风力发电系统警报信号及故障诊断.docx

风力发电系统警报信号及故障诊断

摘要：随着我国科学技术不断发展，当今风力发电在社会生产中的应用愈加广泛。为了能够保证风力发电系统运行的安全性，通常都要在系统中设置警报功能。基于此，本文重点探究风力发电系统警报信息，以及风力发电故障诊断。

关键词：风力发电；系统警报信号；故障诊断；SCADA

引言

近些年来，我国风力发电系统应用愈加广泛，但在实际应用当中依然存在着一些漏洞问题，学术界也对基础模型和实现方法进行了研究，同时也取得了一定效果。针对风力发电系统的漏洞问题，必须要设置警报系统，如果风力发电系统出现了故障问题，就会改变相关数值，一旦到达了临界值就会产生警报，从而第一时间发现风力发电系统出现的问题。警报信号作为风力发电系统的一个反馈。由于风力发电系统内部构造较为复杂，当出现故障情况时往往会发出大量信号，也无法确定故障发生原因和所在部位。一旦出现了警报问题后，风电场通常采用停机后对设备进行逐次检查和维修，这样会提高风电场的运营成本。如果可以通过风电机组警报信号判定故障，即可大大提高风场运营效率，这对减少运营成本有着重要意义。

1、基于SCADA系统的警报信号

1.1特点分析

在风力发电机组中，通常是采用SCADA系统下的警报功能，警报信号的作用有：（1）可以避免机组脱离正常运行状态，如果工作人员确定了机组脱离了正常形态，即可通过紧急停机方法来减少风险；（2）提示机组维修，如果整个风力系统出现了故障问题，警报系统就会发出响声，告知维修人员安排检修，从而避免其他组件也出现故障问题，保证机组运行的安全性；（3）揭露设计上的缺陷。很多警报信息可以反映出发电机组组件故障问题，并且相同警报频发有可能是设计缺陷造成的，通过警报信号智能分析即可找出机组设计上的缺陷问题，大大提高了设备的可靠性。

SCADA警报局部有连续性、时域性的特点，如果有关零部件的运行参数超过了阈值时，警报系统就会发出警报信息。为了能够更加直观的观察到SCADA警报信号特征，可以将时域进行数字化、可视化转换，采用平面图表示具体的故障情况。

1.2故障信号处理

（1）传统处理方法

SCADA常常应用到电力系统警报处理和故障诊断当中，采用时域警报新信号处理方法。但是从结构层面上分析，电力系统与风力发电系统不同，所以要对传统的SCADA警报系统进行改进，使其能够适应风力发电系统的信号处理和警报要求。传统方法是结合实际故障因素进行问题诊断。通过维度区衡量方法进行诊断，一旦出现故障就会警报。在系统当中提出一个阈值，如果系统运行数值达到了阈值或阈值以上，就会产生警报。

从系统诊断方式上来看，其主要是元件故障与应用警报信息之间的因果关系，如果系统出现了故障会直接影响警报信息，通过绿（正常）黄（危险警报）红（紧急警报）来表示相应的内容。整体来说，传统警报系统打破了常规的机械诊断方式，可以第一时间发出警报信息，但是无法确定具体的故障位置，一旦发生警报需要工作人员逐一进行排查，相当的耗时耗力，这就需要对传统处理方法进行改进，通过分层警报方法，不仅能够提出警报等级，同时也能够确定具体位置。

（2）改进后的理论

从（1）中可以发现传统故障诊断方法并不适用于风电系统当中，所采用的风力发电系统中的SCADA警报系统在实际应用中带有一定的繁琐性。结合风力发电系统内部特性和运行要求，所以改进的方面主要是故障系统位置确定信息，其主要表现为：第一，除了要在系统中设置阈值，也要将整个系统监控部位进行划分，通过系统划分可以让系统显示不同位置的警报系统；第二，需要在经常出现故障的部位安装传感器，并将传感器连入到显示终端中，如果某个位置检测数据超过了阈值，就会发出警报，并且电脑终端会显示哪个传感器发出了警报，从而确定重点维修位置。按内部功能情况可以划分为油液监测、振动监测、温度监测等；按照硬件运行可以划分为机组监测、变压器监测、导线监测、蓄电池监测等。

改进后的方法可以将故障信息分散处理，如果出现了故障问题可以共同发出警报，通过根据警报信号可以直接判定哪个部位故障或哪些功能故障，通过不同的故障情况和故障位置，从而找出警报信号之间的因果关系，这样即可保障警报信息的针对性和正确性。

2、 风力系统变频器故障分析

变频器是最为常见的故障问题之一，通常预先估计和结果关系相差甚远，如果变频器动作行为不正确、过电流与电压不足等，都会导致变频器故障问题。

2.1采用神经网络技术对故障进行定性

神经网络的特点就是可以对数据所使用的隐层网络和显层网络进行培训，其对象分析是没有固定可靠的数学模型。所以，越想接近最真实的情况，就必须要尽可能的构建网络神经元。结合该项特征可以让用户在没有固定可靠数学模型下，依然可以采集数据信息，掌握出现了哪种故障问