风电远程设备监控与故障诊断系统设计与应用

许利伟

（山西同煤新能源有限公司，山西大同030000）

1 系统构建

1．1 明确设计原则

发电企业在对基于云计算的风电远程设备监控与故障诊断系统进行设计的过程中，应该坚持两个基本原则:一是可靠性。设计人员在解决系统配置及设备选型问题后，需要关注系统整体的可靠性，确保其能够实现对于各类数据信息的高效处理，以最大限度地满足企业的各种要求。应该建立起实测数据库，对实际测量的实时数据进行存储和更新，同时建立历史数据库，确保其能够存储5年以上的历史数据。工作人员还应该切实做好操作系统、数据库系统以及应用软件的管理和维护工作，设置相互匹配的软硬件设备，确保监测数据能够将设备的运行状态准确反映出来。二是安全性。电力系统中存在数量众多、类型各异的设备，很多设备都有着较高的安全级别，涉及的使用者包括发电企业、监管机构、用户等，对于数据信息的保密性和安全性都有很高的要求。因此，在系统设计环节，设计人员应该充分考虑信息的安全性和保密性，适当增加冗余数据，配合防火墙及杀毒软件，切实保障数据信息安全。

1．2 规范数据要求

发电企业有关部门可以借助恰当的数据传输手段，将风电场采集的设备运行数据和监控数据持续传输到数据中心。监控数据可以分为实时数据和历史数据，包含的信息内容众多，如机组运行状态、电流电压、无功功率、隔离开关位置等，为了保证数据传输的有效性，需要严格依照有关标准和规范，对数据通讯协议进行选择。

1．3 做好需求分析

一是应该明确需求目标。通过系统建设，发电企业必须能够实现对风电场中风电设备状态信息、气象数据等传输到相应的控制中心进行集中处理，能够对风电设备的状态进行远程评价和实时在线分析，能够实现故障的远程专家诊断，切实提高风电设备的可用率及管理水平。数据分析平台对于系统的实时性、数据存储量、功能全面性和数据显示直观性等都有着较高的要求。在该系统中，数据平台在数据显示方面采用的是三级显示模式，第一级是对电网在当前运行模式下运行情况的显示，第二级是对系统薄弱环节或者存在问题的显示，第三级则是对设备运行参数具体数值的显示。通过清晰直观的数据显示，电网调度人员能够很好的掌握风电并网情况下发电企业的薄弱环节，并以此为依据，制定出相应的故障防范和应对措施；二是应该明确需要解决的问题。当前，不少发电企业在对风电场控制中心进行设置时，都存在设备数量众多、分布散乱的情况，每一个节点机都连接着数据中心、服务器和存储设备，计算终端孤立而分散，在实际应用中存在着任务单一、效率低下的问题，并不能很好的满足海量数据的处理需求。如果通过增加设施设备数量的方式来提升系统计算效率，则面临着建设周期长、资金短缺等问题。对此，发电企业可以引入云计算技术，借助云端服务器来提升数据处理的效率，降低成本的同时，也可以减轻设备维护工作量。基于此，建设云计算平台，能够利用软件系统实现对于硬件设备的虚拟化管理，构建虚拟化资源池，形成高效便捷的协同工作机制，而且用户不需要建设机房和数据中心，只需要在终端登录，就能完成数据浏览、数据修改和数据查询等工作，所有的业务及数据处理都能够在云端完成。

1．4 合理选择算法

系统算法包含了系统设计实现的分布式计算模式，以及各节点对于子节点数据的调用算法，客户端和云端数据的交互算法等。从目前的发展情况分析，在云计算系统中，可以采用Map－Reduce编程模式对电力调度信息进行挖掘，构建起可以对大规模数据集进行处理的计算平台（如图1）。在对海量数据计算任务进行处理时，平台会将单个计算任务分解成多个子任务，进行同步分布式计算，能够在保证计算结果准确性的同时，降低完成任务所需的时间。

图1 执行过程概述Map－Reduce

2 系统架构

2．1 数据监控

在风电场运行中，会产生海量的数据信息，这些数据信息可以通过风电场集控站传输到相应的地调SCADA系统中。不过，受技术条件的影响，风电机组运行中的一些异常信息，如噪声、振动等并没有被纳入到发电企业集中监控平台，而这些信息恰恰是风电机组故障诊断的主要参考依据。对此，技术人员在系统设计环节，可以借助物联网技术实现对于风电设备实时运行数据的监测工作，通过对综合气象数据的采集，构建起完善的在线监测系统。

2．2 质量监控

系统需要能够依照风电并网的实际需求，对注入到电网中的谐波电流进行监视，并且将风电的并网点纳入到无功电压控制系统中，实现对于电网无功电压的整体优化控制。另外，系统也应该能够将风电并网点的暂态稳定、电压稳定以及全系统电压分布图直观显示出来，实现对于不同电压等级电压的监控和越限报警。

2．3 功率预测

可以在发电企业的风电数据中心接入风电场功率预测系统，借助系统实现对于风电运行信息的监视以及历史数据的挖掘，对照数据完成风电发电计划的校核与修正，对电能的质量进行有效调控。应该做好风电场最大有功功率输出曲线和最大无功容量补偿曲线的合理预测工作，为EMS潮流计算提供参考依据，同时可以运用SCADA系统中存在的基于组件接口规范的结构，将相应的数据信息传递给EMS。

2．4 远程诊断

结合海量数据分析以及挖掘，可以构建起远程故障诊断专家系统，实现对风电机组主要设备的故障自动诊断，可以确定故障的具体位置以及类型，也能够评价故障的严重程度，对于一些重要元件的故障，可以做到早发现、早预警、早检修、早处理，避免故障范围的和影响的进一步扩大。

2．5 故障报警

故障报警能够将风电机组中主要设备故障的早期特征提取出来，向维护人员发出相应的预警信息，提醒其重视起来，提前制定出相应的维修策略，尽可能减少机组故障停机的可能性，降低损失，同时也可以避免设备损坏引发的一系列问题，能够切实提高风电设备的维修效率，有效减轻运行维护人员的工作负担，有利于设备利用效率的提高。

3 效果对比

3．1 效率对比

从发电企业的角度来对系统运行效率进行分析，可以设置相同的计算任务，利用常规计算方法和云计算进行同时处理，云计算消耗的时间仅为常规计算的2．3%，工作效率的提升极其明显，因此能够很好地适应海量数据分析处理的现实需求。对照相应的计算结果，院区服务器的平均利用率可以从原本的7%提升到80%－90%，服务器重建以及应用加载的时间从原本的20小时以上缩短到了30分钟以内，能够将风电场的总体运营成本节约75%甚至更多。

3．2 数据挖掘

结合历史数据分析和挖掘结果分析，在发电企业风电设备故障中，齿轮箱故障的占比为55%，发电机设备的故障占比为20%，叶片故障占比约为18%，因此，在对风电机组设备进行监控和故障诊断的过程中，应该重点关注齿轮箱、发电机和叶片，对其运行状态进行实时在线监测，时刻关注其状态的波动，一旦发现数据异常，需要立即进行分析和诊断，争取将故障扼杀在萌芽之际。

4 结束语

总而言之，新的发展环境下，伴随着风电规模的迅速扩大，发电企业对于风电设备故障诊断的及时性和准确性提出了更加严格的要求，为了能够满足这一需求，提出了一种基于云计算的风电远程设备监控与故障诊断系统，配合数据挖掘技术，能够从海量数据中提取有用信息。实践结果显示，系统可以实现对于数据的高效分析和故障的精准定位，能够显著降低风电场运营维护成本，提升风电运行管理水平。另外，以该系统为支撑，可以实现风电和传统电网的协调发展，也可以为云计算在风电远程设备监控和故障诊断中的应用提供参考和借鉴。