一种风电机组故障预警闭环管控系统及方法

技术领域

本发明涉及风电机组在线故障监测的技术领域，尤其是指一种风电机组故障预警闭环管控系统及方法。

背景技术

目前，风电机组的控制系统中给出的绝大多数故障都是已经发生后的，没有真正实现故障预警；而在故障处理方面也没有实现真正的闭环管理，现场缺陷处理完成后，并没有进一步深挖故障是否属于近期频发及其频发次数、其他风场同类机型是否存在相同故障等重要信息。风电机组除SCADA数据以外，还有CMS振动数据，其中应用更多的是利用其幅值变化，并没有通过数据特征来识别其早中期的故障。识别的故障绝大多数是从控制系统中报出的，此类故障均是属于事后的，没有提前预警故障，严重故障的发生除导致机组的停机以外，还会造成设备严重损坏；且当故障发生后，一般都会通过各类在线平台或excel表格等来实现跟踪，一旦故障处理完成关闭后，其数据并未再深入挖掘，深藏在数据库中的价值信息并未有效提炼出来；在故障总体分析的维度上，更多是基于某一个风场基地，并未从宏观的角度对所有风场进行故障分析，尤其是对于同类机型的风电机组，其故障反馈更有价值，由于风电机组数量较多，很多机组在故障解决后依然会出现相同或类似的故障，这说明故障处理并不彻底或者并没有实现根治，此类故障需要现场运维人员重点关注，但在实际运行过程中，由于缺乏相应的技术手段，导致并未引起较高的重视程度；同时对于运维人员来说，在不借用先进技术手段的情况下，人工分析过去1个月甚至过去24小时的运行数据，很难识别和捕捉到其中的异常，而且效率极其低下。

发明内容

本发明目的在于为为解决现有技术中的不足，提供了一种风电机组故障预警闭环管控系统及方法，当风电机组发生故障早期，通过预警模型检测到其在表征健康状态的特征值上出现异常，进而抓取到异常，从而指导运维人员及时启动干预措施，避免风电机组故障进一步恶化。与此同时，结合CMS振动数据监测，能充分将风电场传输回来的数据运用起来，实现多维度的实现风机故障预警。

为实现上述目的，本发明所提供的技术方案为：一种风电机组故障预警闭环管控系统，包括：

数据接入层，用于将风场中风电机组的SCADA数据和CMS振动数据通过预设数据传输机制接入到预警分析层中；

预警分析层，对接入的SCADA数据进行预处理，将预处理后的SCADA数据通过算法筛选出测点来进行预警模型的建模，通过将风电机组的运行数据输入到预警模型中，得到风电机组的健康状态结论，并输出到故障诊断层中；同时对接入的CMS振动数据进行清洗后提取振动信号特征量，进而通过预分析方式标注正常机组；

故障诊断层，对预警分析层输出的结论进行综合诊断分析，输出诊断信息到数据交互层中；

数据交互层，用于导入数据来优化系统以及导出并展示预警诊断报告。

进一步，所述数据接入层具体执行以下操作：

将风场中的CSV格式的SCADA数据文件录入到MySQL或者Oracle关系型数据库中，将风场中的CMS振动数据通过数据转换工具转换为CSV格式文件或TXT格式文件，再录入到MySQL或者Oracle关系型数据库中。

进一步，所述预警分析层具体执行以下操作：

将SCADA数据中的异常数据或者无法使用的数据剔除后筛选机组处于正常运行状态的数据，将预处理后的SCADA数据通过筛选出测点进行预警模型的建模，其中测点为能够表征风电机组的性能的参数的组合，预警模型训练完成之后，通过读取其它SCADA数据则能够计算当前时间段的风电机组的健康度，并设定一个健康度临界值；

对CMS振动数据进行数据清洗，通过频率重采样生成新的传动链各测点振动信号数据，或是通过剥离无效振动信号数据来对CMS振动数据进行数据清洗；再通过频率扫描算法将振动信号数据中的各部件特征向量及频率成分标注出来，并计算传动链各测点向量及频率成分指标参数，根据振动信号数据中的各部件特征向量及频率成分、传动链各测点向量及频率成分指标通过预分析方式标注正常机组。

进一步，所述故障诊断层具体执行以下操作：

通过分析所有导致风电机组的健康度小于健康度临界值的测点的清单，展示出风电机组存在异常状况的测点以及存在异常的风电机组设备名称，同时分析振动信号特征，结合SCADA工艺参数及根据预警分析层输出的结论，最终输出诊断信息，所述诊断信息包括机组最终诊断的结论、机组故障程度、机组维护建议和故障发展趋势。

进一步，所述预警诊断报告包括风电机组故障报表、风电机组健康状态、风电机组易发与重发故障统计、重大部件故障报表和重大部件劣化趋势分析曲线。

本发明所提供的一种风电机组故障预警闭环管控方法，使用了上述的风电机组故障预警闭环管控系统，包括以下步骤：

S1、风电机组故障预警闭环管控系统接入风电机组的SCADA数据和CMS振动数据；

S2、根据步骤S1所接入的数据启动风电机组故障预警闭环管控系统的预警分析，通过运行预警模型计算风电机组的健康度以及根据CMS振动数据识别风电机组的振动异常故障；

S3、根据识别到的风电机组的故障，确定该故障的严重等级，并在风电机组故障预警闭环管控系统中核查该故障是否在此风电机组上发生过，即是否属于频发故障，若属于频发故障，则需结合上一次检修该频发故障的检修方案来确定本次检修方案；若不属于频发故障，则直接针对不同的严重等级的故障给出相对应的检修方案；

S4、检修完毕后，在风电机组故障预警闭环管控系统中录入本次故障相关信息进行记录。

进一步，在步骤S4中，所述故障相关信息包括故障图片、故障原因和实际检修过程更换的备品备件及装配尺寸。

本发明与现有技术相比，具有如下优点与有益效果：

本发明能够实现故障的提前预警，减少风场的非计划停机，同时能够实现故障隐藏信息的深入挖掘，且识别频发故障以优化故障检修方案，实现故障闭环管理，形成案例库，提高风电机组全寿命周期健康管理。

附图说明

图1为风电机组故障预警闭环管控系统的框架图。

具体实施方式

下面结合具体实施例对本发明作进一步说明。

参见图1所示，为本实施例所提供的风电机组故障预警闭环管控系统，包括：

数据接入层，用于将风场中的SCADA数据和CMS振动数据通过预设数据传输机制接入到预警分析层中，具体执行以下操作：

将风场中的CSV格式的SCADA数据文件录入到MySQL或者Oracle关系型数据库中，将风场中的CMS振动数据通过数据转换工具转换为CSV格式文件或TXT格式文件，再录入到MySQL或者Oracle关系型数据库中。

预警分析层，对接入的SCADA数据进行预处理，将预处理后的SCADA数据通过算法筛选出测点来进行预警模型的建模，通过将风电机组的运行数据输入到预警模型中，得到风电机组的健康状态结论，并输出到故障诊断层中；同时对接入的CMS振动数据进行清洗后提取振动信号特征量，进而通过预分析方式标注正常机组，所述预警分析层包括风机预警分析模块和CMS振动数据分析模块，具体执行以下操作：

将SCADA数据中的异常数据或者无法使用的数据剔除后筛选机组处于正常运行状态的数据，将预处理后的SCADA数据通过筛选出测点进行预警模型的建模，其中测点为能够表征风电机组的性能的参数的组合，预警模型训练完成之后，通过读取其它SCADA数据则能够计算当前时间段的风电机组的健康度，并设定一个健康度临界值；

对CMS振动数据进行数据清洗，通过频率重采样生成新的传动链各测点振动信号数据，或是通过剥离无效振动信号数据来对CMS振动数据进行数据清洗；再通过频率扫描算法将振动信号数据中的各部件特征向量及频率成分标注出来，并计算传动链各测点向量及频率成分指标参数，根据振动信号数据中的各部件特征向量及频率成分、传动链各测点向量及频率成分指标通过预分析方式标注正常机组。

故障诊断层，对预警分析层输出的结论进行综合诊断分析，输出诊断信息到数据交互层中，所述故障诊断层包括风机故障诊断模块和CMS诊断模块，具体执行以下操作：

通过分析所有导致风电机组的健康度小于健康度临界值的测点的清单，展示出风电机组存在异常状况的测点以及存在异常的风电机组设备名称，同时分析振动信号特征，结合SCADA工艺参数及根据预警分析层输出的结论，最终输出诊断信息，所述诊断信息包括机组最终诊断的结论、机组故障程度、机组维护建议和故障发展趋势。

数据交互层，用于导入数据来优化系统以及导出并展示预警诊断报告，所述预警诊断报告包括风电机组故障报表、风电机组健康状态、风电机组易发与重发故障统计、重大部件故障报表和重大部件劣化趋势分析曲线。

本实施例公开了风电机组故障预警闭环管控方法，以风场的风电机组#009出现发电机轴承故障为例，使用了上述的风电机组故障预警闭环管控系统，包括以下步骤：

S1、风电机组故障预警闭环管控系统接入风电机组#009的SCADA数据和CMS振动数据；

S2、根据步骤S1所接入的数据启动风电机组故障预警闭环管控系统的预警分析，通过运行预警模型计算风电机组#009的健康度，识别出风电机组#009的发电机轴承温度偏高，以及根据CMS振动数据识别风电机组#009的振动异常故障，识别出发电机轴承振动幅值和频谱存在异常；

S3、根据识别到的风电机组#009的故障，确定该故障的严重等级，如果故障轻微，风电机组#009可以带病等待合适的窗口进行检修；如果故障严重，风电机组#009必须要停机检修，避免故障进一步恶化；并在风电机组故障预警闭环管控系统中核查该故障是否在此风电机组#009上发生过，即是否属于频发故障，若属于频发故障，则需结合上一次检修该频发故障的检修方案来确定本次检修方案；若不属于频发故障，则直接针对不同的严重等级的故障给出相对应的检修方案；

S4、检修完毕后，在风电机组故障预警闭环管控系统中录入本次故障相关信息进行记录；所述故障相关信息包括故障图片、故障原因和实际检修过程更换的备品备件及装配尺寸。通过现场检查发现，导致发电机轴承异常的原因为发电机润滑不良，现场在重新加注完润滑油后，风电机组#009恢复正常运行。

此外，通过该系统核查此类故障是否为频发故障，如果是，则需要开展风场的全面普查工作，同时还可以进一步挖掘分析该故障是否只频发于该机型上，如果是，则有可能导致该故障发生的原因是该机型设计方面的缺陷，从而需要在后续改进该机型。

以上所述之实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。