2020年10月14日-16日，2020北京國際風(fēng)能大會暨展覽會（CWP 2020）在北京新國展隆重召開。作為全球風(fēng)電行業(yè)年度最大的盛會之一，這場由百余名演講嘉賓和數(shù)千名國內(nèi)外參會代表共同參與的風(fēng)能盛會，再次登陸北京，本屆大會以“引領(lǐng)綠色復(fù)蘇，構(gòu)筑更好未來”為主題，聚焦中國能源革命的未來。能見App全程直播本次大會。
在15日上午召開的關(guān)鍵部件技術(shù)創(chuàng)新分論壇上，中車永濟(jì)電機(jī)有限公司副總工程師段志強(qiáng)發(fā)表《基于人工智能和物聯(lián)網(wǎng)的發(fā)電機(jī)故障診斷系統(tǒng)》主題演講。
以下為發(fā)言實錄：段志強(qiáng)：今天我大概講四個內(nèi)容，一個把我們公司跟大家說一下，稍微介紹我們基于人工智能的故障診斷的方法和常見故障的對比，把我們整個故障架構(gòu)部署方案，和大家探討交流，把我們整個樣品的情況和大家做一個介紹。我們來自中車的，專門做專業(yè)發(fā)電機(jī)的，風(fēng)電的裝機(jī)有三萬三千多臺大概是這么一個情況，這是我們大概主要的產(chǎn)品，我們基于軌道交通，在軌道交通在風(fēng)電做一些拓展和應(yīng)用，電力電子，工程機(jī)械方面。我們現(xiàn)在做的目前國內(nèi)外的各種技術(shù)路線，包括籠型、雙饋，這是我們的歷程，這是我們主要的產(chǎn)品的平臺，這是我們一些國內(nèi)外的布局這個也是組機(jī)企業(yè)配合國內(nèi)外布局的情況，這是我們一些國內(nèi)外的主要的客戶。
下面我想把故障診斷系統(tǒng)給大家做個匯報。大家也說電機(jī)的故障診斷，監(jiān)測在全壽命周期過程中它對你是透明的，不是一個黑匣子，我們出現(xiàn)故障之前不知道是什么造成的，因為我們技術(shù)實時的監(jiān)控這樣一個方法，全息感知目標(biāo)，打通信息采集、傳輸存儲，我們算法上做了一些優(yōu)化。診斷系統(tǒng)傳感器的線，振動傳感器，電壓電流，可用一些無限的技術(shù)，無限傳感器，包括一些其他的傳感器，再去做一些信息的傳輸。
我們診斷方法和傳統(tǒng)故障診斷方法的區(qū)別，傳統(tǒng)診斷方法，信號進(jìn)行一些負(fù)載的信號處理，技術(shù)手段處理，第二個需要通過時域、頻域等各方面入手，手動針對故障特征進(jìn)行提取與處理。再從頻率上特征值再提取一些故障特征，這是目前我們常用的方法，需要大量的知識和人工的介入。我們傳統(tǒng)方法，是針對特種類型，我們不平衡，包括軸承內(nèi)外圈故障情況，沒有考慮綜合負(fù)載的因素。外界環(huán)境比較復(fù)雜，沒有考慮外界環(huán)境對整個故障診斷系統(tǒng)的影響，第三個針對故障建立模型。這是我們目前傳統(tǒng)的。海還有我們機(jī)器學(xué)習(xí)的故障方法，信號的降噪處理。頂層架構(gòu)，大概我們基于機(jī)器學(xué)習(xí)鼓掌方法，已知的故障，整個特征的提取信息的對比，然后進(jìn)行分類，然后識別，第二個通過位置故障信號深度學(xué)習(xí)，逐漸建立故障庫，知識庫進(jìn)行故障的辨識。這是目前主要的兩個常見的，利用人工智能技術(shù)算法上進(jìn)行優(yōu)化，主要是通過計算機(jī)，提取技術(shù)特征，現(xiàn)在也是我們在做的故障預(yù)測和健康管理方面新的發(fā)展方向。
我們這個基本特征，無需要專家知識實現(xiàn)建模，現(xiàn)在傳統(tǒng)故障診斷軟件開發(fā)需要這個行業(yè)的專家去做一些深入的研究，尤其在物理模型上面做一些適當(dāng)?shù)奶幚磲槍π缘拈_發(fā)定制化解決方案。我們這個項目特點，采用數(shù)據(jù)驅(qū)動人工智能算法，也不需要太多的專家支持，僅需要提供訓(xùn)練數(shù)據(jù)和數(shù)據(jù)標(biāo)簽，學(xué)習(xí)數(shù)據(jù)標(biāo)簽，這個和我們目前是一樣的，完全由計算機(jī)自主提取故障數(shù)據(jù)特征，建立數(shù)據(jù)映射關(guān)系，不要做下一步故障的分析，學(xué)習(xí)完以后這個什么故障有個標(biāo)簽，再實現(xiàn)不斷的識別做報出，不用做專業(yè)的判斷或者識別。
第二個我們基于人工算法不會受到設(shè)備場景變化的影響，受到復(fù)雜環(huán)境變化對我們的影響，在變化的時候我們相關(guān)的數(shù)據(jù)特點也會變化，傳統(tǒng)故障算法，需要計算新的模型，提高準(zhǔn)確性，數(shù)據(jù)驅(qū)動，數(shù)據(jù)發(fā)生變化。第三個算法拓展性可以識別未知的故障，做一些記錄，做了一個標(biāo)簽，放到我們庫里面，這是大概我們這樣一個主要的一個特征。
總的對比我們傳統(tǒng)故障，單一一個設(shè)備鼓掌，信息孤島，沒有信息的交互，這個通過我們現(xiàn)在物聯(lián)網(wǎng)系統(tǒng)，因為在我們整個監(jiān)測設(shè)備里邊裝了我們整個采集傳輸，包括我們現(xiàn)在故障的信號，故障模型建立需要大量專家知識，人工智能基于人工智能算法自主學(xué)習(xí)辨識，設(shè)備運行環(huán)境變化導(dǎo)致模型需要頻繁維護(hù)，故障分析是什么原因造成的這個可能就會比較麻煩一些，我們這個的話在線更新無需人工介入。
傳感器以游線傳輸為主，可以做一些無限的傳輸，包括在以前老的機(jī)型上做一些改造，只要裝一個無線傳感器可以做一些接入和傳輸。
這個是我們做算法和整個做我們部件的時候，有一個我們當(dāng)時原理模型，可以解釋一下。運行中正常旋轉(zhuǎn)，我們那邊有一個，這是正常的，這是帶一個平衡好的，有一個學(xué)習(xí)，不停把一些信號我們做一些記錄，在外面加了一個偏塊，運行狀態(tài)另外一個變化，把另外一個狀態(tài)，重新技術(shù)學(xué)習(xí)，把這個信號和這個故障的狀態(tài)我們做一個標(biāo)簽，和它完全對應(yīng)起來放到整個庫里邊，這是整個智能算法的原理。
我們整個算法原理放到庫里面以后，我們不要做平移分析，數(shù)據(jù)信號可以分析，下來整個故障系統(tǒng)架構(gòu)，和我們整個部署的方案，我們分幾個層次，感知層，結(jié)合我們穿梭的網(wǎng)絡(luò)特征，實時的監(jiān)測，研究電機(jī)，這個是有感知層，我們特點就是說主要用一些無線傳輸?shù)募夹g(shù)，可能針對一些老的機(jī)型做一些升級改造。
這個就是我們現(xiàn)在整個硬件感知裝載我們整個電機(jī)上，這樣的話我們會布置一些、電壓、電流整個可以監(jiān)控運行過程中發(fā)電機(jī)的電壓電流，不光數(shù)字，包括波形我們進(jìn)行完全的采集，包括整個運行的軸承，裝一些我們振動，無線傳感器的振動監(jiān)測這個，都會做一些監(jiān)控。
傳輸層和目前常見的傳輸理論是一樣的。這也是我們整個傳輸硬件的情況。這是我們整個信息處理，信息處理我想主要還是我們，環(huán)境復(fù)雜包括背景，包括一些環(huán)境的影響，我們基于人工智能相關(guān)理論，診斷方面經(jīng)驗積累，以及我們發(fā)電機(jī)廠家，包括我們現(xiàn)在保有量積累好多運行的數(shù)據(jù)，結(jié)合我們整個模型庫，我們專門開發(fā)后臺的一些信息處理，可以對我們整個發(fā)電機(jī)做一個遠(yuǎn)程的技術(shù)支持。
這個就是整個在應(yīng)用層，這個也是我們現(xiàn)在目前做，在我們分機(jī)上做，我們分層規(guī)模，設(shè)置不同的服務(wù)器去做。這個就是我們大概一個過程。這個就是我們整個部署的方案，我們在現(xiàn)場，包括一些硬件，包括一些傳感器，去做一些穿梭，案例云在做一些合作，在我們地面中心，整個大概流程和框架和目前是一樣的，這塊我們作為整個部件的監(jiān)測。我們整個架構(gòu)現(xiàn)在，經(jīng)濟(jì)成本方面，我說這個因為現(xiàn)在大家也知道，我們現(xiàn)在海上風(fēng)機(jī)發(fā)展，單機(jī)功率是越來越大，尤其我們現(xiàn)在海上的風(fēng)電，也是裝的越來越多，我們到海上以后，如果我們不對我們整個風(fēng)機(jī)運行狀態(tài)監(jiān)控，真出了什么故障出現(xiàn)問題再去維修，整個環(huán)境影響特別大，沒法做一些維護(hù)和維修，整個造成的發(fā)電量的損失包括維護(hù)都是工作量比較大的，用我們系統(tǒng)以后，實施監(jiān)測，發(fā)電機(jī)作為主要大的部件，承載包括機(jī)械，重要性，重要度越來越大，我們開發(fā)這款產(chǎn)品，也是主要針對，大功率電機(jī)監(jiān)測，有這個的話，在海上，大家應(yīng)該很清楚。
第二個做一些安全性，在傳統(tǒng)故障方面，我會講到我們傳統(tǒng)故障的一個流程，前面我簡單的帶了一下，利用智能算法，整個環(huán)境耦合復(fù)雜的因素，我們都可以去做一些判斷。整個部署的時間，在現(xiàn)有基礎(chǔ)上做優(yōu)化改進(jìn)，無限傳感器很快去做，不用在我們現(xiàn)在基礎(chǔ)上大的改動，這是它的整個的結(jié)構(gòu)和優(yōu)點。接下來把我們現(xiàn)在做的給大家說一下，我們傳統(tǒng)故障，主機(jī)有問題，去把振動數(shù)據(jù)，軸承振動超了，超了以后到底什么故障也不知道，我們跟主機(jī)廠聯(lián)系，振動信號考下來，只有專業(yè)的工程師，才會對整個信號做一個專業(yè)的分析，并且這個時間也會比較長，最后通過一定時間的分析得出結(jié)論，再去提出處理意見再去修理這個中間的過程涉及到的環(huán)節(jié)和時間都會比較多一些。用人工智能算法第一個數(shù)據(jù)采集，在故障識別這個地方省去好多環(huán)節(jié)，沒必要說和專業(yè)的振動工程師去分析，專業(yè)的工程師從培養(yǎng)到完全去分析，也是需要很長時間，目前我們還是基于和軸承廠家專家去做一些交流，如果說你完全依靠專家去做，有時候大家也知道，包括時間，我們有這么一個識別系統(tǒng)的話，我們自己就可以做，我們不斷的學(xué)習(xí)，把我們故障和標(biāo)簽發(fā)到庫里邊，有信號出來以后，我們一般的工程師就完全可以識別我們什么故障，去怎么處理，這樣會省到不需要太專業(yè)人員去做，這個專業(yè)的設(shè)計就是剛才專家講到，還是希望有專業(yè)的廠家來去做，我們就會給客戶，給業(yè)主，從我們專業(yè)發(fā)電機(jī)的角度，給大家出一套方案去做，不要再去找別的專家去做，效益方面可能會更快一些，開發(fā)我們整個系統(tǒng)的初衷。
我們整個故障識別率達(dá)到95%，我們做了好多試驗，包括我們后來整個系統(tǒng)去監(jiān)測標(biāo)簽，我們這也是做了將近一年多快兩年的試驗才出這么一個大概的結(jié)果出來。
剛才說的，我們做成我們一個黑匣子里面，我們內(nèi)部的情況，在我們做監(jiān)測的時候一些傳感期限，這個因為我們現(xiàn)在主要是針對發(fā)電機(jī)，發(fā)電機(jī)，部件都不一樣，我們現(xiàn)在不管是任何一個發(fā)電機(jī)，我們都可以做一些采樣，包括軸承，包括振動速度，包括加速度都可以做，包括電壓電流，還有它一些波形，還有就是我們好多的問題，所以這個監(jiān)控的話，就完全把我們整個發(fā)電機(jī)，它的再生運行中所有的一種狀態(tài)，我們完全進(jìn)行監(jiān)控和識別，可能更加全面一些，而不僅僅是我們目前振動的監(jiān)測。
這個是我們當(dāng)時在做實驗現(xiàn)場的一些照片，這個也是我們自己一個界面，可以完全在手機(jī)上登錄遠(yuǎn)程在我們機(jī)房都可以做一下，這個目前我們已經(jīng)實現(xiàn)樣機(jī)運用已經(jīng)開始裝，因為我們軟件實時記錄，除了數(shù)據(jù)以外，我們整個波形，這個波形對我們整個運行的過程的分析，包括監(jiān)控我覺得還是支持還是比較大的，從波形，變流器，更能中間潛在的問題。這個就是我們軸承，如果你想看的話，可以去看，如果不想做太復(fù)雜的工作。
上面就是我給大家分享我目前做的一些工作，目前我們樣機(jī)做了，我們接下來裝到風(fēng)場運行，希望和大家和業(yè)主包括我們主機(jī)廠朋友一起，尤其我們在以后海上，我們發(fā)揮我們專業(yè)廠家的一些作用和貢獻(xiàn)，給我們整個風(fēng)電行業(yè)包括一些主機(jī)廠做出我們一些智慧和貢獻(xiàn)。
（根據(jù)速記整理，未經(jīng)本人審核）
