基于SCADA温度参数的风电机组安全状况评价方法
技术领域
本发明属于设备安全状况评价技术领域,特别涉及一种基于SCADA(SupervisoryControlAndDataAcquisition,数据采集与监视控制***)温度参数的风电机组安全状况评价方法,具体说是通过对风电机组SCADA采集到的温度数据的处理和计算,对风电机组设备安全状况进行评价。
背景技术
风力发电技术由于其低污染、绿色环保及可持续发展的特点成为当今世界新能源发展浪潮中的主流能源。随着风电机组向大单机容量的方向发展,风电机组设备的结构和功能日益复杂,风电企业对于设备的正常、安全、平稳运行的要求越来越高。风电企业必须不断的提升机组的运行维护水平来保证风电机组的高效安全运转。
由于风电机组的成本较高,且安装位置都是偏远的、环境恶劣的地区,交通不便给运行和维护带来了极大的困难,这些因素成为风电行业追求高效产值的障碍。风电机组的单机容量越大成本越高,对机组的运行稳定性要求越高,当风电场备件不足时,一旦发生机组故障往往会造成机组的停机,造成一定的经济损失。在这种背景下,如何利用有效的设备监测技术、信号处理技术以及数据挖掘技术实现风电机组设备健康状况的评价,及早的发现隐患,防止隐患演变成故障和事故,以及提前调整运行和安排维修,成为风电行业关注的焦点和技术难点。
振动监测与声学监测技术的发展为风电机组的状态监测与故障诊断提供了有效的技术依据,但是振动监测往往需要在风电机组上加装振动监测测点,无形中增加了风电机组的运维成本,而声学监测往往使用离线监测的方法,难以实现风电机组的在线运行状态评价。在此背景下,众多研究机构和学者开始注重SCADA数据的研究,通过数据挖掘方法深入的研究SCADA数据与机组运行状态间的关联性,从而通过SCADA数据挖掘输出结果来反映机组的运行稳定度,其中温度参数作为SCADA数据中最重要的性能参数往往跟机组典型部件的运行状况息息相关,例如变桨电机温度、齿轮箱油液温度、轴承温度等参数往往跟变桨电机、齿轮箱以及机组各轴承的运行状态密切相关。本发明拟通过独特的SCADA数据概率统计和数据挖掘方法来分析SCADA数据的异常情况,从而反映风电机组各部件的运行状况。借此本发明构建的是一种基于SCADA数据挖掘方法的风电机组在线运行状况的评价方法,优势在于不额外增加监测设备的前提下,实现机组的在线运行安全评价。
发明内容
本发明的目的是提出一种基于SCADA温度参数的风电机组安全状况评价方法,其特征在于,包括如下步骤:
1)进行SCADA温度参数的选定;
2)分析与风电机组各***故障相关联的温度参数,构建包括环境温度和风速的工况参数与SCADA温度参数之间的关联性,确定机组运行工况划分的标准;
3)依据上述步骤2)的工况参数与SCADA温度参数间的关联性,拟合工况参数与SCADA温度参数间的关联曲线,并剔除“异常点”;
4)依据上述步骤3)中拟合的关联曲线特性,基于拟分析温度参数制定合理的运行工况区间划分准则;
5)通过训练至少一个年度的机组正常运行时的SCADA温度数据,对分工况区间内的温度参数进行概率密度曲线拟合,并建立标准的高斯模型,作为评价机组运行状况的参考模型;
6)针对评价时段内的SCADA温度数据的进行概率密度拟合,构建出的温度参数分布曲线,通过与标准高斯模型进行对比,计算曲线与标准模型的偏差度,从而衡量机组的运行状况。
所述步骤1)选定的温度参数,要求所选定的温度参数要能够反映设备的运行状态,要对设备的异常运行敏感;经过分析,具体选取齿轮箱润滑油温和齿轮箱轴承温度;选取发电机驱动侧轴承温度、发电机非驱动侧轴承温度和发电机绕组温度,变桨***选取变桨电机温度。
所述步骤2)、3)是基于风电机组的运行工况不同,各子***的温度参数也不同,工况与温度相对应;环境温度可以影响设备的基础温度;散热可以影响设备的工作温度;而对于机械传动的风电机组,风速影响机组的转速,而转速高低又决定了设备的工作温度。所选定的温度参数与风速和环境温度密切相关,所以选定风速和环境温度作为划分工况的参数。
所述步骤4)的基于拟分析温度参数制定合理的运行工况区间划分准则;依据环境温度和风速两个参数对风电机组的运行工况进行细分:
(1)对环境温度的历史数据进行统计,确定最高温度Tmax和Tmin,按照不小于Tmax的最小5的倍数取上界,不大于Tmin的最大5的倍数取下界。以5摄氏度为间隔,对运行工况进行第一步划分,设分成m段;
(2)按环境温度进行工况划分后,再按照风速对运行工况进行第二步划分。以风电机组的切入风速Vin为下界,以风电机组的切出风速Vout为上界,根据IEC标准,可以分成n个运行区间,
式中n为整数;
将划分好的运行区间标记为Oij,其中i=1,2,3…m;j=1,2,3…n;将正常运行工况下的样本数据按上述工况划分方法划入相应的工况空间,对各区间数据进行概率密度统计,符合正态分布;对其分布按高斯函数进行拟合,得到拟合函数
式中μij和σij为对应工况区间温度参数的均值和标准差,作为标准值。
本发明的有益效果是:对风电机组设备安全状况进行评价,指导运行和维修工作,将风电机组自带的SCADA***的监测数据作为安全状态评价的原始数据,提升对风电机组监控水平、提高设备的利用率,有效的降低运行成本。建立可靠、有效的风电机组设备安全状况评价机制,避免了机组隐患向故障及事故的恶化,形成了风电机组安全、稳定、高效的运营环境。
附图说明
图1为基于运行工况划分和温度参数概率密度曲线拟合偏差度计算的风电机组安全状况与参数间的关联分析结果;
图2为针对基于温度参数概率密度曲线拟合偏差度计算的风电机组运行安全状况评价方法的流程图。
具体实施方式
步骤一SCADA温度参数的选定
基于温度参数分析的风电机组安全状况评价方法,要求所选定的温度参数要能够反映设备的运行状态,要对设备的异常运行敏感;经过分析,选取齿轮箱润滑油温和齿轮箱轴承温度;选取发电机驱动侧轴承温度、发电机非驱动侧轴承温度和发电机绕组温度,变桨***选取变桨电机温度(如图1所示)。
步骤二分析与选定SCADA温度参数相关联的工况参数
风电机组的运行工况不同,各子***的温度参数也不同,工况与温度相对应;环境温度可以影响设备的基础温度;散热可以影响设备的工作温度;而对于机械传动的风电机组,风速影响机组的转速,而转速高低又决定了设备的工作温度。所选定的温度参数与风速和环境温度密切相关,所以选定风速和环境温度作为划分工况的参数。
步骤三去除零功率点和奇异点,建立正常运行状态样本
风电机组的运行数据中,包含着机组不工作、异常停机及奇异值数据点,这些数据不是机组正常运行时的数据,会对结果的可靠性产生影响,在建立风电机组正常运行条件下的样本数据时,要对上述数据进行剔除。
机组不工作的数据点的判断方法是当风速大于切入风速时,输出功率仍为0或负值的点;风电机组在切入风速以上、切出风速以下功率从正常值减小到0或负值的点即为风电机组的异常停机点,删除这些点以及前三个停机过程的点(风电机组历史数据库中数据为10分钟数据的平均值,删除三个点约为30分钟的数据)。同理,在切入风速以上,风电机组输出功率由0或负值渐增加到正值的过程即为风电机组切入风速以上的启动,删除这些点以及后三个启动过程的点;数据中的奇异点指数据点中的异常数据,可能是由于传感器故障、通信异常等原因产生,应该加以清除。参考IEC标准中的Bin方法,把风速范围按照0.5m/s间隔分成若干区间(Bin),每个Bin的中心值为0.5m/s的整数倍。计算每个区间温度数据的平均值μ和标准差σ,对于小于μ-3σ和大于μ+3σ的数据点可以作为奇异点去除。通过这些处理基本删除了对分析影响较大的数据点,可以认为剩下的数据为风电机组正常运行条件下的历史数据。
收集每台风电机组一年或以上的SCADA运行数据,剔除机组不工作、异常停机及奇异值数据点,建立能够反映机组正常运行状态的样本。
步骤四细分运行工况
如图2所示,由于所选定的温度参数与风速和环境温度两个工况参数相关,因此本发明依据环境温度和风速两个参数对风电机组的运行工况进行细分:
(1)对环境温度的历史数据进行统计,确定最高温度Tmax和Tmin,按照不小于Tmax的最小5的倍数取上界,不大于Tmin的最大5的倍数取下界。以5摄氏度为间隔,对运行工况进行第一步划分,设分成m段。
(2)按环境温度进行工况划分后,再按照风速对运行工况进行第二步划分。以风电机组的切入风速Vin为下界,以风电机组的切出风速Vout为上界,根据IEC标准,可以分成n个运行区间。
式中n为整数。
将划分好的运行区间标记为Oij,(i=1,2,3…m;j=1,2,3…n)将正常运行工况下的样本数据按上述工况划分方法划入相应的工况空间,对各区间数据进行概率密度统计,符合正态分布。对其分布按高斯函数进行拟合,得到拟合函数
式中μij和σij为对应工况区间温度参数的均值和标准差,作为标准值。
依据SCADA温度参数与机组***建立的对应关系,利用良好运行机组一年或以上的SCADA温度数据分别对各***代表温度参进行概率密度统计分析,建立各关联模型中SCADA温度参数分区间的高斯分布模型,并拟合出标准高斯分布曲线,作为衡量机组***是否良好运行的参考值,分别可建立变桨***、齿轮箱***、发电机***的标准评价曲线。
步骤五计算总偏差度C
将机组实际运行数据(至少一个月或以上)按步骤四划分到对应的工况区间,绘制各区间预警温度数据的概率密度分布图和概率密度曲线,并计算各区间概率密度分布的高斯模型拟合函数Gij(x)。定义该区间拟合偏差度Cij
计算所有运行区间的实际运行数据分布与标准模型的偏差度,然后对于所有的运行区间计算总偏差度C
式中Pij为数据点在区间Oij内的百分比,由下式求得
式中Nij为落在区间Oij内的数据点个数,N为数据点总数。
从等式(3),可以得出当C≈0时风电机组是健康的,当C>0时风电机正在偏离正常的运行状态,健康状况退化。并且,健康状况退化越严重,C的值趋向于越大。可以通过C值的大小直观的判断出风电机组设备的安全状况。
依据步骤5中提出的方案对每个机组***模型进行机组运行评价,评价周期数据至少为一个月的数据,即每个月对风电机组的变桨***、齿轮箱***和发电机***中的温度参数进行评价分析,每个月均对变桨***、齿轮箱***和发电机***的拟合总偏差进行评价,判断风电机组各***的运行安全状态。