首页 > 论文范文 > 工程工业论文 > 电力工业论文 > 电能论文 > 海上风电安全智慧化监测系统设计与实现

海上风电安全智慧化监测系统设计与实现

2024-06-04 30 上传者：管理员

摘要：海上风电作为清洁能源的重要组成部分，在风力发电中的作用愈加重要。针对人工监测困难、风电运维成本高等因素，采用B/S架构，结合大数据分布式存储技术，设计并实现了海上风电安全智慧化监测系统，旨在解决海上升压站和海上风机结构安全数据的全程自动化采集、数据分析以及运行维护等问题，提高监测效率和运维安全性，为后续海上风电监测和运维提供了技术支持。

关键词：
数据监测
智慧化
海上风电
系统实现
风电安全
加入收藏

随着我国“2030碳达峰，2060碳中和”的提出，光伏、水电、风电发电等清洁能源已进入快速发展期，能源行业的转型升级也是必然选择[1,2,3]。海上风电作为清洁能源的重要组成部分，有望成为风电发展的主力军。风电智能化水平低，运维昂贵是当前风电集团面临的主要问题，充分利用创新技术，结合智能化、数字化和模块化，构建全新的智慧风电系统为当前重点目标[4]。

昌邑市海洋牧场与三峡300 MW海上风电融合试验示范项目中，风电场装机规模300 MW,拟安装50台风电机组，为监测海上升压站和风机在施工期和运营期的结构安全，在升压站和风机上布设倾角仪、应力计、加速度计、静力水准仪、参比电极等传感器，实时监测其倾斜、应力应变、振动、不均匀沉降、腐蚀电位情况。

海上升压站和风机在施工期和运营期会承受风、波浪、水流、腐蚀等环境要素产生的荷载作用，还可能承受船舶撞击荷载。采用传统的人工方式根本不可能在第一时间发现问题，而且人工读取读数会产生较大的误差。文献[5,6,7,8,9]介绍了各大发电集团在区域集控中心开展的智慧化建设工作，通过集控中心监控平台搭建，实现风电场“无人值班、少人值守、区域管理”的集中监测和远程控制管理模式。

因此，常规的监测手段逐渐满足不了日益提高的监测需求，为满足环境条件和质量要求，监测技术也需要不断改进以适应形势的发展。本文针对智慧风电全周期的建设与管理进行研究设计，以智能化和模块化为基础，采用B/S架构，结合风电大数据分布式存储设计，构建并实现了海上风电安全智慧化监测系统，旨在解决海上升压站和海上风机结构安全数据的远程自动化采集、数据分析以及运行维护等问题，保证风机和升压站的安全效率运行，并根据海上风电场中风机和升压站真实的经纬度坐标和结构形式，建立三维可视化风场，依据监测数据对风场未来的变化进行预测分析，实现监测运维一体化的智能化管理。

1、系统总体设计

1.1总体目标

海上风电智慧化监测系统，根据现实世界中的风场建立三维可视化风场，根据监测内容配置数据采集模块，可接入多种类型传感器，集振动、倾斜、应力应变、不均匀沉降等多种类型的监测数据于一体，建立专用的信息管理平台，对所有安全监测数据进行统一存储、管理、维护与分析，为设计人员和管理者科学决策提供依据。

本论文数据由浙江中自庆安新能源技术有限公司实测技术提供，系统根据海上风电场中升压站和风机真实的经纬度坐标和结构形式，建立三维可视化风场，监测数据可实时呈现在可视化风场中，并可根据监测数据对风场未来的变化进行预测及分析。对于保障海上升压站和风机结构的安全性、降低企业后期维修成本起到了重要的作用。

系统实现了风电场仿真可视化、风电安全监测与信息预警、测点和监测设备自动采集、风电数据管理与报告管理等功能，同时具备数据实时采集、设备控制、参数调整等功能，最终实现监测运维一体化的智能化管理。

1.2系统架构

系统采用三层架构，包含数据层、服务层和表现层三个部分，具体平台体系架构如图1所示。数据层为系统的基础层，基于统一空间尺度进行海上风电、海上升压站、海洋勘测、数值预报以及风塔观测等多源异构数据的整合集成。经过数据清洗、数据集成、数据融合、和各类监测数据的时空同步。构建基础安全数据库、基础地理数据库、监测设备数据库、冲刷监测数据库以及水文环境数据库对多源数据进行统一的存储和管理。

服务层采用Web Service技术，建立浏览器端和数据端的链接，为用户提供数据查询、场景搭建等服务，实现数据的快速查询和个性化检索。服务层的内容主要包括场景仿真可视服务模型、基础安全数据服务模型、预警监测分析服务模型、地形冲刷监测服务模型和海洋水文生态统计模型等。

应用层是在服务层的基础上，实现三维仿真可视、基础安全预警、数据统计分析、设备监测管理、地形冲刷监测等功能，直接为用户提供操作服务。主要监测功能主要包括风电监测管理与信息预警、测点和监测设备管理、监测数据与报告管理等功能。

图1系统架构示意图

2、关键技术

2.1风电监测大数据分布式存储技术

随着风机监测技术不断提高，监测类型和监测数据量不断增加，早些风机监测系统的底层数据库采用实时数据库，系统后台计算资源采用单硬件计算，难以应对海量监测数据的存储和管理，并且存在检索查询慢，耗时长等缺点。因此，本系统提出并设计了基于Hbase+ES的监测数据分布式存储方案。

由于HBase支持的查询方式简单，只支持行键查询和全表扫描，不能满足监测数据查询中的复杂数据查询条件。本系统利用分布式搜索引擎Elasticsearch构建二级索引，使用ES作为风机监测数据检索方案，Hbase作为风机监测数据分布式存储方案。图2为风电监测数据分布式存储架构图。

图2风电数据分布式存储架构图

首先提取需要查询的风机和升压站数据的索引信息，将提取后的索引信息构建索引文档，然后将索引文档作为HBase数据库的二级索引通过映射建立对应的数据类型，添加到ES集群当中，当添加完成之后再向HBase集群当中导入全部的监测数据。在简单数据查询的时候，可以通过数据的行键对数据库进行直接的数据获取。但是当使用复杂的查询条件时，通过查询条件构建ES的检索条件，返回符合查询条件的行键，再通过获取的行键结果，批量查询HBase当中的数据记录。

当Hbase无法满足复杂查询条件时，客户端首先将用户的查询条件解析为DSL语句，然后筛选出符合条件的行键传给客户端，客户端将返回的行键作为HBase数据库的查询输入，按照行键的顺序查询相应风电数据结果，用户通过客户端返回的结果进行查看，完成风电数据的复杂查询。图3为风电数据查询序列图。

图3风电数据复杂查询序列图

2.2监测数据智能化分析

风电系统中的传感器采集被测信号时，测得的数据中会有许多干扰和噪声，因此需要对信号进行预处理，目的是让测得的信号有效信息更加明确。该系统结合实际情况，采用小波分析方法进行数据降噪。在时频平面不同位置，小波分析可以进行多分辨率分析从而最好的排除噪声干扰。

该系统对原始数据采用小波变换进行信号分解，然后采用不同权值将其加权后进行信号重构，以此来达到降噪目的。含噪声的一维信号模型公式如式(1)所示。

s(k)=f(k)+∂e(k),k=0,1,…,n-1 (1)

式中：s(k)为含噪声信号；f(k)为有用信号；e(k)为噪声信号；∂为噪声强度。

将原始信号拆分为三层，分别进行小波分解，最终在第三层小波分解得到近似信号CA3(低频成分);以及每层信号得到的细节信号CD1、CD2和CD3(高频成分),并对细节信号进行处理分析，剔除原始数据中的噪声部分。

3、系统实现

3.1风电场仿真模型可视化

系统结合升压站和风机的结构特点，建立三维可视化模型。利用虚拟仿真技术将风机和升压站模型进行可视化显示，建设同真实风场对应的三维可视化风场，对不同风机和升压站状况进行实时监测，便于直观显示风电场实时状态，方便用户直接选择相应设备进行信息监测和查询，系统前端可视化场景如图4所示。

3.2风电安全监测与信息预警功能

依据风压站和风机的实际监测方案，设置系统的不同监测内容，根据采集频率不同分为动态监测和静态监测，对数据采集设备和监测内容进行关联，实现不同监测内容的智能化结合，并同时实现监测信息预警。

1)常规监测功能。

海上升压站和风机的常规监测内容包括倾斜监测、应力应变监测、振动监测、不均匀沉降监测、腐蚀电位监测，每类监测内容需要安装的传感器类型不同。

图4风电场前端三维可视化场景图

2)倾斜监测。

在主柱24.0 m的标高设置4台倾角仪，设置倾斜预警值为0.172°,控制值为0.229°。传感器实时监测风机倾角仪数值，将风机的倾斜状态返回给客户端，当风机倾斜角度超出倾斜预警值和控制值会在第一时间产生预警功能。

3)不均匀沉降监测。

在同一层平台立柱处设置4个静力水准点，同时设置不均匀沉降量预警值为17 mm,控制值为34 mm。

系统可以显示各类传感器的工作状态，将风机和升压站划分为重点监测和非重点监测，可以实时监测双向倾角仪、腐蚀电压、三向加速计、静力水准仪等设备的工作状态，并对有异常值出现的设备进行预警显示，并以图表的形式将数据进行整合汇总。

3.3测点和监测设备自动采集功能

1)测点配置。

系统可以实现后台对测点名称、所属升压站或风机、对应的数据采集模块地址、通讯模块等信息进行关联，实现不同测点和监测设备对数据的自动化采集。

2)测点参数设置功能。

对测点的初始化参数进行设置，包括采集频率、报警阈值、初值、校正系数等。对监测设备进行管理和配置，并实现监测设备的远程控制，可以远程向现场数据采集单元发送远程指令，既能远程设置现场数据采集单元的监控参数，如采样频率，通讯间隔等，也可以监测现场数据采集单元的工作状态，实现远程自动化采集。

3.4风电数据管理与报告管理功能

1)数据采集、传输及存储功能。

采集传感器监测数据，系统通过对自动化采集仪器的参数设定，实现数据自动化采集。

2)数据查询功能。

数据查询分为动态数据查询和静态数据查询两类监测数据，可通过监测类型、风机编号、开始时间至结束时间等条件进行筛选，查询监测数据。

3)数据统计分析。

根据监测目的不同，系统对监测数据采用不同的算法进行初步统计分析。对于振动监测，系统可以对振动监测数据进行频谱分析、自功率谱分析，通过自功率频谱分析，可以进行信号监测和识别、噪声分析，同时可以了解信号的主要频率成分以及频率特性是否符合设计要求。

4、结语

海上风电具有污染小、能源密度高、可再生等优点，在风电发电中发挥的作用不断提高，但由于海上环境复杂，风电设备运行维护难度高等问题，风机和升压站的结构安全监测和数据智能采集显得尤为重要。

本文依据风电监测特点，基于B/S架构，设计并实现了海上风电安全智慧化监测系统，主要功能有风电场仿真模型可视化功能、监测管理与信息预警功能、测点和监测设备管理功能以及监测数据与报告管理功能。系统提出并设计了Hbase+ES的风电监测数据分布式存储方案，方便后续对风电数据进行存储和分析，结合数据智能化分析技术，实现了海上升压站和海上风机结构安全数据的全程自动化采集、数据分析、运行维护以及安全监测等功能，提高了监测效率和运维的安全性，对于保障海上升压站和风机结构的安全性、降低企业后期维修成本起到了重要的作用，为后续海上风电监测发展和运行维护提供了技术支持。

参考文献:

[1]姜红丽,刘羽茜,冯一铭,等.碳达峰﹑碳中和背景下“十四五”时期发电技术趋势分析[J].发电技术,2022,43(1):54-64

[2]童光毅.基于双碳目标的智慧能源体系构建[J].智慧电力,2021,49(5):1-6

[3]王丽杰,张喜平,冯强,等.基于云边协同的新能源监控与大数据平台构建[J].分布式能源,2021,6(1):44-50,55

[4]张树晓.基于大数据平台的新能源智能化运营监管技术[J].分布式能源,2022,7(1):74-82

[5]刘祥雄,胡德聪,吴磊.基于大数据平台的智慧风电集控建设解决方案[J].能源科技,2021,19(6):41-43,75

[6]曹拥军.智慧发电“集控”安全[J].现代职业安全,2020(8):34-35

[7]吴萌.基于Hadoop架构的风电场集中监控系统的研究与实现[D].济南:山东大学,2018

[8]丛智慧.基于云平台大数据技术的风电集控系统的设计与应用[J].内蒙古科技与经济,2016(19):61-63

[9]黄海燕,黄力哲.基于工业互联网的智慧风电管理[J].企业管理,2019(z1):240-241

文章来源:高兴国,常增亮,李乐乐,等.海上风电安全智慧化监测系统设计与实现[J].水电与新能源,2024,38(05):1-4.