赵　敏，傅质馨，袁　越，邵秋葵，吕鹏远

（1.河海大学能源与电气学院，南京　211100；2.河海大学可再生能源发电技术教育部工程研究中心，南京　210098；3.中国三峡新能源公司，北京　100053；4.响水长江风力发电有限公司，盐城　224600）

基于无线传感网络的风电机组状态监测系统可靠性分析

赵敏1，2，傅质馨1，2，袁越1，2，邵秋葵3，吕鹏远4

（1.河海大学能源与电气学院，南京211100；2.河海大学可再生能源发电技术教育部工程研究中心，南京210098；3.中国三峡新能源公司，北京100053；4.响水长江风力发电有限公司，盐城224600）

通过可靠的风电机组状态监测系统，可实时监测风电机组的运行状态，及时发现并排除风电机组的故障。首先对基于无线传感网络的风电机组状态监测系统的可靠性进行研究。为提高监测系统的可靠性，将备用无线传感器节点部署在风电机组中极易发生故障的部件上；根据马尔可夫状态转移模型建立监测系统可靠性函数；运用粒子群算法以监测系统构建成本为目标函数，在监测系统可靠性满足对风电机组的状态健康监测的要求下，优化系统备用节点数目，并对影响监测系统的可靠性因素进行分析。结果表明，增加监测系统的备用节点可有效提高监测系统的可靠性。

风电机组状态监测系统；可靠性；备用节点；无线传感器网络

长期以来，风电机组的故障维修一般仅依靠定期维护和事后维修，这严重制约了风电行业的发展。近年来，风电机组的状态监测问题越发受到了社会各界的广泛关注［1］。一些风电制造商也相继开发了风电场状态监测系统来实现对风电场内所有风电机组进行状态监测，如美国GE公司的Bently Nevada系统，德国SKF公司的SKF WindCon等。担不同风机厂家的状态监测系统不兼容，导致风电场的中央监控室需对不同型号的风电机组配备不同的状态监测系统。这不仅增加了监控人员的负担，同时还增加风电场的投资成本。

随着无线传感器网络WSN（wireless sensor net⁃work）技术被广泛应用于有线监测设备难以到达的监测领域［2］。一些学者提出将该技术应用于风电机组状态监测系统，基于WSN的风电机组状态监测系统具有一定的通用性，能适用于不同类型的风电机组。文献［3］提出了基于WSN技术的风电机组状态监测系统构建方法；文献［4］采用WSN技术对大功率风电机组齿轮箱的监控系统进行研究，给出监测系统的硬件设计以及上位机管理系统设计方案；文献［5］在风电机组机舱内部关键位置部署振动节点来采集风电机组的振动状态信息；文献［6-8］采用WSN技术对风力发电机组机械传动系统的状态进行监测，给出节点的硬件组成，并设计了监测系统的软硬件设计方案。

风电机组的状态监测完全依赖于监测系统，为确保中控中心获取的风电机组状态信息实时性和准确性，必须提高监测系统的可靠性，这也是设计基于WSN的风电机组状态监测系统过程中必须考虑的关键问题之一。目前，基于WSN的风电机组状态监测系统还停留在理论阶段。文献［9］提出了使用LEACH协议作为监测系统路由协议方案，并以节点剩余能量作为簇头节点选取标准，从而提高监测系统可靠性；文献［10］根据风电机组不同故障类型部署相应的节点，并提出基于集群分布式无线传感器网络拓扑结构，以提高监测系统可靠性。然而，文献［9-10］所提的方案并未从节点失效角度考虑监测系统的可靠性。

本文借鉴文献［11］提高汇聚节点可靠性的方法，采用增加备件节点的方法对文献［3］中构建的基于WSN的风电机组监测系统可靠性进行研究。首先对监测系统进行简要说明，并对风电机组常见故障进行统计分析，确定备用节点部署位置；然后运用马尔可夫模型分析监测系统的状态转移过程并建立监测系统可靠性函数；最后利用粒子群优化PSO（particle swarm optimization）法，以监测系统的构建成本为目标函数优化监测系统备用节点数目，并对影响系统可靠性因素进行分析。

1　监测系统可靠性分析

1.1监测系统设计方案

基于WSN的风电机组状态监测系统如图1所示，该监测系统由风电机组的状态信息获取系统、信息中转站和中控中心3部分组成［12-13］。风电机组的状态信息获取系统是监测系统的重要组成部分，它是由部署在风电机组关键部件上的无线传感器节点和基站构成，用来采集风电机组的状态信息。图中风电机组节点部署中的圆点代表无线传感器节点，小型无线信号发射塔代表基站。状态信息获取系统中的无线传感器节点和基站构成一个监测网络，监测网络采集到的风电机组状态信息通过基站传递到中控中心。

由于无线信号传输的可靠性受距离和环境的限制，风电机组一般远离中控中心且所处环境恶劣，为了保证到达中控中心的风电机组状态信息的准确性与保真性，需通过信息中转站将风电机组的状态信息转发给中控中心［14］。目前，信息中转站大多由近地通信卫星或者其他网络提供，如：基于GSM（global system for mobile communication）短消息的信息传输和基于GPRS（general packet radio service）的信息传输等方式。监测系统工作时，工作人员可在中控中心实时监视风电机组的工作状态。

1.2监测系统备用节点部署

在风电机组易发生故障的位置，节点需采集并传输的状态信息量较大，因此这些位置的节点更容易发生硬件失效或通信故障等问题，导致监测系统不能正常工作。若对这些位置上的节点进行备件，当节点失效时立即启用备用节点，则能保证监测系统的可靠性。

风电机组中的液压系统、偏航系统、叶片及桨距系统、齿轮箱、电力电子器件、发电机、机械刹车、传感器及轮毂发生故障［15］的比例如图2所示。

图1　基于WSN技术的监测系统Fig.1　Monitoring system based on WSN

图2　风电机组常见故障比例Fig.2　Common faults ratio of wind turbine

基于对风电机组易发故障的部件分析可知，风电机组的传动系统、齿轮箱、发电机及叶片故障率较高。这些部件上部署的节点需采集并传递大量的状态信息，并且这些节点处于振动幅度较大的环境中，相比其他部件上的节点更易失效。因此，在确定备用节点数目后，首先对这些位置部署备用节点，具体部署位置如表1所示，其中优先级越高的位置需首先部署上备用节点。

表1　带齿轮箱的风电机组备用节点部署位置Tab.1　Places of reserve nodes for wind turbine with gearbox

2　监测系统的可靠性建模

2.1基于马尔可夫模型的监测系统状态转移过程

设风电机组状态监测系统的监测网络由m个相同的子网组成，且每个子网均有n个相同的无线传感器节点，即系统有k=m×n个相同的节点。监测系统部署了l个备用节点，若将监测系统的状态转移过程可看成一个马尔可夫链，以节点的失效数目为衡量标准，则系统共有k+l个状态。

设监测系统的固有节点和备用节点因发生故障而失效的随时间变化分布函数均为f（1t），失效节点经修复后可再次利用。由于风电机组远离控制中心，从发现节点失效到修复成功需要一定的时间，设节点的修复率随时间变化的分布函数为f（2t）。本文f（1t）和f（2t）均为指数形式，对应的速率分别为α和β。需要说明的是，本文后续章节提出的方法同样适用于其他分布函数的情况。

状态0～l：监测系统为健康状态H，从状态i转移到状态i+1的速率为kα，返回状态i-1的速率为iβ。当监测系统处于健康状态H时，若有节点失效，均有对应的备用节点更换。状态l+1～l+k：监测系统中没有备用节点，节点失效会影响监测系统的性能，从状态l+j以速率转移到下一个状态的速率为（k-j）α，返回状态l+j-1速率为（l+j）β。若监测系统所能容忍失效的最大节点数为r，则状态l+ 1～l+r为监测系统的风险状态C，状态l+r+1～l+k为监测系统的失效状态F。此时，监测系统已不能完成对风电机组状态健康监测的任务。监测系统的状态转移过程如图3所示。其中，白色代表监测系统处于健康状态H，灰色代表监测系统处于风险状态C，黑色代表监测系统处于失效状态F。

图3　风电机组监测系统状态转移过程Fig.3　Status transfer process of wind turbine condition monitoring system

由马尔可夫状态转移模型可得监测系统状态转移方程为

式中，P0（t）～Pl+k（t）为风电机组监测系统处于状态0～l+k概率。令初始t=0时，P0（0）=1，P1（0）= P2（0）=…=Pl+k=0；对监测系统在不同状态的概率对时间进行微分，并运用迭代法求解方程组（1），可得出监测系统在各个状态下的概率稳态值为式中：P0为状态0概率稳态值；Pi为状态0～l+1概率稳态值；Pl+j+1为状态l+1～l+k概率稳态值；μ=α/β。

2.2监测系统可靠性建模

令Pr为监测系统不能对风电机组进行健康监测的系统可靠性临界值。令当监测系统可靠性A≤Pr时，监测系统不能正常工作；当A=Pr时，监测系统所需的备用节点数即为监测系统所能容忍失效的最大节点数r。则监测系统状态函数S（N）j为

式中：M为某时刻系统中失效的节点数目，M=1，2，…，r；Nj监测系统的状态空间向量，由m个子网状态向量组成，即

其中

监测系统的可靠性A（t）定义为t时刻S（N）j=1 或0的概率，即

为了方便求解A（t），设监测系统中某时刻有M （M≤k）个备用节点短缺，每个子网可失效的最大节点数为fmax，则此时在一个子网中恰好有fj个备用节点短缺的概率为

令A0为一个子网中未出现备用节点短缺时的风电机组监测系统可靠性，Aj为一个子网中有fj个备用节点短缺时的系统可用性，AM为系统中有M个备用节点短缺时的系统可用性，则

由于监测系统从状态0～l不会出现备用节点短缺，失效节点可通过备用节点替换，因此，A0=1。此外，由于fj≤M，当fj≤fmax时，Aj=1；当fj＞fmax时，Aj=0，因此监测系统的可靠性函数为

3　基于PSO算法的备用节点优化求解

3.1PSO算法简介

PSO算法来源于对鸟类捕食行为的研究，是一种启发式寻优算法。对于含有多个变量的优化问题，PSO算法首先初始化一群粒子，粒子根据自身寻优经验和粒子间的经验共享，不断更新粒子的速度和位置，最终求得问题的最优解。PSO算法以其实现容易、精度高、收敛快等优点在解决优化问题中展示其优越性［16-17］。

本文选用PSO算法对监测系统的备用节点数目进行优化求解。本文粒子的更新公式为

式中：vid为粒子的速度；Yid为粒子的位置；ω为惯性权重；k为当前迭代次数；Pgd为群体适应度值最优位置；Pid为个体适应度值最优位置；Igd为每次迭代过程中群体适应度值最优位置；a1、a2、a3为加速因子；b1、b2、b3为［0，1］区间的随机数。

3.2基于系统可靠性备用节点数目优化

由式（10）可知，影响监测系统可靠性A的因素有：备用节点数l，每个子网所能容忍失效的最大节点数fmax，系统中失效的节点数M，系统所能容忍失效的最大节点数r，系统中固有的节点数k，系统中的子网数m，每个子网所包含的节点数n以及节点的失效修复速率之比μ有关。

当其他影响因素相同时，随着备用节点数l的增加，系统的可靠性越来越高，同时，监测系统的构建成本也越来越高。因此，需要在实现监测系统对风电机组健康监测的前提下，降低监测系统的构建成本，系统构建成本函数为

式中：C为系统备用节点成本；C0为备用节点的单价；Cp为监测系统未配置备用节点的构建成本。而系统所能容忍失效的最大节点数r是由系统可靠性A以及系统的备用节点数l共同确定的。则监测系统的优化模型为

算法具体流程如下：

（1）确定监测系统的基本参数值，初始化粒子的位置和速度；

（2）根据监测系统的约束条件修改粒子的位置和速度；

（3）根据目标函数C计算粒子适应度值，记录个体极值和群体极值；

（4）更新粒子的位置和速度；

（5）根据监测系统的约束条件修改粒子的位置和速度；

（6）计算粒子适应度的值，记录最优粒子位置以及个体值和群体值；

（7）判断是否达到最大迭代次数，是则停止；否则转到步骤（4）；

（8）根据系统可靠性A以及系统备用节点数l确定系统所能容忍失效的最大节点数r的值。

4　算例分析

本文采用Matlab软件对风电机组状态监测系统可靠性与每个子网可失效的最大节点数fmax的关系进行仿真。仿真参数为：m=8，n=6，μ=0.25，Pr= 0.9。系统机舱部分共有6个子网，3个叶片部署的节点构成1个子网，塔筒上的节点单独构成一个子网。监测系统的可靠性A随着备用节点数l及每个子网可失效的最大节点数fmax的变化关系见表2。

表2　监测系统可靠性A随l和fmax的变化Tab.2　Reliability A of condition monitoring system changing with l and fmax

在工业领域中，一般均采用备件措施来提高系统的可靠性，基于WSN的监测系统也需在每个子网中部署一个备用节点来保证系统的正常工作。从表2可知，当监测系统每个子网都有一个备用节点时，系统可靠性约为68%；若继续增加备用节点，监测系统的可靠性趋于80%，此时系统更为稳定，可为工作人员提供更可靠的风电机组状态信息；当l≤6时，监测系统的可靠性随着每个子网所能容忍失效的最大节点数fmax增大而提高；当l＞6时，系统的可靠性不再随着fmax的变化而变化。这是因为随着备用节点数l的增加至某一定值时，系统中失效的节点总能有备用节点提供替换，此时系统的可靠性将保持不变。

为进一步研究监测系统的可靠性A与备用节点数l的关系，采用第3节所提粒子群算法对监测系统备用节点数l进行优化，其优化过程如图4所示。

由图4可见，监测系统的可靠性A随着备用节点数l的增加而增大。当0≤l＜4时，监测系统的可靠性几乎为0，不会随着备用节点数l的增加而增大；当4≤l＜10时，监测系统的可靠性随着备用节点数l的增加而急剧增大；当10≤l＜16时，系统的可靠性随着数l的增加而增长缓慢且逐渐趋近于1；当l≥16时，监测系统的可靠性趋近于1且保持不变。其最终优化结果为：A=0.993 799，l=16，r=6。将8个备用节点分配到监测系统的8个子网中，此时监测系统已较为稳定；再将剩余的8个备用节点根据表2中“备用节点部署优先级”的高低顺序将其部署在风电机组上。

图4　基于粒子群算法的监测系统优化过程Fig.4　Optimization procedure of condition monitoring system based on PSO

为了更好地优化并改进基于WSN技术构建的监测系统，设监测系统仿真参数为：k=48，μ=0.25，Pr=0.9，监测系统可靠性A＞0.99，改变每个子网的节点数n，则监测系统的l、r与n的关系如图5所示。

图5　n对l、r的影响Fig.5　Effect of nodes number n on l，r

由图5可见，当监测系统中节点数k一定时，系统l、r的大小不会随每个子网的节点数n的变化而变化；又因k=m×n，则系统中所包含的子网数m也不会影响监测系统的可靠性、l以及r。因此，当k一定时，若监测系统的其他因素相同时，监测系统的可靠性及l、r的大小相同。

设监测系统的节点数k=48，n=6，监测系统可靠性A＞0.99。改变监测系统的节点失效速率和修复速率之比μ，监测系统中l、r的大小与μ的关系如图6所示。

图6　μ对l、r的影响Fig.6　Effect of μ on l，r

由图6可见，当监测系统其他参数一定时，监测系统的备用节点数l随μ的增大而急剧增大，这是因为当μ增大时，节点失效的快且修复的慢，系统为了保持一定的可靠性需要配置更多的备用节点来保证系统的可靠性；同时，随着μ的增加系统所能容忍失效的最大节点数r也随之增加，但增长比较缓慢，这是由于系统为了保持可靠性系统所能容忍失效的节点数在相对减少。

设监测系统的节点数n=7，μ=0.25，监测系统可靠性A＞0.99时，改变k的值，监测系统中l、r的大小与k的关系如图7所示。

图7　k对l、r的影响Fig.7　Effect of nodes number k on l，r

由图7可见，当监测系统其他参数一定时，监测系统l及r随k的增大而增大。

通过上述分析可知，系统固有节点数k及节点的失效和修复速率之比μ对监测系统可靠性以及l、r的大小影响最大。因此，在构建系统时，应当综合考虑这几方面影响因素，保证监测系统的可靠性最优以及系统所需的节点数l最少。

5　结语

本文对基于WSN的风电机组状态监测系统的可靠性进行研究，提出一种对节点进行备件的方法来提高监测系统的可靠性。研究结果表明，本文所提的方法可在系统构建成本最低的前提下，提高监测系统的可靠性，为其应用于实践提供可行性依据。本文下一步的工作重点拟探讨系统节点失效数目超过r时，如何在不增加备用节点的个数的前提下，使得监测系统能够实现自我修复，保障监测系统的性能。

［1］傅质馨，袁越（Fu Zhixin，Yuan Yue）.海上风电机组状态监控技术研究现状与展望（Status and prospects on condition monitoring technologies of offshore wind tur⁃bine）［J］.电力系统自动化（Automation of Electric Pow⁃er Systems），2012，36（21）：121-129.

［2］苏鹏声，王欢（Su Pengsheng，Wang Huan）.电力系统设备状态监测与故障诊断技术分析（Technology analysis of state monitoring and fault diagnosis in electric power systems）［J］.电力系统自动化（Automation of Electric Power Systems），2003，27（1）：61-65，82.

［3］ 傅质馨，赵敏，袁越，等（Fu Zhixin，Zhao Min，Yuan Yue，et al）.基于无线传感网络的海上风电机组状态监测系统构建方法（Construction strategies for offshore wind turbine condition monitoring system based on wire⁃less sensor networks）［J］.电力系统自动化（Automation of Electric Power Systems），2014，38（7）：23-28.

［4］王传坤（Wang Chuankun）.大功率风电齿轮箱的无线监控系统研究（A Study on Wireless Monitoring in High Power Gear Box of Wind Power）［D］.淮南：安徽理工大学电气与信息工程学院（Huainan：College of Electrical and Information Engineering，AnHui University of Sci⁃ence&Technology），2010.

［5］王哲敏（Wang Zhemin）.无线传感器网络在风力发电机组状态监测中的应用研究（Application Research of Wireless Sensor Networks in Wind Power Machine Moni⁃toring）［D］.包头：内蒙古科技大学机械工程学院（Baotou：Mechanical Engineering School，Inner Mongo⁃lia University of Science&Technology），2010.

［6］杨文志，谭浩广，谌文俊（Yang Wenzhi，Tan Haoguang，Chen Wenjun）.基于WSN的风力发电机状态监测系统（Wind turbine condition monitoring system based on WSN）［J］.内蒙古科技与经济（Inner Mongolia Science Technology&Economy），2011（21）：95-96.

［7］罗巧，刘红（Luo Qiao，Liu Hong）.基于Zigbee技术的风场监控系统构建（Zigbee based monitoring system on wind farm）［J］.信息网络安全（Netinfo Security），2013 （4）：36-38.

［8］ Hsu ChunLiang，Hsu TengYaw，Ho KuanYen，et al.The practical design of constructing data transition interface with ZigBee WSN-example with small-scaled wind-pow⁃er electricity generator system［C］//First IEEE Internation⁃al Conference on Ubi-media Computing.Lanzhou，China，2008：496-502.

［9］ 邬春明，张海波（Wu Chunming，Zhang Haibo）.基于WSN的风力发电运行监测系统LEACH协议改进研究（The improvement of LEACH agreement for wind power generation monitoring system on WSN）［J］.东北电力大学学报（Journal of Northeast Dianli University），2011，31（1）：29-33.

［10］Fu Zhixin，Yuan Yue.Condition health monitoring of off⁃shore wind turbine based on wireless sensor network［C］// 10th International Power&Energy Conference.Ho Chi Minh，Vietnam，2012：649-654.

［11］张荣标，陈婷，沈卓，等（Zhang Rongbiao，Chen Ting，Shen Zhuo，et al）.工业控制WSN汇聚节点可靠性分析（Reliability analysis of sink node in industrial control WSN）［J］.江苏大学学报（Journal of Jiangsu Universi⁃ ty），2011，32（3）：320-324.

［12］Popeanga C，Dobrescu R，Cristov N.Smart monitoring and controlling of wind turbines farms based on wireless sensors networks［C］//1st International Conference on Sys⁃tems and Computer Science.Lille，France，2012.

［13］田英，徐丽杰，王玮，等（Tian Ying，Xu Lijie，Wang Wei，et al）.基于统一平台的风电场中央监控系统主站设计（Design of main station in windfarm center monitoring system based on unified platform）［J］.电力系统及其自动化学报（Proceedings of the CSU-EPSA），2014，26 （2）：55-59.

［14］Zimmerman A T，Lynch J P.A parallel simulated anneal⁃ing architecture for model updating in wireless sensor networks［J］.IEEE Sensors Journal，2009，9（11）：1503-1510.

［15］蒋程，张建华，刘先正，等（Jiang Cheng，Zhang Jianhua，Liu Xianzheng，et al）.计及运行工况的风电机组停运模型（Wind turbine outage model based on operation conditions）［J］.电力系统保护与控制（Power System Protection and Control），2013，41（24）：112-116.

［16］Lee Tsung-Ying.Operating schedule of battery energy storage system in a time-of-use rate industrial user with wind turbine generators：a multipass iteration particle swarm optimization approach［J］.IEEE Trans on Energy Conversion，2007，22（3）：774-782.

［17］Gaing Zwe-Lee.Particle swarm optimization to solving the economic dispatch considering the generator con⁃straints［J］.IEEE Trans on Power Systems，2003，18（3）：1187-1195.

System Reliability Analysis for Wind Turbine Condition Monitoring System Based on Wireless Sensor Networks

ZHAO Min1，2，FU Zhixin1，2，YUAN Yue1，2，SHAO Qiukui3，LYU Pengyuan4
（1.College of Energy and Electrical Engineering，Hohai University，Nanjing 211100，China；2.Research Center for Renewable Energy Generation Engineering of Ministry of Education，Hehai University，Nanjing 210098，China；3.China Three GorgesNew Energy Corp，Beijing 100053，China；4.Xiangshui Yangtze River Wind Power Co.，Ltd，Yancheng 224600，China）

By using reliable monitoring system，it will realize the real time monitoring of wind turbines′running state，find and solve the faults in time．The reliability of the wind turbine condition monitoring system based on wireless sen⁃sor network（WSN）is studied in this paper.In order to improving the reliability of the system，the reserve WSN’s nodes are deployed on the places of the wind turbine where faults often occurred.Reliability function of the system is built by Markov.Besides，the number of redundant nodes is optimized by particle swarm optimization，under the conditions that the cost of the system as its target function and the reliability as its constraints，and then analysis factors effected the reli⁃ability of the system.The results show that increasing the reserve nodes can improving the reliability of the system．

wind turbine monitoring system；reliability；reserve nodes；wireless sensor network

TM744

A

1003-8930（2016）03-0035-07

10.3969/j.issn.1003-8930.2016.03.007

赵敏（1990—），女，硕士研究生，研究方向为风电机组状态监测、可再生能源发电技术和无线传感器网络。Email：zhaom1114@163.com

傅质馨（1983—），女，博士，讲师，研究方向为可再生能源发电技术和无线传感器网络。Email：zhixinfu@hhu.edu.cn

袁越（1966—），男，博士，教授，研究方向为电力系统优化运行、电力系统稳定分析与控制、可再生能源与节能新技术。Email：yyuan@hhu.edu.cn

2014-06-16；

2015-07-16

江苏省自然科学基金青年项目（BK2012409）；江苏省“六大人才高峰”资助项目（2014-XNY-008）；中国三峡新能源公司科研项目“海上风电运行维护关键技术研究”