劉 杰， 楊 娜， 華智廣

(沈陽工業(yè)大學(xué) 機(jī)械工程學(xué)院， 沈陽 110870)

近些年，風(fēng)力發(fā)電行業(yè)在飛速發(fā)展中面臨著諸多困境.多數(shù)風(fēng)場(chǎng)以溫度閾值作為風(fēng)機(jī)系統(tǒng)故障預(yù)警的標(biāo)準(zhǔn)，極易出現(xiàn)不報(bào)或誤報(bào)等問題，不能充分利用風(fēng)電機(jī)組監(jiān)控系統(tǒng)的實(shí)時(shí)數(shù)據(jù)及早發(fā)現(xiàn)風(fēng)電機(jī)組可能存在的故障威脅，同時(shí)風(fēng)電機(jī)組的運(yùn)行維護(hù)成本較高，這些使風(fēng)場(chǎng)在風(fēng)電機(jī)組故障出現(xiàn)后損失慘重[1].如何有效利用風(fēng)電機(jī)組的實(shí)時(shí)數(shù)據(jù)對(duì)風(fēng)電機(jī)組狀態(tài)進(jìn)行評(píng)估，發(fā)現(xiàn)問題并避免故障的發(fā)生是風(fēng)電機(jī)組運(yùn)行與維護(hù)領(lǐng)域最為關(guān)切的問題[2].

諸多學(xué)者開始對(duì)風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估展開相關(guān)研究，李輝等[3]采用層次分析法對(duì)風(fēng)電機(jī)組各指標(biāo)進(jìn)行賦權(quán)，但層次分析法的主觀性較強(qiáng)，最終不能準(zhǔn)確對(duì)風(fēng)電機(jī)組的真實(shí)狀態(tài)做出評(píng)估；肖運(yùn)啟等[4]對(duì)模糊綜合評(píng)價(jià)策略進(jìn)行了改進(jìn)，選用“最大隸屬度大于零的最低等級(jí)項(xiàng)”原則對(duì)風(fēng)電機(jī)組狀態(tài)進(jìn)行評(píng)價(jià)；郭雙全[5]基于灰色關(guān)聯(lián)分析方法建立風(fēng)電機(jī)組健康狀態(tài)評(píng)估模型，對(duì)部分故障實(shí)現(xiàn)提前報(bào)警；田樹仁[6]將小波變換和粗糙集的方法應(yīng)用在風(fēng)電機(jī)組變流器診斷中，通過計(jì)算歐氏距離的大小確定了變流器的故障類型；萬書亭等[7]運(yùn)用灰色變權(quán)理論確定風(fēng)電機(jī)組各指標(biāo)權(quán)重，實(shí)現(xiàn)風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)，灰色關(guān)聯(lián)分析法比層次分析法更客觀，但在確定具有概括性指標(biāo)權(quán)重方面存在一定缺陷.

本文在建立風(fēng)電機(jī)組狀態(tài)評(píng)估體系基礎(chǔ)上，運(yùn)用灰色關(guān)聯(lián)分析與主成分分析相結(jié)合的方法計(jì)算各指標(biāo)權(quán)重.為了使結(jié)果更具合理性，利用變權(quán)理論修正，同時(shí)引入劣化度確定隸屬函數(shù)，形成風(fēng)電機(jī)組綜合評(píng)估流程.將上述方法應(yīng)用在某風(fēng)場(chǎng)2 MW風(fēng)電機(jī)組SCADA系統(tǒng)數(shù)據(jù)中，成功評(píng)估了風(fēng)電機(jī)組運(yùn)行狀態(tài)，實(shí)現(xiàn)故障提前預(yù)警.

1 狀態(tài)評(píng)估指標(biāo)體系與評(píng)估方法

以對(duì)風(fēng)電機(jī)組運(yùn)行狀態(tài)產(chǎn)生影響的相關(guān)參數(shù)為基礎(chǔ)，確定目標(biāo)層、項(xiàng)目層和指標(biāo)層共23項(xiàng)風(fēng)電機(jī)組狀態(tài)評(píng)估指標(biāo)，最終建立如圖1所示的風(fēng)電機(jī)組狀態(tài)評(píng)估體系.

圖1 風(fēng)電機(jī)組狀態(tài)評(píng)估體系Fig.1 Wind turbine state assessment system

1.1 灰色關(guān)聯(lián)和主成分相結(jié)合的組合賦權(quán)方法

1.1.1 灰色關(guān)聯(lián)分析法求解指標(biāo)權(quán)重

灰色關(guān)聯(lián)分析法作為衡量因素間關(guān)聯(lián)程度的方法，通過計(jì)算各子系統(tǒng)(或因素)樣本數(shù)據(jù)間的關(guān)聯(lián)度，確定各子系統(tǒng)(或因素)間的關(guān)系強(qiáng)弱、大小及次序，其優(yōu)點(diǎn)是對(duì)樣本量不做要求[8].分析的關(guān)聯(lián)系數(shù)表達(dá)式為

(1)

各指標(biāo)權(quán)重計(jì)算表達(dá)式為

(2)

(3)

式中，m、n分別為關(guān)聯(lián)系數(shù)及權(quán)重的數(shù)量.

1.1.2 主成分分析法求解指標(biāo)權(quán)重

首先需要對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，其計(jì)算表達(dá)式為

(4)

(5)

式中，rij為與zij對(duì)應(yīng)的相關(guān)系數(shù).貢獻(xiàn)率與組成分載荷計(jì)算表達(dá)式分別為

(6)

(7)

式中：λi為非負(fù)特征量；aij為單位分量.

根據(jù)上述主成分分析方法和式(6)～(7)，借助SPSS中因子分析等工具箱，確定指標(biāo)體系中第二層、第一層的權(quán)值[9].

1.1.3 確定組合權(quán)重

設(shè)灰色關(guān)聯(lián)法得到權(quán)重為W1=[w11，w12，…，w1t]，且滿足w1i∈[0，1]；設(shè)主成分分析法得到權(quán)重為W2=[w21，w22，…，w2t]，且滿足w2i∈[0，1]，則組合權(quán)重可表示為

W=χW1+δW2

(8)

式中，χ+δ=1，χ、δ根據(jù)權(quán)重期望值求得，即

(9)

最終χ、δ的計(jì)算表達(dá)式可表示為

(10)

1.1.4 變權(quán)理論修正

風(fēng)電機(jī)組的某些參數(shù)嚴(yán)重偏離正常值時(shí)，不利于風(fēng)電機(jī)組運(yùn)行狀態(tài)的正確判斷，為把權(quán)重小的指標(biāo)狀態(tài)變化對(duì)評(píng)估結(jié)果帶來的影響降到最低，需實(shí)時(shí)調(diào)整各指標(biāo)權(quán)重系數(shù)以對(duì)風(fēng)電機(jī)組的真實(shí)狀態(tài)做出正確評(píng)估.本文引入變權(quán)理論完成權(quán)重修正，變權(quán)理論計(jì)算表達(dá)式為

(11)

1.2 隸屬函數(shù)確定

SCADA監(jiān)控系統(tǒng)數(shù)據(jù)是反映風(fēng)電機(jī)組狀態(tài)優(yōu)秀與否的基礎(chǔ)，因此，加入劣化度來表示風(fēng)電機(jī)組實(shí)際狀態(tài)與優(yōu)秀狀態(tài)的偏離程度，取值為[0，1].

對(duì)于風(fēng)電機(jī)組振動(dòng)、溫度和位移等越小越優(yōu)型指標(biāo)，其計(jì)算表達(dá)式[10]為

(12)

對(duì)風(fēng)電機(jī)組壓力和速度等中間型指標(biāo)，其計(jì)算表達(dá)式[10]為

(13)

式中：x為評(píng)估指標(biāo)的實(shí)測(cè)值；[xmin，xmax]為指標(biāo)的正常范圍；[xzjmin，xzjmax]為指標(biāo)的最佳范圍.

評(píng)估語集是指機(jī)組狀態(tài)綜合評(píng)價(jià)結(jié)果的集合，根據(jù)風(fēng)電機(jī)組的運(yùn)行狀態(tài)最終將評(píng)估語集定為“優(yōu)秀”、“良好”、“注意”、“惡劣”，即

H={優(yōu)秀，良好，注意，惡劣}={h1，h2，h3，h4}

評(píng)估矩陣為

(14)

式中，MRij(j=1，2，3，4)為評(píng)估指標(biāo)Rij在評(píng)估集中的狀態(tài)hi(i=1，2，3，4)對(duì)應(yīng)的隸屬度.

為了將結(jié)果的差異性降到最小，根據(jù)式(12)或(13)對(duì)指標(biāo)劣化度進(jìn)行計(jì)算，最終選用三角形與梯形相結(jié)合的分布隸屬函數(shù)(見圖2)確定各評(píng)估指標(biāo)的隸屬函數(shù).

圖2 半梯形和三角形組合的隸屬函數(shù)分布Fig.2 Distribution of half-ladder-shaped and triangular membership function

2 SCADA監(jiān)控系統(tǒng)數(shù)據(jù)分析

2017年7月1日14∶01某風(fēng)場(chǎng)一臺(tái)2 MW風(fēng)電機(jī)組發(fā)生故障停機(jī)，以該風(fēng)電機(jī)組SCADA監(jiān)控系統(tǒng)數(shù)據(jù)為基礎(chǔ)，提取該風(fēng)電機(jī)組故障停機(jī)前部分?jǐn)?shù)據(jù)(見表1)，以此進(jìn)行狀態(tài)評(píng)估.

2.1 評(píng)估方法分析

1) 組合變權(quán).根據(jù)表1給出的某風(fēng)場(chǎng)2 MW風(fēng)電機(jī)組SCADA系統(tǒng)數(shù)據(jù)進(jìn)行權(quán)重計(jì)算.灰色關(guān)聯(lián)分析法及主成分分析法確定的指標(biāo)權(quán)重結(jié)果如表2～3所示.

表1 風(fēng)電機(jī)組SCADA數(shù)據(jù)Tab.1 SCADA data of wind turbines

表2 灰色關(guān)聯(lián)分析法確定的指標(biāo)權(quán)重Tab.2 Indicator weights determined by grey correlation analysis method

表3 主成分分析法確定的指標(biāo)權(quán)重Tab.3 Indictor weights determined by principal component analysis method

根據(jù)式(9)～(10)最終求得χ=0.5，δ=0.5，將上述系數(shù)和W1、W2代入公式，得到最終組合權(quán)重的表達(dá)式為

W=0.5W1+0.5W2

經(jīng)式(11)變權(quán)后的組合變權(quán)值結(jié)果如表4所示.

表4 組合變權(quán)值Tab.4 Combined variable weights

2) 劣化度及評(píng)估矩陣.計(jì)算各指標(biāo)的劣化度均為g≤0.9，以10∶30時(shí)風(fēng)電機(jī)組齒輪箱為例，得到對(duì)應(yīng)評(píng)估矩陣為

3) 狀態(tài)評(píng)估.對(duì)齒輪箱R1運(yùn)行狀態(tài)進(jìn)行評(píng)估，即

B1=[0，0.010 4，0.568 9，0.420 6]

再對(duì)發(fā)電機(jī)R2、控制柜R3和機(jī)艙R4進(jìn)行評(píng)估，結(jié)合各部分權(quán)重分配最終得到

B=[0.021 0，0.172 3，0.418 5，0.388 2]

根據(jù)隸屬度最大原則可知B中最大值為0.418 5，判斷當(dāng)前風(fēng)電機(jī)組總體上所處狀態(tài)為“注意”，同樣對(duì)11∶00時(shí)進(jìn)行計(jì)算得到

B=[0.013 5，0.199 4，0.305 7，0.481 4]

綜合上述結(jié)果可知，風(fēng)電機(jī)組運(yùn)行狀態(tài)依次經(jīng)歷“注意”、“惡劣”.據(jù)風(fēng)場(chǎng)相關(guān)人員反映，風(fēng)電機(jī)在14∶01發(fā)生故障停機(jī)，風(fēng)電機(jī)的狀態(tài)評(píng)估結(jié)果與風(fēng)電機(jī)組的實(shí)際運(yùn)行相符，對(duì)11∶00時(shí)的風(fēng)電機(jī)組各評(píng)估指標(biāo)進(jìn)行分析，得到R11的劣化度為0.748 0，R29的劣化度為0.770 7，雖仍舊小于0.9，但已經(jīng)接近最大劣化度，且從表1中可以看出，齒輪箱前軸溫度和發(fā)電機(jī)轉(zhuǎn)速接近限值，故風(fēng)機(jī)出現(xiàn)嚴(yán)重故障的原因主要是齒輪箱前軸溫度過高、風(fēng)機(jī)轉(zhuǎn)速過大導(dǎo)致.

2.2 分析結(jié)果比較及故障預(yù)警點(diǎn)確定

將組合變權(quán)方法得到的評(píng)估結(jié)果與灰色關(guān)聯(lián)法得到的評(píng)估結(jié)果進(jìn)行對(duì)比，結(jié)果如表5所示.由表5可知，兩種方法評(píng)估結(jié)果不一致，11∶00時(shí)風(fēng)機(jī)已惡劣運(yùn)行，而傳統(tǒng)方法評(píng)估還處于“注意”狀態(tài)，故改進(jìn)方法的評(píng)估結(jié)果與風(fēng)電機(jī)組的實(shí)際運(yùn)行狀態(tài)相契合.

表5 運(yùn)行狀態(tài)評(píng)估結(jié)果對(duì)比Tab.5 Comparison of operating state evaluation results

在10∶30與11∶00兩個(gè)時(shí)刻，采用組合變權(quán)方法得到的風(fēng)電機(jī)評(píng)估結(jié)果分別為“注意”和“惡劣”，于是取10∶30與11∶00間四個(gè)時(shí)刻數(shù)據(jù)進(jìn)行計(jì)算，結(jié)果如表6所示.

表6 10∶30～11∶00風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估結(jié)果Tab.6 Operating state evaluation results of wind turbines from 10∶30 to 11∶00

由表6可知，10∶44時(shí)風(fēng)機(jī)運(yùn)行開始進(jìn)入“惡劣”狀態(tài)，之后一直維持“惡劣”狀態(tài)，故應(yīng)在10∶44時(shí)啟動(dòng)故障預(yù)警.

3 結(jié) 論

本文通過分析與風(fēng)電機(jī)組監(jiān)控系統(tǒng)相關(guān)的參數(shù)，明確包含目標(biāo)層、項(xiàng)目層和指標(biāo)層共計(jì)23項(xiàng)指標(biāo)后，構(gòu)建風(fēng)電機(jī)組狀態(tài)評(píng)估體系，提出組合賦權(quán)再變權(quán)方法，并加入劣化度的思想，形成風(fēng)電機(jī)組狀態(tài)綜合評(píng)估流程.實(shí)例分析表明，變權(quán)理論通過對(duì)權(quán)向量進(jìn)行動(dòng)態(tài)調(diào)整，解決了狀態(tài)失衡的問題，與傳統(tǒng)方法相比，組合變權(quán)方法所得評(píng)估結(jié)果能更好反映風(fēng)電機(jī)組的實(shí)際運(yùn)行狀態(tài)，最終實(shí)現(xiàn)風(fēng)電機(jī)組運(yùn)行的異常狀態(tài)識(shí)別和故障預(yù)警，為管理者及時(shí)準(zhǔn)確地把握風(fēng)電機(jī)狀態(tài)提供幫助，避免故障發(fā)生.