護費用，縮短維修周期，提高風電場運行效率。

隨著風電技術應用的推廣，風電場的經濟和可靠性運行日益受到關注，國內外有一些相關研究成果?？偟膩砜?，目前的監測技術在診斷精度、智能化、建設成本以及在結合季節和整個風電場因素的優化管理技術方面有待提高。

本文提出了一種風電場優化管理系統的實現方法，在故障診斷方法、無線通信組網結構和系統構造上進行了一些探索，也取得了較好的效果。限于篇幅，本文主要針對風電機組中的齒輪箱和發電機診斷技術進行說明。

數據采集

發電機數據采集系統如圖1所示，包括霍爾電流傳感器、加速度振動傳感器、電荷放大器、PCI數據采集卡和工控機。

齒輪箱數據采集系統如圖2所示，主要包括加速度傳感器、電荷放大器、PCI數據采集卡和工控機。

數據采集系統不但能夠將采集到的信號如圖3以波形的形式實時顯示，還可以計算諸如最大值、平均值、方差和峭度等時域特征量，除此之外，還能夠將采集到的數據保存到本地數據庫和通過組建的無線網絡上傳到主控室。

圖1 發電機故障特征在線提取裝置結構圖

圖2 風電機組齒輪箱在線故障診斷裝置系統框圖

故障特征提取系統以風電機組塔底的工控機作為數據處理器，對數據采集系統采集到的故障特征信號進行數據預處理和故障特征提取。

數據預處理包括消除趨勢項、平滑波形和小波去噪。傳感器和采集卡由于有誤差將導致采集的數據偏離零點而產生趨勢項，趨勢項的存在對頻譜分析有較大的影響，因此采用最小二乘擬合法消除趨勢項。此外，數據采集過程中會引入很多高頻干擾，使得采集的數據出現很多毛刺，給后續的分析帶來很大的誤差，因此先利用五點三次平均法平滑波形，然后再采用小波進行默認閥值濾波。原始數據和預處理后的數據波形對比如圖4所示。

數據處理

一、故障特征值提取

輸出處理分為兩部分：一是數據采集后發送到主控室之前的預處理，以便減少數據傳輸量；二是數據傳輸到主控室并存入數據庫后的優化處理。

故障的發生會產生相應的故障特征頻率，且不同的故障其特征頻率是不一樣的，因此當發電機發生不同的故障時，信號的能量分布是不一樣的，即各頻段能量的分布代表了某種故障，這里采用這種“能量－故障”映射的方法來提取故障特征。

在實際應用中，由于某些故障的特征頻率與主頻率十分接近，況且傅里葉變換會有頻譜泄露，這些都會增加準確定位故障特征頻率的難度，因此單一的傅里葉變換在實際的故障特征提取應用中并不能勝任。小波包變換能夠將頻帶多層次任意劃分，時頻分辨率極高，因此可以采用小波包變換提取故障特征量。小波包分析法雖然能夠判斷故障是否存在，但卻得不到故障特征頻率值和故障特征頻率的幅值，即檢測不到故障程度。而傅里葉變換雖然頻率分辨力不高，卻能得到信號的頻域信息。因此可將小波包分析和快速傅立葉變換結合一起處理故障信號，即先對故障信號進行小波包分解，提取能反應故障特征的小波包分解系數，再對該小波包分解系數進行重構，最后對該重構信號實施快速傅立葉變換或者包絡分析，獲得故障特征頻率與特征幅值。

特征量的提取是構建故障診斷系統的關鍵。風電場風況存在時變性、隨機性、不確定性，使得發電機的故障信號成為一個時變、非平穩信號，再加上早期故障的特征信號較弱，一般的頻域法難以處理混有微弱故障信號的定子電流信號，小波方法則可進行時域一頻域分析，能夠檢測到微弱瞬態信號的存在并能確定其產生時間，還具有良好的局部化特性。但傳統小波變換存在頻率混淆現象，為消除這一混淆現象，這里采用了單子帶重構改進算法，將每一層子帶中多余的頻率分量去掉，從而達到更優的時頻分辨能力。

圖5、圖6給出了利用單子帶重構改進小波變換提取出兩組風電機組正常、定子匝間短路、轉子斷條、氣隙偏心等四種狀態下的特征量。

二、故障診斷算法

圖7是基于BP人工神經網絡和遺傳算法（GA）構造的智能故障診斷系統流程圖，圖8為故障診斷界面。

圖3 數據采集系統界面

圖5 特征量A

圖4 預處理前后數據波形

圖6 特征量B

圖7 智能故障診斷流程圖

圖9 系統的總體結構

圖8 故障診斷界面

圖10 通信網絡硬件結構

無線通信技術

本文為風電機組狀態監測和故障診斷系統設計了一套用于傳輸風電機組狀態參數的無線通信設備，用于構建覆蓋主控樓和風電機組的無線單級Wi-Fi網絡，使用IEEE802.11/n協議標準，支持多臺風電機組與主控終端之間同時傳輸數據、無需通過中間節點進行多跳轉發，有效提高風電機組狀態參數的實時性，具有架設快、擴容性好、維護方便、設備簡單和成本低等特點。同時開發了用于儲存、查詢風電機組運行狀態參數的數據庫軟件，為風電機組狀態歷史記錄查詢和故障診斷提供了平臺。無線通信系統結構圖如圖9所示。

通信系統的整體結構如圖10所示。設于風電機組機艙內部的上位機1的功能是采集發電機和齒輪箱的振動信號，通過固定在塔筒內部的RS232總線5將采集數據傳輸至設于風電機組底艙電源柜的下位機3上并存儲。下位機通過電流互感器采集發電機的輸出電流信號并存儲，同時下位機3通過MIMO無線網卡4接入由無線熱點2構建的Wi-Fi網絡，主控終端6通過外置Wi-Fi接收器7也連入無線網絡，下位機將采集到的全部數據通過Wi-Fi網絡傳輸至主控終端6，在主控終端上即可實現對采集數據的存儲、查詢、處理等功能。

由于采集數據量較大，應當配以適當的數據管理算法，本系統中采用了WAMP集成環境下的基于網頁發布的B/S構架。中心服務器將接收到的風電機組狀態參數存儲至數據服務器，數據服務器與發布數據庫進行數據交換，各終端通過Wi-Fi網絡訪問發布數據庫，即可得到所需數據，如圖11所示。

本系統在實際運行時采用了數據網頁發布的架構，使得各終端只要接入Wi-Fi網絡，即可通過網頁訪問服務器數據庫，獲取當前狀態下風電機組的運行狀態參數，并可對歷史數據進行查詢，如圖12、圖13所示。

優化管理系統

圖11 多終端數據瀏覽結構圖

圖12 網頁瀏覽風電機組運行界面圖A

圖13 網頁瀏覽風電機組運行界面圖B

基于數據庫中的故障特征值及其發展趨勢，再考慮季節因素，應用模糊綜合評判的方法，制定經濟和可靠性指標約束下的整個風電場的優化維護計劃?？筛鶕收铣潭炔扇∠鄳膶嵤┓桨福瑢τ趪乐毓收?，及時報警處理；一般故障，根據季節因素、故障維護成本和備用件情況，因地制宜地進行處理。

結語

本文提出了一種基于數據采集、數據處理、無線通信和綜合優化的風電場運行管理系統，在故障診斷方法、無線通信網絡結構和風電場的綜合管理方面，進行了有實際應用價值的探索，在減少維護成本和保障發電量、可靠性方面具有重要應用參考價值。本系統已在汕尾紅海灣風電場進行了試運行，已取得了一定的效果，目前正在進一步完善中。

（作者單位：國華（汕尾）風電有限公司）

攝影：王忠偉