海上风力发电机组温升保护策略与系统开发*

李 硕

(中国大唐集团有限公司 内蒙古分公司赤峰事业部，赤峰 024000)

风电的大规模开发利用已成为世界各国改善能源结构、保障能源安全、加强环境保护、应对气候变化的重要途径，也是助力我国实现“3060”碳达峰、碳中和战略目标的重要抓手。随着低风速地区和海上风资源的开发利用，风电机组的单机容量逐渐增大，机组运行过程中产生的发热量也随之增加。积聚的热载荷导致机舱内温度不断升高，提升了风电机组关键部件故障率，对风电机组的安全稳定运行产生严重威胁。如何有效应对风电机组的温升问题已成为制约机组单机容量提升的重要瓶颈之一[1]。

部分学者以风电机组关键部件为切入点，针对其温升计算方法、温升机制、温升监测、温升故障诊断及优化策略进行了大量的研究。文献[2]运用有限元分析的方法，研究了兆瓦级风力发电增速齿轮箱的稳态温度场分布及箱体的热-结构耦合特性，建立了齿轮箱系统的稳态热平衡模型和齿轮箱内平衡油温的计算模型；但文中既没有考虑轴承系统的热变形对传动的影响，且其对流系数仅通过经验公式计算获得，没有进行实验验证。文献[3]研究了求解域设置对永磁风力发电机温升计算结果的影响。文献[4]搭建了集总参数法的风电机组双馈电机热网络模型,分析电机内部的损耗原理及温升机制。但文章没有利用SCADA系统监测到的风电机组运行参数如温度等信息。文献[5]建立了双馈风电机组变流器IGBT结温电-热耦合计算模型,分析了变流器结温变化的规律。文献[6]等建立了基于BP神经网络和Pearson相关系数的发电机轴承温升故障诊断模型。文献[7]提出了以红外测温技术为基础的风电母线槽发热故障在线监测方法。文献[8]提出了基于卡尔曼小波神经网络主轴温升与制动闸磨损量预测的状态预测方法；对大型风电机组故障诊断系统进行设计，并搭建风电机组故障诊断系统实验台进行了简单实验验证，没有结合大型风电机组故障诊断系统实际功能需求对故障诊断系统进行开发和优化。文献[9]提出了基于主成分分析、遗传算法及Elman神经网络的风电机组齿轮箱轴承温度预测模型，实现齿轮箱轴承异常温升的预警。文献[10]研究了温升偏高对风电专用箱变断路器的影响，提出了断路器接线端子搭接铜排的优化改进策略。文献[11]分析了影响风机并网变流器温升的主要因素,提出了通过改变开关频率、发波方式及影响PWM电压波形的吸收电容值大小等主要控制参数的风机并网变流器过温问题的保护与治理措施以及相关参数优化方案。

还有部分学者对风电机组运行中机舱整体产生的异常温升问题展开研究。文献[12]分析了风电机组的主要部件温升变化与有功功率间的相关关系。文献[13]基于SCADA数据中的所有温度变量构建了风电机组运行状态监测统计量用于风电机组状态监测与故障隔离系统。文献[14]建立了基于BP神经网络算法的风力发电机温升故障诊断模型。文献[15]提出了结合Relief F算法和加权主元算法的风力发电机温升故障预警方法。文献[16]提出了从舱内温控、机舱散热布局、大数据分析等不同角度全面解决风电机组机舱散热和温控问题的方法；但没有考虑到风力发电机组工作环境的气压，湿度等气象条件，以实现对风力发电机组机舱散热性能的更准确分析。文献[17]提出了以西门子PLC为控制核心，采用内外循环隔离换热方法的散热系统。

针对风电场中风力发电机组温升过速容易引发故障的问题，文中提出了一种基于斜率算法和预警算法融合模型的风力发电机组温升保护策略。采用变化斜率超限算法对风电机组进行温升分析，计算出风力发电机组各温度参数变化斜率值并判断是否超限；与预警算法相融合，并关联风力发电机组远程停机功能，实现温升过速提前预警、自动停机，防止温升过速引发故障。

1 风力发电机组温升保护策略算法及逻辑

文中所提温升保护策略针对风力发电机组各参数，特别是温度参数进行建模分析，分析各参数的变化规律及趋势，并设定斜率变化值，当超过变化限制时及时报警，对风力发电机组下发停机命令，使风力发电机组停机。该温升保护策略根据风电场运检人员多年经验和集控中心监控系统数据，采用机器学习分析整理了多种典型工况的温升限值，充分考虑了风力发电机组的各种运行工况，可根据实时数据灵活配置区分出风力发电机组当前状态，可及时发现温升过速的风力发电机组并进行应急停机处理，预防温升过速引发的各种故障。

1.1 温升分析算法

采用变化斜率超限算法进行温升分析，即将数学中斜率计算方法与风力发电机组部件参数相结合的算法。曲线的上某点的斜率反映了此曲线的变量在此点处的变化的快慢程度。曲线的变化趋势仍可以用过曲线上一点的切线的斜率即导数来描述。导数的几何意义是该函数曲线在这一点上的切线斜率。当f(x)>0时，函数在该区间内单调递增，曲线呈向上的趋势；当f(x)<0时，函数在该区间内单调减，曲线呈向下的趋势。斜率算法公式为

(1)

式中：k为斜率；x2、x1为自变量；y2、y1为因变量。

根据温升预警参数分析可以得到变化斜率超限算法流程如下：① 采用三段式法(部件类型，部件ID，部件)读取Redis实时服务，取对应ID风力发电机组部件对应时刻周期内的温度值；② 对此时刻周期内的时间值按照式(1)进行斜率计算；③ 得到此时刻最大斜率；④ 比较将最大斜率与变化斜率阈值；⑤ 满足条件设置为True，否则设置为False，结果存入Redis实时服务。

启动初期阶段或正常运行阶段的参数设置一样。只采用发电机轴承温度无法判定，同时不同季节的机舱温度受环境影响存在差异，对发电机轴承温度具有一定的影响，因此采用发电机轴承温度和机舱温度的温度差，来判断风电机组处于启动初期阶段或正常运行阶段。

根据发电机轴承温度和机舱内环境温度参数划分风力发电机组运行状态如下：定义当发电机轴承温度低于机舱温度一定范围内时，风电机组处于启动初期阶段；定义当发电机轴承温度高于机舱温度超过一定阈值并持续时间超过1 min时，风电机组处于正常运行阶段。

根据温升预警参数分析可得：

1) 启动初期阶段变化斜率告警阈值为2，停机阈值为3。即当机组处于启动初期阶段，连续出现两次发电机轴承温度每20 s上升2 ℃，集控中心实时监控系统报警；连续出现两次发电机轴承温度每20 s上升3 ℃，集控中心实时监控系统下达停机指令。

2) 正常运行阶段变化告警阈值设置为2，停机阈值设置为3，即当机组处于正常运行阶段，连续出现两次发电机轴承温度每30 s上升2 ℃，集控中心实时监控系统报警；连续出现两次发电机轴承温度每30 s上升3 ℃，集控中心实时监控系统下达停机指令。

1.2 实时预警发布模型

满足告警条件时，以发布订阅的方式将报警信息发送实时服务；根据模型配置的自动停机、挂牌配置，向Redis中写入命令。满足报警恢复条件时，将Redis中上次报警信息中的当前状态改为已恢复，将报警记录列表清空。实时预警发布模型(publishAlarm)流程如下：

① 读取解析(倒序)。一个设置周期内Redis服务中的写入结果；初始化bAlarmTrigger=false，bAlarmRecover=false。

② 如果没有出现连续两个报警记录。即没有满足告警条件，将告警级别设置为0(无告警)；设置bAlarmTrigger=false，bAlarmRecover=true；即告警恢复。

③ 否则，满足告警条件。设置bAlarmTrigger=false，bAlarmRecover=true；记录此次告警时间，告警级别等信息。

④ 将③中的告警信息与上一次告警信息相比较。如果两次间隔大于设置告警间隔时间，产生告警信息；如果小于设置告警间隔时间，则不产生告警信息，避免重复。

⑤ bAlarmTrigger=true：发送实时服务(告警信息)；更新上次告警信息bAlarmRecover=true：更新上次告警信息。

1.3 斜率算法和预警算法融合模型

为了在充分提高温升告警模型的准确率的同时降低其误报率，将变化斜率算法和预警算法进行融合，提出了斜率算法和预警算法融合的风力发电机组温升保护模型。斜率算法只是单纯计算此时刻斜率，产生告警记录但并不会与之前的信息相联系，预警算法会将前段时间的斜率算法产生的告警记录和当前产生的告警记录相结合，通过分析进行不同级别的报警。单个时刻的斜率可能存在偶然性，连续告警可以在一定程度上避免这种偶然性，减少误报，提高准确率。在模型中进行变化斜率算法和预警算法的联合调用设置。如温升满足二级告警条件，则对运维人员发送警告；如温升满足一级告警条件，则结合风力发电机组远程停机功能使风电机组自动停机，防止温升过速引发风电机组故障。将预警算法配置为按照连续次数告警，次数设置为2，其他配置见表1。

表1 一级告警(停机)和二级告警(警告)逻辑配置：if(A,B,C)Tab.1 Logical configuration of level-1 alarms(park) and level-2 alarms(warning)：if(A,B,C)

2 案例分析

选取某风电场43#风力发电机组2021-02-04T16-40-20～11-41-50的运行数据和2021-09-21T15-33-10～15-34-35的运行数据为例，进行数据分析，具体数据见表2，其时间分辨率为5 s。

根据风电场运检人员多年经验和集控中心监控系统机器学习，由表2可知，该风电机组的发电机轴承温度高于机舱温度，且二者的温度差持续小于10 ℃，故该风电机组在这两段时期均处于启动初期阶段。根据温升预警参数分析可得，风电机组在启动初期阶段时，若连续出现两次发电机轴承温度每20 s上升2 ℃，则监控系统报警；连续出现两次发电机轴承温度每20 s上升3 ℃，集控中心实时监控系统下达停机指令。根据文中所提斜率算法和预警算法融合模型，43#风电机组在2021-02-04T16-41-00和2021-09-21T15-33-45时处于启动初期阶段，连续两次满足发电机轴承温度每20 s上升2 ℃，达到报警条件，该风电机组启动初期阶段如图1所示。

表2 43#风电机组运行数据

图1 43#风电机组启动初期阶段

选取某风电场51#风力发电机组2021-06-13T13-10-20～13-11-50的运行数据和2021-10-02T20-40-20～20-41-45的运行数据为例，进行数据分析，具体数据见表3，其时间分辨率为5 s。

表3 51#风电机组运行数据

根据风电场运检人员多年经验和集控中心监控系统机器学习，由表可知，该风电机组的发电机轴承温度高于机舱温度，且二者的温度差相差大于10 ℃时且持续时间超过1 min，风电机组处于正常运行阶段。根据温升预警参数分析可得，风电机组在若连续出现两次发电机轴承温度每30 s上升2 ℃，集控中心实时监控系统报警；连续出现两次发电机轴承温度每30 s上升3 ℃，集控中心实时监控系统下达停机指令。根据文中所提斜率算法和预警算法融合模型，51#风电机组在2021-06-13T13-11-25和2021-10-02T20-41-20时处于正常运行阶段，连续两次满足发电机轴承温度每30 s上升2 ℃，达到报警条件，该风电机组正常运行状态如图2所示。

图2 51#风电机组正常运行状态

采用某风电场的历史数据和一个月现场情况进行测试，历史数据中一级和二级报警共200次，检测正确195次，准确率为97.5%，现场运行时共报警102次，经检测准确96次，准确率为94.1%。结合上面具体案例可知，所得温升策略能够准确预测风电机组温升异常，验证了所提模型的有效性和适用性。

3 结 论

1) 文中提出了基于斜率算法和预警算法融合模型的风力发电机组温升保护策略。采用变化斜率超限算法对风电机组进行温升分析，判断温升是否超限；融合预警算法，实现风力发电机组的实时的温升告警并及时自动停机。

2) 利用风力发电机组温升保护策略能够准确预测风电机组温升异常。实现温升过速提前预警、自动停机，可以更好的做到提前防护，有效的减少了机组故障，提高风力发电机组运行可靠性，有助于提高风电场经济效益。

3) 温升影响因素甚多，文中的温升预警策略仅达到实时检测的效果，准确率也还有提升的空间。随着人工智能技术的发展，基于人工智能的时间序列预测也得到了广泛关注，未来可以考虑使用基于神经网络的时间序列预测算法来进行温升预测，提高预测的提前量和准确度，更好的服务于风电场运维。