風機齒輪油劣化程度的評估方法

孫建偉

（華潤電力技術研究院，廣東深圳 518000）

0 引言

潤滑油一般由基礎油和添加劑兩部分組成。基礎油是潤滑油的主要成分，決定著潤滑油的基本性質，添加劑可彌補和改善基礎油性能方面的不足，賦予某些新的性能，是潤滑油的重要組成部分。風機齒輪油的技術要求是油品要有很好的極壓抗磨性能和粘溫性能。但隨著風機的運行，齒輪油的黏度會發生變化，極壓抗磨劑會隨之減少，油品出現不同程度的劣化。

目前，風機用潤滑油主要是雙饋機組齒輪油。雙饋機組通過主軸傳動鏈，經過齒輪箱增速到異步發電機發電并入電網的。齒輪箱是雙饋機組的核心部件之一，因此，判斷齒輪油的劣化程度進行科學合理換油直接決定著齒輪箱的使用壽命。通常齒輪油劣化程度與基礎油的變質和添加劑的消耗密切相關。基礎油的變質表現為基礎油分子鏈聚合黏度變大，黏度大油膜過厚損失機械動力，功率下降。基礎油分子鏈斷裂黏度變小，油膜過薄或形不成油膜，會造成齒輪和軸承干磨等。風機齒輪油主要添加劑是含磷的極壓、抗磨添加劑[1]。添加劑消耗主要表現在添加劑中磷元素含量減少。因此，通過監測齒輪油運動黏度（40℃）和元素分析磷含量變化可以對齒輪油劣化程度能做出明確判斷。

1 風機齒輪油劣化評估原理

1.1 灰色預測理論

灰色系統理論以“部分信息已知、部分信息未知”的“小樣本”、“貧信息”不確定系統為研究對象，主要通過對部分已知信息的生成、開發，提取有價值的信息、實現對系統運行行為、演化規律的正確描述和有效監控[2]。

灰色預測理論是通過少量的、不完全的信息，建立數學模型并做出預測的一種預測方法[3]。其建模步驟：①由原始數據序列x(0)計算一次累加序列 x(1)；②建立矩陣 B，y；③求逆矩陣（BTB）-1；④根據求估計值⑤用時間響應方程計算擬合值（i），再用后減運算還原，即…，N）；⑥精度檢驗與預測。

由于風機齒輪油間隔6個月測試運動黏度，運動黏度數據屬于小樣本，因此，運動黏度變化趨勢預測以灰色預測理論為理論基礎。

1.2 線性回歸方程理論

回歸分析是指在掌握大量觀測數據的基礎上，利用數理統計方法建立因變量和自變量之間回歸關系的函數表達式。回歸分析的過程是根據實測數據來求解模型的各個參數，建立回歸模型來確定變量之間的因果關系，然后評價回歸模型是否能夠很好地擬合實測數據；如果能夠很好的擬合，則可以根據自變量對因變量作進一步預[4]。

線性回歸是根據自變量個數，線性回歸又分為一元線性回歸和多元線性回歸。一元線性回歸指的是只有一個自變量的線性回歸：y=a+bx+ε。式中，a為截距，b為回歸直線的斜率，又稱為回歸系數，ε是隨機誤差。

多元線性回歸指的是研究因果關系涉及2個或2個以上自變量的線性回歸：y=b0+b1x1+b2x2+……+bnxn+ε。

因只涉及一個時間變化的自變量和磷含量的因變量，含磷添加劑變化趨勢采用一元線性回歸方程做為理論基礎。

2 風機齒輪油劣化評估方法

數據來源于某電力公司雙饋機組在用齒輪油檢測數據，某電力公司投運2700臺風機，其中雙饋機組為1493臺，使用4種ISO 320#全合成齒輪油（美孚 SHC XMP320、殼牌 Omala HD 320、嘉實多 X320、福斯 UNISYN CLP320），其中使用某品牌齒輪油占67.3%，因此，統計某品牌在用齒輪油的檢測數據，分別對運動黏度和磷含量的變化趨勢進行劣化評估。

2.1 運動黏度變化的灰色預測方程評估方法

選取某風電場F17號風機近4 a使用SpectroVisc 300黏度分析儀測定的運動黏度檢測數據（表1），預測未來4 a運動黏度的變化趨勢。

運用灰色預測法對運動黏度檢測數據建立預測方程：

即 a=0.01；b=299.47，k=1，2，3，…，N，

根據運動黏度歷史檢測數據建立的預測方程，預測未來4 a的運動黏度數值（表2）。

表2 運動黏度檢測數據和預測數值統計表

如圖1所示，齒輪油的運動黏度隨著使用年限的增長，黏度逐漸變小，原因是全合成的基礎油分子鏈發生斷裂，造成黏度逐步降低。關于齒輪油黏度變化的情況，風電場根據實際齒輪油黏度檢測情況，一般黏度變化320 mm2/s±（10%～15%）即（272～288；352～368）判為預警，對齒輪油加強監測，當黏度變化 320 mm2/s±15%（＜272 或＞368）則需要更換新油。

圖1 運動黏度檢測數據和預測數值變化趨勢

根據灰色預測方法建立預測方程，F17風機齒輪油在使用3992 d時運動黏度為279.07 mm2/s，此風機齒輪油還可以繼續使用，說明全合成齒輪油的基礎油質量良好。因此，可以通過灰色預測方程評估風機齒輪油劣化程度和換油時間，為風電場實際運維提供指導。

2.2 含磷添加劑消耗的一元線性回歸方程評估方法

選取某品牌使用SpectrOil120C油料光譜分析儀測試的用齒輪油元素磷含量檢測數據，刪除異常點后，實際采用1102個數據建立磷含量一元線性回歸方程（圖2）。

圖2 時間變化磷含量一元回歸曲線方程

建立一元回歸方程：y=-0.036 6x+349.92，從回歸曲線可以看出隨著機組運行時間的增加，磷型極壓抗磨劑逐漸減少。蘭州化學物理研究所固體潤滑開放研究實驗室的理論研究結果是，當磷型極壓抗磨劑加入1.5%，2%，3%時，其抗磨性能隨著負荷變化在2%添加劑的極壓抗磨性變現最優[5]。因此，據理說明當磷型極壓抗磨添加劑減少，抗磨性能顯著降低。

據檢測齒輪油新油中磷含量是（380～420）mg/kg，根據回歸曲線計算隨時間變化磷含量的變化（表3）。

表3 隨時間變化磷型極壓抗磨添加劑含量及減少率

根據回歸方程計算，理論上當齒輪油使用1825 d（5 a）時，磷型極壓抗磨添加劑減少30%，當齒輪油使用3285 d（9 a）時，磷型極壓抗磨添加劑減少43%，說明齒輪油在正常情況下理論上可以使用9 a，但是實際情況下，風機分布的區域、氣候、機型、風況、發電效能等運行狀況各不相同，齒輪油實際使用達不到9 a，極壓抗磨磷含量添加劑就減少到一定數值。同時，風機供應商的風機運行操作手冊規定（4～5）a更換新的齒輪油。因此，就需要建立一個評判標準來指導風電場科學合理的判斷齒輪油的老化程度，及何時更換新油。

根據表3，將齒輪油磷型極壓抗磨劑劃分5個區間（磷含量P（mg/kg）：P≥310，280≤P＜310，250≤P＜280，230≤P＜250，P＜230），圖3所示為5個區間鐵含量增量平均值。

統計數據來自齒輪箱在間隔3～6月內磨損的鐵元素的增加值，從圖3可以看出，隨著磷型極壓抗磨劑含量的減少，齒輪箱磨損鐵元素含量逐漸增大，在P＜230 mg/kg區間，齒輪箱磨損鐵元素含量在3～6個月內增加11.43 mg/kg，因此，當油料光譜分析儀測試齒輪油中磷型極壓抗磨劑含量＜230 mg/kg時，需要風電場更換新的齒輪油。

圖3 5個區間鐵含量增量平均值

3 結語

針對風機在用齒輪油劣化現象，通過灰色預測理論[6]建立運動黏度灰色預測方程對齒輪油的基礎油變質進行評估；通過線性回歸理論建立了含磷添加劑一元線性回歸方程對添加劑的消耗進行評估，依據實際檢測數據建立科學的評估方法。風電場應對每臺風機齒輪油定期進行油品檢測，并根據運動黏度和磷含量的數據，通過以上2種評估方法判斷齒輪油的劣化程度。

用科學的方法評估齒輪油的劣化程度，指導風電場科學合理的換油，不僅使齒輪箱運行與換油周期更符合設備的實際需要，節省換油費用，還能延長齒輪箱的使用壽命，提高企業的綜合經濟效益。

［1］夏延秋，任霞.潤滑油極壓抗磨添加劑的應用及發展預測[J].沈陽工業大學學報，2006，28（3）：241-254.

［2］鄧聚龍.灰色理論基礎[M].武漢：華中科技大學出版社，2002.

［3］劉思峰，郭天榜，當耀國.灰色系統理論及其應用[M].北京：科學出版社，1999.

［4］王蕊，董祥旻，何衛蘋.一種多元非線性回歸模型的建立方法及其應用［J］.評價與測量，2010（11）：17-22.

［5］喬玉林，方學敬，黨鴻辛.一些磷-氮型極壓抗磨添加劑性能的研究［J］.摩擦學學報，1995，15（3）：248-256.

［6］任工昌，劉麗，苗新強.基于灰色系統理論的齒輪監測診斷技術研究［J］.輕工機械，2009，27（5）：76-79.