（宁夏银星能源股份有限公司贺兰山风力发电厂 宁夏银川 750000）
摘要：随着社会经济的发展，我国对电能的需求不断增加，风力发电越来越受到重视。本文主要分析风力发电机组故障诊断专家系统的知识获取、知识表示及推理问题；给出系统目标及系统的总体框架构建方案；系统知识库和数据库的构建方法。风电故障诊断专家系统可为企业开展预知维修提供依据，保证风力发电设备安全有效健康的运行。
关键词：大型风力发电机组；故障诊断；专家系统；构建方法
引言
能源问题是关系到人类生存和经济持续发展的关键问题。目前，人类正遭受着石化能源储量面临着枯竭和其所带来的严重环境污染的双重危机。风能作为一种取之不尽，用之不竭、绿色又环保、安全的可反复使用的新型能源，能够减少对环境的污染和能降低对大气和气候的影响。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。
1风力发电机组关键部件故障分析现状
风力发电机组大多位于80.0m以上的露天环境中，容易受多种外界因素的影响，且风力发电机组自身具有极高的故障风险。随着风力发电机制造技术的不断完善，偏航系统故障、齿轮箱故障、发电机故障等多种风力发电机故障发生频率不断增加，对风力发电机组的稳定运行造成了一定的阻碍。常用的风力发电机组故障分析方法主要有自适应最优核时频分析算法、谱峭度诊断分析、油液检测数据建模分析等。但是上述分析方法并没有考虑到风力发电机组实际运行中的不同条件，也没有根据实际故障发生过程进行阶段故障状态分析，导致风力发电机组故障分析准确性不足。
2专家系统
基于ES风电机组故障诊断方法的基本思想是：运用专家在风力发电领域内积累的有效经验和专门知识建立知识库，并通过计算机模拟专家思维过程，对信息知识进行推理和决策以得到诊断结果。风力发电机组属于典型复杂系统，难以建立准确的数学模型，为解决这一问题，以SQLServer2008数据库和ASP.NET平台开发为基础，结合主观贝叶斯和产生式规则方法实现机制推理过程，建立了风力发电故障在线诊断专家系统，但必须不断完善知识库以提高诊断精准度。基于ES的风电机组故障诊断不需要精准的数学模型，诊断过程和结果便于理解，但该方法需要大量专家领域知识积累，受限于ES方法无自主学习能力以及风电机组故障样本先验知识严重缺乏等问题，造成了较低的故障诊断精确度。因此，目前大部分研究侧重于从知识处理角度出发，建立基于人工智能(神经网络、贝叶斯网络等)的专家系统。
3故障诊断专家系统的基本问题
①知识获取。知识是专家系统与一些常用的大型软件系统的关键差别特征，并且专家系统诊断性能取决于知识的多少和好坏。所谓知识就是人们在生产生活实践中学习到的认知和经验，它是人类进行一切智能活动的基础。Hayes-Roth把知识概括为，知识=事实+信念+启发式，并从范围、目的和有效性3个方面把知识进行概括表达。大型风力发电机组故障诊断专家系统的诊断过程，是获取故障知识及使用获得的故障知识进行故障诊断的过程，因此专家系统性能的优劣主要取决于包含知识的多少和好坏。所以开发大型风力发电机组故障诊断专家系统的主要任务就是知识获取，即在诊断专家交流和参阅文献等资料过程中，把大型风力发电机组故障知识归纳总结出，然后用一个知识表示手段把它们储存到整个系统的知识库里。知识获取目前依旧为一个难度非常大的事情，为整个系统构建过程的瓶颈。知识获取的主要目的是给故障诊断专家系统归纳总结出故知识，并由此构建一个知识丰富高效的故障诊断知识库，进而实现故障诊断。②知识表示。保证大型风力发电机组故障诊断专家系统能够精确进行故障评价决策，该专家系统需要把此方面专家的经验作为整个系统工作的基础，知识表示就是要把大型风力发电机组归纳总结出的相关故障知识一种恰当的方法表达出来并储存到该专家系统的知识库里。
期刊文章分类查询,尽在期刊图书馆根据知识的确定性程度情况，知识表示方法分为确定性表示方法和不确定性表示方法。③推理。推理就是根据某些方案从明确的已知条件推断到结论的整个操作程序。推理过程需要的事实有诊断推理方面的原始事实和在诊断过程中推出的中间事实。推理方法和推理控制策略为故障诊断专家系统的完成整个推理的2个重要内容。推理方法用来完成求解在决策推理中已知事实和结果间的相互关系。推理控制策略主要是根据故障诊断专家系统知识库中所拥有的故障知识实现快速得出诊断结果的方法。
4风电场的在线诊断系统的硬件设计
风电场的监控诊断中心硬件系统数据库服务器是将下位机采集的实时状态信号通过无线传输送到位于上位机的数据库中，保存机组的故障特征信息;同时，监控诊断中心的推理机对历史故障特征信息进行规则的挖掘，保存于数据库服务器中;诊断服务器通过使用监测分析软件和故障诊断软件提取本地数据库服务器数据，对机组故障进行诊断，判定故障类型、故障原因以及维修的建议后返回给现场人员。
5系统知识库设计
故障结构树是表示诊断系统层次结构和故障因果关系的模型，所以大型风力发电机组故障诊断结构树描述系统的结构关系和风力发电系统顶故障事件和其各子系统或各组成结构件故障事件子结点间的逻辑关系。根据以上4个大型风力发电机组齿轮箱、发电机、叶片和塔筒等的故障情况总结表，按照大型风力发电机组的组成层次结构，并根据故障结构树建立大型风力发电机组的故障树结构。根据故障结构树就能对大型风力发电机组故障进行分析，从故障故顶端出发即最不愿意出现的故障情况开始分析，接着搜索到造成这个故障情况出现的所有原因，然后搜索到出现其下一层故障事实的所有原因，以此类推逐步向下推理，直到搜索到不能再追究的情况，这样就构成了递推层次分明的故障结构树，经过故障树的层层搜索，然后推断出故障缘由。
6系统数据库设计
数据库的设计主要建立 5 张数据表，即用户数据表、故障现象表、故障原因表、规则表和故障信息表。其中用户数据表主要寄存用户的基本数据资料，故障现象表主要寄存故障现象事实的基本数据，故障原因表主要寄存故障原因的数据，规则表主要寄存故障推理的规则数据，故障信息表主要寄存故障日志数据。
7结语
综上所述，随着大功率风电机组的快速发展和并网运行，对其运行可靠性与系统稳定性提出了更高的要求，必将促进风电机组状态监测、故障诊断和智能维护技术的进一步发展。通过对专家系统的基本结构和基本问题进行研究，为设计构建大型风力发电机组故障诊断专家系统提供理论基础，通过对大型风力发电机组常见故障进行总结构建故障结构树，利用ASP.NET 开发平台和 SQL Serve 数据库，设计构建风力发电机组故障诊断专家系统，实现了大型风力发电机组故障的在线智能诊断。
参考文献
［1］钟秉林，黄仁.机械故障诊断学［M］.北京：机械工业出版社，2003.
［2］沈庆根，郑水英.设备故障诊断［M］.北京：化学工业出版社，2006.
［3］刘峰，杨晓萍，刘晓黎，等.基于神经网络的水轮发电机组振动故障诊断专家系统的研究［J］.西安理工大学学报，2003（4）：372-376.
［4］张彦南，张礼达.风力机机舱故障诊断专家系统方法研究［J］.能源与环境，2009（2）：25-26.
［5］周娟娟，张广明，袁宇浩.基于免疫 Agent 的风力发电机组故障自愈系统的研究［J］.机械设计与制造，2012（3）：136-138.
论文作者:陈聪
论文发表刊物:《电力设备》2018年第21期
论文发表时间:2018/12/12
标签：故障论文; 专家系统论文; 知识论文; 故障诊断论文; 风力发电机组论文; 方法论文; 系统论文; 《电力设备》2018年第21期论文;