基于SCADA运行数据的风电机组塔架振动建模与监测

振动信号是风电机组数据采集与监视控制(supervisory control and data acquisition,SCADA)系统中的一类重要变量.对振动信号的建模和分析可以实现对机组重要部件如塔架、传动链、叶轮等的状态监测工作.采用非线性状态估计技术(nonlinear state estimate technique,NSET)作为建模方法,在对风电机组塔架振动特性及其影响因素进行细致分析的基础上,建立了塔架振动模型.该模型由额定风速以下和额定风速以上两部分子模型构成.同时,对非线性状态估计技术的物理意义及特点进行了深入的分析和探讨.在某风电机组2006年4至6月份SCADA数据的基础上,建立了覆盖其正常工作状态的塔架振动模型,并对该模型进行了验证.研究表明,基于NSET的塔架振动建模方法具有方法简单、物理意义明确和建模精度高等优点,为后续拟开展的风电机组振动状态监测和早期故障诊断打下了良好的基础,同时为风电机组振动分析提供了新的思路.     

集成服务环境下风电并网的无功调节（一）无功调节

依据风电功率预测和地区系统无功优化运行方案,计算风电机组电气控制参考值,通过每台风电机控制器和变频器调节风电场注入系统的无功功率。提出了集成服务环境下风电场的无功调节策略,介绍了风电数据采集与监控（SCADA）系统的功率预测过程和参数整定过程。以基于双馈异步发电机的变速恒频风电机组为例,介绍了风电机组无功调节的实现方案。     

基于支持向量数据描述和XGBoost的风电机组异常工况预警研究

该文提出一种基于支持向量数据描述（SVDD）和XGBoost模型的风电机组异常工况预警方法。从机组监控与数据采集系统（SCADA）数据中选择与转速和发电功率密切相关的特征变量,利用SVDD算法对建模数据进行预处理,采用XGBoost建立风机正常性能预测模型。以所建预测模型为基础,构建时间滑动窗计算性能评价指标,并根据统计学的区间估计理论合理确定风机性能异常预警指标阈值。采用某风电场1.5MW风电机组SCADA系统记录的若干真实故障案例,开展异常工况预警仿真试验。结果表明：基于SVDD和XGBoost的风机异常工况预警方法,可以有效地清洗数据,及时识别风电机组异常状态,对于提高风电机组运行的安全性具有较好的工程实用意义。     

考虑多信息融合的风电机组状态评估与预测系统开发

为降低风电机组故障发生概率,提高其可靠性,该文利用数据采集与监控系统（supervisory control and data acquisition,SCADA）检测获得的风电机组运行状态数据,通过研究多指标融合状态评价模型及其预测算法,解决风电机组状态参数评估与预测难题。结合SCADA系统结构,设计并规划风电机组状态参数评估与预测系统架构与功能;利用输出功率波动、风能利用率以及开机运行比率3项参数,基于阈值法,建立风电机组状态退化评价指标模型,通过主成分分析法对3个评估标准进行权重计算,并将各指标进行信息融合,综合反应风电机组运行状态;设计Convolutional Neural Network-Long Short-Term Memory风电机组状态预测模型,实施风电场运行状态参数预测;开发风电机组状态评估与预测系统软件,验证所提方法的有效性。     

区域风电生产运营监控系统的开发

风能资源丰富的地区一般都建有多个风电场。这些风电场厂址分散,并且采用不同型号的风电机组,其监控与数据采集（SCADA）系统也不相同,给风电公司的生产运营管理带来很大困难,也给电网的调度和安全运行带来很多问题。为此,开发了区域风电生产运营监控系统。该系统在WEB上实现SCADA功能,可对不同数据规约进行统一整合,进而可对不同机型的SCADA系数数据进行统一管理,使区域风电公司能够远程集中监测和控制管理区域内分散的风电场,为风电生产的“无人值守”打下基础。     

风电机组刚性塔架共振分析及其控制策略

本文对风电机组刚性塔架振动故障进行诊断和治理,基于刚性塔架风电机组的塔架动力学模型,确定了刚性塔架共振判定条件,分析了机组刚性塔架因阵风引起转速超调导致塔架共振的原因,提出在叶轮转速反馈控制基础上,建立以功率输出平稳为准则、以叶轮为风速计的预估风速控制优化方法。将该方法用于某2000k W风电机组刚性塔架振动故障,实际结果表明,叶轮转速反馈与预估风速联合控制可有效降低阵风引起的叶轮转速超调,避免机组刚性塔架共振,效果显著。     

基于深度神经网络模型的风电机组传动系统状态监测方法

大型风电机组传动系统运行工况复杂,运维人员无法实时了解其运行状态.针对这一情况,提出一种基于深度神经网络模型(DNN)的状态监测方法.首先,BP算法训练DNN模型时容易陷入局部最小值和过拟合,因此,将麻雀搜索算法(SSA)与BP算法结合,提出一种SSA优化BP算法训练DNN模型的方法.然后,采用风电机组SCADA系统数据建立DNN模型来估计风电机组传动系统的关键运行参数,利用估计参数的残差信息构建T2统计量应用于状态监测,并给出T2统计量报警限的确定方法.最后,将提出的DNN训练方法与其他方法进行对比并将该方法应用于某风电机组传动系统状态监测.结果表明,SSA优化BP算法能够有效避免局部最小值和过拟合,该状态监测方法能够提前预警风电机组传动系统的异常状态.     

考虑运行状态相似性的风电机组数据异常检测方法

文中提出一种利用风电场内运行状态相似的风电机组数据采集与监控（SCADA）数据提升异常检测结果准确性的方法。首先,基于实际数据的分析结果,提出了风电机组运行状态的相似性比较原则,进而提出了基于互信息特征选择算法和迭代自组织数据分析聚类算法的运行状态相似性评估方法。然后,在考虑状态变量短时相依性的基础上,利用待检测风电机组的历史SCADA数据构建了基于支持向量机的确定性估计模型,利用相似风电机组的历史SCADA数据构建了基于核密度估计的组合概率估计模型。进一步,利用确定型估计模型和组合概率估计模型分别对目标变量的异常状态进行自检测和外部检测,通过2次检测结果的互相印证来提升异常检测结果的准确性和可靠性。最后,基于一个实际风电场内所有风电机组的SCADA数据和对比实验验证了所提方法的可行性和准确性。     

计及信息不确定性的风电机组健康状态实时评估方法

运行工况识别作为风电机组状态监测与健康管理领域的重要环节,往往受到不确定信息以及高速实时数据流的影响,造成健康状态评估难以有效实施。在此背景下,文中提出一种基于Spark流式处理的健康状态实时评估方法。首先,采用大数据分析技术实现风电机组运行工况的空间划分;然后,在充分考虑风电机组监测信息不确定性的情况下,结合数据采集与监控(SCADA)历史运行数据,对基于高斯云模型和高斯云变换的健康状态评估模型进行训练,并以健康指数作为风电机组健康状态评估的指标。最后,将该评估方法应用在中国北方某风电场1.5 MW风电机组故障前的健康状态评估中。算例分析结果表明,该方法可监测到风电机组健康状态的变化趋势,初步实现了故障的早期预警。     

基于Relief算法的风电机组故障特征参数提取方法

随着风电技术的快速发展,风电装机容量快速增长,风机SCADA系统监测的数据也越来越全面。风电机组部件故障与运行环境密切相关,可通过重点关注风电场中工况恶劣的风机来提高整体可用率。文章提出一种基于Relief算法从风电机组SCADA数据中提取故障特征参数的方法,根据SCADA历史数据和风机故障记录,利用Relief算法筛选出与风机部件故障相关度高的故障特征参数,作为判断风机运行工况和故障率的特征量。采用实际风电场的SCADA数据,以变桨故障和偏航故障为例进行计算,验证了本方法的有效性。     

基于大数据分析的风机轴承故障预警

将大数据分析应用到风机轴承故障预警中,使用栈式自动编码器（SAE）为基本结构,通过逐层提取风机轴承监视控制与数据采集系统（SCADA）数据深层特征,将散乱的SCADA大数据转化成能够深度刻画风机轴承运行状态的内在特征。利用预训练、微调的方法并结合误差反向传播算法（BP）构建SAE故障预警模型,通过SAE模型对大数据处理得到反映风机轴承运行状态的重构误差平均值,以均值漂移聚类算法动态地计算出风机轴承稳定运行状态重构误差基准值为预警的标准。最后利用某风电场机组的SCADA数据进行工程实例仿真分析,验证了基于大数据分析用于风机轴承故障预警的可行性。     

风力发电机高塔系统的自振特性及参数分析

为研究风力发电机高塔系统抗风、抗震等动力问题,基于有限元法对某12 MW风力发电机进行了模态分析,研究了各阶模态振型特性,并通过改变塔架高度、厚度以及叶片长度等尺寸变量,讨论各尺寸变量对风力发电机高塔系统自振特性的影响。对多组数值模拟工况结果进行函数拟合,得到置信度较高的拟合公式,确定了各尺寸变量与风机高塔系统自振频率的函数关系。研究结果可为风力发电机高塔系统结构动力分析提供理论依据,并对工程实践有一定借鉴意义。     

基于深度自编码网络模型的风电机组齿轮箱故障检测

为了实现风机齿轮箱的故障检测分析,提出一种基于风电机组齿轮箱的数据采集与监视控制(SCADA)数据和振动信号的深度自编码网络模型。该模型作为一种典型的深度学习方法,通过逐层智能学习初始样本特征,可以获取数据蕴含的规则与分布特征形成更加抽象的高层表示。首先,利用限制性玻尔兹曼机对网络参数进行预训练和反向传播算法对参数进行调优,建立深度自编码网络模型。然后,通过对齿轮箱的状态变量进行编码和解码,计算重构误差并将其作为齿轮箱的状态检测量。为了有效检测重构误差的趋势变化,选用自适应阈值作为风机齿轮箱故障检测的决策准则。最后,利用对齿轮箱故障前、后记录的数据进行仿真分析,结果验证了深度自编码网络学习方法对齿轮箱故障检测的有效性。     

XGBoost算法在风机主轴承故障预测中的应用

针对传统机器学习算法处理海量风机数据采集与监视控制(SCADA)监测数据效率低和准确度差的问题,提出利用极端梯度提升(XGBoost)算法预测风机主轴承故障。首先,对风机主轴承SCADA数据开展特征分析,挖掘和发现特征与故障之间的关联关系,并评估各特征的重要性;然后利用XGBoost算法构建主轴承故障预测模型,进行模型评估;最后,依据SCADA系统收集的实测数据对模型进行训练和测试,并调整XGBoost模型的主要参数,提高预测准确率。通过与经典梯度提升决策树(GBDT)算法诊断结果相对比,结果表明XGBoost在风机主轴承故障预测的效率和准确度方面均优于GBDT算法,是处理SCADA大规模数据集的有效工具。     

陆上风力发电机塔架振动监测研究进展

塔架作为陆上风力发电机的支撑结构关键部件,其服役质量直接影响到风力发电机的运行安全性。开展塔架振动监测,对其进行服役质量评估和损伤早期预警,是提高风力发电机运行安全性的重要手段。首先,简要介绍陆上风力发电机塔架类型,塔架载荷及动力学理论研究。其次,归纳总结塔架接触式与非接触式振动监测的方法及特点,对不同监测方法进行了对比,提出现有塔架振动监测方案的局限性。最后,分析塔架振动监测数据在状态识别、故障诊断及故障预警等方面研究现状与目前存在的难点,展望塔架振动监测的未来发展趋势。     

基于WGAN-GP的风电机组传动链故障诊断

传动链负责将风电机组叶轮的能量传递至发电机,若传动链中的任一部件,如齿轮、轴承发生异常,风电机组将面临巨大的安全隐患.现有基于深度学习的风电机组故障诊断大多需要人为选择目标变量,所识别故障与所选变量关联性大、通用性不足.梯度惩罚Wasserstein生成对抗网络(WGAN-GP)采用Wasserstein距离作为量度生成数据与真实数据的代价函数,具有训练结果稳定的优势.文中基于数据采集与监控(SCADA)系统提出两步数据预处理方法进行数据筛选,并基于WGAN-GP设计风电机组传动链异常状态分数,进而识别传动链故障.所提方法运用通用SCADA参数,无须人为挑选目标变量,可稳定识别风电机组传动链中的非特定故障,具有识别结果准确、泛化能力强等优点.9台双馈风电机组的状态识别结果验证了所提方法的有效性,可以辅助指导风电场的运行维护.     

大数据驱动下的风电机组工作状态决策树判别方法

风电机组所处工作状态的准确判别,对于掌握风电机组是否安全稳定高效运行具有重要的价值和意义。基于北方某风电场SCADA系统历史大数据,利用统计原理对风电机组特征参数进行了选取,在此基础上建立了一种判别风电机组工作状态的决策树(Decision Tree Algorithm)算法模型,并对模型参数进行了网格搜索优化,同时使用了新的历史数据对模型泛化能力做了检验,递归计算了风电机组不同状态下的信息增益和信息熵。依据风场历史数据对风电机组6种典型工作状态模式做了判别验证,结果表明该方法能够准确有效地判别给出风电机组工作状态模式,准确率平均达到0.989,从而验证了此方法的可行性和有效性。     

基于堆叠自编码网络的风电机组发电机状态监测与故障诊断

为实现风力发电机的异常检测分析,提出了一种基于风电机组发电机正常状态下数据采集与监控(SCADA)样本数据的堆叠自编码网络深度学习方法。首先将多个自编码网络连接构成深度堆叠自编码网络,选取发电机SCADA状态变量数据作为网络的训练输入,使网络逐层智能提取数据间的分布式规则,从而构建发电机的堆叠自编码学习模型。依据故障状态下发电机SCADA数据内部动态平衡规则被破坏,利用发电机深度学习网络的输入与重构值计算重构误差,并作为整体状态的观测量。通过采用自适应阈值检测重构误差的状态趋势变化,并作为异常预警判定准则,从而实现对发电机故障的判定。当发电机发生异常时,变量的实际值与对应模型的重构值发生较大偏差,表现为状态变量的残差趋势将会偏离原有的动态稳定状态。因此利用状态变量的残差趋势变化对异常变量进行隔离,判定可能的故障原因达到故障诊断的目的。通过对发电机故障前后记录数据进行仿真分析,结果验证了堆叠自编码网络深度学习方法对发电机状态监测与故障诊断的有效性。     

某风机钢筋混凝土基础破坏实例及有限元分析

介绍某风电场1．5MW风电机组钢筋混凝土重力式扩展基础的破坏实例。应用有限元方法分析在各种工况下基础的应力及变形。根据计算结果,分析风机塔筒预埋筒环法兰盘上侧混凝土破坏的原因。破坏调查、检测及计算分析表明,在极端荷载作用下,筒环与混凝土之间的黏结力丧失,导致筒环法兰盘上侧的混凝土受到较大的应力作用,使混凝土发生剪切和疲劳破坏,简环与混凝土基础之间发生明显的滑动位移,塔筒的振动加大,最终引起风机报警停机。在调查与分析结果的基础上,对基础加固处理及混凝土重力式扩展基础的设计提出建议。     

基于风剪效应的独立变桨控制对漂浮式风力发电机性能的影响

随着风力发电机塔架高度以及叶片尺寸的增大,风剪效应对风力发电机性能的影响越来越显著,为此提出了基于风剪效应的独立变桨控制策略。分析了漂浮式风力发电机支撑结构的动力学模型,结合针对陆上风力发电机提出的基于风剪效应的独立变桨控制策略,并使用线性二次型调节技术（linear quadratic regulator, LQR）分别对3种漂浮式风力发电机的独立变桨控制器进行了设计,在Matlab/Simulink软件中搭建仿真模型并与Fast软件进行联合仿真。仿真结果表明：所采用的独立变桨控制策略对3种形式的风力发电机的功率、纵摇运动影响并不相同。独立变桨控制策略可以明显降低单柱式风力发电机的功率波动,但对张力腿式和驳船式风力发电机来说效果不明显甚至变得更差;而对于漂浮式风力发电机的纵摇运动来说,独立变桨和统一变桨控制策略对单柱式和张力腿式风力发电机的影响差别不明显,而对驳船式风力发电机来说,独立变桨控制策略使其纵摇角度变得更大。