侯　爽（長春科技學(xué)院，吉林 長春 132012）

不確定問題在風(fēng)力發(fā)電機故障診斷中的研究

侯爽
（長春科技學(xué)院，吉林 長春 132012）

風(fēng)力發(fā)電機故障診斷往往通過測試手段和診斷理論對風(fēng)力發(fā)電機的運行狀況進行推理，找到故障機理及原因，但實際采集到的數(shù)據(jù)信息大多在不確定因素工況工作下采集的，又由于風(fēng)力發(fā)電機本身設(shè)備結(jié)構(gòu)的復(fù)雜性、運行環(huán)境的惡劣性，使得風(fēng)力發(fā)電機的故障表現(xiàn)與故障原因之間不是簡單的映射關(guān)系。存在著各種隨機的、模糊的、不確定的因素，針對不確定性，目前有很多不確定理論和方法用來解決風(fēng)力發(fā)電機故障診斷的問題。

傳統(tǒng)風(fēng)力發(fā)電機；故障診斷方法

1 引言

世界面臨著能源短缺的問題，學(xué)者們對新能源的探索從來沒有停止，風(fēng)力發(fā)電在大形勢下也迅猛發(fā)展，由于風(fēng)里發(fā)電機結(jié)構(gòu)的復(fù)雜性，內(nèi)部結(jié)構(gòu)錯綜交錯，元件之間相互聯(lián)系、相互耦合，使發(fā)電機在運行時會出現(xiàn)很多故障，而得到的各種形式的故障信息又具有自耦合性、不精確性、模糊性的特點，使得傳統(tǒng)的故障診斷方法的應(yīng)用就有了一定的局限性，新的針對不確定問題的診斷方法也應(yīng)運而生。

2 傳統(tǒng)風(fēng)力發(fā)電機故障診斷方法

（1）系統(tǒng)可靠性框圖

系統(tǒng)可靠性框圖是一種從可靠性的角度出發(fā)，來研究系統(tǒng)和部件之間的邏輯關(guān)系，可以表示各部分元件與總系統(tǒng)狀態(tài)之間的關(guān)系。

（2）故障樹分析

故障樹故障診斷方法，其安全性和可靠性都很高，是根據(jù)故障形成的原因和結(jié)構(gòu)形成的倒樹狀的結(jié)構(gòu)，故障樹上的事件可分為頂事件、中間事件和底事件，其中頂事件是系統(tǒng)不希望發(fā)生的事件，底事件和中間事件的發(fā)生影響著頂事件的發(fā)生，將三個事件之間根據(jù)一定的邏輯門關(guān)系，就構(gòu)成了故障樹，故障熟的實質(zhì)是反映信息間因果關(guān)系的結(jié)構(gòu)圖。

（3）傳統(tǒng)的專家系統(tǒng)的故障診斷方法

傳統(tǒng)的專家系統(tǒng)是指在專門領(lǐng)域上通過知識獲取手段，將領(lǐng)域?qū)＜夷芙鉀Q的領(lǐng)域問題編輯和生成知識庫，并建立人機交互界面，使用戶可以像專家一樣診斷困難和無法自己解決的復(fù)雜問題。上述幾種方法在一段時間內(nèi)解決了風(fēng)力發(fā)電機的故障，但隨之風(fēng)力發(fā)電機裝機容量的增加，結(jié)構(gòu)復(fù)雜程度的增加，這些傳統(tǒng)的方法很難解決由于系統(tǒng)復(fù)雜性引起數(shù)據(jù)信息模糊性、不確定性、自耦合性的問題，使得對于風(fēng)力發(fā)電機故障診斷的難度增大，因而引進對于此類因素所引起故障的研究。

3 不確定問題風(fēng)力發(fā)電機故障診斷方法

不確定性問題一直制約著風(fēng)力發(fā)電機故障診斷的發(fā)展，下面介紹現(xiàn)代對于風(fēng)力發(fā)電機系統(tǒng)運行存在的不確定性、模糊性所提出的一系列診斷方法。

（1）粗糙集故障診斷

以風(fēng)力發(fā)電機振動數(shù)據(jù)的采集，結(jié)合國內(nèi)外風(fēng)力發(fā)電機數(shù)據(jù)，得到風(fēng)力發(fā)電機故障樣本模型數(shù)據(jù)庫，將數(shù)據(jù)庫應(yīng)用粗糙集方法形成決策表，對決策表進行分類、約簡、形成核，得到最優(yōu)決策表，最終在保持決策能力不變的情況下，剔除冗余屬性，使得故障診斷更加快速和實時。

（2）模糊集故障診斷

風(fēng)力發(fā)電機實際運行狀態(tài)往往介于正常與非故障狀態(tài)，是一個不斷變化的過程，因而設(shè)備所表現(xiàn)的出來的狀態(tài)和征兆是一類模糊的數(shù)值，可運用模糊集進行模糊故障診斷，模糊集中的隸屬函數(shù)和模糊關(guān)系矩陣建立模糊診斷數(shù)學(xué)模型，來描述故障和征兆之間的模糊關(guān)系，來實現(xiàn)對于風(fēng)力發(fā)電機的故障診斷。

（3）貝葉斯網(wǎng)絡(luò)故障診斷

貝葉斯網(wǎng)絡(luò)模型能夠有效降低網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性，降低故障特征獲取的難度，貝葉斯網(wǎng)絡(luò)實現(xiàn)概率推理更簡便的描述風(fēng)力發(fā)電機故障特征的變化，以及對風(fēng)力發(fā)電機產(chǎn)生故障的原因進行分析。將風(fēng)力發(fā)電機振動數(shù)據(jù)的特征量及變量與系統(tǒng)模型之間對應(yīng)的映射關(guān)系建立貝葉斯網(wǎng)絡(luò)，針對風(fēng)里發(fā)電機工作原理及故障結(jié)構(gòu)特征，建立風(fēng)力發(fā)電機故障信息貝葉斯網(wǎng)絡(luò)模型，提出了可以不斷進行學(xué)習(xí)并且準確率更高的在線式貝葉斯網(wǎng)絡(luò)故障診斷學(xué)習(xí)方法。

（4）隨機集故障診斷

建立故障構(gòu)造的論域并在超冪集上定義隨機集，根據(jù)已經(jīng)建立的故障信息樣板與待檢測信息找到模糊隸屬度函數(shù)，利用隨機集的信任測度和似真測度對待檢測信息和故障信息樣板進行匹配，并將匹配程度作為診斷的依據(jù)。

（5）現(xiàn)代專家診斷系統(tǒng)

與傳統(tǒng)專家系統(tǒng)相比，注入了新的技術(shù)，包括神經(jīng)網(wǎng)絡(luò)、模糊技術(shù)、D-S證據(jù)理論、信息論等。由于新注入技術(shù)的特點和傳統(tǒng)專家本身有的特點，使得現(xiàn)代專家系統(tǒng)可以處理由于風(fēng)力發(fā)電機運行條件復(fù)雜所致使的信息數(shù)據(jù)的模糊性、隨機性和不確定性問題。

（6）小波分析故障診斷方法

在傅里葉分析的方法上發(fā)展起來，此方法在時域和頻域上都有其優(yōu)越的性能，小波變換可以用來檢測信號的不規(guī)則點來對整個系統(tǒng)的工作狀況進行判斷。

（7）神經(jīng)網(wǎng)絡(luò)的故障診斷方法

人工智能網(wǎng)絡(luò)有很多優(yōu)點，包括容錯性、自適應(yīng)性、魯棒性、自學(xué)習(xí)性等，在故障診斷方面也有一定的優(yōu)越性，可以提供行之有效的方法和解決故障的途徑。在故障診斷系統(tǒng)中神經(jīng)網(wǎng)絡(luò)系統(tǒng)，一般包括兩個階段，訓(xùn)練學(xué)習(xí)階段和診斷匹配階段。

（8）多方法相結(jié)合的故障診斷方法

隨著科學(xué)和技術(shù)水平的不斷提高，傳統(tǒng)的單一的故障診斷方法已經(jīng)不能夠滿足人們對復(fù)雜系統(tǒng)的故障診斷，研究者不斷的嘗試將多種智能診斷方法相結(jié)合，來尋找更好的診斷方法，一些診斷方法結(jié)合后可以互補在各自方法中存在的不足，并將各自方法的優(yōu)點發(fā)揮到最好。以下為結(jié)合的故障診斷方法。

（a）模糊類：模糊K-緊鄰、模糊診斷專家系統(tǒng)、模糊神經(jīng)網(wǎng)絡(luò)、模糊自適應(yīng)、故障樹等；

（b）粗糙類：粗糙神經(jīng)網(wǎng)絡(luò)、人工魚群優(yōu)化粗糙集、粗糙集與支持向量機、粗糙集與粒子群優(yōu)化BP網(wǎng)絡(luò)、粗糙集與證據(jù)理論等；

（c）貝葉斯類：貝葉斯與粗糙集、貝葉斯網(wǎng)絡(luò)融合算法、聯(lián)結(jié)樹貝葉斯網(wǎng)絡(luò)、模糊貝葉斯等；

（d）隨機集類：隨機集含糊證據(jù)、模糊隨機集、隨機集與條件證據(jù)、Dempster-Shafer證據(jù)理論等。

結(jié)語

本文從多方面介紹了風(fēng)力發(fā)電機運行中針對自耦合性、不確定性、模糊性的信息進行診斷的方法，根據(jù)診斷數(shù)據(jù)的不同選取合適的診斷方法，達到更好的診斷效果，并闡述由于風(fēng)力發(fā)電機故障信息的復(fù)雜性，多種方法融合的故障診斷方法有一定的優(yōu)越性。隨著新技術(shù)新發(fā)放的不斷出現(xiàn)，對于風(fēng)力發(fā)電機故障診斷的方法也會越來越完備、合理。

[1]余維.變電站故障診斷的事件不確定性問題研究[J].電力系統(tǒng)保護與控制，2012 （08）.

TH12

A