王伟
中国华电集团有限公司甘肃公司， 甘肃省兰州市， 730000
摘要：在风力发电系统中，传感器是系统的基本元件，它的工作就是将风力发电系统中的数据采集起来，传送回主控系统，再由主控系统对所收到的数据进行处理分析，然后发出指令，对故障可进行一定的调整。功能决定结构，由于传感器在各个点都有应用，所以传感器的种类繁多，传感器的故障种类也是五花八门。此外，传感器的安装位置也较为独特，导致了传感器容易发生故障，且很难发现传感器的故障以及故障位置。传感器的故障通常来源于传感器的老化及磨损，长期使用却没定期矫正。由此看出，在风力发电系统中传感器的实时故障诊断非常重要。
关键词：风力发电系统;传感器;故障诊断
引言
风电能源是世界上发展最快的可再生能源,已经成为解决世界能源问题不可或缺的重要力量。风力发电设备通常建在高山或远离海岸的偏远地域,气候变化不可预测,在这样高度恶劣、复杂的工作环境中,传感器、执行器故障时有发生,再加上风力发电系统(windturbinesystem)本身是一个非线性、多变量、强耦合的系统,当参数出现不确定时,系统的控制将会更加复杂。为此必须对风力发电系统进行实时故障诊断,实施有效的容错控制确保系统的可靠性。传感器作为风力发电系统中的基本元件,将尽可能全面的数据传送到数据采集系统,并由数据采集系统将这些数据传送到主控系统,经过分析和处理后,发出控制指令.其种类繁多,安装位置特殊,故障发生频繁,如果故障传感器的输出信号被用于系统控制器的输入,将会对闭环反馈控制产生影响,对风力发电系统输出异常的控制量,导致系统性能降低。而传统的人工定期检修很难及时找到故障所在,因此对风力发电系统中传感器单元进行实时故障诊断已经成为亟需研究的课题.
1风力发电简述与现状
风力发电是以环境保护为中心的一种节约能源的重要方式，它的出现改变了我国以往的发电模式，不但有助于我国电力资源的合理利用，也有助于实现对环境的保护，是一种极为有效的清洁能源。在非可再生资源不断减少的同时，风力发电方式越发受到人们的重视与利用，也愈发受到各个国家的关注，由于风力是可再生资源，在运用风力发电的过程中，不会担心因能源的不断消耗，而降低电力能源的利用率，使电力能源逐渐变为稀缺资源，对践行我国可持续发展理念极为有帮助。由此可见，风力发电对促进我国电力工程长远发展至关重要，所以应积极运用风力发电方式，做好风力发电系统传感器故障诊断工作，使风力可以有效转换为电能，最终实现电力资源的合理利用。我国实践风力发电模式的时间比较晚，在漫长的实践探索中，我国风力发电正呈现出日趋完善的态势。截止目前，我国风力发电总装机容量已经跃居世界第一，这是一个值得雀跃的成绩。在这种形势下，我国对风力发电能源的开发与研究越发深入，并不断加大对其投资，对风力发电能源开发与研究提供了良好物质保障，旨在促进风力发电模式的合理有效运用。再者，风力发电还具有运作成本低等特点，所以能够有效实现成本节约，使风力发电模式可以符合可持续发展要求。
2风力发电系统传感器故障诊断
2.1故障建模与仿真
故障通常可定义为，系统在正常条件下，至少有１个特性或参数发生不期望的偏差，即所有能降低系统整体性能的不期望的变化。故障不同于失效，失效是系统完全崩溃，是在特定运行条件下，系统实现所要求的功能的完全中断；而故障通常是指系统的失灵，可看作在特定运行条件下，系统实现所要求的功能的短暂中断或系统性能的降低。系统故障可分为３类，即传感器故障、执行器故障、被控对象故障。其中系统最常出现的故障为传感器故障与执行器故障。
风力发电系统中发电机的传感器有发电机转速传感器，执行器有发电机的转矩传感器。将可能发生的故障分为如下５类：１）传感器恒偏差故障；２）传感器恒增益故障；３）执行器恒偏差故障；４）执行器恒增益故障；５）混合故障。
2.2神经网络法
神经网络法就是利用神经元组成的，所组成的网络结构一般具有较强的非线性映射能力，信息往往处于神经元权重范围之内，这样就可以增强网络稳定性。另外反向传输算法是这一方法的别称，就是通过神经网络的有序性以及稳定性借助权重有序的调节实现故障的诊断。在此期间，权重的分布又可以通过误差函数值进行变化，由此来完成输出。由于神经元之间的相互影响，信息在传递的过程中可能会出现偏差，而此时就要对传输系统进行调整。保证信息在双向传输的过程中能够不出现混乱，不断缩小误差，从而确保信息传递工作的顺利进行。
2.3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，就会造成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。
2.4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。
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］王炳炬．基于信息熵的传感器故障诊断方法研究［D］．北京:华北电力大学，2016．
［2］王建．无线传感器网络节点模块级故障诊断方法研究［D］．重庆大学，2016．
［3］刘巍．液位系统的传感器设计与故障诊断及容错控制研究［D］．中国计量大学，2016．
［4］吴会祥．质量传感器故障诊断技术研究［D］．安徽理工大学，2016．
［5］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，2016(3601):92～96+199～200．