基于能量流及D-S推理的风电机组能效综合评价

徐　婷，王　瑞，顾煜炯，冯　晖

(1. 华北电力大学 新能源电力系统国家重点实验室，北京102206;2. 国华能源投资有限公司，北京100007)



基于能量流及D-S推理的风电机组能效综合评价

徐婷1，王瑞1，顾煜炯1，冯晖2

(1. 华北电力大学 新能源电力系统国家重点实验室，北京102206;2. 国华能源投资有限公司，北京100007)

摘要：提出基于能量流的风电机组能效性能分析构架，将能量流划分为风能吸收、机械能传递、电能转换3个环节，建立层次化的能效评价结构与风电机组能效特征指标库。提出D-S推理模型的风电机组能效性能综合评价方法，考虑风电机组部分能效指标难以准确确定的问题，实现从各子系统到整机的能效性能综合评价，并将该方法应用于国内某1.5 MW双馈异步风电机组的能效评价分析中。实例结果表明：该方法克服部分评价指标值不精确的影响，准确判断出机组能效性能状态，实现齿轮箱故障的初步定位，评价结果可为风电机组的性能优化与维修决策提供可靠指导。

关键词：风电机组；能量流；层次化；D-S推理；能效评价

0引言

风电场环境恶劣多变，机组运行与维护费用居高不下是近年来阻碍风电行业发展的主要原因之一。受气动、机械、电气等多重因素的影响，风电机组的运行状态监测是目前能源领域研究中的难点与热点问题。大部分现役风电机组都是通过关键部件振动参数的监测与诊断、齿轮箱油温以及轴承温度等重要参数与设定阈值的直观比较来实现运行状态的监测[1-2]。然而，风电机组作为一类风-机-电耦合的大型旋转设备，各设备之间关联性强，传统的监测分析方法一般只能对单一设备或系统进行状态识别，尽管有许多学者致力于传统方法的改进，只提高了算法准确度，仍未实现整个机组综合运行状态的准确评价。顾煜炯等[3]提出了基于区间划分的风电齿轮箱在线故障预警方法，着重于实现变工况条件下风电机组齿轮箱设备的故障诊断。而芮晓明等[4]利用性能可靠性理论展开了对风电机组功率曲线的评估研究，虽然不再局限于单一系统的研究，但该方法只能初步反映机组运行可靠性。也有些学者致力于风电机组综合运行性能的研究，如肖运启等[5]提出了基于趋势预测的风电机组运行状态模糊综合评价方法，虽然一定程度上实现了风电机组运行状态的综合评价，但由于从运行现场采集的实际输入信号经常出现较大误差或缺失的情况，评价结果的准确性有待提高。D-S证据理论可以很好地处理这种具有模糊信息和不确定信息的合成问题。董玉亮等[6]利用D-S证据推理方法就很好地实现了大型汽轮机复杂系统的状态评价。

能效性能不仅能直观反映机组运行经济性，也为风电机组综合状态监测开辟了一条新思路。从能量流动角度出发构建风电机组能效分析框架，建立层次化的能效指标库，利用D-S证据推理方法自上而下实现风电机组整机-系统-关键部位的能效性能的全面分析与评价。

1风电机组能效评价过程

1.1　风电机组能效等级划分

本文中，能效定义为风电机组吸收、转化、传递能量的能力。能效等级是用来定性描述风电机组能效水平的特征参量。能效等级依据风电机组在当前运行条件下能量吸收、转化、传递的能力高低进行划分。根据可靠性评价原则以及考虑评价的方便性，将机组的能效水平分为Ⅰ，Ⅱ，Ⅲ，Ⅳ 4个等级，分别对应良好、较好、一般、拟故障4种状态[7]，具体描述和建议措施见表1。

表1　风电机组能效等级划分及对应措施

1.2　基于能量流原理的能效性能评价层次结构

风电机组能量流动过程：风轮将吸收风能转变为旋转机械能，传动链将机械能传递至发电机转变为电能。从能量流动角度将风电机组划分为风能吸收转化环节、机械能传递环节、机械能-电能转化环节。各能量流动环节具有相应子系统，每个子系统能量载体与流动机理的不同，需要对各环节分别展开研究，获取每个环节相应的能效知识与评价指标。风电机组能效评价层次树形结构如图1所示。

图1　风电机组能效性能评价层次树形结构

图1中，处于顶层的整机能效状态由风能吸收、机械能传递、电能转换3个环节能效性能综合确定；而每个环节的能效性能则通过从因素层提取的能效指标决定。本文以衡量每个环节能量损失大小作为能效指标提取的依据。

1.3　风电机组能效评价指标

风电机组能效评价指标的提取是进行机组能效性能综合评价的基础，为保证整个评价过程的一致性，这里定义一个表征能效性能优劣的指标：效率指数Ei，其取值范围为[0,1]。Ei越大，表明能效性能越好；Ei为0时，表明机组处于停机状态。

为了方便机组能效状态的证据推理评价，在能效等级划分的基础上定义了机组能效状态空间，即：

{良好，较好，一般，拟故障}

(1)

在风能吸收环节，以风能利用系数Cp表征风能吸收环节效率指数Ei(W)大小的指标，变桨距风力发电机风能利用系数计算如式(2)所示[8]：

(2)

式中：β为桨叶角；λ为叶尖速比，风轮叶尖线速度与来流风速之比。

考虑到贝茨极限[9](0.593)的存在，为了直观表明机组运行状态对风能吸收环节能效水平的影响，这里将风能吸收环节的效率指数Ei(W)计算公式定义为：

(3)

Ei(W)越接近1，说明机组风能吸收性能越趋于最优状态。

在机械能传递环节，应综合考虑传动链的各项损失方能得到机械能传递综合效率指数Ei(M)。传动链功率损失ΔP(M)主要包括搅油损失ΔPch、轴承损失ΔPbe和啮合损失ΔPto3大部分[10]。

搅油过程中的功率损失ΔPch实际上是输入传动链的部分动能转换成了润滑油的流动动能和部分润滑油的势能。搅油功率损失ΔPch主要包括齿轮周面的润滑油附着损失、齿轮侧面的润滑油附着损失以及两齿面间润滑油的涡旋损失[10]。

轴承损失ΔPbe主要是指摩擦损失，主要包括轴承弹性滞后和局部差动滑动的摩擦以及润滑油流动造成的摩擦损失[11]。

齿轮啮合损失ΔPto分为滑动和滚动摩擦功率损失两部分,其中滑动摩擦是导致啮合损失的主要因素，所以啮合功率损失可以近似等价于计算齿轮啮合过程中的滑动摩擦功率[12]。

在电能转换环节，用发电机效率表征效率指数Ei(G)。发电机的综合功率损失ΔP(G)主要包括：机械损耗ΔPm[13]、空载损耗ΔPo[14]和负载损耗ΔPe[15]。

发电机机械损失ΔPm主要分为风摩损失和轴承损失两大部分。风摩损失是指冷却介质经过各个通道时的沿程损失与局部阻力损失，还有转子旋转表面与气隙内冷却介质的摩擦阻力损失；发电机前后轴承主要用来承载转动部件的不平衡力和转子偏心产生的附加力，能量损耗主要与润滑介质黏度、安装尺寸参数和发电机转速有关[13]。

发电机空载损失ΔPo主要发生在铁心内部，因交变的磁力线通过铁心产生的磁滞和涡流而产生的损耗[14]。

发电机负载损失ΔPe是指负载电流通过绕组时在电阻上的损耗，其大小与绕组电流大小有关[15]。

效率指数主要是计算实际功率损失与对应工况下标准功率损失的接近程度，即反映实际能效水平偏离最优能效状态的程度。虽然传动链和发电机环节各分项功率损失机理不同，但针对已获得的每项实际功率损失，可使用统一的效率指数计算方法，具体计算公式如下：

(4)

式中：exi为x代表分部损失项的效率指数；ΔPo(x)为x代表损失项的标准功率损失(最低功率损失)；ΔP(x)为x代表损失项的实际功率损失；x表示传动链环节搅油损失、轴承损失、啮合损失、发电机部分机械损失、空载损失、负载损失。风电机组能效指标集如表2所示。

表2　风电机组能效指标集

2基于证据推理的能效性能综合评价模型

风电机组各项损失计算中，由于机组设备之间的复杂性和关联性，无法精确测量得到所有的参数值，甚至某些参数值由于现场条件所限无法获得，只能通过工程经验公式进行简化计算或者直接进行估测，所以各损失项的效率指数与实际情况存在一定误差，效率指标的模糊性大大影响了风电机组能效性能的综合评价准确性，而证据推理模型具有处理不精确信息的能力可以提高综合评价的实用性。

2.1　基于层次树的能效评价模型

层次化综合评价问题可用下式表示：

(5)

式中： y(α)是备选方案α的综合评价；yk(α)是方案α的第k项能量流环节的评价值。

对于方案需要评价的各项能量流环节的性能状态，在这里定义了若干等级，将每个能量环节能效性能状态对应到其中的某一等级。

在评价等级上，定义En(n=1,…,N)为评价等级。能量流动环节k的评价等级集合表示如下：

(6)

式中：N表示评价等级，评价等级En优于En+1。

为了实现能效性能评价的定量化，在这里引入优先度的定义，其取值范围设定为[-1,1],优先度越大，则能量流环节性能越优；反之，越劣。评价等级量化如下：

(7)

式中：p(En)是等级En的量化表示，并满足下列关系：

(8)

在基本因素层，与能量流环节k对应的功率损失因素集合表示如下：

(9)

图2　基于能量流的层次化能效性能评价模型

2.2　基于D-S证据推理的能效性能综合评价算法

D-S证据理论是一种重要的不确定性推理方法，能较好地处理模糊和不确定信息的合成问题，多源信息的Dempster合成规则如下[16]：

(10)

式中：M1，M2分别是识别框架Θ上的两条基本证据的基本可信度分配函数,即mass函数；K为证据冲突因子。合成结果反映了M1，M2对应的2个基本证据对命题A的联合支持程度。

在能效性能评价模型中，首先建立基本因素层的因素子集基本可信度分配函数(mass函数)，根据D-S合成规则对因素集合中的mass函数进行合成运算，得到3个能量流环节的mass函数。然后计算得到每个环节的能效性能优先度，最后通过加权法计算整机综合优先度，根据机组综合优先度大小判断性能优劣变化。

步骤1确定各因素子集的mass函数。

(11)

(12)

为使M成为mass函数，补充定义：

(13)

(14)

(15)

则对Lk个因素子集对应的Lk个mass函数可以用如下mass矩阵表示：

(16)

步骤2利用D-S理论合成mass函数。

假设方案中k能量流动环节的各因素之间相互独立，并将前i个因素定义为下列集合：

(17)

矩阵MASS中前i行的i个mass函数按D-S准则合成的mass 函数表示为：

(18)

(19)

(20)

(21)

(22)

(23)

则对于I(i+1),i=1,…,Lk-1有以下迭代算法：

(24)

(25)

(26)

步骤3计算风电机组各环节能效性能评价的综合优先度Pk，优先度越高，该环节性能状态越好。

(27)

根据式(8)确定p(En)如下：

(28)

步骤4利用加权法确定整台风电机组的综合能效性能状态，最终得到整机能效性能评价结果S。

(29)

式中：由环节k对风电机组整机的影响权重λk以及对应的能效性能优先度Pk，利用加权法得到关于目标机组能效性能的综合评价值S。

2.3　基于层次分析法的权重确定

步骤1构造判断权重矩阵

(30)

式中：uij为第i个评价元素与第j个评价元素相对重要性尺度，且uij·uji=1。

步骤2权重计算

采用特征根法则计算权重，即求判断矩阵最大特征根对应的特征向量：

(31)

式中：wi为最大特征根λmax对应特征向量元素。

对wi进行归一化处理可得到权重向量，即：

(32)

步骤3一致性检验

一致性比例CR为一致性检验的评判目标，其计算公式为：

(33)

式中：CI为矩阵的平均随机一致性目标；RI为矩阵的一般一致性目标，且RI=(λmax-n)/(n-1)。

当CR<0.1时，认为判断矩阵符合一致性要求，否则需要调整判断矩阵。

3风电机组能效性能综合评价实例分析

以国内某风场一台华锐SL1500机组为例进行能效性能评价。通过综合风电机组能效性能评价指标提取机理，提取了各个评价子系统的能效性能可监测特征参数如表3所示。本文对该台机组在2012年6月份和9月份的SCADA运行数据进行分析。

表3　风电机组能效性能特征参数

利用1.3中能效指标提取方法对表3中的监测数据进行处理，得到该机组各系统在6月份和9月份的效率指数，如表4所示。

表4　各能量流环节效率指数

为了实现机组的能效性能综合评价，这里将根据专家经验总结得出的隶属关系作为评价等级空间的划分依据，具体隶属度函数关系如图3所示。

图3　效率指数转化隶属关系图

将表4中的各子系统各分项的效率指数按照图3所示的隶属度函数向状态空间进行转化，同时根据层次分析法(AHP)分析得到每个环节内各因素影响的相对权重值，转换结果与各因素相对影响权值均列于表5所示。

表5　风电机组状态空间转换结果

表6　风电机组能效性能评价结果

根据表6内的评价结果通过式(27)可以计算得到各能量流环节的综合优先度；利用式(29)可以获得风电机组整机综合能效性能状态优先度。该台机组在6月份和9月份的各级优先度如表7所示。

表7　风电机组能效性能评价优先度

从表7可以看出，该机组在9月份的整机能效性能优先度和6月份相比有所下降，说明该机组的能效性能发生劣化。对各环节优先度在两个时段内的前后比较发现，虽然3个环节在9月份优先度均有所下降，但机械能传递环节下降程度最大，其中以啮合损失部分前后变化最为剧烈，提示运行人员机组可能发生齿轮啮合部分故障，应马上开展齿轮箱振动信号分析、油液铁谱分析等故障诊断手段。该机组在随后的故障诊断分析手段中判定齿轮箱一级太阳轮出现故障。

4结论

(1)本文对风电机组的整机能效性能展开研究，从能量流的角度建立了层次化的能效分析模型，针对机组中风能、机械能、电能的流动机理提取了对应环节能效评价指标，建立了较为完整的风电机组能效评价指标库。

(2)风电机组处于多变运行工况，能效性能影响因素复杂多变，D-S证据推理模型有效地克服了现场性能状态信息模糊不完整的问题，同时结合层次分析法解决了不同能量流环节能效性能的综合评价问题，比较准确地实现了关键设备-系统-机组的性能等级定位。

(3)基于能量流的风电机组能效性能综合评价分析结果可以作为故障初步搜索的理论依据，同时也为现场维修决策提供可靠建议。

参考文献：

[1]Hameed Z, Hong Y S, Cho Y M, et al. Condition monitoring and fault detection of wind turbines and related algorithms: A review[J]. Renewable & Sustainable Energy Reviews, 2009, 13(1):1-39.

[2]王珊, 苏璐玮, 顾煜炯,等. 变工况特性下的风电轴承早期故障诊断方法[J]. 电力科学与工程, 2014, 30(3):39-44.

[3]顾煜炯, 苏璐玮, 钟阳,等. 基于区间划分的风电齿轮箱在线故障预警方法[J]. 电力科学与工程, 2014, 30(8):1-5.

[4]芮晓明, 张穆勇, 霍娟.基于性能可靠性的风电机组功率曲线评定新方法 [J].动力工程学报, 2014, 34(9):742-747.

[5]肖运启, 王昆朋, 贺贯举，等.基于趋势预测的大型风电机组运行状态模糊综合评价[J].中国电机工程学报, 2014, 34(13):2132-2139.

[6]董玉亮, 顾煜炯, 马履翱.基于证据推理的汽轮机组状态评价方法[J].中国电机工程学报, 2007, 27(29):74-79.

[7]顾煜炯. 发电设备状态维修理论与技术[M]. 北京:中国电力出版社, 2009.

[8]Heier S. Grid integration of wind energy conversion systems[M]. Wiley, 1998.

[9]徐大平. 风力发电原理[M]. 北京:机械工业出版社, 2011.

[10]张震. 风电增速齿轮传动的效率与振动研究[D]. 西安：西安理工大学, 2010.

[11]Tong V C, Hong S W. Characteristics of tapered roller bearing subjected to combined radial and moment loads[J]. International Journal of Precision Engineering and Manufacturing-Green Technology, 2014,1(4): 323- 328.

[12]Gou X F, Zhu L Y, Chen D L. Bifurcation and chaos analysis of spur gear pair in two-parameter plane[J]. Nonlinear Dynamics, 2014, 79(3):2225-2235.

[13]丁树业, 郭长光, 郭保成, 等.双馈水轮发电机风摩损耗数值研究[J].华中科技大学学报(自然科学版), 2014, 1(2):26-30.

[14]高瑞, 孙文, 刘世勋,等. 风力发电机电机空载试验方法及技术要求的分析与研究[J]. 电气开关, 2014, (1):63-66.

[15]万祥兰, 范明君. 微型燃气轮机应用中的高速永磁机损耗[J]. 船舶工程, 2014, 36(5)：57-61.

[16]Miao W, Liu Y H. Information system security risk assessment based on grey relational analysis and Dempster-Shafer theory[C]// Mechatronic Science, Electric Engineering and Computer (MEC), 2011 International Conference on. IEEE, 2011:853-856.

[17]邓雪, 李家铭, 曾浩健,等. 层次分析法权重计算方法分析及其应用研究[J]. 数学的实践与认识, 2012, 7(7):93-100.

[18]王帅帅, 武斌. 层次分析法的研究与应用[J]. 中国科技博览, 2015，(44)：178-179.

Energy Efficiency Comprehensive Evaluation of Wind Turbine Based on Energy Flow and D-S Reasoning

Xu Ting1，Wang Rui1，Gu Yujiong1，Feng Hui2(1. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University, Beijing 102206, China;2. Guohua Energy Investment Limited Company, Beijing 100007, China)

Abstract：The performance analysis framework of energy efficiency for wind turbine based upon energy flow is provided, and the energy flow is divided into three links including wind energy absorption, mechanical energy transmission and electrical energy conversion. Meanwhile, the gradational evaluation structure and wind turbine characteristic indexes library of energy efficiency are established. Fully considering the vagueness existing in part of evaluation evidences, a performance comprehensive evaluation method of energy efficiency is proposed based on Dempster-Shafer (D-S) reasoning model and implemented from the subsystems to the unit. The method is applied to a 1.5 MW doubly-fed asynchronous wind turbine. Results show that this method not only overcomes the problem with uncertainty evidences but also identifies the accurate status of wind turbine energy efficiency performance and achieves the preliminary positioning of gearbox fault. Also, the evaluation results can be used as reliable guidance for the performance optimization and maintenance decision.

Keywords：wind turbine；energy flow；gradational；D-S；energy efficiency evaluation

作者简介：徐婷(1992-)，女，硕士研究生，从事风电机组状态监测研究，E-mail:zhoufanxt@sohu.com。

基金项目：神华集团科技创新项目(GTKJ-12-02)；华能集团科学技术项目(HNKJ-H27)。

收稿日期：2015-10-14。

中图分类号:TK891

文献标识码:ADOI:10.3969/j.issn.1672-0792.2015.12.001