海上风电机组故障诊断及运维策略研究.pdf

技术协作信息2023（5）总第 1486 期海上风电机组故障诊断及运维策略研究张星1，吴刚1，沈振2，徐华利11.中广核风电有限公司 2.河南平高电气股份有限公司摘要：风力发电近几年已经越来越被重视，海上风电机组作为重要的电能转换设备，运行状态对风电场的日常运行与维护具有显著影响。但是由于风电机组工作环境恶劣，内部结构复杂，相应的故障率较高，导致风电机组运维成本高。因此，本文针对海上风电机组故障诊断方法及运维策略进行了研究，基于海上风电机组的监督控制和数据采集数据，运用数据驱动方法，对海上风电机组进行状态监测与故障诊断，根据诊断类型和原因分析，提出基于风电机组状态的海上风电运维策略。关键词：海上风电机组，故障诊断，运维策略技术探讨与推广引言当前世界范围内，关于保护和应对气候变迁问题已形成共识，首先提出了联合国气候变化框架公约，后来又发布了 巴黎协定，包括国内的两会报告和“十四五”规划大纲相关内容，中国首次明确提出了2030 年实现“碳达峰”，2060 年前实现“碳中和”任务。与此同时，第十四个五年规划明确指出，加快壮大新能源、风力发电、绿色环保等产业，推动能源革命，完善能源产出供销体系，建设智慧能源体系。在能源危机与全球生态环境恶化的双重压力下，风能作为一种无污染、可持续利用的新能源具有巨大发展潜力。在过去二十年里，风电作为发展最快的可再生能源之一，全球累计风电装机容量已增加近 75 倍。风能作为一种可再生能源，基本上对环境无污染而且可持续，目前在全球范围内都受到强烈关注，但是风能资源与环境的相关性很高，比如在沿海地区、山区以及平原陆地等区域，风能资源是有区别的，其中海上风能资源相比陆地高出了 20%40%，同时中国的大陆海岸线近 1.8 万多千米之长，所管辖海洋范围接近 300 万平方公里，海洋的风能资源非常充足。所以，海上风能资源的开发在促进能源结构转型，助力我国在承担全球环境保护各项任务中发挥出举足轻重的作用。随着海上风电的不断发展，风电机组随之而来的运行和维护问题也逐渐增多，因此需要加大研究通过精确、快捷的故障诊断技术，来更准确掌握整个海洋风电机组的真实工作状况，从而优化整个海洋风电机组的运维检修计划，进而推动海洋风电资源更优质有效地研究开发利用和现代化运维管理。一、国内外研究现状近年来，海上风电在风机设备的完善和故障检修的安排上也逐步朝着更加精细化的方向在发展，全球各国的研究学者对海上风电机组的故障诊断方法进行了大量的研究，近年来也取得了很好的成绩。风电机组故障诊断方法一般分成两类，一类是基于解析模型的方法，另一类是基于数据驱动的方法。基于解析模型的故障诊断方法适用于研究对象可以精确建模的系统，通过与已知模型对比实现故障辨识的目的，常用的方法有状态估计法和参数估计法。随着人工智能及深度学习的快速发展，基于数据驱动的故障诊断方法已经成为如今风电领域的研究热点。相较于基于解析模型的故障诊断方法，基于数据驱动的故障诊断方法无需精通系统原理、容易建模以及可以实现自动诊断，是目前故障诊断所采用的主流方法。根据数据来源的不同，可分为基于 CMS 数据的方法和基于 SCADA 数据的方法。海上风电快速、大规模开发，使得数量众多的风电机组运行于海洋恶劣环境中，风电机组的运行与维护（运维）需求十分突出。运维研究主要围绕何时、以何种顺序、对哪些风电机组进行哪些维护几个方面展开。考虑到海上风电场众多的风电机组、广阔的空间分布，以及海上昂贵的维护成本和大容量海上风电机组单位时间内可观的停机损失，海上风电机组的运维优化是一个复杂的技术经济问题，国内外许多专家学窑窑技术协作信息2023（5）总第 1486 期技术探讨与推广者对此开展了诸多方面的研究。在确定风电机组维护时间方面，主要基于给定的劣化模型，以全生命周期维护成本或单位时间维护成本最小为目标，对设备状态维护阈值进行优化。但是现有研究主要存在以下两个方面的不足，一方面，对风电场中风电机组的状态信息考虑不充分。近年来，随着智能风电技术的发展，风电机组状态监测与故障诊断技术获得了快速的发展。风电机组的主要部件，如叶片、齿轮等，通过实时监测其振动、温度等非电气量参数，与电压、电流等电气量参数，结合模型推导或大数据分析对部件的状态及故障进行监测与诊断。但是，海上多变环境可能引起的监测数据剧烈变化，状态信息可能存在灵敏度不足的问题，同时，在如何充分利用风电机组的实时状态信息指导运维决策方面也缺乏相关研究。另一方面，风电机组预防性维护过程中，维护时间选择及风电机组维护时尾流变化引起的发电量变化影响也存在考虑不充分的问题。海上风电机组大多为大容量长叶片机组，单位时间停机损失及尾流效应均十分突出。以平均风速估算停机损失或仅考虑维护过程中的风速约束，均不能充分发挥短期风速预测与风电机组实时状态监控的优势，实现最小停机损失。二、风电机组故障诊断存在的问题综合国内外研究现状可知，现有海上风电机组故障诊断方法已经取得了一定的进展，但仍存在一些问题，具体如下：（1）基于定性经验的风电机组故障诊断方法，和基于定量故障诊断方法中的解析模型法，由于难以在复杂的风电系统中建立精确、有效的数学模型，因此不太适用于海上风电机组故障诊断。而基于 CMS 数据的故障诊断方法由于 CMS 安装成本太高又难以广泛部署，因此基于 SCADA 数据的故障诊断方法近年来在风电机组故障诊断研究中被广泛采用。（2）现有 SCADA 系统直接用于故障诊断存在信息挖掘不够充分、故障诊断精度和效率低等问题，同时根据 SCADA 系统或者风机加装的 CMS 系统（状态监测系统）反馈的报警信息，也不能明确给出故障发生的位置，还需要进行针对性地核查，或借助二次分析或经验判断。（3）现有的诊断方法大部分都是离线型的，且具有一定的时间滞后性，因此故障原因通常都无法在第一时刻被找到。因此，针对以上问题提出一种基于改进聚类算法的径向基神经网络的故障诊断方法，并开发一套在线故障诊断系统。通过整合整个风电场的 SCADA 系统数据来进行更高维度的故障诊断研究，一方面通过对数据进一步分类和预处理，提高源头数据的准确率，减少大量冗余数据。另一方面，通过增加现场视频检测信息，并采用非结构化数据预处理方法，以补充现有 SCADA 数据源不足，提高故障识别的精度和效率，并实现了在线故障诊断。充分利用现有数据资源开展故障诊断工作，有利于不断缩短停机时间，节约运维成本。三、风电机组典型故障分析海上风电机组因为一直处在较为严酷的工作环境中，安装高度也必须在八十米以上，因而随着工作时间的增长，事故出现的频次也相应增多，且故障类型多样。风电机组内部的齿轮箱、发电机和主轴承等主要元件在不良环境下工作时极易被损坏，使得风电机组失去控制，从而影响工作产量。通过统计比较欧洲五到十个海上风电场中风机主要装置的故障率、维修时间和维护成本，发现变桨系统、齿轮箱以及发电机等部件故障频率较高，齿轮箱、变压器以及发电机等部件故障维护费用较高，齿轮箱、风轮以及发电机等部件故障维修时间较长。特别是齿轮箱故障后，通常会造成风电机组停止工作 200 小时 250小时以上。通过对舟山某海上风场的 46 台风电机组进行研究，对该风场半年以来的故障数据进行统计，该风电场半年以来故障频次最高的部件是发电机，紧随其后的是变桨系统和齿轮箱，齿轮箱导致的故障是停机时间最长的，其次是发电机和叶片。综合考虑故障频次和停机时长，可以看到齿轮箱和发电机对机组影响最大。所以，本章将选取齿轮箱与发电机的典型故障作为海上风电机组故障代表，进行深入研究。齿轮箱故障主要包括齿轮箱油过滤压力故障、齿轮箱油位故障、齿轮箱润滑油气压故障、齿轮箱冷却水风扇保护开关动作故障、齿轮箱润滑油泵保护开关动作故障及齿轮箱油温超限故障等。发电机故障类型相比齿轮箱要略微少些，一般分为发电机轴承温度超限（包括驱动方向轴承和非驱动方向轴承）、发电机超速以及发电机温度超限等故障。四、风电机组运维策略研究海上风电机组包含多个子系统，各子系统根据运窑窑技术协作信息2023（5）总第 1486 期行特性在各个部件（如发电机的定子和转子）装设不同类型的传感器，用于获取各个子部件的运行信息。基于监测信息获得各部件以及风电机组的状态评估结果，对可能严重影响风电机组运行性能或导致机组故障失效的部件提前进行维护，是预防性维护的基本思路。海上的风速、温度等环境因素随机变化，风电场中各风电机组的状态也表现出明显的差异性特征，充分考虑各风电机组状态变化，在低风速时期合理地安排预防性维护能够有效改善风电场的发电收益。本文提出了一种基于风电机组状态信息的海上风电场预防性维护策略，主要包含两个部分：（1）基于实测状态信息的待维护机组选择；（2）以单个维护周期内维护成本最小为目标的维护决策。基于实测状态信息的待维护机组选择，以风电场的实测 SCADA 数据和环境数据作为状态评估模型的输入量，获得海上风电场各风电机组的状态评估结果。选取状态劣化严重的机组作为维护决策优化中的待维护机组。在维护决策中，进一步考虑短期风速预测结果，对待维护机组的具体维护时间与维护路径进行优化。（1）数据采集技术。状态检修工作开展阶段，应当突出数据采集技术的科学运用，进而实现对风电机组运行相关数据信息的全面收集，如齿轮箱、油冷系统、风速、功率、发电机组、轴承温度、风电故障、运维记录等，科学全面地评估风电机组的运行状况，为状态检修的决策与实施提供有力支持。（2）线上监测技术。鉴于风电项目运行环境的特殊性，在风电机组进行状态检修时，应当合理应用线上监测技术，并突出监测工作重点，如针对齿轮箱、轴承组、发电机的运行状态检修。为保证设备运行状态检修工作开展的有效性，在线上监测技术应用时，可基于 5G 通信技术、监控技术、人工智能技术的支持，打造远程线上监控体系，使得工作人员能够远程实时地监测风电机组，进而实现对风电场的科学管理，最大程度发挥出风电项目的运行社会效益。（3）状态检测决策。状态检修工作开展阶段，应当突出风电机组的运行状态检修决策管理，实现最终的故障诊断与预测，进而设定针对有效的检修维护技术方案，及时消除风电机组的运行安全隐患，以保证风电系统的整体运行安全性与可靠性。为保证相关工作开展的有效性，应当建构风电系统运行数据库，实现对风电机组运行的全过程数据采集整理，便于技术人员开展专业的经济技术性分析，从而对检修技术方案、检修周期、检修标准进行合理优化，为后续检修工组的落实提供依据。（4）状态检修技术的实施。在风电机组设备状态检修实施阶段，需要基于数据分析、故障诊断、故障预测等工作的支持，才可保证检修工组实施的有效性。为此，在相关工作开展时，应当对风电机组的运行历史数据资料进行分析，从而有效提升状态检修的工作准确性。因为，在实际风电机组运行过程中，由于多重因素的影响，使得风电机组的故障存在不确定性。为有效提升检修水平，则需要从海量的数据信息中进行分析，总结出一般规律，最大程度降低风电机组的运行故障率。结论海洋恶劣的环境因素，使得海上风电机组的运行状态复杂，风电机组的运行状态对风电场的日常功率预测与状态维护策略的制定有着显著的影响。首先，围绕海洋恶劣的环境对风电机组现有故障诊断技术存在的问题进行了分析，指出不足；然后，通过对某风电场风机存在的典型故障进行分析，确定突出问题，为监测运维提供支持；最后，结合存在问题和故障分析，提出一套有效的针对风电机组维护的策略。参考文献：1刘振亚.建设我国能源互联网 推进绿色低碳转型(下)N.中国能源报,2020-08-03(001).2陈雪峰,李继猛,程航,等.风力发电机状态监测和故障诊断技术的研究与进展J.机械工程学报,2011,47(09):45-52.3孙群丽,刘长良,周瑛.基于状态曲线的风电机组运行工况异常检测J.热力发电,2019,48(07):110-116.4郭艳平，颜文俊，包析静.风力发电机组在线故障预警与诊断一体化系统设计与应用J.电力系统自动化,2010,34(16):83-86.5王太锋.浅析海上大容量风电机组安装工程技术J.水电与新能源,2023,37(03):49-52.作者简介：张星（1972-），男，汉族，内蒙古呼和浩特人，本科，工程师，研究方向：新能源。技术探讨与推广窑窑