一种风电场风力发电机组运行异常监测与性能评估系统的制作方法

文档序号:13934934
一种风电场风力发电机组运行异常监测与性能评估系统的制作方法

本发明涉及一种风电场风力发电机组运行监测与性能评估系统。



背景技术:

风力发电机组通常运行在恶劣环境,部件易老化、损坏,为确保风电机组安全,业主大多采用被动的定期维护方式,然而该方式针对性差效率低,造成大量人力物力资源浪费,并且运行隐患也难以及时发现。

针对这一问题,国内外风电整机企业和科研机构开展了深入的机组运行状态监测研究并形成一批实用产品,例如通用BentlyNevada、东方振动和噪声技术研究所的DASP等。然而这些产品通常都需要在机组安装传感器和前置机,虽然技术成熟且故障定位准确,但成本高,安装工艺难,不利于已投运风场后期部署,况且该类状态监测系统多局限传动链关联部件,难以发现叶片、塔筒、发电机早期故障。近年来随着大数据技术发展,一些学者提出基于数据挖掘技术利用已有SCADA历史数据进行风电机组故障预警,并通过实验数据验证了这类方法的有效性,然而限于SCADA采样率小于1Hz,很难从频域上分析机组特性。

另外在风电场电量生产上,当前业主只能从功率曲线、日发电量等维度查看和分析全场机组发电效率,并不能结合全场风资源特性、机组状态、控制曲线等因素综合分析电量生产性能和机组控制性能,以致无法满足精细化生产和机组运行参数定制化、最优化的需求。

针对这一问题,市场上出现了集中监控系统,对某特定区域内所有风电场机组运行数据进行在线收集,并按照一定方法对各风场机组运行性能进行评价。

中国专利201310471096.5公开了一种风电场集中监控系统平台,将目前多个分散风电场信息集中收集,与电网运行信息进行互动,据电网实时运行条件,在满足电网安全约束条件下,最大限度挖掘电网裕度,优化风电场有功出力,提高电网风电接纳能力。

然而限于该特定区域机组数量庞大和机型不统一,集中监控系统只能采集少量运行特征数据,且采样周期很多是分钟级,因此难以支撑对机组进行全面的发电性能、控制性能分析和评价。



技术实现要素:

鉴于上述问题,本发明提出一种风电场风力发电机组运行异常监测与性能评估系统,本发明可以在不增加机组传感器和前置机的情况下,进行风电场风力发电机组运行异常状态监测,通过数据挖掘方法对风场机组发电性能和控制性能进行分析评价。

本发明在不增加风电场风力发电机组传感器和前置机的情况下,实现秒级数据和毫秒级数据采集,并通过数据挖掘,辨识不同风力发电机组自身特性,建立自适应风力发电机组工况变化的、精细的机组运行状态特征模型,对全场风力发电机组进行响应时间不超过24小时的异常状态检测,进行机组早期潜在异常报警。另外,本发明利用历史数据从多维度对风场发电性能和分析发电机组控制性能进行评估,分析不同机位的风力发电机组的电量生产条件和特点,以及控制特征曲线,为风电场制定合理的生产维护计划和机组控制优化方案提供有力支持。

本发明通过以下技术方案实现:

本发明风电场风力发电机组运行异常监测与性能评估系统,包括数据采集子系统、数据处理与存储子系统,以及数据挖掘与展示子系统。其中,所述的数据采集子系统,通过以太网分别与风电场各台风力发电机组连接,采集秒级数据和毫秒级数据并以文本文件形式存储;所述的数据处理与存储子系统,通过文件传输协议(File Transfer Protocol,FTP)下载数据,收集数据采集子系统存储的数据文件,进行清洗、集成、变换、归约的预处理过程后将结果存入数据库;所述的数据挖掘与展示子系统,利用数据库数据进行挖掘,并将全风电场机组运行异常判断、发电性能以及机组控制性能评估的结果以友好方式向客户展示警报、评价、建议等信息。

所述的数据采集子系统,由场级PLC采集器和数据采集服务器组成。

所述的数据处理与存储子系统,安装运行在数据运算存储工作站上。

所述的数据挖掘与展示子系统的服务器端安装运行在数据运算存储工作站,客户端安装运行在监控电脑上。

本发明风电场风力发电机组运行异常监测与性能评估系统具体工作步骤如下:

步骤1-1:所述数据采集子系统的场级PLC采集器轮流采集全风电场各台机组毫秒级数据并整理,每次只采集一台机组120秒时长的数据,并经过PLC采集器筛选,合格的数据保存成CSV文件存入PLC采集器中形成该机组的一次运行样本,不合格的数据则直接舍弃并进行下一次样本采集;

步骤1-2:所述数据采集子系统的数据采集服务器下载场级PLC采集器生成的毫秒级数据样本文件,将样本文件存入本地硬盘,并实时采集全风电场所有机组秒级数据,以文本文件形式保存。每天每台机组的运行数据存放到一个CSV文件中;

步骤1-3:每日凌晨1时,所述的数据处理与存储子系统首先从数据采集服务器下载前一日生成的数据文件,包括秒级数据文件和毫秒级数据文件,然后对秒级数据文件和毫秒级数据文件中的数据进行预处理,包括清洗、集成、变换、归约,最后将结果存入数据库,供数据挖掘与展示子系统使用;

步骤1-4:所述的数据挖掘与展示子系统访问数据库,并利用数据挖掘方法对机组运行异常进行监测,以及对机组发电性能和控制性能进行评估,将结果以友好方式呈现在人机操作界面上。

所述步骤1-1中,场级PLC采集器利用与主控PLC通信协议采集机组运行毫秒级数据,包括机组状态、风速、风向、偏航角、电机转矩、变桨角度、电机转速、网侧功率、机侧功率、叶轮转速、机舱前后方向振动加速度、机舱左右方向振动加速度。在数据筛选时,只选择发电状态下电机转速2分钟均值在机组最小运行转速正负3%范围内以及额定转速正负1%范围内两种样本数据。前者定义为类别I,后者定义为类别II。

所述步骤1-2中,数据采集系统利用与主控PLC通信协议采集机组运行秒级数据,包括风速风向、轴系转速、温度、振动、机组状态、压力、电网、电流电压、功率转矩、辅助机构动作状态、偏航及调桨相关信息量。

所述的数据处理与存储子系统对数据处理步骤如下:

步骤2-1:每日凌晨1点,数据处理与存储子系统从数据采集服务器下载前一日秒级数据文件和毫秒级数据文件;

步骤2-2:然后对秒级数据进行清洗、标准化操作以剔除异常点、统一数据格式和单位,生成标准化数据;

步骤2-3:对标准化数据进行电能生产指标计算,并将结果存入数据库,其中电能生产指标包括机组每小时设计应发电量、理论应发电量、实际生产电量、限功率损失电量、停机损失电量。

所述的设计应发电量(Wind speed can Absorb Energy by Designed,WAED)是指机组测量风速对应的设计功率曲线上的功率在1小时内积分得到的能量,计算公式为:

其中P(υi)表示在时刻i实测风速υi对应的设计应发功率。

所述的理论应发电量(Wind speed can Absorb Energy by Theory,WAET)是指机组测量风速对应的实测功率曲线上的功率积分得到的能量,计算公式为:

其中P'(υi)表示在时刻i实测风速υi对应的理论应发功率。

所述的实际生产电量指机组电表测量到的生产度电。

所述的限功率时损失电量(Lose Energy by Limit power,LELP)是指机组由于限功率而造成的能量损失,计算公式为:

其中,P”i表示i时刻功率限定值,求和计算条件为桨角β大于阈值θ。

所述的停机时损失电量(Lose Energy by Stop,LES)是指机组在维护时测量风速对应的理论功率积分得到的能量。它表示机组停机时造成的能量损失,计算公式为:

其中当机组在停机状态时,P”'(υi)=P'(υi),当机组在非停机状态则P”'(υi)=P'(υi);

步骤2-4:对标准化数据进行变换,生成N分钟测量数据计算值,N取值范围为1-10,再经整合形成每日风速-功率、风速-振动、功率-温度等拟合曲线并存入数据库;

步骤2-5:对毫秒级数据中的电机转速进行滤波提取和傅里叶变换,生成波形的峰峰值、有效值以及频谱并存入数据库;

所述步骤1-4中,数据挖掘与展示子系统利用数据库存储的每日处理后的电能生产指标、风速-功率、风速-振动、功率-温度等拟合曲线、电机转速波形峰峰值有效值及频谱信息对风电场所有机组日运行状态是否异常进行监测,并对全场发电性能和机组控制性能进行评估,将结果以友好方式展示给用户,并自动生成报表和报告。

附图说明

图1风电场运行异常监测与性能评估系统部件组成示意图;

图2风电场运行异常监测与性能评估系统网络拓扑图;

图3风电场运行异常监测与性能评估系统结构框图;

图4场级PLC采集器工作流程图;

图5数据处理与存储子系统工作流程图;

图6数据挖掘与展示子系统功能示意图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步说明。

如图1所示,风电场风力发电机组运行异常监测与性能评估系统包括数据采集子系统、数据处理与存储子系统、数据挖掘与展示子系统。

数据采集子系统利用以太网与全场各台机组连接,由场级PLC采集器和数据采集服务器组成,其中场级PLC采集器组装在低压电气柜中,包括PLC、交换机、开关电源,加热器、散热风扇、UPS以及低压电气元件。数据采集服务器是一台高性能计算机。

数据处理与存储子系统安装运行在数据运算存储工作站上,其中数据运算存储工作站是一台高性能计算机。

数据挖掘与展示子系统的服务器端安装运行在数据运算存储工作站,客户端安装运行在监控电脑上。其中监控电脑是一台普通台式机。

风电场运行异常监测与性能评估系统网络拓扑如图2所示,数据采集子系统中场级PLC采集器、数据采集服务器与全场各台机组利用以太网连接,其中场级PLC采集器和数据采集服务器之间为双向连接,它们与机组间为单向连接,数据处理与存储子系统的数据运算存储工作站通过FTP下载数据采集服务器文件,并与数据挖掘与展示子系统的监控电脑双向连接。

如图3所示,数据采集子系统采集秒级数据和毫秒级数据并以文本文件形式存储,其中秒级数据信息包括风速、风向、轴系转速、温度、振动、机组状态、压力、电网信息、电压、电流、功率、电机转矩、辅助机构动作标志、偏航调桨信息,毫秒级数据包括机组状态、风速、风向、偏航角、电机转矩、变桨角度、电机转速、网侧功率、机侧功率、叶轮转速、机舱前后方向振动加速度、机舱左右方向振动加速度。数据处理与存储子系统通过FTP下载数据采集子系统存储的数据文件并按照算法进行处理,数据挖掘与展示子系统利用数据库数据进行挖掘并将全场机组运行异常判断、发电性能以及机组控制性能评估的结果以友好方式向客户展示警报、评价、建议等信息,异常检测包括塔筒异常、桨角异常、电机异常、转矩异常、叶片异常、风速异常、对风异常、转动异常,发电性能包括机组出力特性、全场停机损失电量、限功率损失电量、机组自耗电、风况特性,控制性能评估包括机组转速转矩曲线、功率桨角曲线、风速桨角功率曲面。

机组运行异常监测与性能评估系统具体工作步骤如下:

步骤1-1:数据采集子系统的场级PLC采集器轮流采集全风电场各台机组毫秒级数据并整理,每次只采集一台机组120秒时长的数据,并经过PLC采集器筛选,合格的数据保存成CSV文件存入PLC采集器中形成该机组的一次运行样本,不合格的数据则直接舍弃并进行下一次样本采集;

具体方法如图4所示,首先初始化N为1,以100ms采样率采集N号机组运行数据,当计时器T大于120秒时,判断120秒数据中电机转速均值,当其介于97%Wn~103%Wn时,缓存内120秒数据存入毫秒级数据文本文件I并对N加1,当其介于99%Wp~101%Wp时,缓存内120秒数据存入毫秒级数据文本文件II并对N加1,其中Wn为风力发电机组发电时最小电机转速,Wp为电机额定转速。然后判断N是否大于风电场机组台数,如果成立则初始化N为1。最后清零计时器T,重新继续采集N号机组运行数据。

步骤1-2:数据采集子系统的数据采集服务器下载场级PLC采集器生成的毫秒级数据样本文件,将样本文件存入本地硬盘,并实时采集全风电场所有机组秒级数据,并以文本文件形式保存。每天每台机组的运行数据存放到一个CSV文件中;

步骤1-3:每日凌晨1时,所述的数据处理与存储子系统首先从数据采集服务器下载前一日生成的数据文件,包括秒级数据文件和毫秒级数据文件,然后对秒级数据文件和毫秒级数据文件中的数据进行预处理,包括清洗、集成、变换、归约,最后将结果存入数据库,供数据挖掘与展示子系统使用;

步骤1-4:所述的数据挖掘与展示子系统访问数据库,并利用数据挖掘方法对机组运行异常进行监测以及对机组发电性能和控制性能进行评估,并将结果以友好方式呈现在人机操作界面上。

如图5所示,所述的数据处理与存储子系统对数据处理步骤如下:

步骤2-1:每日凌晨1点,数据处理与存储子系统从数据采集服务器下载前一日秒级数据文件和毫秒级数据文件;

步骤2-2:然后对秒级数据进行清洗、标准化操作以剔除异常点、统一数据格式和单位,生成标准化数据;

步骤2-3:利用算法对标准化数据进行电能生产指标计算并将结果存入数据库,其中电能生产指标包括机组每小时设计应发电量、理论应发电量、实际生产电量、限功率损失电量、停机损失电量;

所述的设计应发电量(Wind speed can Absorb Energy by Designed,WAED)是指机组测量风速对应的设计功率曲线上的功率在1小时内积分得到的能量,计算公式为:

其中P(υi)表示在时刻i实测风速υi对应的设计应发功率;

所述的理论应发电量(Wind speed can Absorb Energy by Theory,WAET)是指机组测量风速对应的实测功率曲线上的功率积分得到的能量,计算公式为:

其中P'(υi)表示在时刻i实测风速υi对应的理论应发功率;

所述的实际生产电量指机组电表测量到的生产度电;

所述的限功率时损失电量(Lose Energy by Limit power,LELP)是指机组由于限功率而造成的能量损失,计算公式为:

其中,P”i表示i时刻功率限定值,求和计算条件为桨角β大于阈值θ;

停机时损失电量(Lose Energy by Stop,LES)是指机组在维护时测量风速对应的理论功率积分得到的能量。它表示机组停机时造成的能量损失,计算公式为:

其中当机组在停机状态时,P”'(υi)=P'(υi),当机组在非停机状态则P”'(υi)=P'(υi);

步骤2-4:对标准化数据进行变换,生成N分钟测量数据计算值,再经整合形成每日风速-功率、风速-振动、功率-温度等拟合曲线并存入数据库;

步骤2-5:对毫秒级数据中的电机转速进行滤波提取和傅里叶变换,生成波形的峰峰值、有效值以及频谱并存入数据库;

如图6所示,数据挖掘与展示子系统,利用数据库存储的每日处理后的电能生产指标、风速-功率、风速-振动、功率-温度等拟合曲线、电机转速波形峰峰值有效值及频谱信息对风电场所有机组日运行状态是否异常进行监测,并对全场发电性能和机组控制性能进行评估,将结果以友好方式展示给用户,并自动生成报表和报告。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1