風電機組突發性故障狀態檢修決策模型研究

陳杰林

大唐漳州風力發電有限責任公司

摘要：隨著社會經濟發展速度不斷加快，各領域用電需求日漸提升，對發電機組運行狀態提出了更高要求。風電機組突發事故會造成嚴重的停機損失，因此為控制風電機組故障問題發生幾率，需要建立起專項科學的突發故障狀態檢修檢測模型。本文就針對此，以風電機組突發性故障振動信號特征為切入點，提出狀態及檢修原理下風電機組突發性故障狀態檢修決策模型的建立措施，以供參考。

關鍵詞：風電機組;突發性故障狀態;決策模型

1、風電機組突發性故障狀態檢修決策模型建立意義

在風電機組實際運行期間，易受外部環境、內部質量、操作問題等因素影響，出現突發性故障問題，導致供電效果不佳，嚴重者會引發巨大經濟損失。為切實提升風電機組突發性工程狀態檢修水平，需基于狀態機會檢修原理，構建起更加完善的風電機組突發性故障件性決策模型。

與傳統檢修手段相比，建立起的突發性故障狀態決策模型能夠更加直觀的展現出風電機組各構件故障之間的相關性，通過提取風電機組內部震動單元故障信號特征，對此些信號進行降頻與消噪處理。結合風電技術狀態機會檢修原理，明確故障機會闕值函數以及風電基礎工作狀態闕值函數，并由此計算出風電機組突發性故障風險發生幾率[1]。實現突發性故障發生位置以及故障嚴重程度進行精準判斷，具有檢測精準度高、控制成本損失效果好，檢修效率高等優勢。

2、提取風電機組突發性故障振動信號特征

在風電機組突發性故障問題出現后，機組振動運行信號會與正常狀態下的運行信號不同[2]。通過對比此兩種振動信號特征，能夠更加細致的研究突發性故障發生緣由，并且針對突發性故障特征制定出專項解決方案。具體來說，利用故障分布函數表示風電機組突發性故障，將突發性故障視為函數內部一個隨機變量，計算出風電機組故障發生概率。因風電機組故障變量具備連續性狀態特征，需設置更加合理的概率密度指標，確保故障分布函數科學合理。

風電機組突發性故障問題發生前以及發生期間，系統振動信號特征會發生明顯轉變，而結合狀態機會檢修原理，可以有效利用此振動信號特征，建立起突發性故障狀態決策模型，確保風電機組振動信號的變化能夠被快速高效識別出來，以便直觀向檢修人員展現出風電機組運行狀態，并為制定出專項維修預案提供重要理論依據。

風電機組機械部分主要由機降系統、驅動系統、冷卻系統、葉片的構成，由于風電機組長期處于室外惡劣環境下運行，外部結構會受雨雪風沙的侵蝕，引發突發性故障問題。經過實際研究發現，不同突發性故障問題所產生的振動信號特征明顯不同，在后期檢修與處理時的問題也存在巨大差異。因此為確保風電機組突發性故障狀態能夠被及時發覺，需要事先分析并確定風電機組主要故障形式。

在利用狀態及檢修原理構建風電機組突發性故障決策模型期間，應當細致分析振動信號差異特征[3]。首先收集風電機組振動信號，并對此些信號進行小波重構，去除突發性故障信號內部干擾噪聲信號，準確定位出突發性故障發生位置以及故障種類，進而明確風電機組突發性故障狀態維修闕值函數以及機會維修函數，切實提升風電機組突發性故障狀態的檢修精準性。傳統風電機組突發性故障振動信號主要是由信號采集單元獲取，此方式只適用于低頻信號。但由于突發性故障振動信號多受到噪聲信號干擾，導致振動信號特征判別難度增大。而本文擬用的小波重構方式，能夠對高頻信號進行分解，過濾掉突發性故障信號中的噪聲干擾。通過多次分解轉換高頻信號，能夠實現突發性故障信號降頻處理目標，并將處理后的信號特征投影到各自對應的小波區間，切實提升提取突發性故障振動信號特征的精準度，保障信號特征強度水平，對增強后期突發性故障維護方案的適用性與專項性奠定了堅實基礎。

3、風電機組突發性故障檢修決策模型的設計

通過收集風電機組突發性故障振動信號，明確此振動信號特征，對振動信號進行降噪處理，可為后期突發性故障檢修決策模型的制定提供重要數據支持。注重在突發性故障檢修決策模型設計過程中利用狀態機會檢修原理，優化模型結構及模型內容，能夠及時提升突發性故障問題檢測定位的精準性以及檢測結果的準確度[4]。當前大部分風電機組多為串聯式結構，在其中某一部件發生故障問題后，其他機組運行狀態也會受到明顯影響，切實提升了故障技術定位難度。傳統機組突發性故障問題會采用停機大范圍檢修方式，但此種方式帶來的巨大停機成本與經濟損失往往是風力發電廠無法承受之重。

狀態機會檢修原理主要就是指整個風電機組系統發生故障后，故障部分與其他正常狀態下的機組在運行期間的部分振動信號會產生明顯差異，通過對這些故障信號細節特征以及闕值變化情況進行精準分析，就能夠更加準確的判斷出故障發生位置以及故障發生原因。

通過以收集并分析風電機組突發性故障狀態振動信號特征的方式對突發性故障問題進行檢修與處理，能夠有效避免停機檢測方式，對各機組運行狀態進行精準分析，從而準確衡量出維修成本與過程發生機會成本之間的差值，切實增強風電機組突發性故障維修工作的經濟效益。

在利用狀態機會檢修原理構建風電機組突發性故障決策模型期間，可通過設置正常與突發性故障狀態下風力發電機組的狀態闕值函數曲線以及故障機會闕值曲線，判斷出突發性故障問題風險大小，判定故障風險發生幾率，計算出綜合檢修成本。

在風電機組突發性故障決策模型中，如果出現系統指示值高于故障機會闕值的情況時，說明該系統運行期間存在較大故障風險，需要進行停機檢修處理。如果系統指示值位于較為平穩的區域，則說明系統存在突發性故障風險，需要相關檢修人員加大風電機組回饋振動信號特征變化的觀測力度，及時發現并處理系統可能存在的故障問題。

總結：總而言之，風電機組突發性故障問題往往會造成嚴重的安全隱患與經濟損失。面對日漸增長的供電要求，在風電機組故障狀態預測與控制期間，相關工作人員需建立起結構完善的突發性故障狀態決策模型，結合風電機組運行特征，對決策模型結構進行不斷優化，確保風電機組突發性故障問題得到及時，保障風電發電廠核心利益。

參考文獻

[1]徐波. 計及機會維修的電力系統狀態檢修理論研究[D].山東大學，2016.

[2]李業勇. 高壓直流輸電系統可靠性計算及其檢修策略研究[D].山東大學，2016.

[3]劉炳文. 基于振動模態識別的自卸車底盤故障診斷與維修優化[D].太原理工大學，2018.