基于部件的风电机组智能运维分析指标体系构建
2021-11-23中国电建集团成都勘测设计研究院有限公司
中国电建集团成都勘测设计研究院有限公司 赖 刚 彭 莉 廖 礼
我国风电行业在国家政策的积极推动下装机容量大幅提升,用了短短5年时间就走了欧美风电强国15年才走完的发展之路。截至2020年底我国风电装机容量已达2.8亿千瓦,成为全球最大的风电装机国。伴随着我国风电装机容量的逐年增多,风电机组设备大约从2012年开始大规模脱离质保期,出保的风电机组数量快速攀升,极大地推动了我国的风电运维市场的发展。
一些大型风电场机组种类众多,涉及不同的整机厂商和机型,各机型间的SCADA数据采集点表、标准、采集频率、计量单位、故障设置等各不相同,使得在统一运维管理过程中存在数据标准不统一的现象,增加了集中运维管理的难度,不利于对风电机组进行智能运维分析和统计,因此对不同机型的数据进行分类梳理形成一套标准的运维分析指标体系尤为重要。基于统一的数据标准化方法,对风电场不同机型的SCADA数据进行分类、梳理、标准化和编码,形成一套完整的、能适配所有机型的风电机组智能运维分析数据指标体系,为风电场的运维管理提供一套完整的、统一的、标准的数据指标体系,有利于智慧风场的建设,为场站的集中监控、智能分析、智能运维、智能运营等工作提供科学一致的基础数据支撑服务。
1 基于部件的运维分析指标体系构建方法
基于部件的运维分析指标体系构建方法主要包括原始点表收集、数据指标预处理、指标标准化、指标编码以及形成标准点表五个步骤:
原始点表收集:主要指收集不同整机厂商、不同机型的原始SCADA数据采集点表,点表应尽量的完整详尽,覆盖整个机组的监测点位;数据指标预处理:研究和分析各厂商、各机型原始点表。对原始点表进行梳理,包括对直驱、双馈风电机组进行分类汇总,分部件分层级对指标进行梳理,包括机型分类、数据分类、部件分类;指标标准化:主要指对梳理好的运维指标进行分类分层级合并,实现对业务定义的标准化处理,包括指标名称标准化、数据类型标准化、计量单位标准化等工作。
指标编码:主要对运维指标按编码规则进行统一的编码,保障指标的唯一性和关联性,包括指标分类编码、数据分类编码、数据标准编码等;标准点表输出:根据以上步骤最终形成风电机组智能运维分析指标体系,为风电场的集中监控、智能分析、智能运维、智能运营等工作提供科学一致的基础数据指标体系服务,为各场站开展集中运维管理工作提供统一数据管理体系。
2 方法应用
目前集团公司旗下运营有多家风电场,遍布全国各地,各场站中均存在涉及多个风电机组整机制造厂商及多种主控类型风电机组,为验证方法的实用性,本文选择两个典型的风电场,涉及金风、东气、华锐、湘电等多个厂家不同的机型开展研究工作。在收集两个场站涉及多个厂家不同机型的SCADA数据点表后,对其进行数据指标梳理,并采用基于部件的运维分析指标体系构建方法,形成一套能满足以上风电机组数据统一运行管理的数据指标体系,并为相应的智能运维管理系统提供统一的数据支撑服务。
2.1 原始点表收集
首先通过收集集团公司旗下的两家典型风电场内涉及的四种不同机型的原始SCADA点表,并对其点表进行初步梳理和统计,1~4#故障信息点数、部件监测点数、合计数分别为17/204/221、46/312/358、46/123/169、376/91/467。根据统计结果发现,各风电机组采集的点位数据总量不同、故障信息和部件监测点位数量均不统一,通过进一步的分析发现各风电机组采集标准、故障分类和编码标准也存在差异。
2.2 数据指标预处理
风力发电机组是将叶轮吸收的风能转换为机械能,再由发电机将机械能转化为电能,最终输出交流电的电气设备。本文所选典型风电场的风电机组包括直驱和双馈两种风力发电机组,其中机型2#为双馈型机组,机型1#、机型3#和机型4#均为直驱型机组。
双馈异步发电机实质上是一种绕线式转子电机,由于其定/转子都能向电网馈电,故简称双馈电机。该发电机主要由电机本体和冷却系统两大部分组成。双馈风电机组包括轮毂、变桨系统、叶轮叶片、发电机转子、发电机定子、底板、偏航电机、测风系统、塔架等结构;直驱式发电机是一种由风力直接驱动的发电机,亦称无齿轮风力发电机,这种发电机采用多极电机与叶轮直接连接进行驱动,免去齿轮箱这一传统部件。直驱风电机组包括轮毂、导流罩、变桨系统、叶片、发电机、测风系统、机舱、环控系统及偏航系统等。
以收集到的各机型的原始点表为基础,按机组类型及部件对点表进行分类,并将分类结果进行迭代分析、类比、汇总、合并等处理。通过对数据指标的预处理,将双馈型和直驱型风电机组SCADA数据按照部件进行分类汇总,最终形成如下的部件指标体系。
在双馈型风电机组中SCADA数据采集点位指标主要包括轮毂、偏航、主轴、齿轮箱、发电机、操作、电网、故障码、系统、液压、环境、变频器、统计和主控等;在直驱型风电机组中SCADA数据采集点位指标主要包括通用信息、变桨、传动链、发电机、变频器、变压器、机舱、偏航、塔筒、气象信息、报警信息、状态日志信息、模拟日志信息、报表信息、有功功率控制和无功功率控制等。
图1 数据指标预处理方法(以部件为基础进行数据梳理)
2.3 指标标准化
各机型的运维数据没有建立统一标准,对于同一指标存在不同指标名称、数据类型、计量单位等的情况,如何建立完善健全的指标体系对促进风场的智能化运维技术的发展和优化风电机组运行、运维策略有着重要意义[1]。本文通过指标名称、数据类型和计量单位的标准化形成统一的SCADA监控数据指标。
指标名称标准化。对于不同的风电机组的同一指标存在不同的指标名称进行标准化,以风电机组启动状态为例:机型1#。自启动——WTUR.autostart_state_enable;机型2#。准备启动/风电机组可以启动——Start;机型3#。风电机组启动——WMStart;机型4#。启动风电机组——Start。因此针对不同机型指标名称进行梳理和业务定义实现标准化,采用部件+点位的方式梳理名称,最终形成风电机组启动指标。标准名称:风电机组启动状态——WTUR.Start。
数据类型标准化。从原始点表可知大量数据指标均采用FlOAT型,状态及预警指标均采用BOOL型、但部分数据类型有差异,对其进行分析、进行统一标准。以叶片故障为例:机型1#。叶片故障的数据类型——BOOL型;机型2#。叶片故障的数据类型——FlOAT型;机型3#。叶片故障的数据类型——BOOL型;机型4#。叶片故障的数据类型——BOOL型。根据状态及预警指标均采用BOOL型,将叶片故障的数据类型统一定义为BOOL型,并根据该调整在原始点表中设置判断和转换关系。计量单位标准化。对于不同机型同一指标的计量单位的不统一进行标准化,为方便统计将指标单位统一化处理。如电流统一单位为A;温度统一单位为℃;电压统一单位为V等。完成对数据指标的名称、数据类型、计量单位的标准化统一后,使不同机组对于同一类数据有着相同的数据表达方式,为指标编码的设计与数据指标标准体系的建立打下基础。
2.4 指标编码
指标编码是根据指标分类给指标赋予一定规律性的易为计算机识别和处理的一组有序符号排列[2]。研究指标分类编码及其标准化,通过科学的方法设计一套指标编码体系能提高运维管理效率,减少运维人员所需处理冗杂的事项,并为统一运维管理奠定数据基础,对于风电场的数字化和智能化发展具有重要意义[3]。风电机组智能运维指标编码体系的设计对风电机组运维管理也发挥着同样的核心作用,本文中数据指标编码采用三层设计,包括一级指标、二级指标和三级指标,采用字母及数字组合方式进行编码(图2)[4]。
图2 编码设计方法
第一层为指标分类编码,占一位,用A~Z字母表示,指标分类包括变流器、变压器、传动链、发电机、风轮、机舱、偏航、通用信息、无功功率控制、有功功率控制、故障信息(表1);第二层为数据分类编码,占两位,用01~99数字表示,支持扩展,数据包括状态信息、模拟信息、控制信息、公用信息、报警信息(表2);第三层为数据指标编码,占三位,用001~999数字表示,支持扩展。
表1 指标分类编码
表2 数据分类编码
2.5 标准点表输出
通过对比部套与点位的定义,并将系统、统计、环境和电网合并到通用信息中,最终形成变流器、变压器、传动链、发电机、风轮、机舱、偏航、通用信息、无功功率控制,有功功率控制十个部分的基本部套分类。将故障、报警、过热等信息进行单独归类,定义为故障信息,下分变流器故障信息、变压器故障信息、传动链故障信息、发电机故障信息、风轮故障信息、机舱故障信息、偏航故障信息、通用信息故障信息以及有用功功率故障信息十个部分的故障信息。
对四个机型数据进行整理,形成最终的标准点表状态信息包括356个子项,其中变流器46个、变压器24个、传动链26个、发电机35个、风轮80个、机舱35个、偏航27个、通用信息46个、无功功率17个、有功功率20个。最终的故障信息表包括395个子项,其中变流器故障信息135个、变压器故障信息10个、传动链故障信息15个、发电机故障信息29个、风轮故障信息104个、机舱故障信息33个、偏航故障信息16个、通用信息故障信息52个,有用功功率故障信息1个。
3 结语
本文仅针对两个典型风电场涉及的四种机型的SCADA数据进行研究,因而构建的指标体系是以四种机型的点表为基础。为方便智能运维分析指标体系的扩展,适配不同的风电机组,本文充分考虑了不同整机厂商的风电机组种类众多等特点,设计了一套基于部件的风电机组智能运维指标体系构建方法,该方法能兼容不同的厂商与机型,并易于扩展和应用。通过在典型风电场的实际应用,验证了该方法的科学性和可行性,目前该方法已应用于集团公司风电场数据采集和运维管理分析中,为风电场的统一运维管理提供一套完整的运维数据指标体系支撑。