摘要:风电机组日常运行产生的各项参数,可以直观的反映出内部各个模块的实时状态。利用大数据处理技术,获取并分析这些参数,以直观的形式,让技术人员对风电机组的运行状态有一个全面的了解。本文首先概述了大数据技术在风电机组状态监测中的应用流程,随后分别介绍了状态监测模型四个子模块的结构组成和实用功能,最后结合实际,对大数据处理技术在风电机组日常维护、故障处理等方面的实际应用进行了简要分析。
风能作为一种无污染、可再生且开发成熟度较高的清洁能源,目前已经得到了广泛的利用。风电机组作为实现风能向电能转化的重要设备,通过实施监测运行状态,可以为日常维护与保养、故障排查与处理等管理工作的开展,提供必要的信息参考,对提升风电机组的发电效率、使用寿命均有积极的帮助。考虑到风电机组的内部组成复杂,必须要应用大数据处理技术,实时获取并动态分析机组状态参数,保障风电机组始终以良好工况稳定运行。
1、基于大数据的风电机组状态监测流程
1.1 海量数据的采集阶段
提供海量的实时数据,是应用大数据处理技术的必要前提。在风电机组内部,分布着大量的数据监测和采集装置,可以动态的获取各种数据,例如轴承的温度数据、风轮的转速数据、关键部位的振动数据等等。这些装置在获取风电机组的实时数据后,采用内置的无线传输模块,将数据打包发送给控制中心,并存储到数据库中,为下一步数据的分析和处理提供素材。下表1是风电机组SCADA系统提供的海量监测数据。
表1 风电机组SCADA系统提供的海量监测数据
1.2 数据汇总与分析阶段
数据库内存储的海量数据,由于采集部位不同、采集时间不同,为了提高数据利用价值和减轻系统运算压力,会在数据库内按照多个指标将其分类存储。例如以时间作为分类指标进行数据划分。技术人员就可以动态的掌握某个时间段里风电机组的运行状态,并且通过绘制以时间为x轴的坐标系,观察风电机组状态变化曲线。
1.3 数据挖掘和评估阶段
根据数据分析结果,可以为风电机组的运行管理提供必要的参考。为了避免机器误判,得出更加精确和真实的状态监测结果,还要求技术人员对数据分析结果进行专业评估。将分析结果中明显失准的、误差较大的数据剔除,然后利用剩余的分析数据表示风电机组的运行状态。根据评估结果,如果发现风电机组某些部位有异常情况,则安排维修人员通过实地检查,做出进一步的判断和处理。这样既可以减轻风电机组维护人员的压力,又能够提高检修工作的效率。
2、风电机组状态监测模型的结构组成
2.1 采集层
数据采集层是整个状态监测系统的基础层。结合风电机组的实际运行环境,采集对象主要包括内部数据和外部数据两种。其中,内部数据就是风电机组各个模块的运行参数,例如上文提到的温度数据、振动数据、能量转换数据等;而外部数据则主要是影响风电机组运行的一些因素,例如天气数据、地理信息数据等。因此,采集层包含的主要硬件设备,是分布于风电机组内部及风电场周边的大量传感器。采集到的各类数据,还需要在本层进行初步的处理,例如清除无效数据、重复数据等。这样既可以节约存储空间,又可以缓解数据传输压力。
2.2 存储层
该层选用的存储介质为Hive和HBase等分布式数据库。作为基于Hadoop的数据仓库工具,Hive能够提供类sql查询功能,并能够实现Map Reduce作业与sql语句之间的转译。通过转译即可保证sql语句在Hadoop上的执行,也能实现并行运行大批量数据处理任务功能。作为构建在HDFS上的分布式列存储系统,HBase具备可伸缩、高性能以及高可靠特点。服务器可在HBase的支持下实现大规模结构化存储集群的搭建。深入分析发现,Hive和HBase等分布式数据库具备高吞吐量和高容错率特点。
2.3 分析层
该层集成有完成训练的BP神经网络预测模型。该模型能够应用大数据分析技术,对地理信息数据、天气数据以及SCADA状态监测数据进行分析处理,以完成风电设备的异常状态预测。在海量数据处理中,传统的BP神经网络训练方法很容易出现因内存不足而无法训练或耗时较长问题。为了解决该问题,本文研究引入了开源云计算平台Hadoop,由此BP神经网络得以与Map-Reduce框架结合,并行化运行方式也由此实现。并行化运行方式支持下,分析层能够对训练样本进行并行地批量训练,模型的运行速度及精度均大幅提升。
2.4 应用层
根据上一层得出的分析结果,通过系统自动或人工手动两种形式发布指令,控制风电机组前端的一些电气设备,作出相应的动作。将分析结果,与数据库内存储的风电机组预设状态参数进行对比,如果两组数据的对比结果差距较大,说明风电机组存在异常运行状态。然后系统可以回溯异常数据并找出产生异常数据的设备,从而发现故障所在。这样就帮助技术人员确定了检修目标,实现了风电机组异常问题的及时处理。应用层还提供了信息反馈功能,完成处理后重新获取该位置的状态参数,以便于技术人员判断故障是否彻底被排除。如果确认风电机组恢复正常运行,则将本次处理记录生成日志,保留在数据库中。
3、大数据在风电机组状态监测中的具体应用
3.1 基于大数据制定风电机组日常维修方案
随着各行各业对电力能源需求的不断上涨,风电场的发电任务更重,这也直接造成了风电机组经常会超负荷运行。长此以往,风电机组发生故障的规律也会明显的上升。为了能够让风电机组始终平稳、高效的运行,风电场方面必须要定期做好风电机组的维修工作。但是风电机组的内部组成复杂,各类元件、设备种类和数量较多,人工检修费时费力,且不容易发现安全隐患。利用大数据处理技术,直接获取风电机组各部位的运行参数,可以让设备管理人员一目了然的监测运行情况。根据监测信息,制定风电机组的维护方案,最大程度上避免严重故障的发生。
3.2 基于大数据实现风电机组常见故障处理
在风电机组运行中,一些突发问题也有可能导致风电机组出现异常工况或严重故障。在风电机组出现故障后,如何尽快确定故障发生位置和故障产生原因,是技术人员必须要解决的问题。大数据处理技术在状态监测方面的应用,也可以为故障处理带来极大的便利。一方面,大数据技术可以实现对风电机组工况的实时监督和同步反馈。只要风电机组的运行参数异常,系统会自动进行报警,提醒技术人员引起重视。这样就可以在出现重大故障前,及时采取应对措施,避免故障损失的扩大化。另一方面,通过大数据分析,还能够向技术人员提供一些维修建议,这对于及时排除故障恢复风电机组正常运行也有显著的帮助。
4、大数据技术应用前后的效果对比
为了更加直观的验证大数据处理技术在风电机组状态监测方面的运用效果,本风电场分别选取了大数据处理技术应用前和应用后1年里故障发生次数,并进行对比。通过对比发现,在未使用大数据处理技术时,风电机组一年内累积发生7起故障,其中有2次严重故障。机组发电的连续性较差。在应用大数据处理技术后,风电机组在一年内监测到异常工况10次,经过及时处理,9次异常情况得到了有效处理,全年仅发生1起故障,经过技术人员抢修未造成严重事故。全年发电机组运行稳定,效益提升明显。
5、结束语
在我国风电市场不断成熟的背景下,风电机组状态监测和运维管理也逐渐引起了风电场的重视。同时,随着大数据技术、传感器技术的发展,能够实现对风电机组整体运行状态的全面、实时监控。通过同步反馈异常工况、及时进行故障报警,帮助设备管理人员随时随地的掌握风电机组的详细情况,并且利用专业知识对异常工况、故障问题进行有效处理,极大的保证了风电机组的运行安全。今后要继续重视前沿技术的应用,除了大数据技术外,像5G技术、AI技术等,在风电机组监测管理方面均有重大发展潜力。
参考文献:
[1]张少敏,毛冬,王保义.大数据处理技术在风电机组齿轮箱故障诊断与预警中的应用[J].电力系统自动化,2016(14):129-134.
[2]赵梦露,胡睿.试论大数据技术在风电机组运行状态监测评估中的应用[J].电子世界,2018(19):196-197.
[3]时静一,闫小春.基于机组运行大数据的风机健康度预警系统[C]//第五届中国风电后市场专题研讨会.2018.
朱伟刚.大数据处理技术在风电机组状态监测中的运用[J].科学技术创新,2020(11):67-68.
近年来,随着社会快速发展引发的环境问题越来越严重,全球都在倡导低碳出行,则各种新型能源层出不穷,其中之一就是电能驱动设备,如各种便携的电子产品和新兴电动汽车等,这促使锂电池行业飞速发展,从而给电解铜箔带来了新的机遇和发展。
2024-03-14由于能源消耗和环境污染等问题,海洋可再生能源的开发和利用逐渐受到各国的关注[1]。其中波浪能以储量大、无污染、可重复开发利用等优点,成为国内外海洋能开发利用研究的热点。波浪能发电装置根据其工作原理可分为振荡体式、振荡水柱式、聚波越浪式等[2]。其中,振荡体式又可分为振荡浮子式(点吸收式)、筏式和摆式。近年来,振荡浮子式WEC因其体积小、制造安装方便、不受波浪方向影响等优势受到了广泛的关注[3]。
2024-02-07目前来看,能源行业碳达峰、碳中和实施路径主要包括大力推动能源清洁化发展,大力推动能源高效化发展,大力推进能源消费侧电能替代和大力推进自然碳汇和碳捕集。在清洁能源建设方面,除了加快太阳能基地、风电基地和水电基地因地制宜发展分布式清洁能源和海上风电之外,还需要充分重视生物质能源。
2024-01-03丙酮作为一种无色透明的挥发性有机化合物(volatile organic compounds, VOCs),广泛应用于工业生产和实验室环境中[1,2]。研究表明,当人体处于浓度为450 mg/m3(173 ×10-6)丙酮环境时,轻者会出现疲劳、乏力、头痛及神经系统损伤等症状,重者会危及生命[3,4]。
2024-01-03作为战略性新兴产业,新能源汽车近年来在政府和企业的不断推动下发展迅猛,风头正盛。根据公安部统计数据显示,截至2022年底,全国新能源汽车的保有量已高达1310万辆,占汽车总量的4.10%,扣除报废和注销量比2021年增加526万辆,增长67.13%。党的二十大报告明确指出,加快发展绿色转型,推进经济发展绿色化、低碳化是实现高质量发展的必要环节。
2023-11-02随着中国经济的快速发展和人口的迅速增长,对能源的需求量越来越大,能源消耗大幅增加,传统能源资源日益减少,已经不能满足国民经济发展的需要。在荷兰、德国等许多国家,太阳能已成为商业化程度最高、利用最广泛的可再生能源之一,光伏无人机的研究也应运而生。
2023-11-02UHMWPE是一种性能优异的热塑性工程塑料,耐冲击、耐磨损、耐腐蚀,广泛应用于航空航天、海洋工程、轨道交通、石油化工、新能源材料等尖端领域,被称为“21世纪的神奇塑料”。
2023-10-24近年来,我国建筑行业逐渐进入高速发展阶段,越来越多的建筑工程拔地而起,极大地提升了城市现代化水平,但随之而来的是能耗指数级增长,环境污染日益加剧。在各类建筑工程项目中,将新能源光伏发电系统与建筑工程相结合,不仅可以大大增加光伏发电装置的装机量,利用新能源代替一部分旧能源,而且又能更加清洁环保,有助于改善生态环境,促进城市健康、快速地发展。
2023-09-12矿用电机车是煤矿井下作业中的重要运输设备,其驱动能源锂电池通常由电池管理系统(BMS)进行监测与管理。在BMS管理系统中,电池荷电状态(SOC)是电池性能的关键指标之一。对SOC的精确估计可以延长电池循环寿命,降低电池容量衰减速度并使电机车以安全状态运行,从而提高煤矿的产能和经济效益。
2023-08-31交通运输业在全球经济和社会发展中发挥着重要作用,然而也带来了一些负面影响,例如化石燃料的大量消耗和环境污染。目前,全球四分之一温室气体的来源是由汽车贡献的。为了缓解这些问题,开发绿色、可持续的能源以及替代燃料汽车,特别是电池驱动的汽车,被认为是解决该类问题的重要举措。
2023-08-21人气:6511
人气:4421
人气:4209
人气:4141
人气:3652
我要评论
期刊名称:新能源进展
期刊人气:936
主管单位:中国科学院
主办单位:中国科学院广州能源研究所
出版地方:广东
专业分类:科技
国际刊号:2095-560X
国内刊号:44-1698/TK
创刊时间:2013年
发行周期:双月刊
期刊开本:大16开
见刊时间:7-9个月
影响因子:0.517
影响因子:0.723
影响因子:0.988
400-069-1609
您的论文已提交,我们会尽快联系您,请耐心等待!
你的密码已发送到您的邮箱,请查看!