華能華家?guī)X風(fēng)力發(fā)電有限公司 歐旭鵬 任 濤 張 亮 徐一廉 王運(yùn)輝

運(yùn)行維護(hù)計(jì)劃是風(fēng)電場(chǎng)運(yùn)營(yíng)的基本組成部分，對(duì)設(shè)備成本、市場(chǎng)收入和維護(hù)人員的維修有著深遠(yuǎn)的影響。在典型應(yīng)用中，維護(hù)成本占風(fēng)電場(chǎng)運(yùn)行成本的25～35%。一旦故障發(fā)展到更嚴(yán)重的階段，修復(fù)的成本就會(huì)呈指數(shù)級(jí)增加，直到完全修復(fù)的時(shí)間也會(huì)更長(zhǎng)。與其他機(jī)械行業(yè)相比，這對(duì)風(fēng)電能源行業(yè)的影響可能過大。因此必須提前預(yù)測(cè)設(shè)備故障，及早采取必要的措施，以防止災(zāi)難性的設(shè)備損壞事故發(fā)生。為了降低成本，風(fēng)電場(chǎng)運(yùn)營(yíng)商不斷尋找方法，大多數(shù)電站的管理者以及投資者開始思考將大型風(fēng)電場(chǎng)傳統(tǒng)運(yùn)維管理模式向現(xiàn)代更加智能的智慧風(fēng)電場(chǎng)運(yùn)維模式轉(zhuǎn)變。以風(fēng)電場(chǎng)價(jià)值為中心，發(fā)電量最優(yōu)、運(yùn)維成本最低成為智慧電場(chǎng)的核心思想。

多源信息融合(Multi-Source Information Fusion，MSIF)是一種基于算法研究將單一源信息融合的方法，能夠獲得比單源(或單傳感器)更高精度的重要信息。1970年左右被研究人員逐漸研究和學(xué)習(xí)，此后MSIF 的理論和技術(shù)得到了迅速發(fā)展，成為一門綜合性、跨學(xué)科技術(shù)，已成功應(yīng)用于各個(gè)領(lǐng)域。

為了滿足設(shè)備性能和提升發(fā)電效益，本文基于多源信息融合技術(shù)，構(gòu)建了風(fēng)電場(chǎng)可視化智能管理系統(tǒng)。該技術(shù)通過多位置傳感器、無人機(jī)成像、熱成像等設(shè)備，采集多源化信息數(shù)據(jù)，結(jié)合信息融合專家系統(tǒng)建立風(fēng)機(jī)設(shè)備的智能預(yù)警系統(tǒng)。該系統(tǒng)可以實(shí)現(xiàn)部分健康狀態(tài)監(jiān)測(cè)、定期體檢、剩余壽命預(yù)測(cè)、最佳運(yùn)行狀態(tài)識(shí)別等功能，將預(yù)測(cè)策略結(jié)果可視化，通過客戶端、移動(dòng)端、集控大屏展示，實(shí)時(shí)動(dòng)態(tài)了解設(shè)備運(yùn)行狀況，最終到達(dá)了早期階段識(shí)別故障以及預(yù)測(cè)的效果，優(yōu)化運(yùn)行維護(hù)工作質(zhì)量。

1 風(fēng)電場(chǎng)運(yùn)維現(xiàn)狀

風(fēng)電場(chǎng)最開始的運(yùn)維模式是采用SCADA 系統(tǒng)，來監(jiān)測(cè)風(fēng)電機(jī)組的發(fā)電量以及運(yùn)行狀態(tài)。整個(gè)風(fēng)電場(chǎng)的運(yùn)行于與檢修都在升壓站內(nèi)，我們將這種運(yùn)維模式稱為風(fēng)電場(chǎng)運(yùn)維1.0時(shí)代。隨著遠(yuǎn)程監(jiān)測(cè)技術(shù)的升級(jí)，以及集控思想的出現(xiàn)，出現(xiàn)了由區(qū)域公司集中化監(jiān)測(cè)與管理，即風(fēng)電場(chǎng)運(yùn)維2.0時(shí)代。雖然在技術(shù)層面風(fēng)電場(chǎng)的運(yùn)維有所提升，但是風(fēng)電場(chǎng)的運(yùn)維管理模式為被動(dòng)式維護(hù)[1]，現(xiàn)有風(fēng)電場(chǎng)運(yùn)維模式有如下不足：

運(yùn)維策略后置。目前風(fēng)電場(chǎng)維護(hù)計(jì)劃的方法可以分為兩大類：一類是不使用傳感器信息的機(jī)會(huì)性維護(hù)方法，即定期維護(hù)；二類是專注于消除故障方法，即反應(yīng)性策略(故障后修復(fù))。這種運(yùn)維的策略，使得維護(hù)中存在維護(hù)不足、過度維修且“維修過度”造成設(shè)備的可靠性降低、點(diǎn)檢等問題，對(duì)于大部件的損壞和失效實(shí)時(shí)管控;對(duì)于突發(fā)或者偶發(fā)故障，監(jiān)測(cè)以及預(yù)測(cè)不及時(shí)。

運(yùn)維成本高。由于風(fēng)電機(jī)組的分布比較廣，風(fēng)電場(chǎng)的地理位置大多處在偏遠(yuǎn)、交通不便的沙漠以及海拔比較高的山地上。由于傳統(tǒng)風(fēng)電場(chǎng)運(yùn)維技術(shù)的落后，風(fēng)電機(jī)組與升壓站的定期運(yùn)維工作、計(jì)劃性運(yùn)維、故障檢修以及大量運(yùn)維信息查詢、分析等工作必須人工完成，這讓運(yùn)維的成本變高。

信息共享能力差。風(fēng)電場(chǎng)每天運(yùn)行中，風(fēng)力發(fā)電機(jī)群組會(huì)產(chǎn)生大量的運(yùn)行信息和數(shù)據(jù)，例如風(fēng)功率預(yù)測(cè)數(shù)據(jù)，升壓站運(yùn)行數(shù)據(jù)，繼保室運(yùn)行錄波，風(fēng)機(jī)運(yùn)行監(jiān)測(cè)數(shù)據(jù)等，這些數(shù)據(jù)以及監(jiān)測(cè)管理系統(tǒng)都是相互獨(dú)立的，沒有信息之間的共享，使得風(fēng)電場(chǎng)產(chǎn)生的大量數(shù)據(jù)通過運(yùn)行人員自己分析處理，人為的分析數(shù)據(jù)的能力是有限的。大大增加了運(yùn)行維護(hù)人員的工作量。傳統(tǒng)風(fēng)電場(chǎng)的運(yùn)維模式在當(dāng)下快速發(fā)展新能源的時(shí)代中，顯然不能提升發(fā)電能力，只有傳統(tǒng)風(fēng)電場(chǎng)運(yùn)維模式向智能化風(fēng)電場(chǎng)管控轉(zhuǎn)變，才能使得風(fēng)電場(chǎng)的效益明顯的提升[2]。

圖1 多源信息融合模型

2 多源信息融入

MSIF 的課題已經(jīng)研究了幾十年，仍處于熱門的研究中?？偨Y(jié)研究人員提出的各種研究結(jié)論，給出了一下定義：多源信息融合（MSIF）也稱為多傳感器融合，是一個(gè)多層次、多方面的過程，包括多源信息的檢測(cè)、關(guān)聯(lián)、組合和估計(jì)，從而提高狀態(tài)和身份估計(jì)的準(zhǔn)確性，以及及時(shí)完整地評(píng)估目標(biāo)情況和威脅的最終程度[3]。

多源信息融合級(jí)別主要有數(shù)據(jù)級(jí)融合、特征級(jí)融合、決策級(jí)融合。數(shù)據(jù)級(jí)融合的方式比較簡(jiǎn)單，將傳感器采集的信息直接通過單一模型去預(yù)測(cè)，將預(yù)測(cè)的結(jié)果在同一類型中進(jìn)行信息融合，然后得到融合預(yù)測(cè)值，通過對(duì)預(yù)測(cè)值的進(jìn)行特征提取和判斷決策。這種融合方式極大程度保留了原始信息，兼容性比較差。屬于最低層次融合，但是數(shù)據(jù)精度比較高一點(diǎn)；特征級(jí)融合是將傳感器采集的信息先壓縮，壓縮的方式就是將原始信息抽象成特征向量，然后根據(jù)相應(yīng)的算法融合處理。這種融合方式對(duì)原始數(shù)據(jù)進(jìn)行了壓縮，使得數(shù)據(jù)量減少，也使得信息量會(huì)損失；決策級(jí)融合是通過每個(gè)傳感器采集的信息先自身數(shù)據(jù)做決策，然后通過決策值的權(quán)重來完成局部決策。是最高層次的信息融合。但是數(shù)據(jù)量損失嚴(yán)重，精度最低。因此本文選取了數(shù)據(jù)級(jí)融合方式，可極大程度保留原始數(shù)據(jù)，通過大數(shù)據(jù)分析來提高融合的精度。

多源信息融合主要應(yīng)用于空中目標(biāo)偵察與預(yù)警、智能交通與智能車輛、目標(biāo)識(shí)別與身份認(rèn)證、智能傳感與智能控制等領(lǐng)域，本文將多源信息融合應(yīng)用于風(fēng)電場(chǎng)智能管理領(lǐng)域。

圖2 為數(shù)據(jù)級(jí)融合模型

3 基于多源信息融合的主要技術(shù)與算法

3.1 單一模型信息融合預(yù)測(cè)

單一模型對(duì)信息處理的能力是有限的，一般對(duì)冗長(zhǎng)信息融合能力差，但風(fēng)電場(chǎng)運(yùn)行設(shè)備中有一部分設(shè)備的信息比較單一，非常適合單一模型的信息融合，單一模型的預(yù)測(cè)與風(fēng)電機(jī)組設(shè)備運(yùn)行的歷史數(shù)據(jù)之間呈現(xiàn)出不確定的非線性函數(shù)關(guān)系，為了使得到的預(yù)測(cè)效果準(zhǔn)確，訓(xùn)練集樣本需采用非線性樣本集，來訓(xùn)練得到非線性特性，本文采用卷積神經(jīng)網(wǎng)絡(luò)（CNN）算法來預(yù)測(cè)單一模型，卷積過程[4]：Fl+1,m(S)=wl,m×xl(S)+bl,m，式中：wl,m和bl,m分別表示第l 層中第m 個(gè)濾波器內(nèi)核的權(quán)重矩陣和偏置項(xiàng)；xl(S)表示第l 層S 為單一模型。Fl+1,m(S)表示第m 個(gè)濾波器的卷積后的輸出，即觀測(cè)空間到特征空間的非線性映射。

3.2 基于專家系統(tǒng)的信息融合預(yù)測(cè)

專家系統(tǒng)在從各種數(shù)據(jù)模型中進(jìn)行信息融合方面有其獨(dú)特的優(yōu)勢(shì)，正因?yàn)槿绱?，近十年來，它受到了眾多研究者的關(guān)注，并取得了一定的成果。目前，專家系統(tǒng)在數(shù)據(jù)融合模型和技術(shù)方面取得了突破性進(jìn)展，它主要體現(xiàn)在對(duì)復(fù)雜序列趨勢(shì)的預(yù)測(cè)問題的融合應(yīng)用上。對(duì)于復(fù)雜時(shí)間序列信息，單一模型信息融合精度是遠(yuǎn)遠(yuǎn)不夠的，為了使其預(yù)測(cè)的效果具有準(zhǔn)確性，通過專家系統(tǒng)的其單一預(yù)測(cè)模型組合起來，發(fā)現(xiàn)效果明顯優(yōu)于單一模型的精度。對(duì)于風(fēng)力發(fā)電機(jī)組在不穩(wěn)定的環(huán)境中運(yùn)行，采集到的信息中存在復(fù)雜時(shí)間序列信息，通過融合不同的專家預(yù)測(cè)信息來增加風(fēng)電機(jī)組運(yùn)行狀態(tài)，使得風(fēng)電場(chǎng)的運(yùn)維模式更高效。

因?yàn)闄?quán)重的分配對(duì)專家系統(tǒng)融合的結(jié)果有決定性因素，所以權(quán)重的求解顯得尤為重要?？梢詫?quán)重的求解看成是一個(gè)優(yōu)化問題，這個(gè)優(yōu)化問題要比一般的約束多一點(diǎn)，難度也大。因而，本文選取布谷鳥搜索算法（Cuckoo Search，縮寫CS）作為融合函數(shù)中權(quán)重的確定方式。CS 算法主要優(yōu)點(diǎn)是參數(shù)少、隨機(jī)搜索路徑優(yōu)和尋優(yōu)能力強(qiáng)等，因此，CS 算法可以更好地解決權(quán)重問題。

3.3 異源信息

在信息系統(tǒng)中，屬性值可以來自不同的來源，并且數(shù)據(jù)類型可能不同。在具有不同類型特征值的數(shù)據(jù)(即異源信息)中進(jìn)行信息融合尤為重要，因?yàn)檫@類數(shù)據(jù)集在現(xiàn)實(shí)生活中廣泛存在。例如，作為多媒體媒體的視頻可以被分解成多個(gè)單模模式，諸如動(dòng)態(tài)圖像、動(dòng)態(tài)語音和動(dòng)態(tài)文本，其包含三種不同類型的數(shù)據(jù)。此外，多傳感器的融合還涉及到各種類型的數(shù)據(jù)。如何處理和融合不同類型的數(shù)據(jù)是一個(gè)熱門話題。總的來說，研究人員最初通過描述表示數(shù)據(jù)類型的距離函數(shù)來討論異構(gòu)性，然而，許多研究將異構(gòu)數(shù)據(jù)定義為兩種類型的數(shù)據(jù)屬性，即數(shù)值屬性和類別屬性。多傳感器對(duì)風(fēng)電機(jī)組運(yùn)行設(shè)備短期性能影響的不規(guī)則事件，因此，采用專家預(yù)測(cè)系統(tǒng)的方法，通過專家的原理性知識(shí)和經(jīng)驗(yàn)性知識(shí)來預(yù)測(cè)異源信息對(duì)風(fēng)電機(jī)組運(yùn)行設(shè)備狀態(tài)值影響程度。

3.4 多源信息融合預(yù)測(cè)的總體思想

從風(fēng)電機(jī)組信息源的方向出發(fā)，提出了基于多源信息融合的風(fēng)電機(jī)組設(shè)備預(yù)測(cè)，在整個(gè)機(jī)組運(yùn)行過程中除了專家系統(tǒng)預(yù)測(cè)的影響，而且也會(huì)受到來自異源信息對(duì)設(shè)備運(yùn)行狀態(tài)的影響，我們使用異源信息作為對(duì)專家系統(tǒng)融合信息調(diào)整依據(jù)[5]。采用=(S1t,S2t,…,Snt)+來整體融合，其中，t 表示時(shí)間，表示基于多源信息融合技術(shù)對(duì)風(fēng)電機(jī)組設(shè)備狀態(tài)的預(yù)測(cè)值，表示專家系統(tǒng)預(yù)測(cè)信息，表示異源信息對(duì)風(fēng)電機(jī)組設(shè)備狀態(tài)的預(yù)測(cè)值。圖3為基于多源信息融合技術(shù)的風(fēng)電機(jī)組運(yùn)行設(shè)備狀態(tài)預(yù)測(cè)的整體思路。

圖3 多源信息融合預(yù)測(cè)總體理論框架

4 基于多源信息融合的智能運(yùn)維

風(fēng)電場(chǎng)管理者開始了自主研發(fā)智慧運(yùn)維模式。希望建設(shè)智慧電場(chǎng)，來優(yōu)化運(yùn)維管理，同時(shí)對(duì)設(shè)備的狀態(tài)可以預(yù)測(cè)，通過現(xiàn)有的研究可以看出，現(xiàn)階段風(fēng)電場(chǎng)對(duì)風(fēng)電機(jī)組各設(shè)備狀態(tài)的監(jiān)測(cè)與故障預(yù)警方面存在很多不足[6]。

針對(duì)以上存在的不足問題，本文基于多源信息融合技術(shù)預(yù)測(cè)建立智能運(yùn)營(yíng)系統(tǒng)，圖4為智能運(yùn)營(yíng)的系統(tǒng)架構(gòu)圖，智能運(yùn)營(yíng)系統(tǒng)共有5層體系系統(tǒng)架構(gòu)組成，分別是感知層與數(shù)據(jù)層、智能層、應(yīng)用層和展現(xiàn)層。其中感知層是各周期風(fēng)電系統(tǒng)全空間信息采集的關(guān)鍵部分，包含多位置傳感器、無人機(jī)成像、熱成像等，主要是對(duì)設(shè)備運(yùn)行狀態(tài)感知，是整個(gè)系統(tǒng)的基礎(chǔ)部分，數(shù)據(jù)層主要是風(fēng)機(jī)運(yùn)行各類數(shù)據(jù)的存儲(chǔ)、組織、管理與共享，可以通過數(shù)據(jù)之間的特征來建立信息之間的映射關(guān)系，為多源信息融入提供有效的、完整的數(shù)據(jù)支撐，是整個(gè)智能系統(tǒng)的重要組成部分。

圖4 基于多源信息融合預(yù)測(cè)智能運(yùn)營(yíng)系統(tǒng)框架

智能層是將預(yù)測(cè)的結(jié)果通過數(shù)字孿生與機(jī)器學(xué)習(xí)訓(xùn)練的方法建立風(fēng)力發(fā)電機(jī)組四大子系統(tǒng)，四大子系統(tǒng)分別為亞健康預(yù)警系統(tǒng)、全生命周期健康度管理、智能故障診斷、數(shù)字化運(yùn)維。其中風(fēng)力發(fā)電機(jī)組的亞健康預(yù)警系統(tǒng)類似人身體的亞健康預(yù)警系統(tǒng)，可以提前預(yù)測(cè)設(shè)備存在的；全生命周期健康度管理，來觀測(cè)風(fēng)力發(fā)電設(shè)備的運(yùn)行狀態(tài)以及健康值，為設(shè)備的整體運(yùn)行提供可靠依據(jù)；智能故障診斷，用機(jī)器學(xué)習(xí)中最新的算法來診斷設(shè)備運(yùn)行的故障；數(shù)字化運(yùn)維，結(jié)合亞健康預(yù)警和健康度管理實(shí)現(xiàn)運(yùn)維排程指導(dǎo)和運(yùn)維決策。通過智能管理策略，構(gòu)建智能管理中心，其中包括物資管理、臺(tái)賬管理、運(yùn)行管理、檢修管理。

應(yīng)用層從智能預(yù)警中心和智能管理中心兩個(gè)功能模塊實(shí)現(xiàn)整個(gè)風(fēng)電場(chǎng)的智能運(yùn)營(yíng)體系；視化展現(xiàn)層主要通過瀏覽器、客戶端、移動(dòng)終端、大屏幕顯示等設(shè)備向運(yùn)行人員展示當(dāng)前風(fēng)電場(chǎng)運(yùn)行狀況，值班人員很直觀觀測(cè)到整個(gè)風(fēng)電場(chǎng)的運(yùn)行狀態(tài)，做出整體運(yùn)維調(diào)度工作。實(shí)現(xiàn)跨平臺(tái)多功能應(yīng)用，使得運(yùn)維人員更加方便溝通，數(shù)據(jù)共享，進(jìn)行智能運(yùn)維決策、智能預(yù)警、智能管理等專業(yè)應(yīng)用，完成多源信息融合技術(shù)預(yù)測(cè)建立智能管理平臺(tái)系統(tǒng)[6-7]。

本文提出風(fēng)電場(chǎng)智能運(yùn)營(yíng)系統(tǒng)，借助多源信息融合中的專家系統(tǒng)與異源信息技術(shù)預(yù)測(cè)模型，對(duì)風(fēng)電場(chǎng)設(shè)備運(yùn)行狀況進(jìn)行預(yù)測(cè)，并結(jié)合歷史業(yè)務(wù)運(yùn)行數(shù)據(jù)分析，準(zhǔn)確判斷風(fēng)電場(chǎng)當(dāng)前設(shè)備運(yùn)行狀態(tài)，預(yù)測(cè)評(píng)和估風(fēng)電場(chǎng)綜合狀態(tài)，優(yōu)化運(yùn)維模式，提前做出預(yù)警，預(yù)防安全隱患。整個(gè)運(yùn)營(yíng)系統(tǒng)利用智能運(yùn)維平臺(tái)大數(shù)據(jù)、機(jī)器學(xué)習(xí)算法、云計(jì)算服務(wù)，對(duì)風(fēng)力發(fā)電機(jī)組設(shè)備正常運(yùn)行、告警、故障等多源數(shù)據(jù)分析。此外，可以有集控室的客戶端與瀏覽器向檢修人員的移動(dòng)終端上發(fā)送風(fēng)電機(jī)組設(shè)備定期檢修、維修等工作，監(jiān)督工作人員標(biāo)準(zhǔn)化作業(yè)，開發(fā)智能開票系統(tǒng)，輔助工作人員簡(jiǎn)潔化作業(yè)和記錄檢修維護(hù)信息標(biāo)。