基于数据挖掘风力发电设备故障远程诊断探究

贾建华

（山西同煤新能源有限公司，山西太原030000）

能源危机、环境污染和生态破坏问题的不断加重，使得可持续发展成为社会发展的主旋律，各国都开始重视对于清洁可再生能源的开发应用，太阳能发电、水电和风电等得到了迅速发展，不过同时也暴露出一些技术方面的问题。以风电为例，机组本身极高的运行维护成本，对于其经济效益产生的巨大影响，而且风电设备一般设置在偏远、不存在高大建筑遮挡的区域，机舱位置处于70－90m的高空，运行维护难度大，一旦出现故障，很难及时进行处理。想要对风电设备的运行状态进行跟踪监测，可以引入大数据中的数据挖掘技术，通过远程诊断的方式，预测设备故障趋势，降低故障维护费用。

1 相关研究

现阶段，一般在设置大型风电机组时，从保障机组稳定可靠运行、降低风险隐患的角度，需要为机组配备专门的控制器，在实现就地控制的同时，也具备相应的机组运行数据采集以及故障告警信息传输功能，通过就地控制器与中央控制系统的可靠连接，还可以远程监控风电机组的运行情况。通过设置专家系统以及智能诊断系统的方式，可以对风机设备的故障进行有效诊断，但是无论是专家系统还是智能诊断，在实施应用中都存在推理过程困难的问题，实际应用效果并不理想。对此，有研究人员提出，可以在风电机组故障诊断中，引入相应的数据挖掘技术，借助该技术挖掘出机组故障的特征参数，然后对照故障数据库中收录的故障规则，实施机组故障的远程诊断，可以将故障诊断的过程看作是一种特殊的模式获取及匹配过程，借助相应的数据挖掘技术，针对故障诊断中遇到的各种问题进行分析和解决。在这个过程中，技术人员需要重视相关技术的研究和应用，结合实际情况来对风险机组故障诊断方案进行相应的完善。

2 基于数据挖掘的风力发电设备故障远程诊断系统

数据挖掘需要以相应的数据仓库作为对象和平台，其本身属于一种比较特殊的数据分析手段，以人工智能、机器学习和统计学等学科理论为支撑，数据挖掘技术可以反映不同数据所具备的特征，将数据中蕴含的有用信息提取出来。数据挖掘的过程包含了几个关键环节，如数据准备、数据选择、数据处理等能够完成数据仓库的构建，为后续的知识发现做好准备，目标确定、算法确定、数据挖掘以及模式识别则能够挖掘出有用信息。数据仓库与数据挖掘之间存在得十分密切的联系，典型的数据仓库需要具备数据导入、数据集市和访问工具。将数据挖掘技术应用到故障远程诊断中，能够提升数据分析的效率，实现故障诊断的智能化。在对基于数据挖掘的风力发电设备故障远程诊断系统进行构建时，需要关注几个核心内容。

2．1 确定决策模型

远程故障诊断系统必须能够从相应的监测信息，找出信息所具备的潜在规律性，将有用数据局提取出来，借助这些数据来判断风电机组的实际运行情况，看机组是否存在故障或者隐患。在该系统中，采用的决策模型是 RDDM＝｛M，K，D，E，P｝模型，在该模型中，M表示诊断技术方法集合，K表示故障诊断所需的知识集合，D表示设备原始信息数据集合，E表示实验设施，P表示专家知识集合。数据挖掘技术能够通过对诊断知识和技术方法的不断完善，从海量数据信息中，找出与真实情况最接近故障原因，选择科学的诊断方法来对故障进行诊断。

2．2 系统硬件结构

风电设备故障远程诊断系统中，下位机的主要作用，是利用相应的传感器设备来对风电机组的状态信息进行收集，然后运用数据采集模块，将信息放大，同时进行滤波处理，再结合相应的特征信号，初步完成故障诊断工作。在这个过程中，下位机会将采集到的数据信息传输到本地诊断中心，由上位机进行同步分析和处理。本地数据服务器在完成下位机传输的数据信息后，会将其写入到数据库中，对机组故障征兆信息进行备份，同时也能够为WEB应用服务器和推理诊断服务器的正常运行提供可靠的数据支持，在实际运行中，通过故障诊断软件与监测分析软件的相互配合，诊断服务器可以从数据库中提取相应的数据信息，用于风电机组的故障诊断工作，在得到诊断结果后，会对其进行初步检验，然后传输为风电场工作人员，帮助其对故障进行进一步的检查和处理。即便故障本身比较复杂，在远程诊断中心的协助下本地中心也能够进行处理。远程故障诊断中心中各个服务器的功能与本地诊断中心的服务器类似，数据服务器中保存有不同风电场不同类型风电设备的运行数据，可以实现数据信息的共享。

2．3 系统软件设计

2．3．1 平台数据挖掘结构

系统中的知识库是一种基于征兆事实库以及数据挖掘诊断规则的混合系统，不同诊断机制之间可以实现优势互补。在系统中，征兆事实库中存储的是经过数据库处理后提取出的能够用于系统推理的征兆事实。经过授权的用户可以利用HTML，在平台中输入相应的故障诊断信息，相关功能模块会自动完成故障诊断工作，然后对照所有的诊断方法，得到综合决策，对故障类型进行判断。风电机组故障远程在线诊断能够从大量的机组运行监测信息中，找出潜在规律，对机组运行状态做出智能判断，从而找出隐含或者已经存在的故障。数据挖掘能够不断充实诊断知识库，以先进算法为支撑，对故障的原理以及诊断规则进行明确，而在这个过程中，系统会在整理好的原始数据中，对主体相关信息进行挖掘，同时做好算法设计工作，针对提取出的数据信息进行检验，和预期目标进行对比，若结果偏差较大，则系统会自动返回到算法设计环节，重新选择算法，若结果比较理想，则系统会直接返回数据整理环节，扩大数据集的同时，开展新一轮数据挖掘。

2．3．2 系统软件体系结构

在风电机组故障远程诊断系统中，软件采用的是B／S模式，该模式包含了表示层、功能层和数据层三层结构，其中，表示层的核心功能是用户接入，表现为客户端浏览器。功能层包含了WEB服务器和推理服务器，是应用的主体部分，能够连接用户和数据库，在用户发送请求时，功能层的作用，是与数据库和应用程序连接，然后对照用户的实际需求，面向数据库，提出相应的数据处理申请，将数据库提供的数据信息传输到客户端，数据层的主要作用，是对数据进行存储和提取。在系统软件设计中，将现场分析系统和远程诊断系统结合，借助设置在本地服务器的现场分析系统，可以帮助运行管理人员对风电机组的运行参数和振动数据进行实时监测，也可以对振动数据的波形、频谱等进行分析和处理。同时，利用设置在远程服务器中的远程诊断系统，可以为互联网用户提供服务，具备远程监测、远程诊断等功能。授权用户能够通过网络访问服务器，对机组的运行状态进行远程监测，也可以对机组运行的历史状态进行查看。当发现机组运行中存在数据异常时，可以启动相应的故障诊断软件，配合专家数据库，实现对于机组状态的远程诊断，诊断的结果被反馈到现场运行分析系统中。

3 结束语

总而言之，通过将数据挖掘技术应用到风电设备故障诊断领域的方式，能够对现有故障诊断方法在实际应用中存在的缺陷和问题进行弥补，提升现场生产数据的使用效率。基于数据挖掘技术的风电设备故障远程诊断系统能够面向专业工程技术人员和领域专家，在具备实时在线监测功能的同时，强调网络化和数据的完备性，有着更好的分析诊断功能。系统采用的是B／S三层开放模式，配合软件复用技术编程模式，集成性和安全性良好，可以实现对故障的远程诊断，在推动远程监测和远程诊断技术的发展方面，具备一定的参考价值。