日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

摘要】本文基于SCADA數據，設計風場環境辨識、機組模型辨識、運行狀態監測、故障精細化處理，四個模塊獨立實現各自功能，同時其它三模塊向故障精細化處理模塊提供分析結果，實現故障診斷高級功能。

【關鍵詞】SCADA數據、模型辨識

隨著風電產業跨越式發展，風力發電占全部發電容量的比重愈來愈重。據國家能源局公布的統計數據，2018年，我國風電累計并網容量18426萬千瓦、同比增長12.4%，占全部發電裝機容量的9.7%，比2017年提高0.5個百分點。全年發電量3660億千瓦時，占全部發電量的5.2%，比2017年提高0.4個百分點。

風電場數量和規模的擴大，對風電場業主運營提出更高要求，目前風電場運營存在以下痛點：一是對風電場實際環境條件和設計環境條件差異未予評估；二是對風電機組實際參數和設計參數是否符合未予評估；三是對風電機組故障率、功率曲線、可利用率缺乏準確評估手段；四是對典型故障缺乏分析手段和方法。

本文基于現有SCADA數據，提出一種風電場后評估系統，試圖對以上痛點提出總體解決方案。一是通過環境辨識確定風場實際風區等級；二是通過機組模型辨識確定風電機組實際參數是否符合設計值；三是通過運行狀態監測評估風機運行狀態；四是通過故障精細化處理模塊分析典型故障原因。

該系統采用模塊化設計，以上四個模塊，每個模塊單獨運行可以實現獨立功能，該系統的獨特之處在于故障精細化處理模塊。故障診斷的基本步驟，首先是確定風場環境參數是否符合設計值，其次確定機組參數是否符合設計值，第三是對機組的運行狀態做分析統計，掌握上述三種數據之后，經過綜合分析即故障精細化處理，最終定位故障點。該系統正是通過前三個模塊向故障精細化處理模塊提供數據交互，實現故障精細化處理的高級功能。 

選購風機設備時，首先需要考慮風區等級，如50年一遇極端風速、風速為15m/s時湍流強度的期望值等等。如果實際風區等級和設計風區等級不符，對風里發電機組載荷影響較大。例如，風電場設計風區IIIB，實際風區IIIA，則導致設計載荷偏大，致使風機壽命小于設計壽命。如圖2所示，某風電機組在環境條件IIIA和IIIB分別計算疲勞載荷，比較后發現IIIA風區疲勞載荷最高增大42%，平均增大約11%。單個機位受地形影響存在湍流度偏大等情況，導致超速、振動等故障頻發，如果設計風區和實際風區嚴重不符甚至會因風機設計壽命不足導致嚴重安全事故。

風場環境辨識基于SCADA數據中的風速、風向記錄高頻采樣數據，評估整個風電場及單個機位的湍流強度是否和設計風區等級相符，對風機運行、故障診斷提供環境數據支持。對于后者舉例如下，如風場頻繁報振動故障，存在兩種可能性：一是該現場風等級高于設計等級，導致實際振動值超過設計值；二是機組本身控制參數、葉片等問題，風場環境辨識的目的正是排除第一種可能性。

制造或安裝誤差導致機組實際參數和設計參數可能存在較大偏差，如塔基剛度不夠、螺栓松動導致塔架固有頻率向下偏移。機組模型辨識即通過實測數據評估機組實際參數和設計參數偏差，意義是指導故障診斷、機組優化設計等。

機組模型辨識包含以下幾個方面：

1）塔架固有頻率辨識：測試待機狀態下整機振動數據，頻譜分析提取塔架固有頻率，確定和理論值偏差。

2）葉片氣動特性/參考角度辨識：分析實測功率曲線，確定參考角度設置是否和該葉片理論值匹配，辨析單葉片氣動不平衡、螺栓安裝錯位等誤差源。

3）風向儀誤差辨識：根據瞬時偏航誤差將數據分組，并基于分組數據獲得不同偏航誤差下的性能曲線，根據性能曲線及其對應的分組可辨識得到每臺機組的風向儀誤差。

4）安全系統保護參數辨識：現場存在修改安全系統參數屏蔽故障等情況，保護參數辨識通過識別極限轉速設定值、極限功率設定值、極限振動設定值等參數是否符合設計值，避免機組運行于危險風況。

案例分析：塔架固有頻率辨識

停機工況下的振動數據如4圖所示，圖中第一行為風速和葉輪轉速信號，第二行為驅動向和非驅動向風機原有振動傳感器振動信號的頻譜圖。如圖4所示，停機工況下，驅動向和非驅動向在0～1Hz范圍內的尖峰頻率分別為0.3484Hz和0.3487Hz。由于在停機工況下受轉頻影響較小，所以在0～1Hz范圍內的尖峰頻率即可確定為塔筒固有頻率。

運行狀態監測是通過分析故障數據、實時功率數據實現機組功率特性評估、機組可靠性評估等，根據現場風機實際情況制定最適宜的機組維護、優化方案。運行狀態監測包含以下方面：

1）風電機組故障統計分析

基于實際運行的風電場，統計場內風電機組全年的故障數量，結合風電場月度發電量、月平均風速和月平均氣溫，通過分析風電機組故障數量與機組運行狀況和環境溫度之間的關聯性，得到系統故障高發的原因。

2）實際和理論功率曲線誤差分析

根據風電場代表性風電機組運行數據進行風機實際功率曲線擬合,并且根據現場實測空氣密度進行功率曲線修正。

3）風場可利用率分析

風力發電機組可靠性量化指標可以通過機組的可利用率來度量，是固有可靠性和使用管理可靠性的綜合度量指標，不但是對風電場運營維護管理的考核指標，也是對生產商的風電機組制造水平的重要考核指標。

 案例分析：風場可利用率對比分析

如圖6所示，時間利用率1基于人工記錄計算，時間利用率2基于Scada計算。Scada數據和人工記錄的停機記錄相比，前者在客觀性、全面性等方面具有明顯優勢。時間可利用率1全場平均值計算結果為88.46%。時間可利用率2全場平均值計算結果為81.15%。時間可利用率2較小，原因是人工記錄的停機記錄存在漏記等情況。總之，基于Scada計算的時間利用率2，綜合考慮數據可靠性、風機故障界定及非風機故障剔除等因素，最終結果可作為風場時間可利用率的依據。

案例分析：故障統計分析診斷振動故障

某機組多次報振動超限故障，如圖7所示，振動故障共發生了62次。統計這62次振動故障所伴隨的PLC狀態、偏航狀態，振動故障和偏航狀態具有明顯相關性，如圖8所示，最終將故障點定位于偏航系統，現場工作人員檢查并更換偏航墊片后故障得以解決。

故障精細化處理是建立典型故障專家庫，對所發生故障，根據故障特征觸發相應故障模塊，對故障原因實現自診斷。

故障精細化處理模塊將故障分為兩大類型實時突發型和趨勢演化型，依據此兩大類型，再根據故障數據特征值將故障細分為變槳系統故障、變頻器故障、振動故障等，確定故障類型后，模塊自動確定數據記錄模式包括歷史故障記錄、短周期數據記錄、長周期數據記錄、故障錄波，最終通過實時診斷或歷史數據診斷分析故障原因。

案例分析：控制參數不適應風區導致超速故障診斷

某風場地形為山地，機組頻繁報轉速超限故障，如圖10所示。對風速做模型辨識后，發現湍流度超過設計值。對機組做模型辨識后，確認機組實際參數和設計參數一致。結合轉速和變槳角度數據，分析故障原因是控制參數不適應該湍流度。經過控制參數優化以后，轉速超限故障得以消除。如圖11所示，紅色為優化參數之前的轉速、變槳角度，黑色為優化參數之前的轉速、變槳角度，可以看到，參數優化后，轉速大幅波動現象消失，超速故障消除。

基于SCADA數據的風電場后評估系統，通過環境辨識、機組模型辨識、運行狀態監測、故障精細化處理為風電場運營方提供故障分析診斷及風機運行狀態評估系統，為實現風電場的智能數字化管理、風機故障智能分析、備件管理檢修工作統籌安排提供數據支持，從而提高設備可利用率，最終實現風電場經濟運行。

來源：風能產業