摘要：风电因其负荷不稳定及大功率电子元件使用，使得电能质量较差，且原因及治理较为复杂，现场技术力量薄弱很难分析清楚。本文以风电场电能质量分析为例，采用新方法分析风电场电能质量，为查找电能质量源头提供新依据。
关键词：风电场；电能质量；故障诊断；研究
电能质量是风电企业发电并网时电网公司考核的重要指标。我国国家标准《GBT_19963风电场接入电力系统技术规定》对风电场接入电力系统时的电压、谐波、闪变等电能质量相关参数做出了明确规定，如不达标，则会使发电企业在电网考核上蒙受巨大损失。由于风电场设备绝缘、接地、设备故障等带来的暂态电能质量问题多发，严重影响风场内电能质量，造成设备损坏，甚至影响SVG等设备误补偿而进一步恶化电能质量治理效果。
1 电能质量对风电场经济效益影响
以山西新能源公司为例，仅仅山西新能源公司朔州某电场因电能质量故障导致互感器等设备6次绝缘击穿，同时，电能质量未达标而导致的AVC合格率不满足要求，2017年受到电网考核损失高达500余万元，为风电场带来重大经济损失。如电能质量问题无法改善，随着该风电场后续产能扩大，仅仅潜在损失既有可能达到2000万元（目标建设发电量为现有发电量的4倍）。同时，由于风电场电能质量起因复杂，场内生产设备众多但监测设备有限，如缺少自动化的准确电能质量故障诊断结论，直接采用人工全面排查，则存在检测成本过高、人力资源大量浪费等问题；而缺少深入电能质量分析结论，也会导致公司与不同设备生产厂商沟通时缺少话语权，设备厂商间相互推卸责任，无法从设备层面根治电能质量问题。
因此，需要充分发掘现有设备分析潜力，针对风电场录波设备记录的电能质量数据开展电能质量故障诊断，及时排除由于变压器等设备故障与集电线路故障等导致的电能质量暂态问题，减少暂态电能质量事件发生，避免暂态事件影响SVG等设备治理效果；同时，根据相关分析结论，向SVG等电能质量治理设备生产厂家提出合理的设备改造要求，提高谐波、低电压等非暂态电能质量问题治理效果，避免误补偿恶化风场电能质量。从而，全面提高风电场发电电能质量，减少因电能质量问题导致的设备损坏与高昂的售电经济损失，提高风场运行经济效益。
2 电能质量数据分析方法
国内外电能质量故障分析主要以分析电能质量事件起因为主要目标，同时，针对不同电能质量事件起因给出针对性治理思路。国家标准《GBT_19963-2011风电场接入电力系统技术规定》中，已经规定风电场需要控制谐波、电压波动幅度（低电压与过电压）、闪变等电能质量问题。而实际风场运行过程中，由于设备绝缘损坏、分合闸操作、线路短路故障、雷击等因素影响，风电场内电能质量现象还将包括瞬态过电压、电压暂降与暂升、电压尖峰与切痕、暂态振荡等多类暂态电能质量事件。因此，风电场中需要将谐波等长时电能质量现象与暂态电能质量现象同时分析，开展针对性治理。其中，暂态电能质量事件持续时间短、短时间内电压波形会发生剧烈波动，分析较谐波等传统电能质量问题更加困难。
工业现场中电能质量故障诊断一般以快速傅里叶变换（FFT）为常用方法。以FFT结合Hanning窗等窗函数，可提高FFT方法在分析短时间窗电能质量信号过程中的精度，目前已经在Fluke、泰克等国内外公司电能质量分析设备中得到了有效应用。但是，FFT方法本身存在时域分析能力弱，分析结果容易受栅栏效应、旁瓣效应等影响的缺陷，因此，在分析持续时间短极短、高频域分布范围广的暂态电能质量现象时，其分析能力有限，且易将暂态振荡或瞬态过电压等误识别为谐波。
3 解决风电场电能质量技术方案
基于录波数据的风电场电能质量故障诊断包括电能质量信号处理与特征提取与电能质量故障诊断，最终能够自动开展风电场内电能质量故障诊断。
3.1 主要技术内容
1）电能质量信号特征提取。由电压信号构成的电能质量信号由风电场内数字故障录波器（Digital Fault Recorder，DFR）采集。一般国内以3.2kHz为采样频率（部分可达到5kHz，满足50次以下谐波分析需要）。
期刊文章分类查询,尽在期刊图书馆电能质量信号为典型的时间序列信号，通过不同时间段内电能质量信号幅值变化幅度、变化趋势等特征，可初步分析电能质量时间起因；同时，为了分析其中的谐波成分及扰动频域，需要以数字信号处理方法开展时频分析，从数字信号处理结论中提取频域特征，以开展精细化分析。
2）电能质量故障诊断。在获得电能质量特征基础上，可构建相关规则库，开展电能质量故障诊断。电能质量故障诊断将基于风电场检修记录、历史录波数据、文献典型故障导致波形记录等共同开展。根据文献记录波形，虽然无法开展信号处理，但可通过分析原始时间序列特征，根据幅值变化幅度、趋势等，判定其故障类型与起因；以风电场检修记录与历史录波数据，可以开展针对性分析，通过数字信号处理技术，提取信号时域和频域特征，开展深入分析，确定时频域特征与电能质量故障起因间广联关系，以便根据新发生电能质量事件信号反推电能质量故障诊断结论。
3.2、主要技术难点
1）原始电能质量信号故障诊断特征提取与选择。对原始信号提取特征，实现电能质量故障诊断，需要根据各个周期时间窗内电能质量信号扰动类型、波动大致幅度、持续周期数等描述故障特性。相关特征由于多为非数值型特征，且可能为若干特征组合，因此，判定选择哪些特征可构成特征集合，判定故障类型为研究难点之一。
2）电能质量信号处理与时频特征提取。电能质量信号在故障录波器实际采集过程中，多以复合扰动形式出现，且录波时间较长，需要对信号开展短时间窗分割后，对各个短时间段信号分别分析。对此类信号的信号处理需要避免低采样率、短时间长度样本信号对信号处理精度的影响。
3）风场内无历史故障样本电能质量故障诊断。风电场内记录电能质量故障有限，需要根据文件记录扩展电能质量故障类型。根据文献记录波形图形特征开展电能质量故障诊断，无法开展信号处理，也无法定量提取精细化时域特征。根据文献记录，开张电能质量故障诊断，需要根据原始信号特征构建特征组合或故障趋势性特征开展相关故障诊断。
4）基于检修记录与历史录波数据的风电场电能质量故障诊断。风电场内检修记录一般不能保证与录波数据同步，因此，需要根据文献记录及录波数据数字信号处理提取特征，判定故障录波数据与检修所发现故障间对应关系，进而确定最优时频特征集合，用于分析场内有记录的电能质量故障。
3.3、预期目标
1）实现准确高效的短时间窗电能质量信号处理。通过经验小波变换等先进数字信号处理技术，全面准确分析短窗电能质量信号，保证信号特征的有效提取，为电能质量故障诊断提供基础。
2）构建电能质量最优原始特征与时频特征集合。通过总结现有文献、风电场实测电能质量数据与检修记录等，确定相关故障类型，全面提取原始信号特征及特征组合、电能质量信号时频特征等。并在此基础上开展特征工程，确定最有分析特征
3）实现有效的电能质量故障诊断。实现自动化电能质量故障诊断，给出电能质量时间可能起因，为及时排除电能质量故障，降低检修人力、财力成本，排查电能质量发生源头并由此确定风电场设备制造厂商电能质量责任等提供依据。
4）研究方法。而采用经验小波变换与S变换分别处理录波信号。采用经验小波变换（EWT）构造正交小波滤波器组提取具有紧支撑傅里叶谱的调幅-调频(amplitude modulated-frequency modulated, AM-FM)成分，能够准确刻画电能质量信号中的固有模态；通过S变换获取电能质量信号时频矩阵。从两者变换结果中提取时频特征，以便于诊断曾经发生于风电场且有录波记录的电能质量故障（有记录故障）。同时，针对原始信号提取趋势性特征与特征组合，如电能质量事件发生时各个周期内扰动成分类型、复合扰动出现顺序、电压下跌持续周期数等特征或组合特征用于判定未发生于风电场且无历史数据记录的电能质量故障（无记录故障）。
4 结论
在构建完整特征集合基础之上，分别针对有记录故障与无记录故障诊断，采用集成特征选择方法，确定最优特征集合。在最优特征集合确定的基础上，构建分类器准确识别有记录故障；采用距离判据，确定无记录故障可能起因。最后，根据电能质量故障诊断结论，给出针对性故障排查与治理建议，以全面改善风电场电能质量。
参考文献
[1]《风电场接入电力系统技术规定》GBT_19963-2011.
论文作者:张晓伟
论文发表刊物:《电力设备》2018年第23期
论文发表时间:2018/12/24
标签：电能论文; 质量论文; 特征论文; 故障论文; 信号论文; 故障诊断论文; 风电场论文; 《电力设备》2018年第23期论文;