姚萬業(yè)，楊金彭

(華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院，河北保定071003)

?

基于顯著性差異分析的風(fēng)機(jī)變槳電機(jī)故障預(yù)警

姚萬業(yè)，楊金彭

(華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院，河北保定071003)

摘要：對(duì)河北冰峰風(fēng)場(chǎng)430臺(tái)直驅(qū)型風(fēng)機(jī)1年的變槳電機(jī)繞組溫度數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)分析，驗(yàn)證了該風(fēng)場(chǎng)變槳電機(jī)繞組溫度變化在實(shí)際工況下基本符合正態(tài)分布規(guī)律，通過對(duì)樣本數(shù)據(jù)離群值的統(tǒng)計(jì)分析確定了顯著性差異分析方法，并提出了在運(yùn)的變槳電機(jī)繞組溫度顯著性差異分析條件及預(yù)警閾值。經(jīng)實(shí)例驗(yàn)證，該方法能夠準(zhǔn)確地對(duì)風(fēng)機(jī)進(jìn)行故障預(yù)警，保證了風(fēng)機(jī)高效地運(yùn)行。

關(guān)鍵詞：顯著性差異； 統(tǒng)計(jì)分析；正態(tài)分布；樣本離群值；預(yù)警閾值

0引言

傳統(tǒng)的風(fēng)機(jī)故障預(yù)警一般通過設(shè)定單一變量預(yù)警閾值來實(shí)現(xiàn)，但在實(shí)際復(fù)雜工況下，這種方法容易造成故障誤報(bào)、預(yù)留故障排查時(shí)間不足等問題。在不同的風(fēng)速和環(huán)境溫度工況下，風(fēng)機(jī)的運(yùn)行狀況是不一樣的，風(fēng)機(jī)發(fā)電量、各部件溫度值也不盡相同，如果設(shè)定單一的預(yù)警值肯定無法滿足復(fù)雜工況下的預(yù)警要求。針對(duì)此問題，本文提出一種在同工況下風(fēng)機(jī)設(shè)備參數(shù)具有顯著性差異分析的預(yù)警方法。

目前為止，國(guó)內(nèi)外學(xué)者已經(jīng)開展了大量變工況下的風(fēng)機(jī)故障預(yù)警研究，其中鹿衛(wèi)國(guó)等人采用了一種基于概率分布的方法來預(yù)測(cè)風(fēng)機(jī)設(shè)備故障發(fā)生率，楊浩等根據(jù)負(fù)荷變化趨勢(shì)來進(jìn)行故障預(yù)警分析。同時(shí)，基于bin方法的多工況下風(fēng)機(jī)故障預(yù)警研究也越來越受到人們的重視。

1風(fēng)機(jī)故障情況

風(fēng)機(jī)主要包括變槳、葉輪、機(jī)械傳動(dòng)、發(fā)電機(jī)、電控、液壓、偏航等7大系統(tǒng)，通過對(duì)河北冰峰風(fēng)場(chǎng)1年時(shí)間內(nèi)20 118條故障代碼的統(tǒng)計(jì)分析，各大系統(tǒng)的故障情況及說明如表1所示。

表1　系統(tǒng)故障情況

從表1可以看出，該風(fēng)場(chǎng)的風(fēng)機(jī)變槳系統(tǒng)和發(fā)電機(jī)系統(tǒng)故障頻發(fā)，其中變槳系統(tǒng)故障發(fā)生次數(shù)在總故障次數(shù)25%以上。因此，對(duì)于變槳系統(tǒng)必須給予足夠重視。在變槳系統(tǒng)故障中，多表現(xiàn)為變槳電機(jī)溫度類故障、變槳控制柜故障、變槳傳感器故障等。經(jīng)統(tǒng)計(jì)分析，5 463條變槳故障信息中，各類故障所占比例如圖1所示。

圖1　變槳系統(tǒng)故障比例圖

圖1數(shù)據(jù)顯示說明變槳電機(jī)溫度故障占據(jù)了變槳系統(tǒng)所有故障中58%的比例，可見實(shí)現(xiàn)變槳電機(jī)溫度的故障預(yù)警對(duì)風(fēng)機(jī)的高效運(yùn)行有著現(xiàn)實(shí)的意義。

2變槳電機(jī)繞組溫度數(shù)據(jù)統(tǒng)計(jì)分析

數(shù)據(jù)來源于河北冰峰風(fēng)場(chǎng)SCADA系統(tǒng)，以5 s為采集單位，對(duì)2014年1月到12月內(nèi)430臺(tái)風(fēng)機(jī)進(jìn)行數(shù)據(jù)采集。數(shù)據(jù)反映了風(fēng)機(jī)的實(shí)際運(yùn)行狀況，有一定的參考價(jià)值。對(duì)每天最高的運(yùn)行溫度進(jìn)行統(tǒng)計(jì)分析，結(jié)果如圖2 所示。

圖2　每天最高溫度統(tǒng)計(jì)圖

由圖2 可以看出，不同的月份最高溫度不同，但大部分風(fēng)機(jī)數(shù)據(jù)都在一定范圍內(nèi)變化，沒有顯著性差異，只有某些時(shí)刻的數(shù)據(jù)與其它時(shí)刻差異很大。來源于同一SCADA系統(tǒng)的不同風(fēng)機(jī)在同一工況下數(shù)據(jù)不應(yīng)該有顯著性的差異，故初步判斷產(chǎn)生這些數(shù)據(jù)的風(fēng)機(jī)可能存在故障隱患。為了進(jìn)一步對(duì)風(fēng)機(jī)進(jìn)行溫度故障預(yù)警，采用統(tǒng)計(jì)學(xué)顯著性差異分析方法對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。

3顯著性差異分析

顯著性差異是統(tǒng)計(jì)學(xué)上對(duì)大量數(shù)據(jù)中存在的某些具有顯著性差異的數(shù)據(jù)的評(píng)價(jià)。當(dāng)數(shù)據(jù)之間有顯著性差異時(shí)，說明參與對(duì)比的數(shù)據(jù)不是來自于同一總體或來自同一總體的數(shù)據(jù)實(shí)驗(yàn)處理?xiàng)l件不一樣[1]。在工程中，對(duì)于同一批次的設(shè)備，由于設(shè)計(jì)、工藝和材質(zhì)完全相同，在同一工況下的設(shè)備產(chǎn)生的數(shù)據(jù)雖可能不完全一樣，但不應(yīng)存在顯著性差異，否則，可能是早期故障信號(hào)。顯著性差異分析方法就是基于大量運(yùn)行實(shí)驗(yàn)數(shù)據(jù)的統(tǒng)計(jì)結(jié)果設(shè)定一個(gè)靜態(tài)閾值從而達(dá)到對(duì)異常信號(hào)的預(yù)警作用[2]。

3.1顯著性分析前提

利用顯著性差異分析手段對(duì)樣本數(shù)據(jù)進(jìn)行處理、分析需要滿足以下前提：① 參與統(tǒng)計(jì)的樣本數(shù)據(jù)必須來源于同一總體，② 樣本數(shù)據(jù)分布基本符合正態(tài)分布規(guī)律，即樣本概率密度函數(shù)應(yīng)滿足正態(tài)分布函數(shù)[3]，如公式(1)所示：

(1)

式中：x為樣本值；f為樣本在該值出現(xiàn)的概率密度；μ為樣本均值；σ為樣本標(biāo)準(zhǔn)差；μ和σ由式(2)和式(3)計(jì)算：

(2)

(3)

3.2顯著性分析條件

(4)

即u服從標(biāo)準(zhǔn)正態(tài)分布,由于變槳電機(jī)繞組溫度性能表現(xiàn)為增大，則只需要考慮曲線的單邊，分布情況如圖3所示。

圖3　標(biāo)準(zhǔn)正態(tài)分布置信區(qū)間圖

參考GB/T4883-2008[4]，通過對(duì)離群值的分析要求，顯著性差異條件確定為式(5)：

(5)

即閾值的上限設(shè)定為 X=μ+σu1-α，其中α為統(tǒng)計(jì)離群值的顯著性水平，一般取為0.01，經(jīng)查U分布表獲取在顯著水平α值下的置信區(qū)間上限值為2.58。

4顯著性差異分析在變槳電機(jī)繞組溫度預(yù)警中的應(yīng)用

河北冰峰風(fēng)場(chǎng)每天產(chǎn)生海量的歷史數(shù)據(jù)，既包括正常數(shù)據(jù)，也包括故障信息，這些數(shù)據(jù)對(duì)于風(fēng)場(chǎng)政策制定及高效管理具有很高的利用價(jià)值。如何對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，將分析結(jié)果作為故障預(yù)警的依據(jù)已經(jīng)成為風(fēng)場(chǎng)關(guān)注的焦點(diǎn)。為解決風(fēng)場(chǎng)頻發(fā)的變槳電機(jī)繞組溫度故障問題，文中采用顯著性差異分析方法對(duì)變槳電機(jī)溫度進(jìn)行閾值預(yù)警[5]，處理流程如圖4所示。

圖4　預(yù)警流程圖

4.1數(shù)據(jù)預(yù)處理

文中采用箱式圖分析方法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，可以初步篩選掉某些明顯偏離其他正常數(shù)據(jù)的異常點(diǎn)，這些數(shù)據(jù)值可能源于讀數(shù)誤差或錄入錯(cuò)誤，也可能是某些真實(shí)存在的故障信息[6]。對(duì)于風(fēng)場(chǎng)SCADA系統(tǒng)采集到的海量數(shù)據(jù)也存在著各種各樣的問題，如在8月4號(hào)14:24～14:52將近半個(gè)小時(shí)的時(shí)間內(nèi)變槳電機(jī)一直在以70 ℃的高溫狀態(tài)運(yùn)行，這可能是由于風(fēng)機(jī)在高溫環(huán)境下長(zhǎng)時(shí)間高負(fù)荷運(yùn)行造成的，這些數(shù)據(jù)顯然是不能作為統(tǒng)計(jì)分析樣本的，要予以剔除。

4.2樣本統(tǒng)計(jì)分析

為了研究變槳電機(jī)正常運(yùn)行時(shí)溫度變化范圍，采用統(tǒng)計(jì)學(xué)手段對(duì)數(shù)據(jù)進(jìn)行處理，為提高數(shù)據(jù)準(zhǔn)確性及利用價(jià)值，對(duì)風(fēng)場(chǎng)SCADA系統(tǒng)以5 s為單位對(duì)數(shù)據(jù)進(jìn)行采集、處理、統(tǒng)計(jì)、分析。不同的工況下，每臺(tái)風(fēng)機(jī)正常運(yùn)行時(shí)變槳電機(jī)繞組溫度的穩(wěn)定值是不一樣的，不同月份，甚至是同1天內(nèi)不同時(shí)刻環(huán)境溫度也是不完全相同的。據(jù)歷史數(shù)據(jù)統(tǒng)計(jì)，在歷次故障事件中，故障風(fēng)機(jī)溫度數(shù)據(jù)值較其他風(fēng)機(jī)增大明顯。據(jù)此特性，采用顯著性差異分析方法作為變槳電機(jī)繞組溫度的分析工具，圖5為3，7，12月份3個(gè)典型月份的歷史數(shù)據(jù)統(tǒng)計(jì)圖。

圖5　溫度統(tǒng)計(jì)圖

由圖5(a)，(b)，(c)中可以看出，冰峰風(fēng)場(chǎng)的風(fēng)機(jī)在不同的月份內(nèi)變槳電機(jī)繞組溫度的大致穩(wěn)定范圍是不一樣的，3月份的穩(wěn)定運(yùn)行溫度在42～55 ℃之間，而7月則在46～60 ℃之間，到12月份大概在35～54 ℃之間。1年中3月份為初春時(shí)節(jié)，風(fēng)速可能比較大，而7月份為盛夏，環(huán)境溫度比較高，故風(fēng)機(jī)在運(yùn)行時(shí)變槳電機(jī)繞組溫度較12月份高出許多?？梢姡h(huán)境溫度的大小對(duì)風(fēng)機(jī)變槳也有著重要的影響。

為進(jìn)一步研究環(huán)境溫度對(duì)變槳電機(jī)溫度的影響，分別對(duì)3，7，12月份1天內(nèi)24 h中每小時(shí)最高溫度數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，結(jié)果如圖6所示。

圖6　每小時(shí)最高溫度統(tǒng)計(jì)圖

由圖6分析可得：在1天內(nèi)不同時(shí)刻的最大穩(wěn)定運(yùn)行溫度也是不完全一樣的，白天相對(duì)晚上來講溫度稍微高些，在12月份最高溫度大約在10:00～13:00之間，而最低溫度集中在21：00～3:00(凌晨)，差值能高達(dá)10 ℃，這可能與冬天晝夜溫度有一定的關(guān)系。

4.3顯著性差異條件及預(yù)警閾值的確定

經(jīng)K-S方法檢驗(yàn)后，該風(fēng)場(chǎng)樣本數(shù)據(jù)基本符合正態(tài)分布規(guī)律[7]?？紤]多工況，以7月份數(shù)據(jù)為例，根據(jù)式(2)和式(3)計(jì)算樣本均值μ為53.72，樣本方差σ為3.24,樣本密度函數(shù)為如下正態(tài)分布函數(shù)：

(6)

根據(jù)式(5)在顯著水平為0.05的條件下，預(yù)警閾值為X=53.72+3.24×2.58=62.079 2即當(dāng)某臺(tái)風(fēng)機(jī)變槳電機(jī)繞組溫度值超過62.079 2 ℃時(shí)，與其他風(fēng)機(jī)數(shù)據(jù)存在著顯著性差異，此臺(tái)風(fēng)機(jī)可能會(huì)發(fā)生故障，需要對(duì)該臺(tái)風(fēng)機(jī)進(jìn)行隱患排查。

由于風(fēng)機(jī)工作在多工況下，不同的工況風(fēng)機(jī)的溫度閾值也應(yīng)不完全相同。閾值過小會(huì)導(dǎo)致預(yù)警信號(hào)頻發(fā)，或者誤報(bào)；閾值過大可能會(huì)導(dǎo)致由于溫度過高變槳電機(jī)已處于故障邊緣，可能會(huì)錯(cuò)過最佳的維修時(shí)間?？紤]到不同月份環(huán)境溫度差別較大，風(fēng)能質(zhì)量也不盡相同，故針對(duì)不同工況設(shè)定不同置信水平的預(yù)警閾值[8]，具體如表2所示。

表2　多工況下風(fēng)機(jī)預(yù)警閾值

4.4現(xiàn)場(chǎng)驗(yàn)證

以冰峰風(fēng)場(chǎng)2015年3月份的現(xiàn)場(chǎng)變槳電機(jī)故障案例為驗(yàn)證對(duì)象，3月份為多風(fēng)季節(jié)，為了適應(yīng)不同的風(fēng)速工況，變槳裝置動(dòng)作頻繁，是故障的高發(fā)期。圖7為故障發(fā)生前的變槳電機(jī)溫度趨勢(shì)圖。

圖7　故障前溫度趨勢(shì)圖

由圖7可知：正常運(yùn)行時(shí)變槳電機(jī)溫度穩(wěn)定在45 ℃左右，在某一時(shí)刻溫度開始呈上升趨勢(shì)，并超過理論預(yù)警閾值58.787 7 ℃，并繼續(xù)上升，最終導(dǎo)致故障停機(jī)，驗(yàn)證了該理論預(yù)警閾值的準(zhǔn)確性。如果在溫度超過預(yù)警閾值時(shí)對(duì)風(fēng)機(jī)做出故障排查可能會(huì)減小損失，提高運(yùn)行效率。

5結(jié)論

(1)文中通過對(duì)河北冰峰風(fēng)場(chǎng)1年內(nèi)數(shù)據(jù)的統(tǒng)計(jì)分析，挖掘出了大量潛在的高價(jià)值的信息，其中多數(shù)風(fēng)機(jī)變槳繞組故障溫度多集中在60 ℃左右，建議對(duì)此溫度以上的風(fēng)機(jī)進(jìn)行故障隱患排查。

(2)風(fēng)機(jī)在實(shí)際復(fù)雜工況下正常運(yùn)行時(shí)，變槳電機(jī)繞組溫度變化范圍基本符合正態(tài)分布規(guī)律，但在不同的月份內(nèi)，穩(wěn)定運(yùn)行的均值和方差是不一樣的，與當(dāng)?shù)丨h(huán)境溫度和實(shí)時(shí)風(fēng)速大小有著密切聯(lián)系。

(3)通過對(duì)歷史樣本數(shù)據(jù)正態(tài)分布規(guī)律圖進(jìn)行顯著性差異分析，考慮實(shí)際工況，設(shè)定風(fēng)機(jī)在一定顯著水平條件下的預(yù)警閾值可以有效防止故障發(fā)生，在故障發(fā)生前通過預(yù)警信號(hào)及時(shí)將故障

排除，從而提高了風(fēng)機(jī)的運(yùn)行效率。

參考文獻(xiàn):

[1]孫翔，何文林，姚暉，等.基于顯著性差異的變壓器套管介損統(tǒng)計(jì)分析[M].西安：西安高壓電器研究所，2014:4-6.

[2]高祥寶.數(shù)學(xué)分析與SPSS應(yīng)用[M].北京:清華大學(xué)出版社，2007.

[3]孫翔，何文林，邱煒，等.基于顯著性差異的油浸倒置式電流互感器氫氣閾值分析[J].浙江電力，2014,(6)：20-25.

[4]GB/T 4883-2008,數(shù)據(jù)的統(tǒng)計(jì)處理和解釋正態(tài)樣本離群值的判斷和處理[S].

[5]許駿龍,李征.基于支持向量機(jī)的風(fēng)電機(jī)組故障預(yù)警[J].工業(yè)控制計(jì)算機(jī)，2013,26(8):54-56.

[6]TCHAKOUA P, WAMKEUE R, OUHROUCHE M, et al. Wind turbine condition monitoring: state-of-the-art review, new trends, and future challenges[J]. Energies, 2014,7(4): 2595-2630.

[7]張建良，閆杰，郭麗.電容式變壓器套管介損數(shù)據(jù)異常案例分析[J].山西電力，2012(1)：20-22.

[8]王若星，羅虎，王若焰.電力設(shè)備診斷中顯著性分析法應(yīng)用[J].電氣應(yīng)用，2012,(20)：52-53.

[9]顧煜烔，蘇璐瑋，鐘陽，等，基于區(qū)間劃分的風(fēng)電齒輪箱在線故障預(yù)警方法[J]. 電力科學(xué)與工程,2014,30(8):1-5.

[10]YANG J, FLETCHER J E, OREILLY J. A series dynamic resistor based converter protection scheme for doubly fed induction generator during various fault conditions[J]. IEEE Transactions on Energy Conversion, 2010, 25(2):422-432.

[11]王珊，蘇璐瑋，顧煜烔，等，變工況特性下的風(fēng)電軸承早期故障診斷方法[J]. 電力科學(xué)與工程，2014，30(3):39-44.

Fault Early Warning of Pitch Motor of Fan Based on Significant Difference Analysis

YAO Wanye, YANG Jinpeng

(School of Control and Computer Engineering, North China Electric Power University, Baoding 071003, China)

Abstract：Through the statistical analysis on the temperature data of pitch motor windings of 430 driven-direct fans in the wind field of Hebei bingfeng during year,it is verified that the distribution of temperature variation of the fan is basically in accordance with normal distribution law under various conditions.The significant difference analysis method is adopted based on the statistical analysis of sample data outliers.At the same time,the requirement of significant difference analysis and early warning temperature threshold of pitch motor in operation are proposed.The algorithm is tested by experiments and the experimental result shows that the algorithm could conduct foult pre-alarming with great accuracy,ensuring the efficient operation of the fans.

Keywords：significant difference; statistical analysis; normal distribution; sample outliers; early warning threshold

中圖分類號(hào):TM732

文獻(xiàn)標(biāo)識(shí)碼:A

DOI:10.3969/j.issn.1672-0792.2016.02.009

作者簡(jiǎn)介：姚萬業(yè)(1965-)，男，教授，研究方向?yàn)橛?jì)算機(jī)網(wǎng)絡(luò)技術(shù)，E-mail:yaowanye@163.com。

基金項(xiàng)目：中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(2014MS138)。

收稿日期：2015-12-15。