風電機組可靠性研究現(xiàn)狀與發(fā)展趨勢

李 垚 朱才朝 陶友傳 宋朝省 譚建軍

1.重慶大學機械傳動國家重點實驗室,重慶，4000302.中船重工(重慶)海裝風電設備有限公司，重慶，401122

風電機組可靠性研究現(xiàn)狀與發(fā)展趨勢

李 垚1朱才朝1陶友傳2宋朝省1譚建軍1

1.重慶大學機械傳動國家重點實驗室,重慶，4000302.中船重工(重慶)海裝風電設備有限公司，重慶，401122

對國內(nèi)外風電機組失效模式和可靠性研究進展進行分析，對風電機組增速齒輪箱、軸承、發(fā)電機、葉片和潤滑系統(tǒng)等關(guān)鍵零部件失效模式、失效原因及其檢測方法進行歸納總結(jié)；分析了風電機組可靠性研究的常用方法和可靠性研究現(xiàn)狀，給出了提高風電機組可靠性的研究重點、研究方法和措施。結(jié)合工程需求和研究現(xiàn)狀，對風電機組可靠性研究趨勢進行了分析，提出風電機組智能健康管理技術(shù)路線，該技術(shù)對降低風場運行維護成本和提高風電機組運行安全性具有重要意義。

風電機組；失效模式；可靠性；研究現(xiàn)狀；發(fā)展趨勢

0 引言

風能是當今世界最具發(fā)展前景和潛力的可再生能源之一，資源充足且干凈清潔[1]，到2015年底，全球累計風能發(fā)電能力已超過400 GW。中國是風電裝機規(guī)模最大的國家之一，裝機能力已達到51 473 MW，占全球發(fā)電總能力的45.1%。2016年全國風電開發(fā)建設總規(guī)模(不含臺灣省)為3083萬千瓦(數(shù)據(jù)來自國家能源局),2050年我國風電裝機容量將達到10億千瓦，風電成為發(fā)電主力。

風電機組是在波動風場環(huán)境中，實現(xiàn)風能捕獲、傳遞和轉(zhuǎn)換的復雜機電液一體化裝備，其運行工況復雜多變，面臨高溫、高海拔、強沙塵、臺風等多種極端惡劣環(huán)境條件，涉及多學科交叉領域，技術(shù)難度極大。隨著風電機組裝機數(shù)量不斷增加、結(jié)構(gòu)越來越復雜，其可靠性問題(如早期失效)變得非常突出[2]。風電機組的高失效率增加了運行維護(以下簡稱運維)成本，影響了風場的經(jīng)濟效益。對于工作壽命為20年的風電機組，運維成本大約占風場收入的10%～15%；對于海上風電機組，運維成本更是高達20%～25%[3]。高額運維成本增加了風場運營商的經(jīng)濟負擔，也影響了風電市場競爭力，因此，開展風電機組可靠性評估和預測技術(shù)研究顯得非常迫切。

本文總結(jié)了風電機組失效模式，重點介紹和分析了可靠性研究現(xiàn)狀，并給出了風電機組可靠性研究的發(fā)展趨勢和相應的技術(shù)路線，以及有待進一步研究的關(guān)鍵科學問題。

1 風電機組基本結(jié)構(gòu)

風電機組是將風能轉(zhuǎn)化為電能的重要裝備。根據(jù)風輪結(jié)構(gòu)及其在氣流中的位置，風電機組主要有兩種類型：水平軸風電機組(horizontal axis wind turbine, HAWT)和垂直軸風電機組(vertical axis wind turbine, VAWT)。研究表明，HAWT比VAWT可靠[4]，被廣泛運用于各種機型，其典型結(jié)構(gòu)如圖1所示。依據(jù)風電機組各部分在整個風機系統(tǒng)中所起的作用和安裝位置，風電機組可以被分成轉(zhuǎn)子系統(tǒng)、齒輪箱系統(tǒng)、發(fā)電機系統(tǒng)、塔筒系統(tǒng)、其他機械系統(tǒng)和其他電子系統(tǒng)六大系統(tǒng)。

圖1 典型雙饋式風電機組結(jié)構(gòu)圖Fig.1 Structure of the doubly-fed wind turbine

現(xiàn)有風機多采用交流多相發(fā)電機，包括鼠籠式感應發(fā)電機(squirrel cage induction generator, SCIG)、繞線式感應發(fā)電機(wound rotor induction generator, WRIG)、雙饋異步風力發(fā)電機(doubly-fed induction generator, DFIG)、永磁式同步發(fā)電機(permanentmagnet synchronous generator, PMSG)、電勵磁同步發(fā)電機(electrically excited synchronous generator, EESG)。不同制造商生產(chǎn)的同功率風機選用的發(fā)電機類型不同，同一制造商生產(chǎn)的不同功率風機采用的發(fā)電機也不同。海上風電機組一般比陸上風電機組容量大很多，葉片更長，多采用兩級行星一級平行軸的功率傳遞形式，比陸上風電機組可靠性要求更嚴格。

2 風電機組失效模式

風電機組的失效頻率與風機類型、工作環(huán)境密切相關(guān)，圖2所示同一種風機工作在海上和陸地時不同的失效率情況[5]?？梢钥闯鲫P(guān)鍵與重要(以下簡稱“關(guān)重”)零部件的失效率要高于其他零部件，而同種零部件工作在海上比在陸地上更易失效。

圖2 風電機組零部件失效率Fig.2 Failure rates of components of wind turbines

對于風電機組傳動系統(tǒng)，齒輪箱、發(fā)電機、葉片等關(guān)重零部件的失效率較高。齒輪箱的失效主要由齒輪、軸承的失效引起；發(fā)電機失效主要由軸承失效所致。風電機組關(guān)重零部件的失效模式、失效原因和檢測方法見表1[6]。

2.1 齒輪箱系統(tǒng)失效模式

風電齒輪箱中任何一個零部件的失效都會產(chǎn)生較高的維修費用和因停機而帶來的巨大經(jīng)濟損失，對于海上風電機組表現(xiàn)得更加明顯。齒輪箱最常見的失效形式有軸承失效、齒輪疲勞、磨損、斷裂失效、潤滑不足等。圖3所示為齒輪箱軸承的三種失效模式，其中疲勞失效較常見。齒輪箱中連接前箱體、齒圈和中箱體的螺栓也時有失效，主要是因為低速級一般為斜齒輪，再加上隨機風載作用，箱體承受較大軸向力，而這些力全部作用在均布的螺栓上，受力不均很容易導致螺栓斷裂失效。圖4為齒輪箱螺栓失效圖，圖中斷面光滑，屬于疲勞斷裂。從螺母支撐面算起，斷裂部位為第一圈螺紋處(圖4b、圖4c)，測試發(fā)現(xiàn)，約有1/3的載荷集中在第一圈，而試驗證明，開卸荷槽、適當?shù)穆菁y錐度和螺紋根部圓角半徑可以增加螺栓承載能力，提高可靠性。

表1 風電機組關(guān)重零部件失效模式Tab.1 Failures modes of the key components of wind turbines

(a)潤滑不足 (b)疲勞失效 (c)磨損失效圖3 齒輪箱軸承失效Fig.3 Faults of the wind turbine bearings

(a)斷裂部位 (b)螺桿部分 (c)螺母部分圖4 齒輪箱螺栓失效Fig.4 Bolt faults of wind turbine gearbox

2.2 發(fā)電機失效模式

發(fā)電機與輸出時變機械能的齒輪箱相連，發(fā)電機承受來自齒輪箱的時變扭矩和轉(zhuǎn)速，使得發(fā)電機成為風電機組失效率較高的關(guān)重件之一。導致發(fā)電機失效的根本原因有設計、操作、維修和外界環(huán)境等。發(fā)電機的失效率與整機容量、工作環(huán)境等有關(guān)。圖5所示為不同容量風電機組發(fā)電機零部件失效率情況。不同故障原因會導致發(fā)電機不同的失效模式，這些原因包括設計、操作、維修和外界環(huán)境，見表2。圖6所示為發(fā)電機三種典型失效模式，其中軸承失效最為常見。

圖5 不同容量發(fā)電機零部件失效率統(tǒng)計Fig.5 Component failure rates of different power generators

2.3 轉(zhuǎn)子葉片失效模式

葉片長期承受著交變應力作用和環(huán)境影響，失效率較高，主要的失效模式有疲勞、開裂、前后緣裂紋、前緣腐蝕、補強裂紋、褶皺、內(nèi)腔缺陷、蓋板故障、磨損、卡死、結(jié)冰和傳感器故障，嚴重時會發(fā)生斷裂，其中疲勞失效是風電機組葉片的主要失效模式，如圖7所示。葉片維修困難，維修成本高，所以研究葉片失效模式、可靠性與載荷內(nèi)在關(guān)系和失效機理對提高葉片可靠性具有重要意義。

表2 發(fā)電機失效模式Tab.2 Failure modes of the generator

(a)軸承失效 (b)磁損 (c)線圈污染圖6 發(fā)電機失效模式 Fig.6 Faults of the generator

(a)后緣裂紋 (b)前緣裂紋 (c)葉片斷裂圖7 葉片失效模式Fig.7 Failure modes of the blade

3 風電機組可靠性研究

可靠性是指零部件(或系統(tǒng))在規(guī)定的時間和條件下，完成規(guī)定功能的可能性。對于不可修復系統(tǒng)，可靠性的評價尺度是可靠度；對于可修復系統(tǒng)，可靠性的評價尺度是可用度。風電機組傳動系統(tǒng)零部件既有可修復系統(tǒng)，又有不可修復系統(tǒng)。不可修復系統(tǒng)，如齒輪、軸承等，一旦損壞就需要替換；可修復系統(tǒng)，如螺栓松動、油管堵塞等。因此，風電機組的可靠性應綜合考慮可靠度和可用度，以有效度作為可靠性評價尺度。圖8示出了不同零部件失效后停機時間和失效率之間的關(guān)系，可以看出零部件的失效率越高，失效后需要的停機時間相對越短；反之，失效率較低的零部件，失效后所需停機時間反而較長。

圖8 零部件年失效頻率與停機時間的關(guān)系Fig.8 Relation between the failure rate and the downtime

風電裝機容量逐年攀升，陸上風電基本飽和，而海上風電還處于起步階段。不同主機企業(yè)生產(chǎn)的風機可靠性參差不齊，尚沒有一個統(tǒng)一的評價標準。針對風電機組可靠性低的問題，國內(nèi)外學者提出了各種研究方法，但大部分僅局限于齒輪傳動系統(tǒng)，忽略了整機其他系統(tǒng)相互作用影響，采用簡單串聯(lián)或并聯(lián)的方法計算可靠度，效果有限。針對風電機組運維成本高、難度大的問題，研發(fā)風場組群智能健康管理系統(tǒng)，制定維修策略，可有效減少計劃外維修次數(shù)，提高風電機組可靠性。

3.1 風電機組可靠性分析方法

常用的可靠性分析方法主要有基于數(shù)據(jù)庫的統(tǒng)計分析和基于載荷的應力-強度干涉理論兩種。

3.1.1 基于數(shù)據(jù)庫的統(tǒng)計分析

風電機組服役期內(nèi)的故障率是隨時間變化的，很難用一個數(shù)學函數(shù)來表示，但可修復系統(tǒng)服役期內(nèi)故障率近似服從浴盆曲線，如圖9所示。其中，h(t)為失效率。威布爾分布、Gamma分布和指數(shù)分布是風電機組可靠性分析中三個重要分布。三參數(shù)威布爾故障率分布函數(shù)可表示為[7]

(1)

其中，t為時間，t>0;t0為位置參數(shù);β1、β2為威布

圖9 可修復系統(tǒng)失效率浴盆曲線Fig.9 Bathtub curve of the failure rate of the repairable system

爾分布形狀參數(shù)，且β1β2>1;η1、η2為尺度參數(shù);λ為權(quán)重系數(shù)。取t0=0，η1=10，η2=100，β1=5，β2=5。

圖10是故障概率密度函數(shù)圖，圖中出現(xiàn)兩個峰值，分別表示浴盆曲線早期故障期和損耗故障期，在這兩個階段故障率較高。權(quán)重系數(shù)分別取0.1、0.2、0.3時，故障概率密度函數(shù)曲線僅在峰值處有較大變化，選取合適的權(quán)重系數(shù)以適應不同工作環(huán)境的風電機組故障率變化情況。圖11所示為失效率隨時間的變化情況，早期階段出現(xiàn)一個峰值表示風電機組處于跑合階段，磨損較大，失效率出現(xiàn)波動，之后便趨于穩(wěn)定，后期失效率會越來越高。不同權(quán)重系數(shù)的失效函數(shù)曲線僅在峰值處有差異，這與風電機組容量和工況有關(guān)。圖12是可靠度函數(shù)圖，圖中大致有三個階段：階段Ⅰ可靠度急劇下降，主要是由于新裝的風電機組對環(huán)境和載荷的適應；階段Ⅱ可靠度較為穩(wěn)定，屬于穩(wěn)定磨損階段；階段Ⅲ可靠度又開始急劇降低，表明風電機組已進入損耗故障期，可靠度較低。因此，浴盆曲線能較好地模擬風電機組整個服役期內(nèi)失效率的變化情況。

圖10 故障概率密度函數(shù)Fig.10 Fault probability density function

圖11 失效率函數(shù)圖Fig.11 Diagram of failure rate function

圖12 可靠度函數(shù)圖Fig.12 Diagram of the reliability function

3.1.2 基于載荷的應力-強度干涉理論

風電齒輪箱中零部件的隨機載荷和疲勞強度均服從正態(tài)分布[8]，則零部件應力和強度的概率密度函數(shù)分別為

(2)

(3)

式中，S為隨機變量;σS為應力隨機變量的標準差；μS為應力隨機變量的期望；δ為強度隨機變量；σδ為強度隨機變量的標準差；μδ為強度隨機變量的期望。

根據(jù)應力-強度干涉理論定義，隨機變量z=δ-S也服從正態(tài)分布，所以應力-強度干涉模型可靠度

(4)

式中，σz為z的標準差;uz為z的期望。

由齒輪齒根彎曲疲勞應力和疲勞強度的均值和方差，利用可靠度公式計算齒輪的動態(tài)可靠度，圖13所示為風電齒輪箱高速級小齒輪可靠度，前20 000 h可靠度下降較快，之后變化趨于平緩。

圖13 高速級小齒輪動態(tài)可靠度Fig.13 Dynamic reliability of the high speed gear

3.2 風電機組可靠性研究進展

國內(nèi)外對風電機組可靠性的研究從分析對象的角度大致可以分為兩類：①基于載荷的可靠性分析；②基于數(shù)據(jù)庫的可靠性統(tǒng)計分析?；谳d荷的可靠性分析流程如圖14所示。根據(jù)疲勞損傷累積理論，分別計算出測試載荷和設計載荷下風電機組的疲勞壽命和可用度，進行可靠性評價。

圖14 基于載荷的可靠性分析流程Fig.14 Flow chart of reliability analysis based onload

基于風場數(shù)據(jù)庫的可靠性統(tǒng)計分析國外研究較多。ARABIAN-HOSEYNABADI等[9]考慮關(guān)重零部件和風電機組失效率影響，比較了可靠性分析軟件(Relex)與失效模式和影響分析(failure mode and effects analysis,FMEA)方法的計算結(jié)果。GUO等[10]提出了一種新的數(shù)學模型和算法，解決了風場失效數(shù)據(jù)不完整問題，證明三參數(shù)威布爾模型能夠獲得精確風機可靠性走勢。TAVNER等[4]采用統(tǒng)計方法分析了某風機11年的運行數(shù)據(jù)。ZHANG等[11]將大數(shù)據(jù)分析技術(shù)運用到風電機組可靠性分析中，依據(jù)貝葉斯網(wǎng)絡理論建立了離散狀態(tài)模型，研究了有效壽命的預測方法。

美國可再生能源國家實驗室(national renewable energy laboratory,NREL)在風電齒輪箱可靠性方面做了大量研究工作。SINGH等[12]利用FAST和MATLAB-Simulink聯(lián)合仿真，分析了電網(wǎng)和風電機組間的相互影響。NREL提出通過主機廠、運營商、齒輪箱和軸承生產(chǎn)商、潤滑劑企業(yè)和風場所有者多方合作的方式來提高齒輪箱可靠性[13]。KELLER等[14]研究了發(fā)電機安裝誤差、齒輪箱與發(fā)電機的耦合剛度和齒輪箱運動等對高速級軸、軸承和發(fā)電機的影響。SMOLDERS等[15]建立了齒輪箱可靠性預測模型，使用風場失效數(shù)據(jù)提高了可靠性預測準確性。AL-TUBI等[16]使用數(shù)據(jù)采集與監(jiān)控系統(tǒng)(supervisory control and data acquisition, SCADA)采集的數(shù)據(jù)，基于ISO標準預測和評價了風電齒輪箱輪齒微點蝕失效風險。FENG等[17]使用SCADA和狀態(tài)監(jiān)測系統(tǒng)(condition monitoring system, CMS)測試數(shù)據(jù)，開發(fā)新算法進行風電齒輪箱健康狀態(tài)診斷。NEJAD等[18]用S-N曲線方法計算了在額定功率下齒輪和軸承的疲勞損傷，并提出了一種基于可靠性的維修策略。周志剛等[19]通過齒輪箱動力學模型提取載荷矩陣，應用應力-強度干涉理論，建立了齒輪傳動系統(tǒng)可靠性模型，分析了傳動系統(tǒng)動態(tài)可靠度。謝里陽等[20]研究了復雜載荷的不確定性表征,建立了風電機組疲勞可靠性分析、計算和評估的完整方法和模型。

發(fā)電機是風電機組的關(guān)鍵部件，它的可靠性決定著發(fā)電量和整個傳動系統(tǒng)的安全性。GIORSETTO等[21]用統(tǒng)計學方法，考慮隨機風載引起的變功率和變載荷輸出對風力發(fā)電機可靠性的影響。目前的變槳距控制技術(shù)和無刷雙饋發(fā)動機的變速恒頻控制技術(shù)，改善發(fā)動機受力狀態(tài)對提升發(fā)動機可靠性具有積極作用。TOFT等[22]將可靠性設計方法運用到葉片設計中，考慮了葉片實際承受的疲勞載荷和隨機載荷，在單一失效模式下估計葉片可靠性。DIMITROV等[23]使用模型修正系數(shù)法和一階可靠性方法，研究了不同失效模式下可靠性精確計算方法和系統(tǒng)結(jié)構(gòu)失效概率。工程上為了提高葉片可靠性，在葉片和前后緣合?？p處添加加強布，不僅可以提高強度，而且可以隔離污染，加強布和定期維修如圖15所示。

(a)模線加強布 (b)定期維修圖15 提高葉片可靠性舉措Fig.15 Measures of improving blade reliability

3.3 風電機組可靠性研究趨勢

可靠性理論經(jīng)過多年發(fā)展?jié)u趨成熟，但針對風電機組的可靠性研究尚處于初級階段，研究深度不夠，影響因素考慮不全面，手段有限，且研究成果缺乏工程應用價值。未來風電機組可靠性研究正朝著智能健康管理方向發(fā)展，它體現(xiàn)在以下三個方面：

(1)一般零部件故障遠程診斷技術(shù)。風電機組零部件重要程度取決于零部件故障頻率及其引起的維修時間。一般零部件失效率較低，失效后不會引起太長的停機時間，為降低維護成本，保證一般零部件正常使用，需要研發(fā)一般零部件故障遠程診斷技術(shù)。KUSIAK等[24]分析5 min采樣間隔的SCADA數(shù)據(jù)，對風電機組零部件故障進行分類和預測，減少了計劃外維修次數(shù)。朱才朝等[25]基于WindCon狀態(tài)監(jiān)測系統(tǒng)，對某兆瓦級風電齒輪箱進行了遠程實時在線測試與評價。

圖16所示為一般零部件故障遠程診斷系統(tǒng)技術(shù)路線。目前風機大多裝有SCADA和CMS兩套系統(tǒng)，但兩者相互獨立，不能實現(xiàn)測試結(jié)果的相互佐證。應用現(xiàn)場總線通信技術(shù)，實現(xiàn)故障錄波器與本地控制器的快速通信及數(shù)據(jù)存儲，利用互聯(lián)網(wǎng)技術(shù)、移動存儲等技術(shù)實現(xiàn)故障錄波、遠程訪問及本地控制器的遠程操作記錄功能，開發(fā)基于SCADA和故障錄波的輔助診斷軟件，進行一般零部件故障遠程診斷，實現(xiàn)有計劃維修。

圖16 一般零部件故障遠程診斷系統(tǒng)技術(shù)路線Fig.16 Technology route of general component fault diagnosis system

(2)關(guān)重零部件健康狀態(tài)預測技術(shù)。關(guān)重零部件相對一般零部件失效頻率更高，失效所需維修時間更長，故需研發(fā)關(guān)重零部件健康狀態(tài)預測技術(shù)，圖17所示為關(guān)重零部件狀態(tài)在線預測系統(tǒng)技術(shù)路線。周志剛等[26]通過建立風力發(fā)電機隨機風速動力學模型，提取齒輪副動態(tài)嚙合力和軸承動態(tài)接觸力時間歷程，應用雨流計數(shù)法、Goodman公式、線性累積損傷法則和材料的P-S-N曲線，預測了各齒輪和軸承的疲勞壽命。LIANG等[27]應用有限元方法分析主軸軸承在不同工況下徑向和軸向受力情況，確定了軸承危險位置，獲得了軸承的S-N曲線，根據(jù)Goodman公式和疲勞損傷累積法則，預測主軸軸承的疲勞壽命和健康狀態(tài)。

圖17 關(guān)重零部件狀態(tài)在線預測系統(tǒng)技術(shù)路線Fig.17 Technology route of key component diagnosis system

(3)整機壽命管理技術(shù)。圖18所示為整機壽命管理系統(tǒng)技術(shù)路線。基于疲勞損傷累積理論，結(jié)合實測時序疲勞載荷，并根據(jù)零部件更換及傳感器故障等插補值進行修正，得到各零部件剩余壽命，進而實現(xiàn)整機壽命的有效管理。圖19所示為風電機組壽命狀態(tài)與疲勞損傷關(guān)系曲線，通過壽命有效管理，使風電機組疲勞損傷值低于設計值，從而使風電機組服役時間超過20年設計壽命，提高了利用率。

在整機壽命管理方面，MANUEL等[28]利用風場記錄的大數(shù)據(jù)，采用統(tǒng)計方法分析了外界環(huán)境對風電機組可靠性的影響，研究結(jié)果可以有效指導風機設計和維修，提高整機使用壽命。SM-ARSLY等[29-30]提出了通過一套集成狀態(tài)監(jiān)測系統(tǒng)方案，它能自動進行數(shù)據(jù)采集、分析和存儲，進行風電機組結(jié)構(gòu)可靠性評價，制定有效的運行維護策略，從而實現(xiàn)全生命周期管理。

4 展望

針對風電行業(yè)最關(guān)心的可靠性問題，國內(nèi)外學者提出了很多研究方法，但大部分局限于齒輪傳動系統(tǒng)，忽略了整機其他系統(tǒng)相互作用影響，采用簡單串并聯(lián)的方法計算可靠度，效果有限。本文在結(jié)合風場測試數(shù)據(jù)分析結(jié)果和主機廠、風場實地調(diào)研的基礎上，指出目前風電機組可靠性研究主要存在以下幾個方面問題。

(1)基于風電機組疲勞壽命的可靠性研究。疲勞失效是風電機組主要失效模式，所以需要研究整機的疲勞壽命和可靠性，根據(jù)風機動力學模型和運行參數(shù)，考慮隨機風速和各關(guān)重零部件失效相關(guān)性，計算風電機組傳動系統(tǒng)各關(guān)重零部件載荷和接觸應力矩陣，同時考慮風機工作環(huán)境，分析關(guān)重零部件疲勞損傷累積。另外，在設計工況下，分析風電機組疲勞壽命和可靠性，并與理論計算結(jié)果進行對比，驗證設計可靠度與理論計算值之間的差距，對指導風電機組設計和可靠性增長試驗具有重要意義。

(2)零部件健康狀態(tài)漸進式變化機理及物理表征研究。根據(jù)風電機組關(guān)重零部件功能和機構(gòu)特點，結(jié)合所受載荷和故障統(tǒng)計數(shù)據(jù)，研究其健康狀態(tài)的漸進式變化機理，尋求與健康狀態(tài)相關(guān)的物理表征，確定故障狀態(tài)物理表征的趨勢模型和閾值，對零部件或系統(tǒng)可靠性作出評價和預測。

(3)基于整機動力學可靠性研究。建立風電機組從葉片到地基的傳動系統(tǒng)動力學模型，在變風速、海浪等影響的情況下，研究風電機組結(jié)構(gòu)和傳動系統(tǒng)動態(tài)可靠性，進而對整機的運行可靠性進行評估；而現(xiàn)有可靠性研究均忽略了海浪對基礎和塔筒的影響，誤差較大，所以急需一套考慮海浪、海風影響的風電機組可靠性評估和預測工程模型和試驗方法。

(4)多狀態(tài)系統(tǒng)可靠性研究。風電機組經(jīng)常運行在多種工況交替變化情況下，失效模式多樣，現(xiàn)有研究僅考慮一種工況和失效模式，不能反映風電機組實際運行情況；故研究多工況及多失效模式下風電機組傳動系統(tǒng)的疲勞損傷、多因素相關(guān)條件下的系統(tǒng)可靠性和疲勞壽命預測模型和方法，對于提高可靠性評估精度、指導工程實際具有重要現(xiàn)實意義。

(5)研發(fā)可靠性在線評估系統(tǒng)?，F(xiàn)有風機大多均裝有SCADA和CMS系統(tǒng)，但兩者相互獨立，不能實現(xiàn)測試結(jié)果的相互佐證?；诂F(xiàn)有SCADA系統(tǒng)和CMS系統(tǒng)，融合兩套測試數(shù)據(jù)，從中提取特征數(shù)據(jù)，通過無線傳輸系統(tǒng)，結(jié)合可靠性工程模型和軟硬件設備在線進行實時動態(tài)可靠性評估和預測，對于降低運維成本、提高風場運行效率具有重要意義。

[1] HANSEN A, IOV F, BLAABJERG F, et al. Review of Contemporary Wind Turbine Concepts and Their Market Penetration[J].Wind Engineering,2004,28(3):247-263.

[2] PéREZ J M P, MRQUEZ F P G, TOBIAS A, et al. Wind Turbine Reliability Analysis[J].Renewable and Sustainable Energy Reviews,2013,23(23):463-472.

[3] LU B, LI Y, WU X, et al. A Review of Recent Advances in Wind Turbine Condition Monitoring and Fault Diagnosis[C]//Power Electronics and Machines in Wind Applications. Pemwa,2009:1-7.

[4] TAVNER P, SPINATO F, BUSSEL G J W V, et al. Reliability of Different Wind Turbine Concepts with Relevance to Offshore Application[C]//Proceedings of European Wind Energy Conference.Brussels,2008:1-10.

[5] SHAFIEE M. A Fuzzy-FMEA Risk Assessment Approach for Offshore Wind Turbines[J]. International Journal of Prognostics & Health Management,2013,4(S2):1-10.

[6] General Electric Company. Mod 1 Wind Turbine Generator Failure Modes And Effects Analysis[R]. Washington, D.C.:NASA,1979.

[7] KLUTKE G-A, KIESSLER P C, WORTMAN M. A Critical Look at the Bathtub Curve[J]. IEEE Transactions on Reliability,2003,52(1):125-129.

[8] 劉波. 基于零部件壽命相關(guān)的風電齒輪箱可靠性建模[D]. 蘭州：蘭州理工大學,2013. LIU Bo. Reliability Modeling for Wind Turbine Gearbox Based on Considering the Failure Correlation Existed in Components[D].Lanzhou ：Lanzhou University of Technology,2013.

[9] ARABIAN-HOSEYNABADI H, ORAEE H, TAVNER P. Failure Modes and Effects Analysis (FMEA) for Wind Turbines[J]. International Journal of Electrical Power & Energy Systems,2010,32(7):817-824.

[10] GUO H, WATSON S, TAVNER P, et al. Reliability Analysis for Wind Turbines with Incomplete Failure Data Collected from after the Date of Initial Installation[J]. Reliability Engineering & System Safety,2009,94(6):1057-1063.

[11] ZHANG X, KANG J, JIN T. Degradation Modeling and Maintenance Decisions Based on Bayesian Belief Networks[J].IEEE Transactions on Reliability,2014,63(2):620-633.

[12] SINGH M, MULJADI E, JONKMAN J, et al. Simulation for Wind Turbine Generators—with FAST and MATLAB-Simulink Modules[R].Golden:United States:National Renewable Energy Laboratory (NREL), 2014.

[13] OYAGUE F, BUTTERFIELD C, SHENG S. Gearbox Reliability Collaborative Analysis Round Robin[R]. Golden:National Renewable Energy Laboratory,2009.

[14] KELLER J A, GUO Y, SETHURAMAN L. Gearbox Reliability Collaborative Investigation of Gearbox Motion and High-speed-shaft Loads[R].Golden:National Renewable Energy Laboratory,2016.

[15] SMOLDERS K, LONG H, FENG Y, et al. Reliability Analysis and Prediction of Wind Turbine Gearboxes[C]// European Wind Energy Conference and Exhibition. Warsaw,2010:2660-2682.

[16] AL-TUBI I S, LONG H. Prediction of Wind Turbine Gear Micropitting under Variable Load and Speed Conditions Using ISO/TR 15144-1: 2010[J].ARCHIVE Proceedings of the Institution of Mechanical Engineers Part C Journal of Mechanical Engineering Science 1989-1996,2013,227(9):1898-1914.

[17] FENG Y, QIU Y, CRABTREE C J, et al. Use of SCADA and CMS Signals for Failure Detection & Diagnosis of a Wind Turbine Gearbox[J].European Wind Energy Conference and Exhibition. Brussels,2011:17-19.

[18] NEJAD A R, GAO Z, MOAN T. Fatigue Reliability-based Inspection and Maintenance Planning of Gearbox Components in Wind Turbine Drivetrains[J]. Energy Procedia,2014,53:248-257.

[19] 周志剛, 秦大同, 楊軍, 等. 考慮失效相關(guān)性的風力發(fā)電機齒輪傳動系統(tǒng)動態(tài)可靠性分析[J]. 太陽能學報,2013,34(7):1212-1219. ZHOU Zhigang, QIN Datong, YANG Jun, et al. Time-dependent Reliability Analysis of Gear Transmission System of Wind Turbine Considering Dependent Failure[J]. Acta Energiae Solaris Sinica,2013,34(7):1212-1219.

[20] 謝里陽, 劉建中, 吳寧祥, 等. 風電裝備傳動系統(tǒng)及零部件疲勞可靠性評估方法[J]. 機械工程學報,2014,50(11):1-8. XIE Liyang, LIU Jianzhong, WU Ningxiang, et al. Fatigue Reliability Evaluation Method for Gearbox Component and System of Wind Turbine[J]. Journal of Mechanical Engineering,2014,50(11):1-8.

[21] GIORSETTO P, UTSUROGI K F. Development of a New Procedure for Reliability Modeling of Wind Turbine Generators[J].IEEE Transactions on Power Apparatus and Systems,1983,PAS-102(1):134-143.

[22] TOFT H S, S?RENSEN J D. Reliability-based Design of Wind Turbine Blades[J]. Structural Safety,2011,33(6):333-342.

[23] DIMITROV N, FRIIS-HANSEN P, BERGGREEN C. Reliability Analysis of a Composite Wind Turbine Blade Section Using the Model Correction Factor Method: Numerical Study and Validation[J].Applied Composite Materials,2013,20(1):17-39.

[24] KUSIAK A, LI W. The Prediction and Diagnosis of Wind Turbine Faults[J]. Renewable Energy,2011,36(1):16-23.

[25] 朱才朝, 胥良, 馬飛, 等. 兆瓦級風電齒輪箱遠程實時在線測試及評價[J]. 振動與沖擊,2012,(20):17-22. ZHU Chaichao, XU Liang, MA Fei, et al. Remote Real-time Online Testing and Evaluation for a Megawatt Level Wind Turbine Gearbox[J]. Journal of Vibration & Shock,2012,31(20):17-22.

[26] 周志剛, 秦大同, 楊軍, 等. 隨機風載作用下風力發(fā)電機齒輪傳動系統(tǒng)疲勞壽命預測[J]. 太陽能學報,2014,35(7):1183-1190. ZHOU Zhigang, QIN Datong, YANG Jun, et al. Fatigue Life Prediction of Gear Transmission System of Wind Turbine under Stochastic Wind Load[J]. Acta Energiae Solaris Sinica,2014,35(7):1183-1190.

[27] LIANG Y, AN Z, LIU B. Fatigue Life Prediction for Wind Turbine Main Shaft Bearings[C]//International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering.Chengdu,2013:888-893.

[28] MANUEL L, NGUYEN H H, BARONE M F. On the Use of a Large Database of Simulated Wind Turbine Loads to Aid in Assessing Design Standard Provisions[C]//Proceedings of the 51st AIAA Aerospace Sciences Meeting Including the New Horizons Forum and Aerospace Exposition.Grapevine,2013:1-9.

[29] SMARSLY K, HARTMANN D, LAW K H. An Integrated Monitoring System for Life-cycle Management of Wind Turbines[J]. Smart Structures & Systems,2013,12(2):209-233.

[30] SMARSLY K, LAW K H, HARTMANN D. Towards Life-cycle Management of Wind Turbines Based on Structural Health Monitoring[C]//International Conference on Performance-based Life-cycle Structural Engineering. Hong Kong,2012:1-9.

(編輯 陳 勇)

作者簡介：李 垚，男，1989年生。重慶大學機械工程學院博士研究生。主要研究方向為風電機組可靠性和壽命預測。E-mail: yao_li_@outlook.com。朱才朝(通信作者)，男，1967年生。重慶大學機械傳動國家重點實驗室教授、博士研究生導師。E-mail:cczhu@cqu.edu.cn。陶友傳，男，1966年生。中船重工(重慶)海裝風電設備有限公司總工程師。宋朝省，男，1983年生。重慶大學機械傳動國家重點實驗室副教授。譚建軍，男，1991年生。重慶大學機械傳動國家重點實驗室博士研究生。

Research Status and Development Tendency of Wind Turbine Reliability

LI Yao1ZHU Caichao1TAO Youchuan2SONG Chaosheng1TAN Jianjun1

1.The State of Key Laboratory of Mechanical Transmissions,Chongqing University,Chongqing,40030 2.CSIC(Chongqing) Haizhuang Windpower Equipment Co., Ltd., Chongqing,401122

The failure modes and research progresses of reliability for wind turbines at home and broad were analyzed. The failure modes, failure reasons and detection methods of key components in the wind turbines were summarized. Also, the frequently used methods of reliability analysis and research status of wind turbine reliability were analyzed. Then research focuses, research methods and measures to improve wind turbine reliability were presented. Combining with the engineering requirements and research status, the development tendency of wind turbine reliability was analyzed and the flowchart to investigate the smart health management technology of wind turbines was proposed. It is of great significance to reduce the costs of operations and maintenances and to improve the safety of wind turbines.

wind turbine; failure mode; reliability; research status; development tendency

2016-06-07

重慶市重點產(chǎn)業(yè)共性關(guān)鍵技術(shù)創(chuàng)新專項(cstc2015zdcy-ztzx70012, cstc2015zdcy-ztzx70010);重慶市研究生科研創(chuàng)新項目(CYB16024)

TH12

10.3969/j.issn.1004-132X.2017.09.021

伍俏平，男，1981年生。湖南科技大學智能制造研究院副教授。主要研究方向為新型工具制備及高效精密磨削。發(fā)表論文30余篇，獲發(fā)明專利6項。E-mail:meishanzi11@sina.com。王 煜，男，1992年生。湖南科技大學智能制造研究院碩士研究生。瞿 為，男，1990年生。湖南科技大學智能制造研究院碩士研究生。鄧朝暉，男，1968年生。湖南科技大學智能制造研究院教授、博士研究生導師。