title_temp

风机故障诊断方法研究现状

永利皇宫官方网址故障诊断在工业过程中非常重要,因为工业过程非常强调生产过程的安全、设备运行的持续可靠和产品的高质量。故障诊断就是来发现可能导致工业过程出现问题的因素,进而解决以延长设备服务时间。一个成熟的故障诊断体系需包含预测运维部分,让问题提前得到解决。

因为风机需减少产能损失,所以故障诊断对于风机来说同样非常重要,研究者们提出了许多故障诊断预测的方法。Isermann和永利皇宫官方网址Balle(1997)指出,风机故障诊断可分为基于模型的方法和基于信号的方法,但是当系统越来越复杂,使用模型和信号的方法都无效时,基于人工智能的方法就发展起来了。

基于模型的方法

基于模型的方法可用来发现一些特殊的系统故障。从实现的角度可以分为通过数值计算实现,以及通过知识学习的方法实现。参数估计、状态监测,都是常用的模型方法,模型方法有时也会用到推断和分类算法。

Zaggout(2013)使用发电机控制信号来发现双馈发电机中的转子和定子不对称,并开发了一套名为MTCMTR的Matlab模型,可以监控风机各个子部件电气和机械部分的运行情况。

基于信号的方法

基于信号的方法是通过分析输出信号来诊断故障。发生故障的信号通常具有一定的特征,从时域或频域的角度进行分析,可以发现风机齿轮箱和其他部件的初期故障。

Crabtree(2011)使用迭代局部离散傅里叶变换方法(IDFT)开发了一套支持非平稳信号的处理方法,并且在Durham的WTCMTR系统上对下面3种故障进行了实验:转子不对称、高速轴不平衡、高速齿轮损坏。Crabtree还做了IDFT方法和小波变换方法的对比实验,证明IDFT方法计算速度更快,结果更精确。

Feng(2011)使用SCADA和CMS数据,做了风机齿轮箱和发电机的故障预警研究,从故障会导致温度升高的基本原理出发,得到温度、效能和输出电量的关系,并开发了一套使用油温和轴承温度来检测齿轮箱故障的算法。Feng的研究说明了通过简单的算法,可以从SCADA信号中发现齿轮箱的早期故障,再通过CMS的信号分析,可以得出具体的错误信息。最后,Feng建议应该同时使用SCADA和CMS系统进行风机的故障预警。

永利皇宫官方网址Zappala(2013)使用边带功率算法(SBPF)对CMS的齿轮箱故障自动检测做了研究,并且在WTCMTR系统中进行验证。结果表明,该算法可以从齿轮的非平稳运行状态中识别出齿轮故障。将SBPF写入CMS系统后,该算法可以自动解释接收到的信号,还降低了过去对运维人员个人判断经验的依赖。

专家系统与人工智能方法

某些时候需处理的对象过于复杂,基于模型的方法和基于信号的方法都无法有效使用的情况下,例如同时发生的一些故障造成了不同的影响,这时就可以用统计学习的方法进行故障诊断。常用的统计学习的方法有概率法、模糊逻辑、人工神经网络、贝叶斯网络。统计学习的方法有一个特点,就是需要大量历史数据。

海上风电场状态监测项目(Wiggelinkhuize,2007)是由多个研究机构参与的风电项目,项目旨在开发包含多个数据分析算法的高效风机状态监测系统。这些算法被集成到SCADA中指导运维,但是并未获得很好的验证。

Yang和永利皇宫官方网址Jiang(2011)研究指出,SCADA是最简单的,并且是风机运行得到可靠性保障的成本最低的方法。

永利皇宫官方网址Singh(2007)使用人工神经网络对风机发电量进行预测,并且发现除了风速和风向外,空气密度、地势等因素,都对发电量有影响。Singh还将神经网络方法与传统的发电量预测方法进行对比,发现神经网络方法的预测结果更接近真实值。虽然Singh的方法不针对故障检测,但是没有人为干预的发电量异常情况也是风机故障的重要表现。

2006年,永利皇宫官方网址Garcia开发了一个叫做SIMAP的系统,该系统使用神经网络来检测齿轮箱故障,通过对正常齿轮箱的运行数据进行学习从而构建出一套异常检测模型,系统还包含一个含有3个规则的模糊专家系统,并可以实现自动运维日历管理,可以在检测出故障后自动做出运维决策。这个系统可提前2天预测出齿轮箱的故障,然而对于海上风电场来说,提前2天时间还是太短。

Zaher(2009)开发了一个基于神经网络的自动分析系统,用来检测风机主要部件的早期故障。这个系统还可在综合分析SCADA数据之后,将主要的结论提交给运维人员。

Qiu(2012)用KPI的方法对672(个·年)风机的研究,发现它们的平均报警发生的频率在每10分钟4-20次,频率最大的时候可达到每10分钟390-1500次。Qiu采用了时间序列和概率的分析方法进行故障预测,发现这两种方法有一定的有效性。

Chen(2011)使用神经网络对10(个·年)风机的变桨系统故障进行模式识别。Chen使用3个评判条件来识别变桨系统故障,据此设计了3层BP神经网络,并对不同神经元个数的隐藏层进行了学习选择,训练后的网络有50个隐藏层神经元。经验证,识别变桨系统故障的准确率为47% 。研究结果表明神经网络对识别风机故障有一定的作用,但是想要达到较好的效果则需各种情况下的大量故障数据作为训练集。

Gray和永利皇宫官方网址Watson(2010) 对400(个·年)风机3种运行状态下的齿轮箱进行了研究。作者的理论依据是“随着齿轮箱的运转,在不同的环境和负载下会发生一些不可逆转的微小变化”,然而,如果使用这个方法的话,就要对各种条件不同荷载下的齿轮箱运行特征有深入研究。

永利皇宫官方网址Kusiak和Li(2011)总结了一套使用SCADA数据预测风机故障的方法论,方法论包括三个层次:1)识别出现有的故障,2)预测出严重故障,3)预测出特定的故障。Kusiak使用神经网络、组合神经网络、提升树、支持向量机、分类回归树,分别对上面三个层次进行测试,发现很多时候可以提前60分钟预测出故障,但是风脉君也发现,无论用哪种算法,预测的精确性都不高,一个重要的原因是这些算法都需要大量的历史故障数据做支撑。

结论

永利皇宫官方网址综上所述,可以得到以下结论:

1. 因为风机系统复杂,各部件之间的关系错综复杂,所以很多风机故障诊断研究都是针对某个具体问题或者某个具体的风机部件。

永利皇宫官方网址2. 针对齿轮箱和发电机的故障预测,很多都是基于手头上的数据测试得出。这些预测方法是否可在实际工作中有效应用,无从得知。

3. 上面的这些研究都是针对某种地形条件下的某种机型,没有对其他机型和其他地形情况做推广验证,所以无法保证方法普遍的适用性。

参考文献:

[1]Isermann, R. and Balle, P. (1997). Trends in the application of model-basedfault detection and diagnosis of technical processes. Control engineeringpractice 5(5): 709-719.

永利皇宫官方网址[2]Zaggout, M. N. (2013). Wind Turbine Generator Condition Monitoring via theGenerator Control Loop. School of Engineering and Computing Sciences,DurhamUniversity. PhD Thesis.

永利皇宫官方网址[3]Crabtree, C. J. (2011). Condition Monitoring Techniques for Wind Turbine.School of Engineering and Computing Science, Durham University. PhD Thesis.

永利皇宫官方网址[4]Feng, Y., Qiu, Y., Crabtree, C. J., Long, H. and Tavner, P. J. (2011). Use ofSCADA and CMS signals for failure detection and diagnosis of a wind turbinegearbox. EWEA.

[5]Zappalà, D., Tavner, P., Crabtree, C. and Sheng, S. (2013). Sideband Algorithmfor Automatic Wind Turbine Gearbox Fault Detection and Diagnosis. EWEA. Vienna.

永利皇宫官方网址[6]Wiggelinkhuize, E. J., Rademakers, L. W. M. M., Verbruggen, T. W., Watson, S.J.,Xiang, J., Giebel, G., Norton, E. J., Tipluica, M. C., Christensen, A. J.and Becker, E. (2007). “Conmow Final Report.” Retrieved Feb, 2012.

永利皇宫官方网址[7]Yang, W. and Jiang, J. (2011). Wind turbine condition monitoring andreliability analysis by SCADA information. Mechanic Automation and ControlEngineering (MACE), 2011 Second International Conference on, IEEE.

[8]Singh, S., Bhatti, T. and Kothari, D. (2007). Wind power estimation usingartificial neural network. Journal of Energy Engineering 133(1): 46-52.

永利皇宫官方网址[9]Garcia, M. C., Sanz-Bobi, M. A. and del Pico, J. (2006). SIMAP: IntelligentSystem for Predictive Maintenance: Application to the health conditionmonitoring of a windturbine gearbox. Computers in Industry 57(6): 552-568.

[10]Zaher, A., McArthur, S., Infield, D. and Patel, Y. (2009). Online wind turbinefault detection through automated SCADA data analysis. Wind Energy 12(6):574-593.

[11]Qiu, Y., Feng, Y., Tavner, P., Richardson, P., Erdos, G. and Chen, B. (2012).Wind turbine SCADA alarm analysis for improving reliability. Wind Energy 15(8):951-966.

永利皇宫官方网址[12]Chen, B. and Zappala, D. (2011). “Survey of commercial SCADA analysistool.”

RetrievedSep, 2011, from .

永利皇宫官方网址[13]Gray, C. S. and Watson, S. J. (2010). Physics of failure approach to windturbine condition based maintenance. Wind Energy 13(5): 395-405.

[14]Kusiak, A. and Li, W. (2011). The prediction and diagnosis of wind turbinefaults.

RenewableEnergy 36(1): 16-23.

title_temp

风切变

什么是风切变

永利皇宫官方网址风切变又称“风剪切”,是一种大气现象。根据百度百科定义,风切变表征着风矢量(风速和风向)在空中水平或垂直距离上的变化。从风资源分析的角度,主要关注的是垂直方向上速度的变化,一般用风廓线表示,分为对数与指数两种模型。

 

 

风切变受哪些因素影响
1.地形
测风塔所处的地形环境,很大程度决定了所测得的风廓线的形状。在其它条件等同的情况下,山地风场切变往往偏小,当下层气流的加速效应更大的时,甚至会出现负切变的情况。
2.地貌(粗糙度)
在近地层中,风在垂直变化的动力因素主要来源于地面的摩擦效应,即地面的粗糙度。一般来讲,地表表面植被房屋越密集,粗糙度越大,对风的减速效果越明显,风切变也会越大。
3.大气稳定性
在近地层中,造成风在垂直变化的热力因素,主要表现在与近地层大气垂直稳定度的关系。在大气处于不稳定状态时,不同高度的风速之间动量交换程度很高,风切变指数较小;相反,在大气处于稳定状态时,不同高度的风速之间动量交换程度较弱,风切变指数较大。
风切变带来何种影响

1.轮毂选择

风切变最重要的一个影响是对轮毂高度的选择。在风切变较小的风电场,虽然提升轮毂高度会带来发电量的提升,但是选择更高的轮毂高度随之而来的是更重的塔筒、更大的基础,以及运输、吊装等费用的增加。因此,在选择轮毂高度时,发电量不再是唯一参考指标,而应综合考虑各方面的经济因素。
2.机组载荷
风轮在承受上下不平衡风载时,会增加风机的倾覆力矩,在一定程度上会影响到风机的适应性。而风机在设计的时候都是满足一定的切变范围的,当切变指数过大或过小(负切变)的时候,风机承受的载荷超出了常规设计下的载荷,长此以往,可能会导致风机的损坏或者叶片的折损。
3.发电量

永利皇宫官方网址风机厂家提供的功率曲线对应的风速都是轮毂中心处的风速,但是在不同的风切变、风廓线形态下,风轮面吸收的能量是不一样的,因此风机对风能转化量理论上也是不一样的。

 

 

 

永利皇宫官方网址“风切变”在实际项目中的应用

1.确认塔高属性
  • 全高度测风塔:塔高接近(拟采用机型预设轮毂高度)叶轮顶端高度
  • 半高度测风塔:塔高接近预设轮毂高度
  • 实测层数:不低于5层
  • 风向年代表性:判断实测年风向的代表性
2.数据筛选
  • 有效轮毂风速:Cutin<预设轮毂高度风速<Cut out
  • 有效切变空间:数据层最低高度与叶轮下端高度相近
3.切变形状分类(%)
  • 统计各切变类型权重
  • 特殊原因分析
  • 测风塔位置及地形代表性评价

 

 

 

 

4.切变形状定性

 

永利皇宫官方网址正常型(>70%)

非正常型(>30%)
  • 适合幂函数,平均切变系数;
  • R^2>0.8,平均切变系数
  • 轮毂高度外推参考最近两层或所有层实时切变系数或平均切变系数
  • 突出的非正常型是?
  • 结合塔高属性具体分析预设轮毂高度
  • 风速发电量测算、造价及效益测算
  • 轮毂高度外推参考临近高层趋势切变系数
5.切变特性机位推广
  • 是否具有普遍性?
  • 地形复杂性分析
  • 时间、风向、塔高等维度因素

 

 

 

title_temp

基于随机森林的发电量计算方法研究

前言

功率曲线是考核风电机组性能、评估机组发电能力的一项重要指标。IEC于2005年发布了IEC61400-12-1标准,该标准对风电机组功率曲线测定过程中采取的方法进行了规范,并提供了统一方法,以保证所得到的测试和分析具有准确性和可重复性。IEC61400-12-1指出,风电机组的功率曲线测定的数据应该是轮毂高度的10分钟均值数据和风机输出功率,10分钟数据应该按照0.5m/s的间隔分段拟合标准并对实验条件作了要求。

永利皇宫官方网址然而在实际运行中,由于风机实际功率曲线差于理论功率曲线,许多项目收益率低于预期,为了更好地对风机的发电量进行计算,今天我们使用一种人工智能算法–随机森林方法对测试数据进行建模,并和分bin法的结果进行对比,可以看到人工智能算法在风机发电量计算上的优势。

随机森林原理

永利皇宫官方网址随机森林顾名思义,是用随机的方式建立一个森林,森林里面由很多的决策树组成,随机森林的每一棵决策树之间是没有关联的。在得到森林之后,当有一个新的输入样本进入时,就让森林中的每一棵决策树分别进行判断,看看该样本属于哪一类(对于分类算法),然后看看哪一类被选择最多,就预测这个样本为该类。

主要流程

变量说明:

针对选取的风机测试运行数据,用N来表示训练用例(样本)的个数,M表示特征数目。

输入特征数目m,用于确定决策树上一个节点的决策结果;其中m应远小于M。

主要流程:

1. 从N个训练用例(样本)中以有放回抽样的方式,取样N次,形成一组训练集(即bootstrap取样),并用未抽到的用例(样本)作预测,评估其误差;

2. 对于每一个节点,随机选择m个特征,决策树上每个节点的决定都是基于这些特征确定的。根据这m个特征,计算其最佳的分裂方式;

永利皇宫官方网址3. 每棵树都会完整成长而不会剪枝(Pruning,这有可能在建完一棵正常树状分类器后会被采用)。

基于随机森林的发电量计算

永利皇宫官方网址我们选用十分钟平均风速、十分钟湍流强度作为特征对功率曲线进行建模。样本数据为某1500kw风机连续十天的运行记录。

为检验选用的特征数据可以用于对风速-产能进行建模,首先对特征数据进行分析,下图是不同强度的湍流强度对功率曲线的影响。同时,本文对bin法受湍流因素的影响做了修正。

                                         图1 不同的湍流强度对功率曲线的影响

永利皇宫官方网址                                             图2 使用bin法得到的功率曲线

                                              图3 两种方法的功率计算

                                             图4 bin法(修正)的预测误差

永利皇宫官方网址                                            图5 随机森林方法的预测误差

我们从图 3 可以看出,使用随机森林的方法进行功率计算结果与真实值更接近,图4和图5可以看到两种方法具体的误差对比。从实验结果看到,使用随机森林的方法得到的模型更加符合真实的运行结果。经计算,使用修正bin法的RMSE=35.2kw,使用随机森林法的RMSE=20.78kw。

本文使用随机森林方法对风机的实际发电量进行计算,并和使用分bin法(修正)的结果进行对比,可以看到随机森林算法在风机发电量计算上的优势。然而,随机森林也有其局限性。首先,随机森林的结果依赖于模型的参数选择,并无可以应用于任何数据情况的默认参数;其次,工程上对随机森林方法的发电量计算应用还不广泛,随机森林方法的可靠性和泛化性还需大量工程检验。

title_temp

川普上台,美国的光伏产业路在何方?

永利皇宫官方网址希拉里在选举时明确表示会继续实行奥巴马政府的清洁能源计划,将与中国竞争成为21世纪世界上最大的清洁能源超级大国,其本人也极大地支持光伏的发展,呼吁增加5亿光伏发电模块。如果真能实现如此规模,美国需在2017至2020年间新建135GW光伏发电容量。根据彭博新能源财经的预测,美国同期的光伏增量应该在50GW左右。然而特朗普痛斥奥巴马政府用钱支持光伏却打了水漂(暗指太阳能组件制造商Solyndra在奥巴马在任时接受美国政府5.35亿美元的贷款担保后依然破产)。

如此钟情于传统产业的特朗普,莫非要取消光伏投资税收抵免?在美国时间11月9日,这种担忧已经开始出现,在中国设有生产基地的光伏公司阿特斯(CSIQ.NSDQ)股价大幅下挫,深跌13.49%至11.52美元。美国本土光伏制造商Sunpower的跌幅同样惨跌14.17%至6.3美元,晶科能源(JKS.NYSE)下跌8.44%至14.1美元,英利新能源(YGE)、天合光能(TSL)也接连下跌。如此一来,特朗普支持大力发展石油、煤炭、天然气等传统能源的新政策已经让光伏产业走向了风口浪尖。

但是美国国会也不会搬起石头砸自己脚,去年12月国会通过的清洁能源生产税抵免(PTC)政策有很大机会将继续实施,清洁能源资产加速折旧法(MACRS)也应该不会有什么调整。当前,全球光伏市场还处于依靠政府补贴才能生存的阶段,尽管光伏组件的价格近来一直处于悬崖式暴跌,市场竞争机制引得部分招标价格出现历史新低,只有当通过技术创新而实现真正的市场化,才能摆脱政府的“救济”而活命。但如今还未成熟,政府的补贴是必然的选择。

永利皇宫官方网址鼓舞人心的事情常发生,美国大选那天,弗罗里达的民众不仅忙着为总统投票,还在当天对州宪法第一修正案“佛罗里达太阳能补贴和个人太阳能使用”进行投票公决。这项“反太阳能法案”大致意思是说,“你们想利用太阳能发电的,休想让不用太阳能的人还掏钱“补贴”给你们钱”。结果,支持太阳能发展的取胜了。

 

title_temp

创新风暴来临:海上风能的未来在哪里?

永利皇宫官方网址2002年,丹麦投产了世界第一个商业化海上风电场,装机容量160MW,由此引发了大规模使用大风机的风暴。截止至2015年,世界范围内已建成的海上风电场总装机容量达到约13GW。然而大部分海上风电场位于欧洲,一方面源于欧洲丰富的海上风能资源,但更重要的是欧洲风电的技术创新能力。在未来,创新能力会成为决定能源发展的关键因素。

永利皇宫官方网址2016年10月31日至11月1日,在日本东京举行的第15届世界风能大会(WWEA)上,国际可再生能源组织(IRENA)预测,随着技术的不断创新以及成本的不断下降,未来30年,全世界海上风电场装机容量会大幅上升,在2045年达到400GW。技术的发展带来了成本的降低,同时也推动了风能产业的市场扩张。目前使用传统发电技术的陆上风能已进入到成本竞争的阶段,未来我们会更多关注到风资源更加丰富的海上风能的运用。

640-13