论文部分内容阅读
【摘 要】 我国运行中的风电场集中投运在2011年-2012年，目前大量风电机组面临出质保。由于运营商缺乏有效的维护技术和管理经验，而风电机组故障预测和诊断等先进维护技术尚在发展阶段，不具备形成技术标准的条件，风电场如何实现设备的高效维护面临巨大挑战。本文对风电场智能化维护技术进行了分析探讨。
【关键词】 风电场；智能维护；技术
一、风电机组故障损失运行小时数及损失电量分析
风电场自然年时间可分为并网发电小时数、损失运行小时数、待风小时数和场外电网原因导致风电机组停运小时数。其中损失运行小时数主要来自风电机组故障诊断检修时间、备品备件等待时间、定期维护时间、受累停运时间。另外风电机组运行时还会因缺陷导致降出力运行，不损失运行小时数，但会造成发电量损失。自然年时间构成如图1所示。
根据2013年冀北地区部分风电场的运行数据统计，损失运行时间占自然年的8.5%，其中，故障诊断与检修时间占比3.46%，备品备件等待时间占比0.8%，风电机组受累停运时间占比3.22%，定期维护时间占比1.02%，如图2所示。
根据冀北地区1250MW风电机组2013年运行数据统计，单机平均故障时间的风速分布曲线如图3所示。由图3可见，风电机组故障集中出现在8m/s-13m/s的大功率输出阶段，因此损失电量占比将高于损失小时占比。按照国家二类风电场的实际运行数据计算，当风电损失小时数为5%时，其损失电量可达到7.5%。因此，迫切需要开展风电机组和风电场维护技术研究，健全完善技术标准和技术监督体系，解决风电场场内故障或缺陷导致发电量降低的问题。
二、风电场维护技术研究现状及发展方向
1、风电机组及其关键部件故障预测
近年来，国内外风电机组的故障统计数据表明，发生故障次数较多的部件主要是变流器、齿轮箱、变桨系统、控制柜、偏航系统等。国内某整机制造商近4000台风电机组运行故障统计分布如图4所示。
针对关键部件的故障预测，国内外分别采用状态监测、历史数据统计分析加建模仿真的方法，提取关键部件的早期故障特征，根据故障特征的变化对可能发生的故障进行预测。P.Caselitz利用风电机组输出电功率分析、推演叶片和变桨距控制机构的过程参数变化趋势进行故障预测；Holst-Jenson利用FFT谱分析对变桨距系统节距角误差仿真进行预测变桨距机构的早期故障特征；而Kusiak利用数据挖掘技术研究叶片不对称故障和节距角不可信故障的预测算法；E.Wolfgang研究了电力电子系统典型的故障案例，详细地分析了这些故障的形成因素等问题；K.W.Lee在可调节变速系统中研究了直流电解质电容器（DC）的状态监测技术；B.Saha等人针对电力电子器件详细地研究了故障预测技术，并对一些困难问题分析了一些解决方法。然而，这些方法研究还停留在理论研究阶段，无法实现工程应用。而在风电机组实际运行中，其关键机械部件故障的预测主要依靠风电场运行、检修经验的积累和定性判断，由于理论基础不足，尚未实现定量化判断。
2、风电机组故障诊断与维护指导
在风电机组故障诊断的工程应用方面，国内风电场基本沿用了故障检修的传统方式，将故障代码、故障原因、检修过程等经验统计成故障手册，依据故障手册对故障原因进行排查。目前，学术界已开始研究故障诊断算法，一般是针对风电机组的基本结构，建立动态故障树，基于BP神经网络理论、贝叶斯网络寻优算法，构建风电机组智能诊断方案，但尚未见于工程应用。在检修指导的工程应用方面，风电场同样基于人为经验，根据厂家维护手册、故障手册或依靠厂家来实施检修，现场维护人员无法获得直观的检修指导，检修实施的速度、质量严重依赖于现场维护人员的学习能力。远景能源公司“智慧风电场管理系统”尝试将厂家故障手册信息化，现场维护人员可运用手机等终端，与后台专家实时互动进行故障排查定位，并可以远程调用所需的电子图纸和作业指导书。
三、风电场信息化技术
1、风电机组及其关键部件的故障预测技术研究
风电机组是一个复杂的多体和多域系统，既有旋转的叶片、轮毂、齿轮箱、轴承、轴等机械部件，又有液压系统、电气系统以及复杂的控制系统和电力电子系统。实现准确预测风电机组及其关键部件故障的关键，在于全面分析涵盖多数据源的风电运维大数据，包括SCAD A数据、风功率预测数据、状态监测数据、预防性试验数据，以及历史维护记录、异常运行记录、故障检修记录、缺陷记录、家族缺陷记录等非结构化数据。
1.1基于SCAD A数据挖掘的风电机组故障预测技术研究
一方面，针对SCAD A运行数据、缺陷和故障记录、检查记录等非结构化数据，运用数据挖掘算法，研究数据变化规律潜在信息，开展故障特征提取和发电性能劣化分析研究，提出故障历史主要故障信息分析。另一方面，研究发电性能劣化机理、评价指标及计算方法，确定指标阈值，提出劣化原因分析方法和预防手段。数据挖掘算法可采用聚类分析、分类分析、神经网络、专家系统等技术手段。
1.2基于在线监测数据特征的风电机组故障预测技术研究
针对驱动链振动在线监测、齿轮箱油液在线监测、以及叶片应力在线监测，研究传感器的优化配置技术和监测数据处理分析方法。针对各类故障，进行诊断分析，提取在线监测数据特征，研究数据特征向量变化趋势与机组相应故障概率的关联关系，提出故障预测算法。
2、风电机组智能故障诊断与维护指导技术研究
风电机组故障诊断自适应寻优算法研究以故障代码信息和SCAD A数据为输入量，引入贝叶斯网络理论，研究故障诊断自适应寻优算法，输出故障原因的概率分布，并根据故障诊断结果自学习完善模型和算法。
维护作业指导平台研发：建立包括检修视频库、可视化图纸和维护手册的专家知识库，研发维护作业指导平台。基于故障诊断结果，平台可输出标准化作业包，为现场维护提供指导。同时，平台可自动链接生产管理系统，进入工单管理流程。 可视化智能移动终端研制：智能终端通过无线互联，接入维护作业指导平台，实现远程调取资料，与后台专家视频通讯，远程工单录入，闭环故障处理。
三、风电场运行维护策略优化技术研究
1、综合约束条件下的风电场维护策略优化方法研究
从风电机组平均陪停次数、时间数据统计入手，开展陪停设备影响权重因子分析，研究变电站、汇集系统电气设备的状态评价方法。在场站层面，考虑机组定期维护要求、机组故障风险损失、风功率预测、恶劣天气、维修资源约束等，结合家族缺陷与不良工况，研究复杂约束条件下，以风电场发电量最大为优化目标的风电场维护策略优化方法。
2、风电机组及其关键部件的维护策略优化方法研究
开展关键部件故障相关性分析，提出风电机组的机会维修策略。在单机层面，考虑各类约束条件，以故障停机时间最小为优化目标，提出风电机组的维护策略优化方法。
3、风电场备品备件库存动态优化方法研究
梳理分析备品备件库存特征信息，建立备品备件库存动态优化模型。考虑预算资金和现有库存约束，以损失电量最小为优化目标，输入实时故障预测结果，输出风电场备品备件储备年度计划和备品备件库存预警，并可以根据预警动态调整年度计划。
四、基于跨平台多源信息互联的大型风电场智能化运行维护系统开发
将相关研究成果信息化，在风电场原有生产管理系统、SCAD A系统、风功率预测系统和在线监测系统基础上，研究风电场跨平台、多类型数据的标准化采集、存储及管理技术，提出数据二次加工的方法，建立风电场多类型海量运维数据管理平台。其中，需开展全开放、插件式算法框架研究，通过二次开发，满足不同厂家、不同机型的多种诊断算法的实现，并能适应算法的发展变化，方便推广图5大型风电场智能化运行维护系统信息流和功能应用。系统可对风电场生产管理形成辅助决策，并对设备质量、运维技术和运维管理水平进行统计评估。
五、结束语
本文比较全面地介绍了目前我国风电场维护现状以及已有的技术基础，提出了风电场维护技术智能化的发展趋势，总结出了今后支撑大型风电场实现智能化维护的四大关键技术，包括：风电机组及其关键部件的故障预测技术研究；风电机组智能故障诊断与维护指导技术研究；风电场运行维护策略优化技术研究；基于跨平台多源信息互联的大型风电场智能化运行维护系统开发。
参考文献：
[1]莫冰.国电电力签订首单风电场维护服务合同[J].中国电业（技术版），2014，03：60.
[2]黄必清，张毅，易晓春.海上风电场运行维护系统[J].清华大学学报（自然科学版），2014，04：522-529.
[3]谢云平，张秀萍，杨铃玉.海上风电场维护船船型总阻力和纵摇升沉运动研究[J].船海工程，2014，02：66-70.
[4]黎皓.基于可靠性理论的海上风电场运维研究[D].华北电力大学，2014.
[5]张谦.新能源风电运营不确定性收益管理方法及信息系统研究[D].华北电力大学，2014.
【关键词】 风电场；智能维护；技术
一、风电机组故障损失运行小时数及损失电量分析
风电场自然年时间可分为并网发电小时数、损失运行小时数、待风小时数和场外电网原因导致风电机组停运小时数。其中损失运行小时数主要来自风电机组故障诊断检修时间、备品备件等待时间、定期维护时间、受累停运时间。另外风电机组运行时还会因缺陷导致降出力运行，不损失运行小时数，但会造成发电量损失。自然年时间构成如图1所示。
根据2013年冀北地区部分风电场的运行数据统计，损失运行时间占自然年的8.5%，其中，故障诊断与检修时间占比3.46%，备品备件等待时间占比0.8%，风电机组受累停运时间占比3.22%，定期维护时间占比1.02%，如图2所示。
根据冀北地区1250MW风电机组2013年运行数据统计，单机平均故障时间的风速分布曲线如图3所示。由图3可见，风电机组故障集中出现在8m/s-13m/s的大功率输出阶段，因此损失电量占比将高于损失小时占比。按照国家二类风电场的实际运行数据计算，当风电损失小时数为5%时，其损失电量可达到7.5%。因此，迫切需要开展风电机组和风电场维护技术研究，健全完善技术标准和技术监督体系，解决风电场场内故障或缺陷导致发电量降低的问题。
二、风电场维护技术研究现状及发展方向
1、风电机组及其关键部件故障预测
近年来，国内外风电机组的故障统计数据表明，发生故障次数较多的部件主要是变流器、齿轮箱、变桨系统、控制柜、偏航系统等。国内某整机制造商近4000台风电机组运行故障统计分布如图4所示。
针对关键部件的故障预测，国内外分别采用状态监测、历史数据统计分析加建模仿真的方法，提取关键部件的早期故障特征，根据故障特征的变化对可能发生的故障进行预测。P.Caselitz利用风电机组输出电功率分析、推演叶片和变桨距控制机构的过程参数变化趋势进行故障预测；Holst-Jenson利用FFT谱分析对变桨距系统节距角误差仿真进行预测变桨距机构的早期故障特征；而Kusiak利用数据挖掘技术研究叶片不对称故障和节距角不可信故障的预测算法；E.Wolfgang研究了电力电子系统典型的故障案例，详细地分析了这些故障的形成因素等问题；K.W.Lee在可调节变速系统中研究了直流电解质电容器（DC）的状态监测技术；B.Saha等人针对电力电子器件详细地研究了故障预测技术，并对一些困难问题分析了一些解决方法。然而，这些方法研究还停留在理论研究阶段，无法实现工程应用。而在风电机组实际运行中，其关键机械部件故障的预测主要依靠风电场运行、检修经验的积累和定性判断，由于理论基础不足，尚未实现定量化判断。
2、风电机组故障诊断与维护指导
在风电机组故障诊断的工程应用方面，国内风电场基本沿用了故障检修的传统方式，将故障代码、故障原因、检修过程等经验统计成故障手册，依据故障手册对故障原因进行排查。目前，学术界已开始研究故障诊断算法，一般是针对风电机组的基本结构，建立动态故障树，基于BP神经网络理论、贝叶斯网络寻优算法，构建风电机组智能诊断方案，但尚未见于工程应用。在检修指导的工程应用方面，风电场同样基于人为经验，根据厂家维护手册、故障手册或依靠厂家来实施检修，现场维护人员无法获得直观的检修指导，检修实施的速度、质量严重依赖于现场维护人员的学习能力。远景能源公司“智慧风电场管理系统”尝试将厂家故障手册信息化，现场维护人员可运用手机等终端，与后台专家实时互动进行故障排查定位，并可以远程调用所需的电子图纸和作业指导书。
三、风电场信息化技术
1、风电机组及其关键部件的故障预测技术研究
风电机组是一个复杂的多体和多域系统，既有旋转的叶片、轮毂、齿轮箱、轴承、轴等机械部件，又有液压系统、电气系统以及复杂的控制系统和电力电子系统。实现准确预测风电机组及其关键部件故障的关键，在于全面分析涵盖多数据源的风电运维大数据，包括SCAD A数据、风功率预测数据、状态监测数据、预防性试验数据，以及历史维护记录、异常运行记录、故障检修记录、缺陷记录、家族缺陷记录等非结构化数据。
1.1基于SCAD A数据挖掘的风电机组故障预测技术研究
一方面，针对SCAD A运行数据、缺陷和故障记录、检查记录等非结构化数据，运用数据挖掘算法，研究数据变化规律潜在信息，开展故障特征提取和发电性能劣化分析研究，提出故障历史主要故障信息分析。另一方面，研究发电性能劣化机理、评价指标及计算方法，确定指标阈值，提出劣化原因分析方法和预防手段。数据挖掘算法可采用聚类分析、分类分析、神经网络、专家系统等技术手段。
1.2基于在线监测数据特征的风电机组故障预测技术研究
针对驱动链振动在线监测、齿轮箱油液在线监测、以及叶片应力在线监测，研究传感器的优化配置技术和监测数据处理分析方法。针对各类故障，进行诊断分析，提取在线监测数据特征，研究数据特征向量变化趋势与机组相应故障概率的关联关系，提出故障预测算法。
2、风电机组智能故障诊断与维护指导技术研究
风电机组故障诊断自适应寻优算法研究以故障代码信息和SCAD A数据为输入量，引入贝叶斯网络理论，研究故障诊断自适应寻优算法，输出故障原因的概率分布，并根据故障诊断结果自学习完善模型和算法。
维护作业指导平台研发：建立包括检修视频库、可视化图纸和维护手册的专家知识库，研发维护作业指导平台。基于故障诊断结果，平台可输出标准化作业包，为现场维护提供指导。同时，平台可自动链接生产管理系统，进入工单管理流程。 可视化智能移动终端研制：智能终端通过无线互联，接入维护作业指导平台，实现远程调取资料，与后台专家视频通讯，远程工单录入，闭环故障处理。
三、风电场运行维护策略优化技术研究
1、综合约束条件下的风电场维护策略优化方法研究
从风电机组平均陪停次数、时间数据统计入手，开展陪停设备影响权重因子分析，研究变电站、汇集系统电气设备的状态评价方法。在场站层面，考虑机组定期维护要求、机组故障风险损失、风功率预测、恶劣天气、维修资源约束等，结合家族缺陷与不良工况，研究复杂约束条件下，以风电场发电量最大为优化目标的风电场维护策略优化方法。
2、风电机组及其关键部件的维护策略优化方法研究
开展关键部件故障相关性分析，提出风电机组的机会维修策略。在单机层面，考虑各类约束条件，以故障停机时间最小为优化目标，提出风电机组的维护策略优化方法。
3、风电场备品备件库存动态优化方法研究
梳理分析备品备件库存特征信息，建立备品备件库存动态优化模型。考虑预算资金和现有库存约束，以损失电量最小为优化目标，输入实时故障预测结果，输出风电场备品备件储备年度计划和备品备件库存预警，并可以根据预警动态调整年度计划。
四、基于跨平台多源信息互联的大型风电场智能化运行维护系统开发
将相关研究成果信息化，在风电场原有生产管理系统、SCAD A系统、风功率预测系统和在线监测系统基础上，研究风电场跨平台、多类型数据的标准化采集、存储及管理技术，提出数据二次加工的方法，建立风电场多类型海量运维数据管理平台。其中，需开展全开放、插件式算法框架研究，通过二次开发，满足不同厂家、不同机型的多种诊断算法的实现，并能适应算法的发展变化，方便推广图5大型风电场智能化运行维护系统信息流和功能应用。系统可对风电场生产管理形成辅助决策，并对设备质量、运维技术和运维管理水平进行统计评估。
五、结束语
本文比较全面地介绍了目前我国风电场维护现状以及已有的技术基础，提出了风电场维护技术智能化的发展趋势，总结出了今后支撑大型风电场实现智能化维护的四大关键技术，包括：风电机组及其关键部件的故障预测技术研究；风电机组智能故障诊断与维护指导技术研究；风电场运行维护策略优化技术研究；基于跨平台多源信息互联的大型风电场智能化运行维护系统开发。
参考文献：
[1]莫冰.国电电力签订首单风电场维护服务合同[J].中国电业（技术版），2014，03：60.
[2]黄必清，张毅，易晓春.海上风电场运行维护系统[J].清华大学学报（自然科学版），2014，04：522-529.
[3]谢云平，张秀萍，杨铃玉.海上风电场维护船船型总阻力和纵摇升沉运动研究[J].船海工程，2014，02：66-70.
[4]黎皓.基于可靠性理论的海上风电场运维研究[D].华北电力大学，2014.
[5]张谦.新能源风电运营不确定性收益管理方法及信息系统研究[D].华北电力大学，2014.