刘天1 任建伟2
1龙源达茂风力发电有限公司 内蒙古 包头 014500 2内蒙古龙源新能源发展有限公司 ?内蒙古 呼和浩特 010010
摘要：如今，煤炭、石油等能源即将面临枯竭的境遇，寻找合适的代替能源刻不容缓，而风力发电为我国的能源即将枯竭局面做出了缓解。并且，风力发电还对环境影响小，可以有效降低煤炭、石油等化石燃料带来的环境污染问题。如今，随着风力发电系统的运行，系统中的一些故障也就此显露出来，也愈发复杂。风电给我国经济发展带来许多好处，我们更应该将风力发电系统中的问题解决掉，减少经济损失。本文就风力发电系统传感器故障诊断方法做出了一些探究。
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风力发电机的结构与原理
对于风力发电机组来说，按照风轮旋转轴与风向的关系可分为垂直轴风力发电机和水平轴风力发电机。此处，我们对水平轴风力发电机进行一些探讨。风力发电机组的组成部分主要有五个:①风车部分;②支撑部分;③风向控制;④塔架和基础;⑤发电机，电力输出控制系统。这五个部分在机组的运行中缺一不可。风车部分主要零件是叶轮，刹车，变桨装置和轮毂;支撑部分则是由转子轴承，主轴承，联轴承，变速箱，联轴器组成;风向控制由偏航系统控制。风力发电机组的工作原理就是利用流动的空气驱动叶轮旋转，将风能转化为风力机中转轴的动能;然后，再利用风力机的传动系统将该动能传递至发电机，由此使得发电机发电将动能转化为电能。但是，风力发电机运行工况复杂恶劣，长时间运行后会导致风力发电装置发生故障。另外，传感器设备的老化以及磨损也是造成故障的另一个重要原因，这种故障通常是因为设备长期使用未定期的矫正，有些设备因此直接完全失效，由此产生的故障也会对风力发电系统带来致命的危害。所以，对风力发电系统的实时监控和诊断都显得尤为重要。
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依赖解析模型的方法
依赖模型解析的故障诊断方法主要可分为两种:一是线性化模型解析方法，二是非线性模型解析方法。但是这两种方法都是针对某一非线性的体系进行的，所以两者的算法的通用性不强，算法也没有什么兼容性，并且算法本身也不是很完美。但是，对于现在的风力发电系统来说，它还是不可或缺的一部分，对风力发电系统的贡献也是极为重要。
2.2.1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。
2.2.2滤波器法
与观测器相比，滤波器法的一大特点就是计算量大，它的模型要求不高。它采用的是扩展卡尔曼滤波器算法对残余结构等直接进行估算，但是这个方法中的一些数据是提前已知的，例如:鲁棒性的模型失陪和初始值，噪声的统计特性等。但从另一方面来说，如果连噪声的统计特性也是未知的，将会导致残差的产生，那么这种算法渐变型故障不敏感。这对系统的发展没有什么好处。
2.3时间序列分析
时间序列是把历史数据按照时间进行排序的统计序列，根据统计序列中的规律外推来实现未来一段时间内的预测。基于时间序列模型（timeseriesmodel，TSM）的方法主要有4种：自回归（autoregressive，AR）模型、移动平均（movingaverage，MA）模型、自回归移动平均（autoregressivemovingaverage，ARMA）模型和整合移动平均自回归移动平均（autoregressiveintegratedmovingaverage，ARIMA）模型。例如，利用AR模型提取运行在非线性状态下的机组齿轮箱的特征，用于故障诊断和状态预测。时间序列分析突出了时间因素在预测中的作用，但未充分考虑外界不确定因素变化造成的影响，存在预测误差。
2.4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鲁棒性。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。
2.5灰色模型
灰色预测是通过少量、不完全的数据，建立数学模型并进行预测的一种方法，其核心是灰色模型（greymodel，GM）。灰色预测是对灰色系统所做出的预测，即通过对原始数据进行统计处理，得到近似的指数规律，用观测到的反映预测对象的特征量进行建模并预测。例如，从风电机组原始温度监测数据中提取出多组时间序列，建立风电机组系统灰色预测模型，以识别故障模式与故障原因，并根据评估结果进行故障预警，一定程度上克服了风电机组运行状态的不确定性。但灰色预测模型只适用于中短期的预测和指数增长的预测。
结语
风力发电是世界上发展最为迅速的能源之一，并且是可再生能源。这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］沈艳霞,杨雄飞,赵芝璞.风力发电系统传感器故障诊断［J］.控制理论与应用,2017,34(3):321-328.