一种风电机组智能预警方法及消防联动控制系统

技术领域

本发明涉及风电机组消防技术领域，尤其一种风电机组智能预警方法及消防联动控制系统。

背景技术

风力发电被认为是清洁能源的重要利用方式受到了世界各国的重视。我国风能资源十分丰富，尤其集中在西北地区，近些年风电装机速度及存量屡创新高。

风电机组常设置在地处偏远、环境恶劣及风速较大的地区，且由于是转动机械结构复杂易出现故障，风机机舱起火被认为是最严重的故障之一，机舱高度百米以上，一旦着火，只能依靠远程控制系统和机舱灭火装置，地面运维人员没有有效的灭火措施，会造成巨大的经济损失和安全隐患。

风机起火的原因有很多，主要包括电气设备故障、机械摩擦过热、人员操作失误、自然灾害（雷击）等几大类。具体包括线缆老化、回路短接、部件老化导致漏电；机械制动系统的异常摩擦、发电机齿轮箱主轴承等转动机械润滑不到位、油液泄漏；工作人员擅自使用明火作业、抽烟后烟头留在机舱内；防雷系统故障等。

现有的消防手段通常包括设置在机舱内部的灭火器、监控系统及自动灭火装置。机舱火灾一般发生在机舱内部，多起因于电气故障、机械故障以及自然灾害等，且运维人员通常不在现场，无法使用灭火器灭火；传统自动灭火系统普遍存在对监控数据异常的处理和反应滞后，对于工作人员操作依赖过大，无法准确快速自主地启动灭火装置实现机舱降温灭火，易造成巨大的经济损失。

发明内容

本发明的目的在于克服现有技术的不足，提供了一套风电机组火灾预警及消防联动系统。

本发明的目的是通过以下技术方案来实现的：

一种风电机组智能预警方法，风电机组消防联动控制系统的控制主机接入风电机组主控制系统，实时监控风电机组各项运行数据，进行三级火灾预警，所述三级火灾预警包括风电机组消防联动控制系统发现数据异常时的初期预警、数据异常无法自动处理时中期预警和机舱内出现浓烟或明火时极限预警。

进一步的，所述初期预警具体包括以下步骤：

S101：当风电机组消防联动控制系统发现数据异常时，风电机组消防联动控制系统研判数据异常是否处于可控制范围；

S102：若在可控制范围，采取设备维护措施直到风机运行数据恢复正常；

若研判数据异常处于不可控范围，开启风电机组气动刹车，降低风轮转速，立即触发中控室异常报警，并且启动热成像扫描系统。

进一步的，所述中期预警具体包括以下步骤：

S201：数据异常无法自动处理时，风电机组机舱内启动热成像扫描系统和感温火灾探测器确定热量集中点；

S202：监控温升速率和最高温度超过一定的阈值后，紧急断电停机，进行定点水喷淋降温。

进一步的，所述极限预警具体包括以下步骤：

S301：线性感烟探测器监测烟雾浓度超过阈值，红外半球摄像机采集到明火或者浓烟时，风电机组消防联动控制系统发出警报；

S302：联动启动机舱内的S型气溶胶自动灭火装置进行灭火；

S303：机组灭火后，派运维人员登塔分析事故原因、建立防护措施。

进一步的，所述风电机组主控制系统包括风机传动链振动监测系统、液压润滑系统、电气保护系统、机械过热保护系统和风电场远程监控系统。

进一步的，所述风电机组各项运行数据包括风机的运行状态、运行时间、发电量、频率和电流、电压、风速、风向、转轮速度、有功无功功率曲线、温度参数的运行数据。

进一步的，一种风电机组智能预警方法，还包括风电机组消防联动控制系统通过自学习积累数据异常的处理情况，优化对机舱智能预警的判断能力。

一种风电机组消防联动控制系统，包括控制主机、热成像扫描系统、感温火灾探测器、线性感烟探测器、红外半球摄像机、水喷淋系统和风电机组主控制系统；所述控制主机分别与所述热成像扫描系统、感温火灾探测器、线性感烟探测器、红外半球摄像机、水喷淋系统和风电机组主控制系统相电连接。

本发明的有益效果：

本发明采用多参数检测、有效联动、多级防护的预警及消防系统，提高了消防预警准确性，降低风电机组机舱大范围的起火风险，可有效保障风电机组的安全。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1是本发明的风电机组三级消防预警逻辑图；

图2是本发明的风电机组消防自动控制系统逻辑图。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当人认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

如图1所示，本发明将风电机组火灾预警及消防联动系统分为三级，包括初期预警、中级预警以及极限预警，每一级别预警都对应相应的动作。其中，初期预警主要是运行数据异常提醒预警，触发中控室警报以及启动气动刹车；中期预警主要是温度传感器温度超限、温升过快异常预警，触发机械刹车以及定点水喷淋系统；极限预警主要是烟感、温感、热成像以及监控中观察出现浓烟甚至是明火之后的综合预警，触发S型气溶胶自动灭火系统。

（1）初期预警

初期预警属于数据异常提醒预警。风机消防系统接入风电机组主控制系统的各项运行数据，包括风机传动链振动监测系统、液压润滑系统、电气保护、机械过热保护系统和风电场远程监控系统等，将风机的运行状态、运行时间、发电量、频率和电流、电压、风速、风向、转轮速度、有功无功功率曲线、温度等参数的运行数据进行实时分析。

当发现数据异常，消防控制系统可以通过数据处理和自学习功能，智能研判数据异常是否处于可控制范围，若在可控制范围，采取相应措施直到风机运行数据恢复正常，在系统运行过程中，控制系统通过算法智能学习，不断提高数据异常处理的可靠性。如果研判数据异常处于不可控范围，开启风电机组气动刹车，降低风轮转速，提高机组运行稳定性，立即触发中控室异常报警，并且启动热成像扫描系统。

（2）中期预警

中期预警属于故障预警。数据异常无法智能处理时，机舱内启动热成像扫描系统确定热量集中点，随后点型感温火灾探测器定位热量集中点，测量实时温度并分析温升速率，设置温升速率和最高温度超过一定的阈值作为紧急停机的触发条件。监测风电机组主控制系统接入的各项运行数据，出自然灾害外，出现温度及温升速率超限等重要的火灾隐患指标一定伴随着风机传动、电气故障及刹车系统等出现异常，主控制系统内部会出现数据异常，要求消防控制系统迅速响应联动判识故障部件，立即断电并启动机械刹车，根据判断故障原因采取不同的应对措施，如机械过热可以采用断电后的喷淋降温等。

（3）极限预警并动作消防联动系统

极限预警是指机舱内出现浓烟甚至是明火，此时舱内的设备已经受损，严重威胁到了风电机组的安全性，需采取一切措施熄灭明火，实现机舱降温。当触发极限预警时，线性感烟探测器监测烟雾浓度超标，温度迅速上升，通过红外半球摄像机可以看到明火或者浓烟，机组断电，控制器发出警报并联动启动机舱内的S型气溶胶自动灭火装置，利用S型热气溶胶灭火剂自身的氧化还原反应形成大量凝聚型灭火气溶胶，加速明火熄灭降低周围温度，利用惰性气体营造无氧环境；要求该自动灭火系统在浓烟或者明火出现2s内动作，并围绕火灾重点区域在30s内将全部灭火剂喷射完毕，防止复燃。

S型热气溶胶灭火剂具有对人体无害、灭火能效高、灭火剂用量小、节省重量空间、对环境友好的优点，经过防潮处理后，该灭火剂储存时间可达11年，避免了频繁更换的繁琐，具有很好的可靠性。

风电机组机舱一般距离地面百米以上，机舱内的自动灭火系统是机组机舱起火防护的最后一道防线。风电机组消防系统动作为机组灭火后，要立即派运维人员登塔分析事故原因，作出相应的防护措施，并立即对区域内同批次同厂家的风机进行逐个排查，评估机组火灾风险，吸取教训，避免火灾发生。

传统风电机组的消防系统对有可能引起火灾的数据异常处理和反应迟滞，并且过度依赖人的控制和启动，这对于瞬息万变的火势来说明显是不可靠的。

本发明可以通过智能算法不断学习，积累数据异常的处理情况，优化对机舱智能预警的判断能力，提高消防系统预警的准确性，以最小的成本和手段保证机组的安全运行。具体包括：

数据库构建：

以知识库为核心，接入风电机组SCADA安全三区数据，实现对风机设备（主轴、轴承、联轴器、发电机、控制柜等）的振动监测、温度监测数据的采集；实现对场站自然气象数据的采集，进而实现数据传输处理、数据存储、数据监控、智能告警、事故追忆、拓扑着色、趋势曲线、综合查询统计等功能。

数据的模拟量和状态量，设置偏移量，利用CRC（循环冗余校验）校验功能对数据进行限制检查和合理性校验，提取异常特征数据。

建模流程：

模型建立过程包括业务理解、数据平台构建、测试环境分析、建立算法模型等流程。业务理解主要是运维人员利用自身经验，了解设备过热原因和具体方面，包括每个原因对应的火灾风险，与此现象相关的运行数据诊断，对比数据平台中的正常数据，利用测试环境，对异常数据进行预处理、加工和整合，利用不同的分析方法（如统计算法、逻辑规则、信号分析、设计机理和常用的机器学习算法）进行特征分类和预测，用以建立模型。

算法自学习：

采用CTED算法对优化目标进行求解，CTED算法是在TED算法的基础上引入一个辅助变量，并通过套索回归进行约束今儿能求得全局最优解的一种算法，可以在异常数据提取之后对其前后时间序数据依据关联紧密度进行凸优化求解，利用构建的模型对比已有的数据库，不断自学习自求解分析数据异常趋势，提高危险数据趋势和故障诊断的研判准确性。

无监督主动学习算法是未来算法优化的趋势所在，主要从数据的结构信息角度出发进行算法的设计，主动学习旨在最大化模型性能的同时能最小化所需要的样本数量。具体而言，在实际场景中人们希望在满足模型性能要求的前提下，通过主动学习算法优先选择那些更具价值的样本进行标注，尽可能减少所需的标注样本数量以此解决标注成本或训练成本过高的问题。

本发明建立了完整的风电机组智能预警及消防联动控制系统，通过三级预警的方式快速响应可能引起火灾的数据异常处理，并能实现分级应对措施，面对不同情况智能研判应对措施，自主开启消防灭火系统。

以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。