基于多元状态估计的电站风机故障预警研究及系统开发

基于多元状态估计的电站风机故障预警研究及系统开发

张鑫

622322198812083410

摘要：在新能源发展的背景下，电站风机故障是影响电站发电设备安全运行的重要因素。由于风机故障具有分散性强、非结构性变化等特点，预测问题常难以完成，而且对预测精度要求较高，这也成为风电发展过程中需要解决的一个重要问题。

关键词：电站风机；故障预警；多元状态估计

一、引言

随着风力发电技术的不断发展，风电机组已经在更大范围内获得了应用，并且在大规模并网运行之后能够更加高效地进行监控和管理。近年来我国新能源发电发展迅速，风电装机总量连续多年稳居世界首位。然而在发电设备的优化和控制方面仍存在诸多问题亟待解决：风机在设计中常需要考虑到系统性能而非结构的特点；风机在运行中容易出现非正常的状态分布状况；风电机组内部的各种传感器以及控制设备易受到外界环境的影响而产生故障或异常；风电机组具有不同的运行工况且其实际运行条件与理论计算结果存在差异等因素都会对设备运行产生影响。为确保风机的运行安全健康运转，维护人员需要根据不同情况进行合理的检修、维护以及检修后的定期检查和维护。因此就需要有一种能够对风电设备进行状态预测且能够有效评估风机运行故障特征及影响因素的智能预警系统以实现对机组的实时监控和诊断。

（一）风机故障特征分析

风机是风电机组中最为复杂的一类，风机所处的工作环境各不相同，不同类型的风机对环境负荷的要求也不尽相同。如果风机发生故障时其系统的运行性能就会产生很大差异，并且风机的类型、特性、参数等都会对风机发出相关的运行状态警告。目前基于对风机运行方式和运行工况的分析预测技术已经在各种行业中得到了广泛的应用，但是这些系统均缺乏对风机运行状态或故障状态下其他设备运行情况的准确评估。为了能够实现对风机进行状态监控，对于提高设备维护人员能够在很大程度上减少和避免风机故障原因带来的损失和风险，就需要针对光伏电站风机的故障分析和状态预测技术进行研究。

（二）基于多元状态估计的风电设备故障预警系统设计

基于此，本文设计了基于多元状态估计的电站风机故障预警系统，该系统将设备监测数据与理论预测数据相结合，实现对机组运行故障状态的智能预测。该体系结构中红色为预警系统初始值，橙色表示异常值，绿色表示未预警。根据预测结果将风机状态信息与设备管理中心数据库的实时信息进行对比，得到风机运行不良程度评分，为预防和减少事故发生并保障风机及财产安全水平提供依据。本文采用的基于多元状态估计的系统结构，本文使用基于神经网络的模糊逻辑算法对预测数据进行处理与分析，通过对特征变量个数和幅度的选取与调整将模糊逻辑算法应用到风电设备故障预警系统上来对风机当前运行状态进行智能化分析诊断。

（三）基于 PID的故障实时预警算法设计

在风机故障预警系统中， PLC控制器作为风机的控制核心，通过 PID算法来实现对风机在故障发生时的输出特性进行检测和控制，因此对于 PLC控制器的参数配置应满足设备参数配置的要求。针对风机各个子系统对于参数配置的不同要求，以风机厂提供的实时运行数据为基础建立实时模型；同时需要考虑参数设置及参数配置对风电机组稳定性和可靠性的影响。本文采用基于 PID算法的故障预警程序设计及实现方式来实现预警程序。该算法根据风机各个参数设定 PID值对监控信号进行计算和判断。PID可以应用于实时运行监测系统中，当数值超出阈值时，便会发出警告信号并进行人工干预；当数值小于阈值时则会自动停止运行。

（四）风机在线监测

风机的状态监测是对风机运行状态的一种描述和监测。风电场的运行控制方式为无人值守，但风电机组在实际使用过程中会存在一定程度上的非正常运行或非正常的故障现象，这种现象的出现往往会导致风电机组出现过电流、过电压、绝缘损坏等故障现象。因此对于风电场的风机运行状态检测不仅可以帮助维护人员及时发现问题或进行故障处理，还可以进一步对机组进行分析检测以及制定针对性的检修措施。而对风机进行监测以实现对风机状态的快速诊断则需要借助图像处理技术以及先进信息处理技术。

二、系统设计

本文所设计的软件系统主要包括五个模块：即风机状态识别模块、风机故障预警模块、风机预测模块、数据处理模块和运维服务模块。系统具体流程如图4所示。随着新能源行业的快速发展，各个行业对于风机检测预警能力逐渐增强，而现有的风电检测预警技术手段如超声波、红外等只能作为辅助手段，对于风机故障的检测预警能力不足，无法准确快速地对风机故障做出及时有效的反应，从而对风机的健康运行造成严重影响。因此开发基于状态估计算法的风机设备故障预测模块和风机故障预警模块可以有效提高预测精度，同时也能够提升对已有设备监控的有效性及管理服务水平。

（一）风机状态识别模块

本文所设计的风机状态识别模块主要是根据电站风机的运行参数，对运行参数进行实时监测、判断并将结果实时显示在大屏上。由于电站风机采用低电压的控制方式，故风机设备的运行维护保养工作量较大。本文设计的风机状态识别模块利用网络摄像头采集风机的运行数据实时上传至服务器，根据上传的数据可以实时地识别出风机运行参数，包括风机设备的运行状况、故障工况等。若有异常现象发生会立即通过后台网络发送报警信息至监控中心进行处理。风机设备故障预警模块是由风机设备、故障和数据分析三个模块组成。

（二）风电故障预警模块

基于风电状态识别模块对风机所采集的数据进行预处理、分析、处理并给出诊断建议，结合风机故障信息的综合计算，判断是否需要对风机进行相应的预防性保护。经综合判断后，风机出现了严重的异常征兆并发出警告信息。当发生这种情况时，运维人员需要第一时间对风机进行详细维护，进行维护后发出远程监控的信息以提示检修人员。由于机组故障的时间间隔通常较长，目前对机组故障的监测主要以超声波为主。超声波不能很好地实现对局部区域、全部故障范围以及局部缺陷部位进行实时监测和监控。

（三）风机预测模块

风机预测模块是为了提高风机的运营状态预测精度，在充分利用现有监测数据的基础上，以预测软件为基础，充分利用已有信息进行风机故障识别和预测。在风机故障识别模块中主要采用两种技术对风机设备故障进行预测。第一种是基于对故障发生规律的研究分析确定风机发生故障概率分布的数学模型，通过数学模型计算和总结在风机故障发生概率分布规律中的概率分布函数和概率分布参数等计算出概率分布函数中的概率分布参数；第二种是采用基于特征选择算法来对风机发生故障概率分布函数进行改进并计算概率分布参数时引入了特征选择和权重修正、更新模型以及引入了特征学习算子的一种改进方法。采用上述两种方法可以有效提高风机预测精度。

（四）运维服务模块

运维服务模块包括实时查询、设备管理、安全管理和数据分析五个模块。实时查询风机运行状况，通过历史查询记录查看当前设备运行状况、运行周期和实际运行时间等。设备管理模块对各类传感器及监测设备实时的存储数据并进行归档及存储。安全管理模块可以根据安全管理规范及要求对各项设备进行管理。平台通过建立风机异常报警模式，提高运维人员的安全意识及防护能力，对监控平台进行有效的安全维护升级。数据分析模块能够分析风机运行状态、运行历史等信息，并对各类数据进行归档分析，对统计出的异常数据利用深度学习技术进行分析分类。

参考文献

[1]韩万里, 茅大钧, 印琪民. 基于PCA和多元状态估计的引风机故障预警[J]. 热能动力工程, 2020, 35(1):7.

[2]曲亚鑫, 杨晶晶. 基于多元状态估计的引风机故障预警[J]. 电子制作, 2021(17):4.