宋坤 齐刚 王永文 余洋
DOI：10.16660/j.cnki.1674-098X.2106-5640-2742
摘 要：为实现在电力网络带宽有限的情况下，将区域新能源集控管辖范围内数量庞大的风力发电机设备的故障信息迅速、可靠地上送到集控中心，本文设计了一种基于时序数据的风电集控故障信息上报系统，其主要用于将风电场站侧大量的风力发电机故障信息快速、可靠地上报到区域风电集控中心。在上报前，将故障信息编码成浮点型时序数据，经网络传输后，在集控中心侧进行解码、故障分析和实时的故障播报。该系统可以实现故障信息的稳定、低延迟、高精度的网络传输，满足区域风电场关键设备故障信息的及时上报。
关键词：风电集控 风机故障 故障编码 时序数据
中图分类号：TP319 文献标识码：A 文章编号：1674-098X（2021）06（b）-0039-06
Fault Reporting System Design for Wind Power Centralized Control Based on Time Series Data
SONG Kun QI Gang WANG Yongwen YU Yang
（GuoDian Nanjing Automation Co.， Ltd.， Nanjing，Jiangsu Province，211102 China）
Abstract：
In order to quickly and reliably send the fault information of a large number of wind turbine equipment under the jurisdiction of regional new energy centralized control to the centralized control center under the condition of limited power network bandwidth， a wind power centralized control fault information reporting system based on time series data is designed in this paper. It is mainly used to quickly and reliably report a large number of wind turbine fault information at the station side of the wind farm to the regional wind power centralized control center. Before reporting， the fault information is encoded into floating-point timing data， which is transmitted through the network， decoded at the centralized control center side for fault analysis and real-time fault broadcasting. The system can realize stable， low delay and high-precision network transmission of fault information， and meet the timely reporting of fault information of key equipment in regional wind farm.
Key Words：
Wind power centralized control; Fault of wind-driven generator; Fault coding; Time series data
近年来，我国新能源产业迅速发展，尤其是碳达峰、碳中和目標的确立，我国区域风电产业的规模日渐庞大，风力发电机（以下简称“风机”）的种类也繁多。如何有效地应对区域内风电设备集中运营带来的专业技术人才紧缺、风机故障运维等问题，成为风电行业亟需解决的问题[1-2]。目前，各发电公司大多都建设了风电远程集控中心，这已成为风电行业转增长、调结构、优化发展方式的共识[3-5]。
风力发电机的故障实时上报给区域风电集控中心，一是为了风电集控中心能够实时监控各风电场站的设备运行状态，及时地为设备运维人员提供指导;二是风机运行过程中产生的海量历史故障数据，能够为数据分析人员利用大数据技术进行数据挖掘、设备故障分析和诊断，甚至设备故障的提前预警提供保障[6-8]。因此，风电场风机设备的故障信息实时传输及准确的播报，是保障风电场安全稳定运行的重要手段，也是整个区域风电集控中心系统尤为关键的环节。
时序数据是电力行业生产运行、分析和设备诊断的重要支撑。近年来，时序数据的应用越来越广泛[9-10]。为此，本文设计了一种基于时序数据编码的风电集控系统故障上报系统，定义了4种风力发电机故障信息编码规则。系统利用统一的故障编码规则，将风电场的故障信息经过编码、传输、解码后上报给区域风电集控中心，实现风电场站故障信息的低延迟、高精度、大容量的网络传输，满足在同等带宽条件下，区域内风电场的风机故障信息实时监控及故障诊断的需求。
1 故障上报系统架构设计
充分利用时序数据传输速度快、占用空间小等优势，在风电集控故障上报系统中，建立一套通用的故障信息编码规则。在场站侧进行编码，在集控中心侧进行解码。为实现这一设计，本文建立了从数据表设计到数据传输、数据解码、故障上报等一整套规则和流程。
1.1 系统总体架构
单台风机的故障经过故障编码后传送到场站侧实时数据库中，后经网络传输到区域风电集控中心实时数据库中。故障侦测程序根据实时测点信息进行故障解码。解码后的故障完整信息广播到区域的集中监控SCADA系统，实现故障的远程上报与监控管理。同时，区域集控中心的故障时序数据同步共享到电力集团的云端平台，用于數据挖掘，支撑新能源诊断应用。系统架构如图1所示。
1.2 故障编码规则及数据传输设计
通过分析各风机厂家故障码信息，总结设计了一套故障编码规则。同一类型的风机使用一套故障代码库，使用相同的故障编码规则。本文提出了4种风机故障侦测编码规则，分别是比特型、代码型、布尔型及限值型。通过设计的编码规则，将风电场站侧风机故障信息转换为实时库的实时测点值，通过风机向场站侧实时库传输数据，再由场站侧实时库向区域集控中心的实时数据库同步数值，提高故障数据时效性，保障数据安全。
如图2所示，风电场站侧的故障信息如果以传统报文方式向区域集控中心传输，受到故障报文长度、故障数量多、有限的网路资源等条件限制，极大降低了故障上报的时效性、完整性及准确性。基于故障编码方式，在场站侧直接将风机故障转换为对应的实时库测点实时值，通过统一的通信规约，将故障信息以测点值的方式进行传输。在区域集控侧部署故障侦测解码软件，将故障测点实时值转化为完整的故障上报信息。这种方式有效地减少了网络传输资源，提高了故障上报区域集控的时效性和完整性。
1.3 数据表设计
基于故障编码规则，设计了完整的数据存储模型，主要包括故障代码库、故障信息定义库、故障结果库。其中，故障代码库存储基于编码的各个故障代码及与其对应的故障具体信息。故障信息定义库用于配置存储各单台风机的故障配置信息，故障结果库用于存储解码后的故障具体信息，如表1所示。
2 故障编码规则定义
故障编码规则用于对风机故障信息进行编码、解析。在场站侧，将风力发电机设备下具体的故障信息转换为实时数据库中测点值;在区域集控中心侧，将测点值解析成具体故障信息。编码与解码过程互逆。
2.1 比特型故障侦测编码规则定义
2.1.1 定义
比特型故障侦测编码是指按照浮点型数据的比特位区分不同故障的编码和解码方式。
2.1.2 传输方式
按照传输的故障数量，每台风机设定n个浮点型实时测点，以OPC方式或者ModBus规约传送。
2.1.3 解析方式
每个单精度浮点型（Float）测点为32位（4字节，1Byte=8bit）二进制数。这32位二进制每一位的比特值代表一个故障，其中1代表故障发生，0代表故障未发生。实际应用中，这32位只用其中的低31位，最高为符号位不用。那么一个测点值就可以表示0～31个故障。假设某台风力发电机共有m个故障点，那需要采用n个浮点型测点。
（1）
注意，一个浮点型测点低字节在右，高字节在左。因此，假设第n个测点值不为0，那么先将这个浮点型数值转换成对应的二进制比特数组。假设第k个比特位值为1，那么其对应某型风机厂家的代码表里第31×（n-1）+k个故障。
2.1.4 编码实例说明
假设某一台风力发电机共有18个float测点，每个测点低31位比特位全部有效。传输的18个测点值分别为：0，0，1082130436，0，0，…
分析如下。
这台风机共传输了18×31=558个故障点位。
第1、2个测点都为0，float数转换为二进制数为00000000 00000000 00000000 00000000和00000000 00000000 00000000 00000000。表示这2个测点各位代表的故障均未发生。
第3个测点>0，说明有故障发生。将第3个测点转换成二进制为：01000000 10000000 00000000 0000100。其余测点值转换为二进制全是 00000000 00000000 00000000 00000000，合计558个二进制值。
那么第3个测点值对应的二进制值从低字节到高字节，发现第3、24、31比特位值为1，发生了故障。根据解析方式匹配风机厂家故障代码表得知第31×（3-1）+3=65、31×（3-1）+24=86、31×（3-1）+31=93个故障点位发生了故障。每隔一段时间刷新一下测点值，查看新增或者消缺后的故障。每个float测点最大使用31位二进制位，所以最多传输31个故障。
每个float测点也可以传输少于31个故障，即一个float测点的31个二进制位可以不完全用，主要看编码和解码方的约定。比如可以用其中的低16位，高15位不用。如上述例子中，如果每个float测点只传输16个故障（低16位有效），这样要传输全部558个测点，就需要558÷ 16+1=35个float测点。解析规则与32位解析规则相同。
2.2 代码型故障侦测编码规则定义
2.2.1 定义
代码型故障是指对风力发电机的故障编码，每一种故障用一个浮点型数值表示。每个分在故障发生时，以编码数值对应的故障代码值方式上报，未发生故障（测点值为0）时不播报。
2.2.2 传输方式
按照传输故障数量，每台风机设定n个float测点，以OPC方式或者ModBus规约传送。
2.2.3 解析方式
假设某台风机有n个故障点，针对每台风机在数据库中预设m个浮点型数据点位。其中，m 2.2.4 举例说明 假设一台风机设置8个浮点型故障测点，这8个测点的值分别为：102，203，0，0，0，0，0，0，则标识这台风机发生了2个故障，102号和203号故障，根据故障代码库直接查询第102和203号故障代表的是何种故障。如果下一時刻这8个测点值发生改变为631，203，0，0，0，0，0，0，则表示102号故障结束，631号故障发生，203故障依然存在;如果再下一时刻这8个测点值发生改变，为631，4，203，0，0，0，0，0，则新发生了4号故障，631和203故障未结束。 2.3 布尔型故障侦测编码规则定义 2.3.1 定义 布尔型故障是指每条故障信息分别占用数据库中的一个浮点型测点位，其值为0或者1。测点值为1时，代表该故障发生。为0时，代表该故障结束。 2.3.2 传输方式 按照传输故障数量，每台风机设定n个浮点型测点，以OPC或ModBus规约传送。 2.3.3 解析方式 布尔型故障侦测编码是把风力发电机对应的数值用1表示故障发生，0表示故障未发生。假设某一台风机设备共有n个故障点，数据库建立对应的n个浮点型测点（float）。 2.3.4 举例说明 假设一个风机设备可测量的共有32个故障信息。那么，采用布尔型编码就有32个数据库测点位。数据库中的每个测点值只能为1或0。如果第i个故障发生了，那么第i个测点值就为1值。若该故障消失后，其值恢复变为0值。 2.4 限值型故障侦测编码规则定义 2.4.1 定义 限值型故障是指传输的float测点值超越上限或下限时发生的故障。每个float测点根据其值不同，可表示3种状态：越下限故障、正常、越上限故障。 2.4.2 传输方式 按照传输故障数量，每台风机设定n个float测点，以OPC、ModBus或者IEC104等规约传送。 2.4.3 解析方式 每个故障点对应一个float测点值，其值介于[min，max]之间，其值低于min或者高于max都表示故障发生。根据不同的故障点定义不同的正常取值范围。n个float测点则有n个范围区间。 2.4.4 举例说明 假设一个风力发电机的温度float测点，正常值范围20～90℃。如果其float值大于90℃，则为温度越上限故障（或告警），如果其float值小于20℃，则为温度越下限故障（或告警）。 3 应用实例 3.1 区域集控实例说明 本文以某大型发电集团内蒙区域集控中心为例，该区域内拥有风机场站11个。各个场站内由于自身建设需要等历史原因，装备了国内外15种型号的风机，包括华锐、ABB、金风、歌美飒、东汽等主流型号风机。区域内需要监控的风机总数为705台，故障总数量高达107 965个。基于以上复杂的风机机型情况，根据本文设计的编码规则，使用本文设计的全部4种编码规则，部署一套完整的故障从场站侧故障向区域侧进行实时上报的侦测系统，用于区域集控中心进行集中监控管理。该系统已在现场稳定运行时间超过1年，运行情况平稳，故障上报准确及时。基于故障编码方式，该区域内风电场故障上报系统配置如表2所示。 3.2 基于编码的故障上报系统测试 本文使用故障编码规则，完成系统配置后，系统部署在区域集控侧，选取稳定运行时间段在2018年1月至2018年12月1年内的运行数据，进行数据处理与分析，主要测试分析项目如下。 展示近1年内故障上报数量及各时间段内故障分布情况;测试多故障同时发生时系统并发处理能力;分析故障上报系统承压能力。 分析测试运行时间段内，故障上报区域风电集控中心的准确率，故障发生时场站侧与区域集控中心侧时效偏差。 3.2.1 故障上报承压能力分析 2018年内蒙区域内场站向上上报故障总数量在127.8万条。每月上送故障信息数量如图3所示。由于风机运行环境恶劣，各场站运维水平差异，当月内故障上报数量均维持在8～13万之间，高峰时期当月故障发生量在15万左右。故障上报系统在基于编码方式进行故障向集控中心传送时，具备负担起大数据量的故障上报能力。故障上报过程中包含了故障侦测、故障处理、故障传送整个流程。各个过程需要大量的逻辑计算、并发处理、网络监控等操作，上报系统经过优化。调试后，完全具备承受10万/月故障信息上报的能力。 3.2.2 故障上报准确率分析 如图4所示，故障上报准确率定义为场站侧的故障信息与上送给区域后存入数据库之间的差异率，表征故障信息上报的完整性。上报系统技术要求故障信息上报准确率不低于99.9%，场站侧与区域侧故障偏差率低于0.1%。现统计分析2018年度场站侧与区域侧故障数量偏差。如图4所示，单月内故障偏差数量绝对值小于50条，偏差率小于0.05%，达到技术标准。出现偏差原因经分析是：风机故障在50ms反复出现故障时故障解析程序漏检;实时数据库因素影响;网络发生短暂中断或波动时数据丢失。 3.2.3 故障上报时效性分析 如图5所示，故障上报时效性指故障在风电场站侧发生后，到上送到区域集控中心之间的时间偏差，表征故障上报的时效性。如果故障上报时效性低，会导致故障在集控中心侧出现播报延迟，影响区域集控对场站风机即时有效的运维监控管理。现就故障上报系统时效性做如下测试：在1s内先后上报从1到2000条不等的故障信息，记录场站侧与区域侧的时效偏差。如图5所示，在每秒内故障并发数量在1000条以下是，时效偏差咋100ms左右，后随着故障数量上升，时效偏差逐渐增长，但在不超过2000条时效偏差维持在550ms，处于次秒级水平，完全可以满足区域侧的监控运维要求。 4 結语 本文在研究各类型风力发电机故障组成及上报模式的基础上，设计提出了4种故障编码规则，用于解决风电场站侧故障信息的稳定、低延迟、高精度的网络传输问题，满足区域对风电场的风机故障信息进行实时监控与运维的需求。基于时序数据的故障信息编码规则，建立了一套完整的风电集控故障上报系统。该系统可以实现区域集控中心实时、稳定、可靠地获取风电场站侧风机的故障信息。4种编码规则适用于厂家的生产的各类型风机设备，故障信息上报过程中减少了数据传输介质资源，提高了数据传输的安全性、实时性和稳定性。 参考文献 [1] 叶林.浅谈区域风电集控中心建设与生产运行模式[C].风能产业（2018年10月），中国农业机械工业协会风力机械分会，2018：4. [2] 万鹏，莫瑞浩.风电企业远程集控管理模式的研究与应用[J].企业管理，2016（S2）：106-107. [3] 冯黎成.大型风电场的计算机远程监控系统研究[J].自动化与仪器仪表，2018（8）：17-19. [4] 毕宇飞.风电场集控运行管理模式的探索与实践[J].发明与创新（大科技），2018（1）：28-29. [5] 刘剑.区域风电场远程集控系统设计与实践[D].北京：华北电力大学，2017. [6] 鄂春良，赵斌，武鑫.基于OPC的风电场中央监控系统通信技术研究[J].计算机测量与控制，2004（1）：60-63. [7] 张镇，关书强.风电机组故障统计分析研究[J].风能，2013（8）：68-71. [8] 吴亚联，梁坤鑫，苏永新，等.基于SCADA数据驱动的风电机组部件故障预警[J].无线互联科技，2018，15（13）：122-127. [9] Shrestha Ashish，Ghimire Bishal，Gonzalez Longatt Francisco.A Bayesian Model to Forecast the Time Series Kinetic Energy Data for a Power System[J].Energies，2021，11（14）：3299-3299. [10] Theumer Philipp， Zeiser Reinhard， Trauner Ludwig， et al.Anomaly detection on industrial time series for retaining energy efficiency[J].Procedia CIRP，2021，99：33-38.