大数据处理技术在风电机组状态监测中的运用

大数据处理技术在风电机组状态监测中的运用

李帅帅

山东龙源风力发电有限公司 山东济南 250000

摘要：风能作为一种无污染、可再生且开发成熟度较高的清洁能源，目前已经得到了广泛的利用。风电机组作为实现风能向电能转化的重要设备，通过实施监测运行状态，可以为日常维护与保养、故障排查与处理等管理工作的开展，提供必要的信息参考，对提升风电机组的发电效率、使用寿命均有积极的帮助。考虑到风电机组的内部组成复杂，必须要应用大数据处理技术，实时获取并动态分析机组状态参数，保障风电机组始终以良好工况稳定运行。

关键词：大数据技术；风电机组；状态监测；BP神经网络

引言

风电机组SCADA（SupervisoryControlAndDataAcquisition）系统中包含机组运行状态，但是SCADA对风机运行状态只是根据某一个或几个参数来划分，不能准确和有效地描述复杂多变的风电机组的运行工况。在工业大数据的背景下，随着风力发电技术的不断发展，每一台风电机组安装的传感器测点越来越多，数据的获取和存储变得十分便捷，在海量的历史大数据中，深度挖掘多维度运行数据与机组运行状态的关系，为风电机组的安全经济运行提供准确的数据支撑显得非常必要和有意义。

1大数据处理技术在风电机组状态监测中的运用重要作用

风力发电是最成熟和商业化的可再生能源发电方式之一。然而，风电独特的功率特性使其大规模并网，对电网调度和运行产生重大影响，而海量风电数据采集带来的数据质量问题也亟待解决。在一些风力资源丰富的地区，电网调度机构采集的风电测量数据已经超过了常规能源，但风电测量数据质量不高。有效的数据是风电预测、调控和管理的前提，为风电调度决策和统计分析提供基础支持。无效数据不仅影响调度员对风电运行状态的判断，也影响电网分析和应用的收敛性。目前，风电场的总体情况一般通过选择模型机来判断，但选择的模型机数量少，难以反映风电场的实际情况，导致功率预测和分析计算结果的准确性低，并且模型机不固定，会根据需要定期调整，因此有必要保证所有风电机组数据的质量。目前，电网调度自动化系统具有常规的数据采集和处理功能，但仍缺乏有效的风力发电机实时数据质量检测方法。最常用的检测方法:首先，从数据通信的角度来判断数据质量，如数据是否初始化、数据通道是否中断、数据是否长时间不刷新等。，这种方法不能从物理意义上判断测量数据的有效性；其次，通过状态估计软件对不良数据进行检测和识别，但含风电机组的电网模型维数非常大，程序难以收敛，执行效率低。

2风电机组状态监测模型设计

本文从大型数据处理技术中的分布式存储和分布式数据处理出发，开发了一种基于实时流数据和存储磁带的风力发电机运行状况监测模型。该模型方案主要由数据源层、数据传输层、数据存储层、编程模型层、具有五个逻辑层的数据分析层组成。逻辑层描述如下[:数据源级别，历史数据源是SCDA系统的关系数据库，实时数据源是SCDA系统的实时监控流数据。数据传输级别允许数据存储级别与数据源级别的数据通过数据与数据交互组件的交互进行交互。数据存储层的数据存储主要配备分布式数据库，如hbase、Hive等。编程模型的级别通过基于应用场景选择Spark或Storm来完成监视数据的处理。数据分析层利用数据挖掘算法在数据处理过程中提取风电场失效特征并更新特征曲线。

3基于大数据的风电机组状态监测流程

3.1海量数据的采集阶段

提供海量的实时数据，是应用大数据处理技术的必要前提。在风电机组内部，分布着大量的数据监测和采集装置，可以动态的获取各种数据，例如轴承的温度数据、风轮的转速数据、关键部位的振动数据等等。这些装置在获取风电机组的实时数据后，采用内置的无线传输模块，将数据打包发送给控制中心，并存储到数据库中，为下一步数据的分析和处理提供素材。

3.2数据的导入和处理

在监测到的各项数据中，为了实现运行状态评估中数据量化的统一，需要提取对整个运行系统中影响最明显的数据，再进行统一模糊化的预处理。

3.3数据挖掘和评估阶段

根据数据分析结果，可以为风电机组的运行管理提供必要的参考。为了避免机器误判，得出更加精确和真实的状态监测结果，还要求技术人员对数据分析结果进行专业评估。将分析结果中明显失准的、误差较大的数据剔除，然后利用剩余的分析数据表示风电机组的运行状态。根据评估结果，如果发现风电机组某些部位有异常情况，则安排维修人员通过实地检查，做出进一步的判断和处理。

4大数据在风电机组状态监测中的具体应用

4.1基于大数据制定风电机组日常维修方案

随着各行各业对电力能源需求的不断上涨，风电场的发电任务更重，这也直接造成了风电机组经常会超负荷运行。长此以往，风电机组发生故障的规律也会明显的上升。为了能够让风电机组始终平稳、高效的运行，风电场方面必须要定期做好风电机组的维修工作。但是风电机组的内部组成复杂，各类元件、设备种类和数量较多，人工检修费时费力，且不容易发现安全隐患。利用大数据处理技术，直接获取风电机组各部位的运行参数，可以让设备管理人员一目了然的监测运行情况。根据监测信息，制定风电机组的维护方案，最大程度上避免严重故障的发生。

4.2基于大数据实现风电机组常见故障处理

传感器故障排除，其中传感器系统是风电场群的重要组成部分，是实时采集环境参数的能力，如各个子元件的风向和运行参数，然后给风车群控制，使风车群能够高效运行。同时，风力发电运营商的数据中心接收传感器测量数据，从而能够进行远程监测，及时检测风电场群的干扰情况。变频器的参数和操作可以随转速变化而变化，电机设置传感器的数据要求和无传感器诊断方法的现场监控和手动清除要求不用于无传感器传感器。风电场故障有三种方式:传统诊断、智能故障排除和数学诊断。传统诊断是基于数据分析状态的监控技术。风力发电机的状态监测主要包括热成像、油流量、工艺参数和性能参数等方法。传感器的自诊断是通过使用振动和应变测量来检测状态的噪声发射进行的。

4.3大数据技术应用前后的效果对比

为了更加直观的验证大数据处理技术在风电机组状态监测方面的运用效果，本风电场分别选取了大数据处理技术应用前和应用后1年里故障发生次数，并进行对比。通过对比发现，在未使用大数据处理技术时，风电机组一年内累积发生7起故障，其中有2次严重故障。机组发电的连续性较差。在应用大数据处理技术后，风电机组在一年内监测到异常工况10次，经过及时处理，9次异常情况得到了有效处理，全年仅发生1起故障，经过技术人员抢修未造成严重事故。全年发电机组运行稳定，效益提升明显。

结束语

为风能未来奠定基础的大数据。大型数据是风力发电机运行期间数据采集和评估的重大突破。系统数据收集为风力发电机的数据实时监测建立了一个优化框架，以便随后开发一个更大的数据监测系统。采用大型数据技术提高了运行可靠性，并改善了系统频繁停机造成的问题。

参考文献

[1]刘洋广.基于大数据分析的风力发电机组故障预警技术研究与应用[D].吉林大学,2018.

[2]李大中,张华英.基于风场大数据互信息关联的风电机组性能评估[J].科学技术与工程,2018,18(29):211-215.

[3]时静一,闫小春.基于机组运行大数据的风机健康度预警系统[C].中国农业机械工业协会风力机械分会.第五届中国风电后市场专题研讨会论文集.中国农业机械工业协会风力机械分会:中国农业机械工业协会风力机械分会,2018:189-198.

[4]段震清.基于大数据分析的风电机组运行状态评估及故障诊断[D].山西大学,2018.

[5]石睿.基于大数据分析的风电机组运行状态监测方法研究[D].长春工业大学,2018.