风力发电系统传感器故障诊断方法探索

(整期优先)网络出版时间:2020-12-07
/ 2

风力发电系统传感器故障诊断方法探索

李廷栋

甘肃龙源风力发电有限公司 甘肃 兰州 730000

摘要:随着经济的快速发展,全球环境污染和能源消耗问题日趋严重。石油、煤炭等资源面临枯竭的危机,急需寻找替代能源。风力发电技术具有清洁、环保、可再生等优势,具有广阔的发展前景。风力发电系统具有一定的复杂性,经常会出现各类故障,传感器故障诊断技术可以有效查找故障,为风力发电系统的稳定运行提供保障。

关键词:风力发电系统;传感器;故障诊断

引言

利用风力作为发电资源,有助于实现我国发电工程的长远健康发展,使我国风力发电领域获得较好的环境与经济效益。但就现阶段情况而言,我国风力发电系统在建设中所涉及的因素有很多,也存在着不小的危险隐患。所以,应积极做好风力发电系统传感器故障诊断工作,使电力资源得到保障,这对于我国电力资源的有效运用极为有利。

1风力发电技术的优势分析

在风力发电的过程中,其技术在实际应用中存在很多的优点,并且现如今随着我国风力发电事业快速发展,其技术的应用越来越普通,通过充分的结合风力发电技术存在的优点,主要是存在着以下几个方面:一是经济性十分好。在实际进行风力发电的过程中,由于风力发电的价格并不是很高,其下降速度较快,有的风力发电已经是接近于了煤炭的发电成本,在提高经济效益方面存在着十分重要的作用,如果风力发电的能力提高一倍的情况下,那么成本会下降到35%左右,如果风电增长30%,那么成本也会随之下降。除此之外我国的风力能源是较为丰富的,在日后持续发展的同时,经济性也会更加的突出。二是工程建设工期较多,建设完成后见效较快。在进行风力发电的时候,由于风电工程的建设速度十分快,可以通过周和月来进行相应的计算,在短期之内就是可以完成工程项目的建设情况,这样可以有效地去缓解一些急用的情况。同时在对风力发电技术应用的过程中,在一些较为偏远地区中具有重要作用,通过合理进行这项技术,能够对我国西部一些地区分散性的实际需要进行有效解决,这样可以更好地满足这些区域人们在用电方面的需要。

2风力发电系统传感器故障诊断

2.1模型故障诊断

在我国风力发电系统传感器故障诊断方式中,模型故障诊断方式出现时间是最早的,也是最为综合的方法,在风力发电系统传感器故障诊断中受到了很广泛的运用。这一方式主要是借助可测量输入以及输出值的解析模型,而实现对残差序列的有效构建,并针对残差结果开展细致分析与研究,最终将风力发电系统传感器的实际状态分析出来,以此来判别风力发电系统传感器是否存在故障风险。若一旦发现有故障因素存在,就应及时对故障产生原因进行探析,以找到故障根源所在,进而采取积极有效的方式使故障问题得以解决,这样才能够使风力发电系统的正常运行获得保障。另外,在控制系统运作时,被控输出以及解析模型输出的剩余变量会随着输入变量一同发生改变,并且是在合理区间内发生变动的,在理想状态下,两者都应为零均值白噪声,但因受到噪音以及误差等因素的干扰,使得残差在阙值区间内波动。

2.2信号处理诊断方法

采用信号处理技术进行故障诊断,主要包含小波变化法、频谱分析法与信息融合法三种方法。需利用传感器获取到待测风力发电机组的输入、输出信号,采用信号特征向量提取方法获得信号特征值,并完成建模。在进行建模的过程中,需要围绕特征值与机组故障进行二者关系分析,进而构建起风力发电机组的故障模型,随即将传感器采集到的实时信号输入到模型中,借助信号分析技术判断故障类型、定位故障所处位置。该故障诊断法具有判断速度快、灵敏度高等性能优势,然而其诊断精度偏低,易出现误判、漏判等问题。

2.3观测器方法

在对观测器的研究中,最一开始研究的是全阶段的观测器。该观测器的增益矩阵可以在线对结构残差序列未知的随时间变化的参数或者是缓慢的漂移故障的残差序列的影响进行调整。为了简化设计,可以利用降价观测器代替全阶段观测器,但是,降价观测器有一个缺点,就是它只能应对突变故障,对于其他故障而言,它的作用就没有那么明显了。由Bastin等人提出的一种简单的自适应观测器,它可以应用于非线性系统。他们将一些非线性的特性参数作为未知参数,让自适应观测器对这些参数进行辨识。

2.4模糊推理的诊断方法

模糊诊断顾名思义就是不需要做出十分精准的数学模型。它主要利用隶属函数以及模糊规则进行模糊诊断。在诊断故障的过程中,往往故障的出现都带有一定的模糊性,不知是哪一个或者是哪几个故障出现。所以,一旦存在多个故障点,那么故障与故障征兆之间的关系就会出现模糊的现象。而此时利用模糊语言集合对故障进行核对就能很快速的找到故障所在。

2.5神经网络技术

当前该技术主要包含以下三种应用方向:其一是模式识别层面,使神经网络充当故障分类器的作用,判断设备的不同故障类型并完成故障分类;其二是故障预测层面,将神经网络用于针对动态模型设备进行故障预测;其三是知识处理层面,配合专家系统构建混合故障诊断系统,以此拓宽故障诊断技术的应用范畴。通过采用神经网络进行风力发电机的故障诊断,可以借助归一化处理降低知识库管理难度,便于进行神经网络知识的并行联想与自适应推理,有效规避采用专家系统过程中存在的无穷递归、组合爆炸等问题,提高故障诊断的实时性。

2.6无功补偿故障诊断

风力资源具备强波动,低预测等特征,若大功率电力直接与系统相接,就会造风力发电系统电压出现大幅度波动状况,使得发电风力系统难以发挥出作用。再者,在风力发电内电压调节设备响应特征的不同,在无形中增加了电压的控制难度,甚至会对风力发电系统的可靠以及安全性造成不小的影响,使得传感器故障也难以被诊断出来,最终影响风力发电系统的正常运行。所以,在此情况下,对风力发电系统无功电压控制就显得志在必行了,现阶段,不管是国内还是国外,都较为关注对风力发电场无功电压控制的研究,以及无功电压控制方式的有效探析,旨在提升对无功电压的控制能力,使风力发电系统传感器故障诊断工作能够落实到实处。同时,在控制无功电压的过程中,应对风功率的实际情况进行充分衡量与考虑,以真正实现对无功电压的有效控制。

结语

风力与电力是世界上发展最为迅速的能源之一,并且是可再生能源。这两种能源已经成为解决世界能源问题的一大助力。风力发电设备大多建立于环境恶劣的偏远山区或者远离海岸线的岛屿,而传感器的故障时有发生,不易监察,所以,建立一个系统完善的风力发电故障诊断设备尤为重要,它可以为风力发电系统的长期运行作出贡献,为我国的经济发展出一份力。在以后的发展中,风力发电系统的故障诊断设备有望向智能化方向发展,解放人类生产力。

参考文献

[1]谭建,李先锋.探讨新能源发电技术在电力系统中的有效应用[J].建材与装饰,2020(07):256-257.

[2]傅雷.面向状态监测和故障诊断的风力发电模拟技术及其应用研究[D].浙江大学,2018.

[3]梁泽.风力发电系统的故障诊断与容错控制方法研究[D].北京:华北电力大学,2019.

[4]汤宝平,邓兵,邓蕾,颜丙生.无线传感器网络多级融合的机械故障诊断方法[J].振动.测试与诊断,2019(31):92-96+199-200.

[5]谭品武.新能源时代电力电子技术在风力发电中的应用探索[J].信息与电脑(理论版),2019(23):113-114.

[6]刘登峰,徐林成,李振鹤.故障诊断技术在风力发电系统中的应用及其发展趋向[J].工程建设与设计,2019(24):125-126.