风电机组健康状态评估模型的设计与应用

　　摘要：风电机组的健康正常运行一直都是保证风电场盈利能力的主要手段和影响因素。由于目前的风机设备监控系统只能做到故障发生时或风机停机时，才能通知现场工作人员进行维修。整个过程消耗大量的人力、财力，并严重影响了风电机组发电。因此，一个能够对风电机组健康状态进行实时检测并能够进行故障预测的健康模型是必要的。本文摒弃传统的思想建立模型，而是以平行空间理论作为出发点，采用大数据技术作为技术支持，建立一个多维度健康模型，保证了风机稳定运行的健康状态。
　　1引言
　　在传统能源的不断减少的今天，世界各国已经将目光聚焦于可再生能源的开发。风能作为一种绿色清洁的可再生能源，已经引起了我国的广泛研究和使用。其中，风电机组的健康正常运行一直都是保证风电场盈利能力的主要手段和影响因素。
　　每年风机故障损失的发电量和故障导致的维护费用都给风电场带来巨大的经济损失。从减少故障维护时间和维护成本上来说，一个能够对风机的健康状态进行评估并且能够对风机故障进行预测的模型是必要的。
　　本文提出的健康模型是以平行空间理论作为本模型理论支撑点，以大数据技术作为建模的技术手段，来创建基于平行空间理论的设备状态监测模型来提高风机运行效率，减少风机维护带来的损失。
　　2基于平行空间理论的设备状态监测模型
　　由上章可知，本章需要提供一个健康模型来实时检测风机的健康状况。风机在运行的时候，由于环境因素的变化、自身硬件设备使用的寿命的差别，发生故障等因素的不同，导致风机运行状态发生变化，且变化的状态数量也是不确定的。由于平行空间具有多个空间共存且每个空间相同事物存在不同状态的特性与数个风机整个生命周期的某一时刻中具有多个状态且每个状态不同具有相似的特点。因此，本文结合了平行空间的理论，给出基于平行空间理论的设备状态监测模型，同时给出基于该模型的风电机组健康状况评估方法。
　　如图1所示，主要分为两个阶段，风机健康状态生成和风机健康状态间的转换。 　　（1）风机健康状态
　　首先，数据预处理。利用集控中心大数据平台收集各风场所有风机全参数的历史数据，根据风机各参数自身数据意义和取值范围结合大数据技术对收集的数据进行清洗、去脏、修复等数据预处理工作。
　　其次，健康时间段的提取与划分。扣除风机运行不健康的时间段，所剩的时间段即为健康的时间段。
　　最后，健康状态的生成。以收集好的稳定期健康时间段为例，同样将环境条件按照风速、温度、大气压力、空气密度等多个维度，并对各个维度进行步长的划分。按照步长所切割好的维度组合在一起，就是一个空间，而所有的空间就组成了平行空间。在收集好的时间段中，会有很多数据属于同一个空间，因此我们对属于同一个空间的数据进行计算分析得出不同空间中的数据范围及特征叫做该条件环境下的状态。
　　（2）风机健康状态转换
　　在风机运行时，随着时间的推移，周围环境的变化，风机会在健康模型上找到属于当前环境下的空间即健康运行的状态。由于收集的数据有限，也会出现没有对应的空间，因此需要对此风机当前状态进行判断，如果满足上述的健康时间段的运行状态，平行空间是可以扩展，即可以通过自学习的方式弥补之前由于数据手机不足照成的缺少部分对应空间的现象。
　　综上所述，基于平行时空理论的设备状态监测模型是依赖于环境因素的变化创建的。在风机实时运行时，会自动检索此时对应的空间，并通过计算能够知道此时的健康状态的值与空间里计算好的健康状态的值的差异性。
　　3基于平行时空理论的设备状态监测模型的风机健康状况评估方法
　　如图2所示，基于平行时空理论的设备状态监测模型的风机健康状况评估方法,风机实时数据作为模型的输入数据，利用模型对比算法得到自身健康状态评分。利用环境预测的算法来预测风机的状态。 　　（1）风机自身健康状态评分