王奇，張晗，鄧軍，耿大慶，吳芳慈

（1. 中國南方電網(wǎng)超高壓輸電公司 檢修試驗中心，廣東廣州 510663；2. 快威科技集團有限公司，浙江 杭州 310027）

近年來，隨著大氣環(huán)境的持續(xù)惡化，人們對清潔能源的關(guān)注越來越高，風、光、核等新能源的開發(fā)也得到了長足的發(fā)展?，F(xiàn)階段，風電裝機容量占總裝機容量的比例逐年增加，單機容量為兆瓦級的大型風力發(fā)電機組正得到迅速發(fā)展[1]。然而，由于風力機地處偏遠地區(qū)甚至遙遠海域，運行環(huán)境惡劣，容易引發(fā)設(shè)備故障并帶來維修困難及高昂的維護費用等問題[2-3]。因此，及時、全面、準確地監(jiān)測和評估并網(wǎng)風電機組的運行狀態(tài)，建立風電設(shè)備的狀態(tài)評價和故障診斷體系，有效預防故障發(fā)生及實現(xiàn)早期故障定位，對于提升風電設(shè)備運維效率，優(yōu)化風電場維修策略[4]，減少風電設(shè)備故障停機所帶來的損失，降低維護費用等方面具有重要的現(xiàn)實意義。

目前，人工智能在風力發(fā)電設(shè)備故障診斷上的應用已經(jīng)越來越廣泛。文獻[5]提出了一種連續(xù)小波變換方法以提取更為微弱的故障信息，實現(xiàn)了齒輪箱中滾動軸承滾道缺陷和齒輪裂紋的早期識別。文獻[6]引入了一種用單層前向神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進行快速分類以識別故障與非故障的方法，很好地在實時數(shù)據(jù)的基礎(chǔ)上判斷風力發(fā)電機電力裝置的故障。文獻[7]建立了風力發(fā)電機組模糊故障診斷自適應修正數(shù)學模型。文獻[8]介紹了一種風力發(fā)電系統(tǒng)故障診斷專家系統(tǒng)的結(jié)構(gòu)與實現(xiàn)原理。然而人工智能的診斷方法需要大量的數(shù)據(jù)樣本或先驗知識，而目前風力機組大量典型故障數(shù)據(jù)往往很難獲取，制約了機械故障智能診斷的發(fā)展。

本文提出了一種基于狀態(tài)評價的故障診斷方法，首先建立了基于模糊隸屬度和劣化度的風電機組運行狀態(tài)評價的方法和模型，從運行、試驗及缺陷信息中選擇表征風電機組運行情況的狀態(tài)量，對風機設(shè)備進行科學、全面、實時地評價。然后根據(jù)狀態(tài)評價的結(jié)果，結(jié)合矢量計算方法得出風機設(shè)備可能發(fā)生的故障概率；將各種理論故障的發(fā)生概率按要求排序，根據(jù)置信度的大小進行不同的報警。依據(jù)此方法研制的故障診斷系統(tǒng)，已成功應用于南方電網(wǎng)超高壓輸電公司檢修試驗中心，實踐證明，該方法有效地提高了風力發(fā)電設(shè)備故障診斷的實時性與準確性。

1 系統(tǒng)架構(gòu)

本系統(tǒng)共分為4個模塊，如圖1所示，分別為狀態(tài)量采集模塊、狀態(tài)評價模塊、故障診斷模塊和風險預警模塊。

圖1 系統(tǒng)結(jié)構(gòu)圖Fig. 1 Structure of fault diagnosis system

將用以表征風力機設(shè)備運行狀況的信息定義為狀態(tài)量，如同廠、同型、同期設(shè)備的故障信息，歷史性缺陷，運行年限等等，同時用以作為故障診斷的狀態(tài)量依據(jù)，以計算風力發(fā)電設(shè)備的故障概率。

狀態(tài)量采集模塊，用于實時采集風力發(fā)電設(shè)備的狀態(tài)量；狀態(tài)評價模塊，基于運行巡視、維護、檢修、預防性試驗和帶電測試（在線監(jiān)測）等結(jié)果，對反映風力發(fā)電設(shè)備健康狀態(tài)的各狀態(tài)量指標進行分析評價，從而確定設(shè)備狀態(tài)等級；故障診斷模塊，基于狀態(tài)評價結(jié)果，采用矢量計算的方式，對參與評價的各狀態(tài)量進行故障診斷，得出可能發(fā)生的理論故障概率（理論故障為針對故障電力設(shè)備的異常狀態(tài)量可能發(fā)生的各個故障）；風險預警模塊，用于根據(jù)理論故障發(fā)生的概率不同發(fā)出不同的報警提示。

2 關(guān)鍵技術(shù)

2.1 狀態(tài)評價

目前業(yè)內(nèi)已經(jīng)針對多種電力設(shè)備開展了狀態(tài)評價工作，積累了豐富的經(jīng)驗，為實現(xiàn)設(shè)備的全壽命資產(chǎn)管理打下了良好的基礎(chǔ)。如基于回歸建模的變壓器類設(shè)備的狀態(tài)評價[9]，基于灰色關(guān)聯(lián)分析的電站設(shè)備狀態(tài)評價[10-11]，基于模糊評判的發(fā)電設(shè)備狀態(tài)評價[12-14]等等。但針對風力發(fā)電設(shè)備的狀態(tài)評價工作，因其設(shè)備結(jié)構(gòu)的復雜性，以及惡劣的運行環(huán)境，對風力發(fā)電設(shè)備運行狀態(tài)的監(jiān)測與預測沒有系統(tǒng)的、成熟的技術(shù)，相關(guān)設(shè)備的狀態(tài)評價工作很難開展。目前對風力發(fā)電設(shè)備機組的研究一般僅限于某一方面，如結(jié)構(gòu)設(shè)計僅考慮結(jié)構(gòu)方面的問題，可靠性研究主要探討如何提高設(shè)備的可靠性等等，不能全面反映風力發(fā)電設(shè)備所處的狀態(tài)。要從設(shè)備結(jié)構(gòu)較全面分析、評價設(shè)備所處的性能狀態(tài)，是一個復雜且不易實現(xiàn)的過程。

本論文經(jīng)過深入研究，并結(jié)合專家意見和現(xiàn)場工作人員的寶貴經(jīng)驗，提出了一種基于權(quán)重及模糊隸屬度扣分的風力發(fā)電設(shè)備的狀態(tài)評價方法，實現(xiàn)了風力發(fā)電設(shè)備的科學管理，為風力發(fā)電設(shè)備的狀態(tài)檢修提供科學依據(jù)。

基于權(quán)重及模糊隸屬度扣分的評價方法，狀態(tài)量應扣分值由狀態(tài)量劣化程度和權(quán)重共同決定，即狀態(tài)量應扣分值等于該狀態(tài)量的基本扣分值乘以權(quán)重系數(shù)。視狀態(tài)量的劣化程度從輕到重分為4級，分別為I、II、III和IV級，其對應的基本扣分值為2，4，8，10。視狀態(tài)量對風電設(shè)備運行的影響程度，從輕到重分為4個等級，對應的權(quán)重分別為1，2，3，4。考慮到狀態(tài)量不同劣化程度判定的模糊性，采用模糊隸屬度函數(shù)將不同劣化程度的區(qū)分邊界進行模糊化表征，避免不同劣化程度等級分界點處階梯型跳躍對評估結(jié)果造成的波動，進而影響設(shè)備風險評估及檢修計劃安排。

圖2 梯形模糊隸屬度函數(shù)Fig. 2 Trapezoidal fuzzy membership function

模糊隸屬度扣分評價方法中，采用了梯形的模糊隸屬度函數(shù)，對設(shè)備狀態(tài)量信息按函數(shù)圖形進行劣化程度模糊化評價，獲得各劣化等級的模糊隸屬度向量ci=[mi（Ⅰ）mi（Ⅱ）mi（Ⅲ）mi（Ⅳ）]。以圖2所示的梯形圖為例，通過梯形模糊隸屬度函數(shù)將邊界劃分數(shù)值進行模糊處理，得到圖2中的a、b、c、e、d、f、g、h，則可求得m（*）的值。

因此，可得單項狀態(tài)量的扣分值

式中，P為該狀態(tài)量扣分值；ci為模糊隸屬度判斷向量；wi為該狀態(tài)量權(quán)重系數(shù)。

設(shè)備狀態(tài)分為正常、注意、異常、嚴重四個狀態(tài)，部件的扣分值為該部件下所有狀態(tài)量的扣分值的總和，根據(jù)部件扣分值的多少，可得出該設(shè)備部件目前的狀態(tài)。設(shè)備的整體評價應綜合其部件的評價結(jié)果。當所有部件評價為正常狀態(tài)時，整體評價為正常狀態(tài)；當任一部件狀態(tài)為注意狀態(tài)、異常狀態(tài)或嚴重狀態(tài)時，整體評價應為其中最嚴重的狀態(tài)。

2.2 故障診斷

本文利用故障樹方法[15]，分析風力發(fā)電設(shè)備可能發(fā)生的所有理論故障[16-19]，如齒輪箱的齒輪損壞、軸承損壞；發(fā)電機的定子繞組短路、轉(zhuǎn)子繞組故障和偏心振動；變頻器的誤動作、誤差大、過電壓、過電流、過熱、欠電壓等。通過建立狀態(tài)量與理論故障之間的矢量關(guān)系，計算狀態(tài)量發(fā)生變化時理論故障的發(fā)生概率，并根據(jù)故障概率的排序給出相應的風險等級報警。

根據(jù)式（3）獲取各個故障風力發(fā)電設(shè)備的理論故障發(fā)生的概率矩陣F=[F1，F(xiàn)2，…，F(xiàn)n]。

式中，i=1，2，…，n；j=1，2，…，m；Fi為第i個故障可能發(fā)生的概率百分比；ij為第i個故障相關(guān)的第j個狀態(tài)量；m為第i個故障相關(guān)的狀態(tài)量總數(shù)；aij為第i個故障相關(guān)的第j個狀態(tài)量對當前故障的決定性，取值范圍0或1；xij為第i個故障相關(guān)的第j個狀態(tài)量的決定權(quán)重，取值范圍為2，4，6，8，10，當取值為10時，表示故障發(fā)生的可能性為100%，該值查詢知識庫所得。

設(shè)f（xij）為對應第i個故障相關(guān)的第j個狀態(tài)量的對應狀態(tài)評價導則得出的實際扣分值，則第i個故障的實際扣分值為：

設(shè)f（xijk）為第i個故障相關(guān)的第j個狀態(tài)量的第k個扣分標準值，則第i個故障的標準扣分值為：

式中，l為第i個故障相關(guān)的第j個狀態(tài)量的扣分標準總數(shù)，k=1，2，…，l。

結(jié)合式（2）和式（3）即可獲取發(fā)生故障的嚴重程度矩陣S=[S1，S2，…，Sn]。

2.3 風險預警

根據(jù)矢量計算的結(jié)果，對風力發(fā)電設(shè)備可能發(fā)生的故障，按概率從大到小的順序進行排序，并分段進行報警，如理論故障發(fā)生的概率大于或者等于第一概率區(qū)間時，發(fā)出第一報警提示；當理論故障發(fā)生的概率大于獲得等于第二概率區(qū)間時，發(fā)出第二報警提示；第一報警提示的優(yōu)先等級高于第二報警提示。

以發(fā)電機為例，假設(shè)發(fā)電機發(fā)生的第一故障、第二故障以及第三故障3個理論故障的概率分別為65%、30%以及5%；則可以針對第一故障發(fā)出第一聲音提示，以及驅(qū)動5個LED燈亮；針對第二故障發(fā)出第二聲音提示，以及驅(qū)動3個LED燈亮；針對第三故障發(fā)出第三聲音提示，以及驅(qū)動1個LED燈亮。工作人員預先約定的聲音提示、燈光指示與設(shè)備故障的檢修順序的關(guān)系為：接收到第一聲音提示時，或者5個LED燈亮的指示時，優(yōu)先進行該設(shè)備故障的檢修；其次的設(shè)備故障順序為：接收到第二聲音提示時，或者3個LED燈亮的指示時；最后的設(shè)備故障順序為：接收到第三音提示時，或者1個LED燈亮的指示時。

3 算例分析

為了驗證風電機組運行狀態(tài)評價與故障診斷的有效性和準確性，以某公司850 kW并網(wǎng)風電機組在線監(jiān)測數(shù)據(jù)為例進行評估結(jié)果比較。

表1為某公司850 kW并網(wǎng)風電機組在2009年4月4日和4月29日13：00的在線監(jiān)測數(shù)據(jù)。

由表1中數(shù)據(jù)，通過梯形模糊隸屬度函數(shù)將邊界劃分數(shù)值進行模糊處理，得到圖2中的a、b、c、e、d、f、g、h分別為0.198 1、0.275 5、0.298 3、0.523 0、0.732 8、0.830 2、1.271 0、1.390 2。

則模糊隸屬度向量c1=[1 0.20 0.61 0.12]c2=[0.13 0.45 1 0.78] c3=[0.83 1 0.23 0.67]c4=[0.24 0.37 0.82 1] c5=[0.25 0.55 0.17 1]c6=[0.25 0.68 1 0.45]

對應的狀態(tài)量權(quán)重系數(shù)分別為c1=2，c2=3，c3=3，c4=4，c5=2，c6=4。

由式（2）得，單項狀態(tài)量的扣分值

P1=20，P2=24，P3=8，P4=6，P5=8，P6=10。

根據(jù)公式（3）—（6）得到各個故障風力發(fā)電設(shè)備的故障發(fā)生的概率矩陣為：

表1 850 kW并網(wǎng)風電機組監(jiān)測數(shù)據(jù)Tab. 1 Monitoring data of a 850 kW WTGS

F1=22.5% F2=23.1% F3=18.2% F4=14.8% F5=8.7% F6=12.7%。

算例表明利用該方法有效的提高了風力發(fā)電設(shè)備故障診斷的實時性與準確性，提供了工作效率。

4 工程實踐

本文提出的基于狀態(tài)評價的風力發(fā)電設(shè)備故障診斷系統(tǒng)，已成功應用于南方電網(wǎng)超高壓輸電公司檢修試驗中心。以風電機組設(shè)備為核心，整合風力發(fā)電機組在線監(jiān)測數(shù)據(jù)、設(shè)備技術(shù)參數(shù)、監(jiān)測預警閾值、試驗、檢修等數(shù)據(jù)，建立了風力發(fā)電機組狀態(tài)監(jiān)測系統(tǒng)與故障診斷分析系統(tǒng)。運維管理人員可以根據(jù)不同的報警提示，選擇檢修的優(yōu)先等級，從而可以提高故障設(shè)備的檢修效率，提高風力發(fā)電設(shè)備運行的可靠性。圖3所示為某風電場1號風機的故障診斷結(jié)果為1號風機的檢修工作提供了科學依據(jù)及指導策略。

圖3 系統(tǒng)應用圖Fig. 3 Application of the fault diagnosis system

5 結(jié)論

基于狀態(tài)評價的風力發(fā)電設(shè)備故障診斷系統(tǒng)，通過實時監(jiān)控表征風力發(fā)電設(shè)備運行情況的狀態(tài)量，依據(jù)風力發(fā)電設(shè)備狀態(tài)評價導則，對風力發(fā)電設(shè)備進行狀態(tài)評價。并依據(jù)狀態(tài)評價的結(jié)果，對潛在故障進行診斷分析，同時給出相應的運維策略，通過早期故障預測，變事后維護為事前檢修，科學合理地安排檢修計劃，極大地提高了風力發(fā)電設(shè)備的運維效率，降低了機組的維護成本，保證了風力發(fā)電機組的可靠穩(wěn)定運行。

[1] 李輝，胡姚剛，楊超，等. 并網(wǎng)風電機組運行狀態(tài)的物元評估方法[J]. 電力系統(tǒng)自動化，2011，35（6）: 81-85.LI Hui，HU Yaogang，YANG Chao，et al. A matterelement assessment method of a grid-connected wind turbine drivern generator system under on-line operating conditions[J]. Automation of Electric Power Systems，2011，35（6）: 81-85（in Chinese）.

[2] 李輝，胡姚剛，唐顯虎，等. 并網(wǎng)風電機組在線運行狀態(tài)評估方法[J]. 中國電機工程學報，2010，30（33）: 103-109.LI Hui，HU Yaogang，TANG Xianhu，et al. Method for on-line operating conditions assessment fora grid-connected wind turbine generator system[J]. Proceedings of the CSEE，2010，30（33）: 103-109（in Chinese）.

[3] 謝源，焦斌. 風力發(fā)電機組狀態(tài)監(jiān)測系統(tǒng)與故障診斷方法研究現(xiàn)狀[J]. 上海電機學院學報，2010，13（6）: 328-333.XIE Yuan，JIAO Bin. State of the art of condition monitoring system and fault diagnosis methods of wind turbine[J]. Journal of Shanghai Dianji University，2010，13（6）: 328-333（in Chinese）.

[4] 沈艷霞，李帆. 風力發(fā)電系統(tǒng)故障診斷方法綜述[J]. 控制工程，2013，20（5）: 789-795.SHEN Yanxia，LI Fan. A survey of diagnosis methods for wind power system[J]. Control Engineering of China，2013，20（5）: 789-795（in Chinese）.

[5] ZHENG H，LI Z，CHEN X，et al. Gear fault diagnosis based on continuous wavelet transform[J]. Mechanical Systems and Signal Processing，2002，16（2/3）: 447-457.

[6] 張曉波，張新燕，王維慶. 用神經(jīng)網(wǎng)絡(luò)對風力發(fā)電中電力電子故障分析[J]. 華東電力，2008，36（7）: 16-18.ZHANG Xiaobo，ZHANG Xinyan，WANG Weiqing. Fault analysis for power electronic equipment of wind power systems by using neural networks[J]. East China Electric Power，2008，36（7）: 16-18（in Chinese）.

[7] 任臘春，張禮達. 模糊理論在風力發(fā)電機組故障診斷中的應用[J]. 能源技術(shù)，2006，27（5）: 210-212，215.REN Lachun，ZHANG Lida. The application of fuzzy set theory to the fault diagnosis of wind turbine generating units[J]. Energy Technology，2006，27（5）: 210-212，215（in Chinese）.

[8] 郭洪澈. 風力發(fā)電系統(tǒng)的故障診斷專家系統(tǒng)設(shè)計[J]. 節(jié)能，2002（7）: 36-38.GUO Hongche. Fault diagnosis expert system wind power system design[J]. Energy Conservation，2002（7）: 36-38（in Chinese）.

[9] 夏陽，孫慶山，湯進，等. 變壓器類設(shè)備狀態(tài)評價的回歸建模研究[J]. 計算機技術(shù)與發(fā)展，2012，22（6）: 156-162.XIA Yang，SUN Qingshan，TANG Jin，et al. Research on state evaluation modeling of transformer equipment[J].Computer Technology and Development，2012，22（6）:156-162（in Chinese）.

[10] 周衛(wèi)慶，徐治皋，司風琪. 基于灰色關(guān)聯(lián)分析的電站設(shè)備狀態(tài)評價方法[J].華東電力，2009，37（3）: 460-463.ZHOU Weiqing， XU Zhigao， SI Fengqi. Condition evaluation for power equipment based on grey correlation analysis[J]. East China Electric Ppwer，2009，37（3）: 460-463（in Chinese）.

[11] 邢宏珍，黃仙. 基于灰色綜合聚類分析法的發(fā)電設(shè)備狀態(tài)評價[J]. 現(xiàn)代電力，2007，24（1）: 63-67.XING Hongzhen，HUANG Xian. Evaluation on conditions of equipment in power plant based on grey synthetic clustering method[J]. Modern Electric Power，2007，24（1）: 63-67（in Chinese）.

[12] 顧煜炯，董玉亮，楊昆. 基于模糊評判和RCM分析的發(fā)電設(shè)備狀態(tài)綜合評價[J]. 中國電機工程學報，2004，24（6）: 189-194.GU Yujiong，DONG Yuliang，YANG Kun. Synthetic evaluation on conditions of equipment in power plant based on fuzzy judgment and RCM analysis[J]. Proceedings of the CSEE，2004，24（6）: 189-194（in Chinese）.

[13] 柴保明，李文選，蘇茹茹，等. 基于故障樹的電機溫度過高故障診斷分析[J]. 煤礦機械，2012，33（2）: 245-246.CHAI Baoming，LI Wenxuan，SU Ruru，et al. Fault tree fault in motor temperature too high in application[J]. Coal Mine Machinery，2012，33（2）: 245-246（in Chinese）.

[14] 張新燕，何山，張曉波，等. 風力發(fā)電機組主要部件故障診斷研究[J]. 新疆大學學報：自然科學版，2009，26（2）: 140-144.ZHANG Xinyan，HE Shan，ZHANG Xiaobo，et al. Study of fault diagnosis wind turbine generator system[J]. Journal of Xinjiang University：Natural Science Edition，2009，26（2）: 140-144（in Chinese）.

[15] 劉俊華，羅隆福，張志文，等. 電力變壓器灰色關(guān)聯(lián)故障診斷模型的組合權(quán)重法[J]. 高壓電器，2012，48（1）:90-94.LIU Junhua，LUO Longfu，ZHANG Zhiwen，et al. Fault diagnosis model of power transformer based on grey relation with combined weights[J]. High Voltage Apparatus，2012，48（1）: 90-94（in Chinese）.

[16] 栗薇. 電力設(shè)備狀態(tài)監(jiān)測裝置檢測試驗技術(shù)[J]. 電氣技術(shù)，2012（1）: 85-88.LI Wei. Electrical equipment condition monitoring device testing technology[J]. Electrical Engineering，2012（1）:85-88（in Chinese）.

[17] 黃建，胡曉光，鞏玉楠，等. 高壓斷路器機械故障診斷專家系統(tǒng)設(shè)計[J]. 電機與控制學報，2011，15（10）: 43-49.HUANG Jian，HU Xiaoguang，GONG Yunan，et al.Machinery fault diagnosis expert system for high voltage circuit breaker[J]. Electric Machines and Control，2011，15（10）: 43-49（in Chinese）.

[18] 王小華，榮命哲，吳翊，等. 高壓斷路器故障診斷專家系統(tǒng)中快速診斷及新知識獲取方法[J]. 中國電機工程學報，2007，27（3）: 95-99.WANG Xiaohua，RONG Mingzhe，WU Yi，et al. Method of quick fault diagnosis and new knowledge obtainment for high voltage circuit breaker expert system[J]. Proceedings of the CSEE，2007，27（3）: 95-99（in Chinese）.

[19] 陳新崗，李太福. 基于DGA特征量的變壓器絕緣故障診斷專家系統(tǒng)的研究[J]. 變壓器，2005，42（1）: 33-36.CHEN Xingang，LI Taifu. Research on expert system of transformer insulation fault diagnosis based on DGA Characteristic Parameters[J]. Transformer，2005，42（1）: 33-36（in Chinese）.