一种基于SCADA参数关系的风电机组运行状态识别方法

提出一种基于SCADA参数关系的风电机组运行状态识别方法。首先,从风电机组运行特性出发,深入分析风电机组运行状态SCADA数据输入/输出参数关系;基于时间的滑动窗口模型,采用多项式回归拟合方法,构建风电机组运行状态输入/输出参数关系数学模型;然后,基于风电机组正常运行输入/输出参数关系数学模型,提出描述各个时刻风电机组运行状态异常程度的指标计算公式;对风电机组正常运行阶段的状态指标进行统计分析,获取其分布函数规律;最后,根据小概率事件假设,确定识别风电机组运行状态出现异常的阈值,据此对风电机组运行状态出现异常进行预警。以同风场同型号两台2 MW直驱式风电机组SCADA数据为例进行分析,结果表明:①基于SCADA数据的风电机组运行状态识别方法,可以实现对风电机组运行的异常状态识别和早期预警,该方法的特点是状态识别完全基于正常运行SCADA数据分析而无需异常运行SCADA数据进行挖掘训练和相关物理机制与故障模式方面的先验知识;②基于风电机组SCADA数据的运行状态识别方法,依据风电机组及其部件的运行状态输入/输出参数关系的层次结构,可以获得发生异常状态的相关部件信息,这对风电机组运行状态预警和维护决策具有重要意义。     

试析大数据技术在风电机组运行状态监测评估中的应用

统计显示,一个设计寿命20年的风电机组,其运维费用占到风电机组总收入的10%~15%,而在一些恶劣环境(如海上)中工作的风电机组,其运维费用高达风电机组总收入的25%,因此通过运行状态监测评估来降低风电机组的运维费用具有十分重要的现实意义。SCADA系统等为风电机组提供了丰富的环境参数、并网参数及故障记录,鉴于此,利用大数据分析技术来有效消除以往评估方法缺乏有效数据的不足,并充分挖掘大数据中的有效信息,这为突破风电机组运行状态监测评估的瓶颈带来了全新的技术手段。     

基于协整分析的风电机组状态监测方法

针对风力发电机组SCADA系统受到环境及运行等因素影响[1],常常发生故障漏报和误报等问题,提出一种基于协整计算的风力发电机SCADA非平稳数据分析方法。风力发电机SCADA数据经协整计算可以获得附带风力发电机状态信息的残差,通过分析该协整残差可实现风力发电机的状态监测。取内蒙古包头市固阳县某风场1.5 MW双馈风电机组所采集的SCADA数据为研究对象,利用部分非平稳数据建立协整模型,并用一组正常运行数据以及一组已知齿轮箱故障数据对模型进行验证,结果表明,所提方法可有效抑制SCADA数据中由环境和运行引起的响应,准确识别风力发电机的运行状态,简单有效的实现风力发电机的状态监测.     

基于数据分类重建的风电机组故障预警方法

为预警风电机组潜在故障、增强机组出力安全性,基于监控和数据采集(SCADA)系统,提出一种异常数据重建的风电机组故障预警方法。首先,充分利用同风场风机SCADA数据,分别重建输入类与输出类目标机组数据,克服了部分数据信息丢失、数据异常问题;其次,使用提取的代表性数据建立故障预警模型,所得预警模型更贴近机组运行动态特性;最后,采用改进的衰退指标预警潜在故障,直观展示机组阶段性衰退程度。案例研究中使用某风电场SCADA故障数据,并使用3种标准确定所提策略参数设定值,结果表明可至少提前3周预警风电机组齿轮箱潜在故障,验证了所提故障预警方法的时效性。     

基于SCADA温度数据的风电机组发电机驱动端轴承异常识别方法

为及时识别发电机驱动端轴承的异常运行状态,利用风电机组数据采集与监视控制(SCADA)系统参数序列之间存在的内在相关性,提出一种基于协整和向量误差修正模型的发电机驱动端轴承异常识别方法。首先,对所选温度SCADA参数序列的平稳性进行检验,分析各参数的单整阶数;然后,通过协整检验来确定所选参数之间的长期均衡关系;最后,在协整关系的基础上构建适用于温度SCADA参数的向量误差修正模型,计算模型预测残差的均方根误差,使用指数加权移动平均值设定阈值对发电机驱动端轴承的运行状态进行监测。利用内蒙古某风场的一组发电机驱动端轴承故障数据进行验证,结果表明该方法能有效识别发电机驱动端轴承的异常状态,及时发现早期故障。     

融合多时段SCADA数据的风电机组风险态势预测

针对传统风电机组静态评估较难准确反映出整机状态的问题,在缺乏历史故障数据支撑的场景下,综合考虑风电机组数据采集与监控(SCADA)系统的历史记录、当前状态以及运行趋势等多时段信息,基于风险的思想开展风电机组态势预测.采用长短期记忆网络构建有功功率短期预测模型,以有功功率预测残差量化风险状态严重度;利用模糊C均值算法构建机组风险状态严重度离群点模型,划分风险状态严重度等级;在此基础上,基于马尔科夫链的状态转移模型,预测机组当前风险状态严重度等级和潜在趋势.以新疆某风场的2MW风电机组为例,验证所提方法的合理性与有效性.     

基于等效建模的风电机组增功技改快速评估方法研究

针对当前风电机组增功技改中存在获取建模参数困难，所建模型精确度不高的问题，提出一种基于等效建模的风电机组增功技改的快速评估方法。采用基于SCADA数据概率统计方法，建立了风电机组控制参数模型；基于翼型数据库与叶素动量理论，建立了叶片基本几何模型，采用优化算法，以风电机组特性曲线为目标进行模型优化。利用NREL5MW风电机组对等效建模方法进行验证，得出功率与推力曲线吻合很好。对某2MW风电机组进行等效建模，在等效模型的基础上研究了叶尖加长方法，并对加长的效果进行了气动评估，结果表明通过SCADA数据获取的参数能更好地符合实际机组的运行情况，等效模型能准确模拟出原模型的气动特性，叶尖加长后能显著提高风电机组的年发电量，具有较好的经济效益，是解决风电机组发电效率低、经济效益差的有效方法。     

基于FISSA-DBN模型的风电机组运行状态监测

为提高风电机组运行效率,降低风电场运营成本,对风电机组运行状态监测显得尤为重要,提出一种基于数据采集与监控（supervisory control and data acquisition,简称SCADA）系统和萤火虫改进麻雀搜索算法优化深度置信网络（firefly improved sparrow search algorithm optimized deep belief network,简称FISSA-DBN）的风电机组状态监测新方法。首先,对SCADA数据进行预处理分析,并利用专家系统和皮尔逊相关系数分析,相关分析选取输入参数和输出参数;其次,利用预处理数据集建立基于FISSA-DBN的风电机组运行状态监测新模型,根据模型预测值和实际输出值之间的重构值误差,以及指数加权移动平均阈值（exponentially weighted moving average,简称EWMA）判断是否有异常;最后,以华东某风电场实际数据为例进行实例验证。结果表明,所提出方法的预警时间比实际记录时间最早可提前4 d多。同时,将所提出方法与其他方法进行对比,结果表明该方法预警时间提前,模型预测误差更小。     

基于动态特征矩阵的k近邻风电机组故障检测方法

受风的间歇性和随机性影响风电机组运行状态频繁切换,导致设备状态异常检测误报和漏报情况严重,风电企业运维成本居高不下。为此,提出了基于动态特征矩阵的k近邻故障检测方法,该方法采用基于互信息的动态特征矩阵描述风电机组的动态特性,通过加权k近邻同时考虑动态特征矩阵中的特征贡献率与累计互信息的影响,利用动态阈值计算降低运行状态突变造成的误报。分别以美国可再生能源实验室5 MW海上风机基准模型的常见传感器和执行器故障以及SCADA数据中记录的变桨系统故障为例,将所提方法的故障检测结果分别与PCA、KPCA、FD-kNN以及PC-kNN故障检测方法进行对比,结果表明所提方法能够准确进行故障信息的检测,所提方法优于其他对比故障检测方法。     

基于改进组内方差算法识别风电机组异常数据

由于受数据测量误差、弃风限电及停机等因素的影响，风电机组SCADA采集数据中存在大量异常数据，清洗剔除异常数据是有效进行风电机组性能分析与预测研究的前提。本文采用改进最优组内方差算法对风电机组异常数据进行识别。经现场实例验证表明：改进最优组内方差算法可在不增加硬件设备的前提下，准确有效的识别风速-功率曲线中的底部堆积型、中部堆积型、上部堆积型和周围分散型四类异常数据。     

某风电场兆瓦级双馈异步风电机组发电机轴承故障分析

根据某风电场运行的兆瓦级双馈异步风电机组发电机轴承故障实际情况,在风电机组SCADA监控系统报警信息和故障发电机现场检查基础上,对故障电机轴承失效情况进行分析,进而分析导致轴承失效原因,最后给出后期发电机轴承维护建议。     

基于集成NSET和模糊软聚类的风电机组齿轮箱状态监测

风电机组齿轮箱的故障频率和维修成本较高,有必要对其运行状态进行实时监测。非线性状态估计(NSET)算法有着对记忆矩阵依赖大、无法有效利用数据资源改善精度、实时性差等不足。为此,提出一种基于模糊软聚类和集成NSET的状态监测方法:使用模糊软聚类将历史数据分为边界有重叠的不同类别,实现工况的软划分并构造多个不同工况的NSET模型作为个体学习器;以参数回归方法作为结合器,可在不影响实时性的同时,使用大量数据训练参数以改善精度。用某2 MW风电机组的齿轮箱故障数据进行验证,结果表明,相比常规方法,提出方法的精度和实时性均更优;通过预测残差均值和基于残差构造的健康指数,能够灵敏、准确的反映齿轮箱的早期故障及其发展趋势。     

风电场SCADA系统技术研究及实现

针对风电场SCADA项目需求,设计了一套SCADA系统方案,介绍了方案的架构和实施。该方案基于双网结构,自上而下分为SCADA后台、规约转换、控制层和风电机组4个层次。风电机组和后台之间通过控制层和规约转换连接,把自身的运行数据上送到后台,同时也执行后台下达的遥控命令,从而实现整个风电场的监控需求。实际结果表明,该方案能满足系统的实时性、稳定性和扩展性要求。     

风电机组变桨轴承的磨损预警方法研究

针对风电机组变桨轴承磨损情况严重、经济损失大等问题,提出了一种基于数据采集与监视控制(SCADA)数据的风电机组变桨轴承磨损预警的建模方法。以变桨电机电流、桨距角、风速、功率等风机运行参数为基础,利用滑动窗口统计的方法构造了新的特征变量,将特征变量和标签数据导入随机森林算法,进行了模型的训练和验证;然后,建立了一种监测变桨轴承磨损的预警模型;最后,以某风场20台机组历史数据为输入,以机组故障记录为输出标记,在设定了合理的预警规则基础上,建立了变桨轴承的预警模型,并对此进行了实测验证。测试结果表明:该变桨轴承磨损预警模型能提前5 d～30 d发出预警信息,预警准确率平均能达到87.9%;试运行结果表明:该模型具有成本低、效率高、解释性强的特点,在提高机组的安全运行时长,以及降低机组的运维成本方面具有重要意义。     

基于LSTM-BO和SPRT的风电机组故障演化过程分析

有效挖掘故障演化的过程有利于分析和总结故障传播规律。本文提出了基于LSTM-BO模型和SPRT算法，利用SCADA历史数据研究风电机组早期故障演化过程的分析方法。首先使用Pearson相关系数法挖掘SCADA数据各监测变量之间的映射关系，获得LSTM-BO网络所需的输入—输出关系对；其次是依赖LSTM网络强大的时序特征提取能力，将预处理后的SCADA数据送入LSTM网络进行训练，从而得到相应的正常行为模型；最后，依赖SPRT在序贯测试方面的优势，将各监测变量模型预测值与实际监测值之间的偏差看作序贯测试的对象，并对其测试结果进行滑动窗口观测，以异常点数目占观测窗口宽度的比值为度量指标，得到SCADA数据部分重要监测变量在故障发生前的演化过程。实例分析结果表明，所提方法能够有效提取故障演化的过程，为后续演化规律的分析提供指导。     

风电机组传动系统振动监测研究进展

振动监测是当前风电机组传动系统状态监测的主要手段。首先,分析了风电机组传动系统振动监测策略和各部件振动特征提取流程,重点介绍了边频带能量因子、阶次谱边频带能量比等振动特征趋势指标;然后,分析指出解决现役风电机组因传动系统故障导致巨大经济损失的关键是进行风电机组传动系统早期故障预示,重点介绍了泛化流形学习的风电机组传动系统早期故障预示方法;最后,从系统架构、数据采集配置及监测分析方法等方面分析了现有的风电机组传动系统振动监测系统的功能与特点,指出了基于多源信息融合的大数据预测分析与智能维护将是风电机组健康管理的重要发展趋势。     

风电机组塔筒在线监测技术之研究

国内陆上风电单体容量最大风电机组：西门子歌美飒SG 145风电整机于2020年8月15日正式下线。其额定功率可在4.2～5.0MW间调节,最大可达5MW。在大型风电控制技术的不断发展过程中,大型设备制造业也不断壮大,并且趋向于海洋化和大型化方向发展。风电机组塔筒在线监测技术是目前风电场已经实施和应用的新型技术,其不仅能够较大程度地减少风电机的维护成本,还能通过动态的检测技术预防故障,及时维修和检测,降低成本的同时规划维修方案,杜绝或减少停机的时间。与此同时,远程检测系统能够实现远程操控,操作便捷的同时可以实现数据浏览。阐述了风电机组塔筒在线监测技术的研究背景,简要概述了风电机组塔筒的基本性质和功效等,提出了塔筒在线监测技术的必要性,通过案例研究方法,了解了技术价值及现场应用收获。     

基于深度信念网络的风机主轴承状态监测方法

提出了一种基于深度信念网络（DBN）的风电机组主轴承状态监测方法。为了降低建模难度并减少训练时间,首先利用相关系数法选取建模变量,进而建立主轴承正常行为的DBN温度模型并用于主轴承温度预测。该模型克服了传统神经网络随机初始化网络权重、易陷入局部最小值等缺点,能有效提高主轴承温度的预测精度。然后采用指数加权移动平均法（EWMA）对主轴承温度残差序列进行分析,并利用核密度估计方法确定故障阈值。最后基于实测的数据采集与监视控制（SCADA）系统数据对主轴承故障进行模拟。结果表明,与传统预测方法相比,该方法能有效地实现主轴承的异常状态监测。     

多风力机偏航误差角对输出功率的影响分析

监控与数据采集（SCADA）系统中记录的历史数据包含了丰富的信息,有助于风力发电机组的性能优化。以某山地风电场风电机组（WTs）为研究对象,从数据方面研究风电机组偏航系统整体运行状态。首先获取SCADA系统采集的风速、偏航误差角和功率数据,并对这些数据进行相应的预处理;然后根据IEC61400-12功率特性测试中的bin法对预处理数据进行统计计算;分析了不同风速下偏航误差角对功率的影响。结果表明,从偏航系统的整体运行数据来看,不同的偏航误差角对输出功率影响的显著差异多集中在中间风速段,为山地风电机组偏航系统的运行和维护方面相关研究提供了参考依据。     

基于在线油液磨粒检测的风电机组齿轮箱磨损状态监控

针对风电机组齿轮箱的早期磨损故障监测需求及降低维护成本诉求,提出基于在线油液磨粒检测的磨损状态监控技术。设计适用于风机的大孔径油管的金属磨粒检测传感器,开发适用于风电场所有风电齿轮箱磨损状况分布式测量的智能监控系统。试验及数据分析表明该技术和产品具有灵敏度高、抗干扰能力强、颗粒检出正确率高等优点,满足风电机组齿轮箱磨损监测的实际应用需求。