摘要：风电机组基础松动、塌陷，塔筒倾斜、结构松动等劣化过程是造成塔筒倾覆事故的本质隐患，窑坡山风场为防止此类事故的发生，在风机上安装基础塌陷与倾斜智能监预警系统，通过传感器采集的信号经通信模块传输至服务器，服务器上运行的工业智能软件对信号进行在线分析和处理，实时计算塔筒倾覆劣化过程的特征指标，自动检测指标的异常状态并在监视终端页面中显示报警内容。系统运行时无需人工干预，对这些劣化过程的微弱特征进行自动识别和检测，可提前数月发出预警提示，从而有效避免了塔筒倾覆事故发生。
关键词：基础塌陷，塔筒倾斜，工业智能，预警
Application on Intelligent Monitoring and Early Warning for Wind Turbine Foundation Collapse and Tower Inclination in YaoPo Mountain Wind Farm
Liu kaisheng1* Kang jili1 Chen cheng1 Yi yingying1 Li xiaosong1 Liu chunbo2
（1.Yaoposhan Wind Farm of Wuling Power New Energy Branch, Linxiang, Hunan, 414300；
2.Bei Jing Orient General Electric Institute, Beijing, 100195）
Abstract: The deterioration process of wind turbine foundation loosening, collapse, inclination of tower barrel and structural loosening is the essential hidden danger of tower barrel overturning accident. In order to prevent such accidents from happening in YaoPo Mountain wind farm, an intelligent monitoring and early warning system for foundation collapse and inclination is installed on the wind turbine, and the signals collected by sensors are transmitted to the server through communication module. The industrial intelligent software running on the server can analyze and process the signals online, calculate the characteristic indexes of the tower tube overturning and deterioration process in real time, automatically detect the abnormal state of the indexes and display the alarm content in the monitoring terminal page. When the system runs without manual intervention, the weak features of these deterioration processes can be automatically identified and detected, and early warning prompts can be issued several months in advance, thus effectively avoiding the occurrence of tower overturning accidents.
Key Words: Foundation Collapse, Tower Inclination, Industrial Intelligence, Early Warning
随着风电产业“井喷”式的发展，越来越多大容量兆瓦级风机陆续安装运行，风力发电机很多运行隐患开始逐步暴露出来，部分隐患由于缺乏必要的监测和保护手段，叶片脱落、倒塔、风机失火等恶性事故也时有发生，据不完全统计，自2005年风电大规模开发以来，累计发生倒塔事件已达数百起，带来损失动辄上亿，甚至有人员伤亡，给风电场和电网的安全运行带来了严重影响。
随着风电向二、三类风资源地区的开发，塔筒高度也在不断增加，目前陆上风机的塔筒底度大多在50-120米之间，塔筒本身承受复杂多变的负荷（推力、弯矩、扭矩），同时受气象及其他条件的影响，塔体会有一定幅度的摇摆和扭曲等变形。此外，由于焊接点应力突变、螺栓连接件失效、地基沉降等因素作用，塔体可能发生倾斜甚至倒塌。塔筒的变形和倒塌不是一蹴而成的，由于各种原因引起的缺陷形成是一个从轻微逐步发展到严重和危险程度的一个过程。如果塔筒基础达不到设计要求、塔筒各节连接部位连接件松动、检查不及时，遇有强大的飓风天气，容易发生晃动过大、倾覆、折断、直至垮塌等危险因素。因此，在风机上有效的监测塔筒的晃动和变形程度以及基础沉降，可以从早期发现问题，及时解决并处理这些问题可以有效的防止塔筒倒塌等严重事故的发生。
1 工程概况
窑坡山风电场工程位于湖南省临湘市西侧五尖山森林公园内，距临湘县城约5km。风电场场址范围内有效山脊长度为8.28km，总面积约为11.36km2，海拔高度在200m～580m之间。风电场共设计安装25台单价容量为2000kW的湘电XE105-2000机型机组，采用永磁同步发电机，额定功率2000kW，预计年上网电量为10135万kW•h，年等效满负荷小时数为2027h，容量系数为0.231。电场内建设1座110kV升压站，窑坡山风电场二期已全部投产，其共用一个升压站最终规模为100MVA。风电场以1回110kV线路“T”接峡山～路口变110kV线路。
为了防止风机基础塌陷与倾斜事故的发生，窑坡山风电场目前有6台机组安装了风机基础塌陷与倾斜智能监测预警系统，分别是6号、8号、9号、10号、19号、23号风机安装了此系统，系统主要由传感器、通信模块、服务器和工业智能软件系统组成，传感器采集的信号经通信模块传输至服务器，服务器上运行的工业智能软件对信号进行在线分析和处理，实时计算塔筒倾覆劣化过程的特征指标，自动检测指标的异常状态并在监视终端页面中显示报警内容。系统为智能应用系统，运行时无需人工干预，自动分析和报警。
2 系统优势
2.1 离线与在线区别
传统的精密水准仪对塔筒的倾斜和沉降测试属于离线定期测试[1-3]，不能保证实时监测。风机基础塌陷与倾斜智能监测预警系统属于在线监测系统，一天24小时无需人干预保证实时监测，自动分析与预警。
2.2 传统塔筒倾斜系统劣势
传统塔筒倾斜系统通常有如下不足之处：
（1）专业性强、非专业人员很难看懂和理解，比如各分析曲线、分析图谱等；
（2）设定的报警值无相关标准参考，容易出现误报、漏报。现有的只有建筑物的垂直度标准、基础沉降标准，属于静态物，不适合这种动态的风机结构；
（3）缺乏有效的数据采集、数据处理方法，不能提取真正反映风机倾斜的数据与特征。如有的系统30秒或者1分钟采集一个数据，采集数据频率低导致数据失真，不能反映出塔筒倾斜和沉降的真正特征；
（4）报警策略单一，没有参考风机在不同的工况下有不同的塔筒倾斜状态。不同的风速、功率、转速、偏航位置、变桨、风向角、对风角度，塔筒的倾斜程度都不一样，以倾斜数值大的作为标准，则小的时候就会漏报；以小的作为标准，那么大的时候就会漏报。
2.3 风机基础塌陷与倾斜智能监测预警系统优势
（1）本系统是基于KxM工业智能平台开发的智能应用系统，集大数据和人工智能技术于一体，突破了常规在线监测系统的功能瓶颈，用户无需掌握专业的分析诊断方法，不需要看复杂的图谱、专业分析工具，不需要繁琐的人工分析过程，系统自动给出状态评价和劣化预警，直接推送故障名称，故障发生时间，故障等级（报警还是危险状态），提前10天、30天、90天预警有效避免塔筒倾覆事故发生。
（2）标准问题。不同高度、不同容量、不同类型的风机倾斜标准肯定也不一样，在尚无国际、国标的情况下系统制定标准流程：通过对一段时间的数据（如1个月、3个月数据）作为样本，经过大数据训练与对比，数据训练后得到的结果作为标准是正常的数据，以后的数据与样本数据作对比，正常数据即为标准。如果是异常的样本数据，可以通过纵向对比同类型风机数据即可得出。
（3）独有的大数据处理方法，提取数据特征值，抽取风机运行规律的本质特征。
风力发电机相比水轮发电机、火力发电运行工况和变化最复杂，发电过程中经历变转速、变功率、变风速、变风向与不同的偏航位置，大部分运行时间处在暂态过程，暂态过程具有无规律性和随机性特征，很难找到运行规律，所以分析起来最难。
同时，风机结构状态的变化微弱且缓慢，测量值淹没在塔筒随风的晃动干扰中，基于单点越限报警无法有效实现预警功能。本系统采用“基于模型特征值的设备状态在线检测算法”，即综合塔筒倾斜、基础水平、风速、风向、功率等关联信息，运用机器学习算法构建设备模型，计算反映设备状态的模型特征值，检测模型特征值的变化趋势，实现设备特征状态的在线检测和劣化过程的早期预警。
3 系统架构
图1 风机基础塌陷与倾斜智能监测预警系统架构图
图2 诊断流程图
如图1所示，在风机塔筒的上端和底部分别安装“基础水平传感器”与“倾斜传感器”，通过通信采集模块进行原始倾角数据采集及缓存，通过风场环网把把接收到的数据传输至中控室内的KxM服务器（KDM、KKM服务器）内进行数据的处理、存储、分析和诊断。
此外，数据可通过电力专网传输到集团中心或区域集控中心KDM/KKM（数据/算法）服务器，并通过KAM服务器展示其分析诊断结果。服务商通过电力专网和互联网也可连接集团或区域集控中心的KDM/KKM（数据/算法）服务器，实现远程配置和故障诊断指导工作。
4 诊断流程
风机基础塌陷与倾斜智能监测预警系统诊断流程主要分三个步骤：源数据的获取、经过大数据人工智能处理后的衍生数据、场景数据（诊断结果）的演示。
4.1 源数据采集
源数据是指系统所需原始数据的获取，此系统需要的源数据有两种：一种是由传感器采集到的塔筒倾斜的数据，一种是由SCADA系统传输过来的工况量数据，两种数据的列表如下：
4.2 生成衍生数据
由于风力发电机组运行规律的复杂性，4.1中源数据包含了很多暂态（不稳定的噪声）数据，因此需要对数据进行一定的筛选才能得到有用的数据，系统通过中间量算法平台配置相应的数据过滤算法模板，得到有用的数据。
数据过滤完成后，把这些数据带入智能化处理模块，进行进一步AI处理得到反映风机塔筒倾斜和基础异常沉降的特征值和指标。最后生成的指标值如下表所示：
表3 系统衍生量指标表
4.3 界面展示
把大数据处理后的特征指标以及诊断结论，以界面的形式展现出来，方便客户实时监测、查询。
5 系统开发平台
图3 系统开发平台组成图
风机塔筒倾覆智能预警系统是基于KxM工业智能平台开发的设备监测系统。
KxM是集数据采集、编码、存储、计算、机器学习和成果展示功能于一体的平台化软件，用于各种工业智能应用系统的开发和运行。
KxM平台内嵌基于KKS编码的数据共享接口，便于集控中心集成或第三方互联，支持数字化、智能化电站建设。
KxM平台提供组态化开发环境，用户可以自行开发智能应用系统。
6 成果展示
6.1 故障诊断与预警
图4 故障诊断与预警截面图
如图4所示，风机基础塌陷与倾斜智能监测预警系统主要用来自动分析、诊断以下风机故障，故障状态以三种颜色标识：绿色代表正常状态，橙红色代表报警状态，红色代表危险状态。
一个异常：塔筒倾斜异常；
三个故障诊断：
（1）塔筒结构松动或塔筒裂纹、变形：主要是塔筒连接处的螺栓松动；焊接点应力集中、塔筒裂纹或塔筒强度不够引起的塑性（破坏性）变形；
（2）基础不均匀沉降：基础在某一位置处下沉量过大；
（3）基础松动：整个基础松动。
故障预警：准确判断以上异常和故障的特征状态，实现提前10天、30天的故障报警。
6.2 运行监视
图5 运行监视界面图
“运行监视”主要显示了整个风场安装此系统风机的运行状态，包括基本运行参数的展示（有功功率、风速、发电机转速）、每台风机的四个故障状态（以三种颜色标识：绿色代表正常状态，橙红色代表报警状态，红色代表危险状态）、以及发生故障风机的故障信息清单。
6.3 状态检测
图6 状态检测界面图
“状态检测”界面主要显示反映风机故障的10个指标参数，每个参数经过数据挖掘出衍生量：实时监视量、状态检测指标、劣化预警指标。
（1）实时监视量：传感器实际测量的数值，由于稳定性差，一般不作为诊断风机故障的指标；
（2）状态检测指标：风机运行正常与否的指标值，稳定性好，作为诊断风机故障的重要指标；
（3）劣化预警指标：用于故障预测的重要指标，一般分为10天、30天、90天预警。
6.4 运转特性
图7 运转特性图
“运转特性”显示了三维模型图，即指标参数和相关联参数建立的三维图形，从此图可以看出三个量的相互关系。
7 结束语
窑坡山风机基础塌陷与倾斜智能监预警系统是基于KxM工业智能平台开发的智能应用系统，集大数据和人工智能技术于一体，突破了常规在线监测系统的功能瓶颈，用户无需掌握专业的分析诊断方法，不需要繁琐的人工分析过程，系统自动给出状态评价和劣化预警，有效避免塔筒倾覆事故发生。
以大数据和统计学习为基础的新一代人工智能技术，为工业数据的深度应用提供了革命性的方法，以此为基础，构建工业智能体系，让人工智能替代专家智慧，可以全面提升工业组织的系统化管理水平，助力中国工业2025。
参考文献
[1]彭文春，周炎明．桥市风电场风机基础沉降观测及预测分析[J]．湖南城市学院学报，2014，23(3)：24-26．
[2]谢宏全，杨涛，徐德伟等．利用激光点云数据求取风电塔倾斜度的试验[J]．测绘通报，2017(12)：38-42．
[3]马德云，南鲲，左勇志等．某3MW风电机组塔体倾斜检测鉴定及环境脉动实测[J]．水力发电，2014,40(5)：84～87．
作者简介
刘凯胜（1979～），男，工程师、技师，1999年参加工作，长期从事水电厂机电设备检修维护与技术管理工作；现在五凌电力新能源分公司从事山区风电建设、运维管理工作，先后在湘6个风电工程中工作，主要负责机电安装调试、大件运输、风机设备吊装、风机设备运维管理等工作。
陈铖（1992～），男，助理工程师，2014年参加工作，长期从事电场运行维护管理工作；窑坡山风电场建设期间从事生产筹备及配合大件运输、机电设备安装工作，现在五凌电力湖南分公司窑坡山风电场从事运维管理工作。
康纪黎（1989～），男，助理工程师，2011年参加工作，长期从事电场运行维护管理工作；窑坡山风电场建设期间从事生产筹备及配合大件运输、机电设备安装工作，现在五凌电力湖南分公司窑坡山风电场从事运维管理工作。
论文作者:刘凯胜1,陈铖1,康纪黎1,易星星1,李小松1,刘
论文发表刊物:《电力设备》2018年第24期
论文发表时间:2019/1/8
标签：风机论文; 数据论文; 基础论文; 状态论文; 智能论文; 系统论文; 电场论文; 《电力设备》2018年第24期论文;