基于风机关键部件状态的主动安全控制研究

国家能源（山东）新能源有限公司 单立国 杨绍涛 孙 彬 孙华高 党 琳

1 引言

风力发电是发展最快的可再生能源，已经得到了世界主要国家与地区的认可。近年来，中国是风力发电装置容量和增长率最高的国家。随着风电装机容量的迅速增长，风电运营部门对于风电设备的优化措施越来越深入。风电机组是由多个部件组成，尤其是双馈机组结构更为复杂，不仅包含机舱、轮毂、叶片、主轴、发电机，还包含结构复杂的齿轮箱。同时把风电机组作为一个设备整体，也要深入了解和研究风机的各个关键部件，如何基于设备状态综合考虑发电量收益，如何对大量投入运行的设备进行深度的了解，制定比出厂时更为完善的综合运行策略是当前国内外研究的重点领域。国内外风电领域都在沿着智能化、高端化和信息化的趋势发展。欧盟和美国等风电领域的研究机构和企业也在开展关键部件状态、健康度分析的内容。国内的运营商和风电整机制造商在风电场运维优化，尤其是风电场运行数据分析和风电场智能化方面研究和实践都非常积极。由于国内的行业差异，我国运营商对应用大数据技术提升风电场运维更为看重。各大运营商纷纷以各种形式开展了这方面的研究和实践。同时，风电整机厂商也在故障预警，控制优化等方面做了很多尝试和探索。

文献[1]通过模糊判断法构建了多参数状态下风机的健康状态评估模型，并在此基础上对CMS系统采集的振动数据进行分析，有效判定轴承故障；同时对SCADA 系统采集的功率与风速、风机水平和竖直方向的振动进行了研究，提出了基于SCADA 系统的风机健康状态评估模型，并提出了评估等级；将CMS 振动数据与SCADA 环境数据进行结合分析能更准确且高效地判定风机的健康状态。文献[2]先对滚动轴承数据进行时域、频域、时频域的故障特征提取，将提取特征作为预测模型输入；将一部分样本作为训练集输入LSTM 预测模型，分批次输入模型进行训练，并调整网络参数，建成模型后利用测试集进行测试。相比于支持向量机（Support Vector Machine，SVM），基于LSTM网络的寿命预测模型能够充分利用全生命周期时序数据的前后关联信息，对滚动轴承寿命预测具有更高的准确率。文献[3]针对齿轮箱轴承故障特征易受到风机变工况干扰的问题，提出了一种变分模态分解与瑞利熵相结合的特征分析方法，实现对风电齿轮箱高速轴轴承健康状态系数的估计。本文以双馈异步风机齿轮箱高速轴轴承作为研究对象，研究了其在变转速变负载工况下的外圈故障特性。通过对比振动信号的频域特征参数与小波包分解能量特征结果，证明变工况运行条件下变分模态分解与瑞利熵相结合的故障诊断方法能够有效地辨识故障轴承。文献[4]提出了一种基于皮尔逊相关系数、支持向量回归和统计过程控制相结合的预测方法，首先，利用皮尔逊相关系数对特征变量进行筛选，减少冗余特征变量。然后，利用支持向量回归对风机齿轮箱的正常状态建立预测模型。最后，利用统计过程控制分析预测模型的残差分布，并设定齿轮箱故障预报警阈值。通过仿真对比了齿轮箱正常与故障状态下的温度预测曲线以及残差分布曲线。仿真结果验证了所提方法对齿轮箱故障预测的有效性。文献[5]根据某风机运行状态的历史数据，分别采用组合评价方法以及传统评价方法对齿轮箱的运行状态进行评价以验证该方法的科学性和准确性，结果表明：基于预测数据所得劣化度能够克服现有SCADA 系统中固定报警阈值所带来的缺陷；该组合评估方法在凸显劣化程度较大但由于常权值较小所隐藏的故障信息的同时，能够较早地准确发现风机故障。

现有的机组的运行控制对关键部件的状态缺少深入的考虑，当设备运行多年，主要部件不同程度的发生劣化，尤其是主要的功率器件，比如发电机、变流器等。现有的机组及控制和场级监控仅仅考虑了设备的超限保护逻辑，也就是当设备的关键参数超限发生后就简单的停机。控制方式和控制策略对设备的状态考虑的因素比较少，处理的方式单一。这种情况在很大程度上造成了发电量的损失，故障停机时间过长，并且对设备损耗和寿命都有不良的影响，最终往往会演变成安全问题。为了应对这种状况，我们结合现有机组的实际情况，提出一种考虑关键设备运行状态的主动安全控制优化方案。该方案通过对变流器、发电机、齿轮箱、变桨和偏航等系统进行深度监测，采取机组侧综合优化运行措施，以主动安全控制为目标，以设备状态分析和基于历史数据的设备状态建模为基础，对机组进行优化能量控制。从而达到减少故障停机次数，降低故障停机时间，避免设备长期亚健康运行带来的安全问题，在总体上提升发电量的目的。

2 研究内容

风力发电经过多年的快速发展，存量风电资产的规模已经非常大。对于已经投运的风力发电设备，如何降低运维成本，提升运行质量已经成为整个行业共同面对的问题。预测型维护是达成提质增效的有效手段，大型风力发电机组关键部件的故障预警是预测型维护的基础。结合对风电机组设备机理和特性的了解，应用当前先进而有效的机器学习理论和方法，进行关键部件故障预警。

现有的风电机组控制系统普遍采用的设备保护策略是超限报警，这种策略有它的现实意义，但也有明显的缺陷。以超限保护为基础的控制方式和控制策略对设备的状态考虑的因素比较少，处理的方式比较单一。

对机组的基本情况和运行现状进行调研。调研的内容包括，机组平均无故障运行时间（MTBT），机组实时和历史运行数据的分析。机组设计功率曲线和实测功率曲线的对比情况，机组主要部件的配置和运行情况等。调研方式包括和运维人员的调研沟通和机组历史运行数据的分析。根据调研的结果进行优化方案的制定：

确定影响机组平均无故障时间的因素包括主要部件的故障率，主要辅助设备的控制逻辑是否合理，主要辅助设备和主要电气控制单元的可靠性评估和优化方案制定。优化主要包括逻辑优化和设备优化。

根据机组运行数据和功率曲线实测数据分析，确定功率曲线优化的方向和方案。功率曲线优化主要通过优化控制策略和控制系统参数提高风能利用效率来实现。

优化方案的载荷分析和风险评估。优化的控制策略，要通过载荷计算来评估和避免风险。优化方案实施分3个阶段：控制策略和参数调优，仿真验证和载荷评估阶段、样机试验阶段、小批量推广阶段。

事实上，设备的真实状态早在超限停机之前相当长的时间里已经发生变迁，处于亚健康或着异常状态。由于普遍采用的控制策略缺少对设备状态的深度评估和监测，这种在参数超限之前的长时间运行，会加速设备向不好的方向发展，使得故障停机增多，故障带来的直接损失和间接损失得不到有效控制。

根据特定机型特型，基于历史数据分析和研究现有风机关键部件的特性，并建立基于状态分析的优化运行模型。通过对变流器、发电机、齿轮箱、变桨系统和偏航系统的历史运行数据进行分析，建立各个部件的关键参数和机组整体运行状态之间的模型，分析各个部件的故障数据，对部件的状态变化特性，比如温升曲线等，进行分析和挖掘，得到关键部件的主要参数变化和发电运行之间的关系模型。

在这种模型的基础上，通过仿真模拟，制定优化算法，实现基于设备状态的主动安全控制。从而实现减少故障停机，提升机组运行安全性，降低发电量损失，总体上提升发电量的目的。

一个典型的案例是，通过建立模型，可以根据变流器关键部件的温度数据，提前对机组进行一定幅度降负荷控制，从而避免机组在短时间内温度超限停机，损失更多的发电量。

在主动安全控制的框架下，可以开展建模、状态监测和主动安全控制的关键部件包括：

变流器系统：变流器系统的功率器件会因为运行环境的变化发生不同程度的劣化和衰减，通过主动安全控制策略可以有效避免在极端情况时发生的对变流器功率器件的寿命损伤，减少潜在的故障停机时间。

主轴承：主轴承是风电机组的关键部件，也是容易发生各种状况的部件。通过对主轴承温度的深度分析，建立整个机组状态与主轴承温度的关系，可以更细致地监测轴承状态，避免到发生问题时才引起的超温停机。通过主动安全控制，可以避免轴承受到额外的损伤，减少重大故障的发生。

齿轮箱：齿轮箱超温停机问题是比较频繁发生的一个故障类型。齿轮箱的温控系统很容易因为某些部件的老化导致温控效果不好。通过主动安全控制，可以在温控系统发生问题的早期采取措施，减少齿轮箱温度异常发生的时间，减少齿轮箱因此带来的设备损耗，降低发生故障停机的时间和次数。

发电机及其辅助系统：发电机是能量转换的主要部件，通过对发电机状态的监测，采用主动安全控制策略，可以避免对发电机本体设备的不合理损伤。如果仅仅依靠超温报警，会造成在报警之前，长时间的亚健康运行，造成更为严重的故障，更长时间的停机等。

偏航及液压系统、变桨系统等：趋势模型可以在常规的超发生限报警之前相当长的时间里发现异常，通过主动安全控制可以降低设备进一步损坏的风险，同时通过信息提示的方式，帮助运维人员尽早发现问题进行实际检查。从两个方面保证了设备安全，同时也减少故障停机时间，减少检修时间，从而提升了发电量。

机组运行综合评估根据SCADA 历史数据对机组的主体设备，辅助设备和控制系统等进行评估。评估的目的有两个：一是发现设备运行中的一些异常情况，在设备尚未发生故障时，尽早发现征兆。当机组在运行过程中如果发生异常，几乎都会全部或者部分地在运行数据中有所表现。机组综合评估这个模块就是用数据分析的方法，提供一组工具和手段去发现这些问题。二是发现机组发电量的潜在损失。这是提升机组发电量的一个重要手段。通过对机组运行数据的深入挖掘，发现运行过程中不被关注的某些环节，而这些环节对发电量的影响往往不被人们重视，通过数据挖掘的方式去发现这些对发电量有潜在影响的环节。

偏航对风是风电机组运行过程中的重要环节。风电机组在初始安装、叶轮扰流和维护等环节都可能因为各种原因，比如安装误差等，给机组的偏航对风带来静态误差，这种静态误差会带来发电量的损失。根据机组运行原理，这种误差达到一定程度时，带来的发电量损失是非常可观的。

所以，如何发现并且消除这种误差就成为一个很有价值的问题。已有的解决方案需要给每个待校准的机组安装激光雷达测风设备，然后根据雷达测风数据进行偏差估算。但是这种方式需要投入的成本很高，激光测风设备的购置或租赁费用一般都很高，安装也需要人力成本和时间成本。

因此提出一种基于机组历史运行数据进行偏航对风静态误差发现的方法，并且进一步根据不同机型给出消除这种偏差的方法。我们提出的方法在明确问题和设备运行机理的情况下，借助机器学习和数据处理技术，完成机组工况识别，数据自动筛选，借助自动寻优和数据可视化相结合的方法，完成机组偏航对风误差的估算。找到机组的偏差后给出明确、具体的操作建议，并根据不同机型给出切实可行的修正方案，不需要修改机组的控制逻辑，一般只需要修改偏航误差修正系数或者校核风向标零位。按照之前做过的案例，一个风场的平均偏航静态误差接近10度，潜在的发电量提升约3%。

大型旋转设备大量应用在能源，化工等工业生产领域。典型的如风力发电机组的传动和能量转化系统，火力发电机组的汽轮机和发电机，大型工业过程里的泵与风机系统等。在这些旋转设备里，轴承是重要的部件，并且是故障发生和产生维护成本的主要部件之一。轴承故障带来的潜在损失非常大，系统停机，更换等成本很高，比如风力发电机组，轴承部件和旋转设备安装在几十米甚至上百米高的塔架上，更换和维修成本高、工期长，带来的潜在损失很大。因此，如何在早期发现轴承的故障征兆，在第一时间进行必要的维护和保障措施来避免更为严重的故障发生就成为非常有价值也很迫切的问题。

装置主要包括数据获取模块、在线计算模块、模型训练模块。数据获取模块的实现依赖于设备的数据获取途径，包括直接采集、网络通讯等。在线计算模块的载体是一个完整的计算机系统并和数据采集模块完成对接，模型训练模块是一个软件系统，它同时和数据采集和在线计算完成数据对接，并完成在线和离线的模型训练。

建立数据驱动的结冰检测模型和机理分析结合起来，实现基于实时运行数据的结冰检测系统。根据机组的运行机理，结合机组叶轮结冰后的气动表现，对结冰工况进行建模。同时，结合机组运行的历史数据，建立数据驱动的模型。结冰工况建模的主要特点是机理和数据相结合，从机理出发，以数据为基础和支撑。根据结冰工况建立的模型为基础，采集机组运行的实时数据，对机组工况进行实时滚动检测，应用机器学习和深度神经网络方法，识别结冰工况。检测方法是以机组运行数据为基础，用结冰工况模型进行判断。模型主要根据机组运行的主要相关变量来判断。这些变量的相互关系反应了叶片的气动特性，如果叶片结冰，则气动特性受到影响，这些变量关系会表现出异常。

偏航运行分析、辅助设备运行状态评估和齿轮箱运行状态评估。以上模块都是根据实际机型定制的评估模块，其目的在于评估整个系统或设备的运行是否符合机组设计的预期，是否在正常状态。通过大数据分析和智能算法发现系统运行过程中的早期异常，从而及时制定应对措施，避免更进一步的问题和损失。

3 研究方法

和变流器这样的典型案例一样，对关键部件的关键参数进行趋势预警和异常状态监测，通过功率控制减少轴承在非正常状态下的损失（比如欠润滑甚至磨损等）。通过对极个别时间段的主动安全控制可以明显降低机组故障，减少综合发电损失。

基于上述研究，主要完成如下目标：在主动安全控制的框架下，建立关键部件的状态分析模型，通过实时分析设备状态，能够进行主动安全控制。通过基于状态监测的主动安全控制策略可以减少故障停机，提高关键部件的运行质量，提升整场的发电量表现。完成的关键部件状态监测模型包括：变流器系统、主轴承、齿轮箱、发电机及其辅助系统、偏航及液压系统和变桨系统等。

通过分析历史数据，分析特定机型的特点建立关键部件的变流器、发电机、齿轮箱、变桨系统和偏航系统的状态模型，制定综合优化控制策略实现基于设备状态的主动安全控制。实现提升风机运行安全，降低故障停机时间，减少发电量损失，总体上提升整场的发电量。通过主动安全控制策略提升整个风电场设备运行的安全水平。

以上案例是某风电机组的关键传动设备的预警案例。首先通过设备机理分析，采用机器学习算法计算设备健康异常指数。通过图1可以看出，在设备发生异常时，设备健康异常指数发生突变。在设备损坏前3个月，设备健康异常指数就发生了突变，发出故障征兆预警。为预测型维护，争取了足够的时间窗口，从而避免严重的设备损坏。

图1 案例分析