關于風機預警分析的可行性研究

姜超

(東方電氣風電有限公司，四川德陽，618000)

關于風機預警分析的可行性研究

姜超

(東方電氣風電有限公司，四川德陽，618000)

文章研究的風機預警分析為預先判斷機組部件是否出現故障提供了可能，它從大部件預警、基于統計規律的預警、功率曲線預警、CMS振動檢測預警、損壞件預警、運行分析預警等6個方面進行了可行性分析，通過綜合機組部件歷史故障前的數據，以及它們的運行原理等相關理論依據，通過數據挖掘找出部件正常運行的數據規律，以及機組部件故障前一段時間的數據規律。當該部件再次出現異常數據時，機組會自動預警，現場人員可立即檢查部件是否出現故障。防患于未然，降低故障率，降低成本，保障風機正常可靠運行。

風力發電機組，預警分析，數據規律

0 引言

預警系統在當前社會的使用越來越廣，從森林火災、高溫干旱等災害預警到財務預警，從金融投資風險預警到疲勞駕駛預警，預警系統的功能多元化發展，作用也越來越大。

近幾年，隨著風電行業的快速發展，國內風電機組裝配企業初期粗放式搶占市場帶來的弊病逐漸呈現，暴露了許多問題，也留下了很多隱患。風機的故障率偏高，風場的可利用率較差，風機頻繁出現的故障增多，這些問題已經成為風電機組的通病。風電場大部件損壞增多，例如主軸軸承、發電機軸承等，損壞后停機時間較長，導致機組的利用率和發電量降低，對風電場業主和機組廠家都造成了很大的經濟損失。

目前風場服務人員依然停留在出現問題解決問題的階段，后知后覺的工作習慣制約了企業的競爭力。將預警分析方法引入風電行業，在機組某部件出現異常數據預警時，現場人員立即檢查機組該部件是否正常工作，是否出現異常現象。若是機組部件存在問題，可立即進行修理，避免因小失大，影響風機安全穩定運行，這樣既可以提高風機的可利用率，降低風電機組的運行成本，同時也可增加發電量。

因此，為了提高風機的經濟性，降低風機的故障率，對風機故障預警分析的可行性研究是很有必要的【1-2】。

1 預警分析介紹

1.1 預警、分析的概念

預警功能是指在對風機運行狀態的監控和運行數據的處理基礎上對風機發生故障的可能性進行預測，從而提高設備的運行壽命，提前發現重大故障的征兆并及時處理，提高可利用率，保證風機安全運行。

分析則是通過風機的歷史運行數據或實時數據進行深度數據挖掘，通過數據模型來研究各個數據量的相互關系以及將來可能的趨勢，進而分析風機的當前狀態或故障原因。

1.2 預警、分析的應用

1.2.1 大部件預警

風機大部件的成本較高，而且更換大部件周期較長（至少一周時間），機組因大部件更換引起的長時間停機會影響風場發電量，對風場業主造成嚴重的經濟損失。

大部件通過預警分析方法來進行故障預判，主要是對大部件運行的溫度、振動情況進行監測，同時綜合風速、轉速、功率、機艙溫度、艙外溫度等相應的狀態數據進行關聯分析，提前發現故障前兆。當風機運行時，若某大部件溫度（振動值）超過了所設定的報警定義，系統給出預警信息，提醒現場人員進行檢修。

如何設定這個大部件的“報警定義”成為了預警分析中最重要也是最難的一項工作，由于風機運行時的各個狀態量之間并沒有一個嚴格的函數關系，在目前對機組的認識上，甚至可以說沒有辦法確定所有為大部件設定“報警定義”的相關狀態量，也就是，機組的所有狀態量都有可能為大部件故障預警提供參考值，因此，相關狀態量種類多無法確認、各個狀態量與大部件故障的函數關系模糊等問題成為了現階段對機組的認知水平下難以明確的攻關難點。

為了能夠實現對大部件的預警，要拋開固定思維，放棄絕對的精確預警，以廣義的預警為基礎來進行設定“預警定義”標準。以發電機軸承損壞為例，搜集500個同一發電機廠家的同一型號前軸承在損壞前三個月（損壞時間為同一時間段）的風機運行數據，如發電機前后軸承溫度、風速、轉速、功率、環境溫度、發電機風扇動作次數、發電機繞組溫度等，通過對這些狀態進行數據挖掘，得出一條或者幾條比較集中的規律曲線，同時，用同樣的方法統計500個同樣配置的健康軸承在同一時間段內的運行數據，500個不同配置的損壞軸承在同一時間段的運行數據，500個不同配置的健康軸承在同一時間段的運行數據，以上4種軸承情況在不同時間段的運行數據，也可以分別得出一條或幾條比較集中的規律曲線，通過對8種情況的數據對比，分析判斷，理論上可以得出一條或幾條規律曲線，這就是需要的“預警定義”模糊標準，當風機運行時出現該段類似數據，可以對發電機軸承故障進行預警，同時提醒現場人員去檢修出現異常的部件，防止因發電機軸承抱死，導致更換發電機。

而其他小部件預警原理類似，大多數都是以溫度、電流值等作為預警條件，不過均需要大量的數據作為分析依據，而且絕對的預警在目前實現比較困難，只有在大量數據的基礎下，有可能得出較為準確的標準，然后在后續的運行中不斷地檢測和更新該標準。

1.2.2 基于統計規律的預警

基于統計規律的預警是一個較為宏觀的預警，主要是以風機歷史故障記錄為依據，采用時間序列預測等技術對風機故障的可能性進行預測，生成各故障發生可能性表格，從而針對性地進行巡檢、維保，減小故障發生的概率。

統計預測是在機組大量統計數據的基礎上進行的，預測時應綜合考慮風場風機的歷史故障記錄統計規律，故障相關性，該風場可能存在的批量故障，各部件的大范圍統計故障率，運行年限等因素。為了保證數據的有效性，應盡可能搜集2年以上（有利于同比各個時間段的數據）的數據進行分析。單臺風機的單個電氣故障發生的歷史數據隨機性較強，不具備可參考性。

同一個故障應收集該風場所有風機2年以上的歷史報出記錄，通過記錄來預測各個時間段報出故障的情況，或是否已出現該故障的批量問題，由于故障次數屬于一個主觀認識較強的數據，可人為設定警戒標識，當數據超過警戒值，進行預警，引起現場人員對該故障的重視。

同樣方法進行統計全場機組的所有故障，得到不同時間段故障的觸發次數規律，通過較長時間的數據同比和環比，找出故障多發期和高頻次故障種類，有利于提前安排該風場的巡檢和維保內容，提高維護質量。

1.2.3 功率曲線預警

風電機組的功率曲線除了和主控的算法有關外，還與風向標、風速儀、葉片零度位置、變頻器力矩信號等狀態信息有關，也受到空氣湍流、空氣密度等氣象因素影響，而同時每個風場的功率曲線也因為地理位置、風況、環境等原因各不相同，因此功率曲線的預警可以直接根據功率曲線的“風速-功率”對應表來進行預警。

功率曲線是根據風機一定時間（至少半個月）的實時發電數據10 min平均值繪制而成，在預警系統中加入風場的合同功率曲線表值，同時，實時監控風機的發電數據10 min平均值。如果某一風速下，采集的發電數據10 min平均值低于所要求的功率超過5次時，預警系統給出報警，現場運行人員可及時調出功率曲線數據，以查看問題所在，若有必要，檢查風機端影響功率曲線的各個因素。

對功率曲線的預警功能可以及時提醒功率曲線不達標情況，提前解決功率曲線不達標問題，保證風電場業主的發電量，也有利于風電廠家后期質保交機的順利執行。

1.2.4 CMS振動檢測預警

風電機組振動問題已經成為了目前風電行業的一個普遍隱患，它能提前發現機組振動問題，有助于增強機組安全穩定運行的能力，降低維護費用，準確判斷故障原因以改變風機的設計等。CMS系統通過傳感器采集風機主要部件（如主軸、齒輪箱、發電機等）的振動信號，如圖1所示。

圖1 風機CMS系統采集示意圖

在風場服務器端進行信號處理，然后根據實際振動頻譜與典型故障頻譜比較，進行預警判定。典型故障頻譜也是來源于由大量的歷史故障頻譜記錄形成的軸承庫，軸承庫支持數千種主流軸承數據，在頻譜中能自動計算出故障頻率，便于故障分析，如圖2所示。

圖2 主軸前軸承徑向震動監測

目前已經有很多專業公司在做CMS的振動監測系統，也有專業的故障頻譜數據庫，風電業主或生產廠家可以與他們合作，通過直接調用CMS振動監測系統的數據進行預警，以便及時檢查維護處理【3-4】。

1.2.5 損壞件預警

風電機組的損壞件也是一個反映風場風機故障率的有力數據，同時也是風電企業最重要的運行成本之一。它可以是因為本身質量問題損壞，也有可能是機組運行或電網故障等其他外因引起。通過對風場損壞件的統計，根據一定時間內風場更換備件的型號和數量，有助于預警風場的批量故障、典型故障，若某型號備件使用數量超過警戒線，有可能存在批量故障，也有可能備件質量出現了批量問題，損壞件預警后，引起運行人員重視，并對損壞件的損壞信息分析并處理。同時，通過損壞件的歷史數據統計也可以分析各時間段受到氣溫、大小風期等影響的新增損壞件的數量規律，在每個季節段到來前，提前進行巡檢維保，對易損件或部套進行重點檢查，改變后知后覺的工作習慣，提前處理，降低故障率，并對批次故障可以讓同類的風場開展針對性檢查。

比如，在每次機組維護完半年后，齒輪箱濾芯堵塞出現的幾率會大幅提高，通過預警系統，可以及時提醒現場人員應該關注機組的齒輪箱運行狀態，若堵塞，及時更換濾芯，避免引起風機故障停機和降低齒輪箱的使用壽命。

1.2.6 運行分析預警

運行分析預警主要是指實時監測風機運行情況進行預警，可以通過“趨勢圖分析”、“歷史數據”等模塊分析風機的歷史運行數據，并初步探索風機各點位之間的關系。

當風機趨勢圖數據出現異常點時，很有可能存在故障，進行人為預警，運行人員可通過查閱該臺機組之前的維護檢修記錄和歷史故障記錄進行預判斷，若已報出故障，則可通過故障前后3 min的20 ms數據進行分析處理。

比如，圖3中的發電機軸承1和2的溫度趨勢圖，若趨勢圖中發電機軸承1，2溫度差異較大，并且溫度在80℃以上，則現場運維人員需要對發電機相關部件進行檢查，是否存在溫度傳感器異常，或者發電機散熱系統存在異常等問題。例如圖4中的齒輪箱油泵壓力趨勢圖，若趨勢圖中齒輪箱油泵壓力值在正常運行中持續保持在4 bar以下，可以預判齒輪箱油泵可能存在濾芯堵塞、漏油等現象，此時，運行檢修人員應及時對該臺機組進行檢查。

圖4 齒輪箱油泵壓力趨勢圖

圖3 發電機軸承1，2溫度趨勢圖

2 結論

本文主要是以概念性的角度提出預警分析的可行性，關于風機的預警分析主要從大部件預警、基于統計規律預警、功率曲線預警、CMS振動檢測預警、損壞件預警、運行分析預警等6個方面進行展開，基本可以應用到風機運行狀態的各個情況預警。

預警分析在各個行業都已經開始應用，在風電行業的應用卻還沒有做成系統，預警的準確性依托于強大的數據，也要熟悉預警內容的原理，同時還有很多硬件設施需專門為風電環境設計，因此，預警系統的成熟使用還有很長一段路走。

本文舉例的6個方面中，功率曲線預警、基于統計規律預警、損壞件預警、運行分析預警因為所需的數據比較清晰，因此相對來說會比較容易實現，而大部件預警、CMS振動檢測預警是需要進行大量的數據挖掘工作的，而且就目前的技術水平，無法去準確定義大部件故障、振動檢測的相關技術指標量，不過，模糊的預警還是可以實現，相信能夠在后續的數據中實現自我修正，最終實現預警功能。

風電行業在快速發展過后，隱患慢慢暴露出來，需要的是風電企業冷靜的自我反省，并盡快采取措施，將損失降低到最小，預警分析將成為降低風機故障率，提高風機安全穩定運行能力的強有力方法。

[1]何顯富,盧霞.風力機設計、制造及運行[M].北京：化學工業出版社,2009.

[2]王志新.現代風力發電技術及工程應用[M].北京：電子工業出版社,2010.

[3]李智輝,文元雄.風機振動監測系統[J].風機技術,2002,（6）：56-58.

[4]汪光陽,周義蓮.風機振動故障診斷綜述[J].安徽工業大學學報,2006,（1）：64-68.

Study on Feasibility of Wind Turbine Early Analysis

Jiang Chao

（Dongfang Electric Wind Power Co.,Ltd.，Deyang Sichuan,618000）

In this paper,wind turbine warning analysis can prejudge whether or not there is a fault to the unit's components,it's based on the warning of large parts,warning of the statistical rule,the power curve early warning,CMS vibration detection of early warning,a warning of damaged parts,warning of operation analysis early for feasibility analysis.Based on the data before the fault of unit,the princle of the operation and the soon,the rules for normal operation are found,and the data rule before failure for a period of time also are found.When the part returns the abnormal data again,wind turbine can automatically warn,the field staff can immediately check if the parts fail.Nip in the bud,reduce the failure rate and lost,ensure normal and reliable operation of wind turbine.

wind turbine,warning analysis,law of the data

TM614

A

1674-9987（2017）02-0056-05

10.13808/j.cnki.issn1674-9987.2017.02.013

姜超（1985-），男，本科，從事風電現場服務及風電機組技術工作。