风电机组突发性故障状态检修决策模型研究候艳军

风电机组突发性故障状态检修决策模型研究候艳军

候艳军

（国电电力山东新能源开发有限公司山东省烟台市264000）

摘要：风电机组的突发性故障会给风力发电中心带来极为严重的停机损失，为此提出一种基于状态机会检修原理的风电机组突发性故障检修决策模型。提取风电机组振动单元的故障信号特征，并对高频信号进行降频和消噪处理；依据风电机组的状态机会检修原理，分别设定模型的故障机会阈值函数和工作状态阈值函数，并识别出系统产生突发性故障风险的概率；基于临界矩阵确定出风电机组不同组成部分之间的故障相关性，进而实现对风电机组突发性故障位置及故障严重程度的精准判断。实验结果表明，该检修决策模型在检测准确度、检修效率及预防成本控制等方面均具有明显优势。

关键词：风电机组；突发性故障；状态检修；决策模型；研究

1风电机组突发性故障振动信号特征提取

风力系统中风电机组的突发性故障，可以被视为一个随机变量，若在t时刻风电机组发生故障的概率为P，则发生故障的分布函数ξ(t)可以表示为

风电机组的突发性故障状态类型不同，其产生的振动信号也会存在差异，基于状态机会检修原理构建的风电机组检修模型，首先通过对采集到的机组振动信号的特征识别及小波重构，将突发性故障特征信号从干扰噪声信号中分离，精确定位故障类型与故障位置，进而确定状态维修阈值函数及机会维修阈值函数，实现对风电机组故障的准确检测。风电系统常用的特征信号采集单元往往只能够分解低频信号，而有用的突发性故障特征信号混杂在噪声信号之中，且信号的频段较高。本文采用小波变换的方式，对高频信号进行分解，且滤除高频信号中过多的噪声干扰。对系统高频信号的分解采用多次分解的方式，基于特征信号的时域特征对高频信号进行降频处理，并将信号的时频特征投影到各自对应的小波区间。设故障的分布函数ξ(t)中，包含的原始故障特征信号为s(t)，信号的高频部分和低频部分分别表示为L(t)和H(t)，则包含两层原始突发性故障的小波分解如图2所示。

式中，f(t)和n(t)分别为有用的故障特征信号和噪声信号；变量λ为特征信号的强度水平。经小波重构处理后，提取高频信号特征的同时，也能够有效地控制系统的噪声水平，提高对风电机制故障信号识别的准确性。

2基于状态机会检修原理的风电机组检修模型研究

提取风电机组工作过程中不同频段的突发性故障特征信号，并完成对这些原始特征信号的降噪处理，就可以基于对这些特征信号及风电机组的状态机会检修原理，构建针对于风电机组的检修模型，提高故障检测的定位准确度和检测准确度。鉴于现有的风电机组多为串联结构，其中的某一个部件发生故障，其余的系统也会受到影响，因此难以判定具体的故障发生区域。如果停机进行大范围的检修，就会面临巨大的停机成本和经济损失。而状态机会检修原理认为，整个风电机组系统发生故障后，故障部分与未发生故障部分的振动信号会发生细微的变化，针对这些故障信号的细节特征信号的阈值变化情况，能够准确检测出故障发生的位置及故障的具体类型。基于状态机会检修原理而构建的检修模型，依据风电机组的故障信号特征变化情况，对风电机组的各个组成部分当前的工作状态进行评估，并对维修成本与故障发生机会成本进行准确衡量，以达到降低停机风险的目的。状态机会检修模型分别设置了风力发电机组的状态阈值函数曲线与故障机会阈值曲线，依据两条曲线的变化趋势和故障风险的大小，综合判定故障风险与综合检修成本。令g(t)为风电机组突发性故障的状态指示函数，g(t)由工作状态阈值函数g1(t)及故障机会阈值函数g2(t)组成，图3揭示出了两种阈值函数的

变化趋势及机会维修区间的分布。

图3状态机会检修模型示意图

由图3可知，风电机组工作状态阈值函数g1(t)与故障机会阈值函数g2(t)之间的区域，即图3中的阴影部分即为系统的机会维修区间。当基于状态机会检修原理构建的突发性故障检测系统运行到t1时刻时，依据此时刻提取的风电机组的故障特征信息及系统监测到的状态指示值，并比较这一时刻的状态阈值和机会维修阈值。如果系统指示值高于故障机会阈值，证明此时系统的运行风险较大，需要马上停机整修；如果系统的指示值位于图3中的阴影区域，证明系统存在运行风险，需要密切关注回馈振动特征信号的变化情况，及时分批地对零部件进行检修与更换；如果系统的指示值低于工作状态阈值，证明系统运行良好。基于状态机会检修原理构建的风电机组检修决策模型，可以根据对回馈信号状态信息的准确判断，而识别出风电机组突发性故障点的准确位置及严重程度。风电机组的工作状态阈值函数g1(t)与故障机会阈值函数g2(t)可以分别表示为

3结语

风电机组的突发性事故往往会造成严重的经济损失，传统检测方式未能发挥出预防检测的优势，在预防成本方面也不具备优势。

参考文献

[1]朱正祥.风电机齿轮箱故障诊断方法和系统研究[D].湖南大学,2017.

[2]王瑞.风电机组典型故障维修决策[D].华北电力大学(北京),2016.

[3]杨明莉.大型风电机组故障诊断研究[D].上海电机学院,2015.