基于風電機組運維數據的故障統計及CMS系統振動數據評估分析

劉洪凱

（大唐山東發電有限公司新能源分公司，山東 濟南 250000）

風力發電作為促進能源結構轉型的重要推動力，如何提升風力發電效率，已經成為能源行業熱議的話題。經過多年的發展，風能設備不斷升級，風力發電技術也越發完善，相關配套設施越發健全，運維制度逐步確立。在肯定中國風力發電行業所取得的成果的同時，我們也要正視該行業目前所存在的一些問題，例如目前還沒有形成較為成熟的風電產業體系，早期投入使用的風力發電設備較為陳舊，沒有得到及時的更新，其后期運行維護費用較高，風力發電機組經常發生故障。想要妥善解決這些問題，就需要相關從業人員依靠風電機組運維數據對風電機組的故障進行統計，并對CMS系統的振動數據進行科學評估，以此為風電機組技術革新提供數據支撐。

1 風電機組故障統計分析

每一種風力發電機組的生產廠家、規格以及運行參數存在很大差異，不同地區布置風力發電系統時會依據當地的實際情況綜合考慮投入成本，選擇不同品牌、不同型號的風電機組。因此，風力發電機組在實際運行過程中所出現的故障模式、故障率會存在很大差異。由于不同地區風力發電企業的管理模式不同，無法對風力發電機組故障數據進行有效的收集與分析，導致一些常見的問題遲遲得不到解決。風力發電機組大多處于偏遠地區，依靠傳統的故障數據收集方式，很容易出現數據遺漏問題。加之一些工作人員在記錄故障數據時出現人為失誤，進一步降低了風電機組故障統計數據精度。針對這一問題，相關工作人員要準確記錄風電機組故障數據，在實際工作中要遵循以下原則：將非結構性故障數據量化為可以進行橫向對比的故障數據[1]；在相同的時間跨度內統計不同風電機組故障的類型及故障發生的概率；故障統計數據應真實可靠。

不同的風力發電企業其運行模式以及管理模式存在很大差異，故障類型以及故障發生的頻率也各不相同，研究人員通過對建設時間不超過2年的風力發電機組故障信息進行歸類與整理，總結國內風力發電機組常見故障模式。由于風電機組所處環境較為惡劣，對于故障信息的收集較為困難且故障數據繁雜，為了確保故障信息的有效性，應確保收集的故障信息滿足以下要求：確保收集的故障信息具有可比性；針對在不同風力發電廠采集的故障信息，確保其所處的時間段應一致；確保數據信息的真實性。

風力發電機組主要由電氣系統、葉片系統、偏航系統、發電機組、傳動系統等組成，相關工作人員對國內外425臺發電機組的故障數據進行分析，繪制出了如圖1所示的風電機組子系統故障統計圖。

圖1 國內外風電機組子系統故障統計圖

由此可以發現，國內安裝的風電機組各子系統故障發生概率與國外風電機組子系統故障發生概率相似，其中電氣系統發生故障的概率最高，葉片以及發電機發生故障的概率也基本保持一致。

2 CMS系統振動數據研究

2．1 SCADA數據相關性分析

通常情況下，數據信號的相關性，主要是指不同信號之間所存在的線性關系。針對確定的信號，可以將兩個信號變量看作一組具有函數對應關系的數據，而隨機變量不存在函數關系。針對風電機組而言，如果CMS系統振動數據的兩個變量之間存在物理關聯，則借助海量的統計數據能夠確定兩個變量之間的關系，這種對應關系雖不準確，但可以展現其特性。單一的隨機數據，其相關函數能夠在不同時間跨度內表現出不同的變化幅度，而兩項隨機數據，則需要定義相關函數關系來確定這兩項隨機數據之間的依賴關系。

研究人員將兩項隨機數據的時差設定為變量τ，其相關函數如下：

得到公式（3）之后，就能夠在大量干擾數據中，準確找到瞬時信號以及周期信號。將變量τ的取值延長，就會讓噪聲信號中的周期分量更好地顯現出來[3]。例如在分析風電機組子系統故障的過程中，如果機組處于帶病工作狀態，或者出現故障，那么干擾數據中就會出現周期性的脈沖信號，該信號的

在得到兩個變量的函數對應關系公式之后，可以設定兩項隨機數據為x（t）、y（t），則可以得到Rxy（τ）的相關函數式如下：強度要顯著高于普通的干擾信號，利用上述公式就可以發現故障信號的周期分量，以波動頻率以及幅值為基礎，可確定故障來源以及故障類型。

2．2 SCADA數據特征分析

研究人員首先對齒輪箱運行SCADA數據特征進行了分析，列出了齒輪箱SCADA系統中溫度、振動、風速等數據，并繪制23小時內，齒輪箱CSADA數據變化趨勢圖。依據每一組參數的變化趨勢，分析齒輪箱的振動幅度變化，以及齒輪箱故障與其運行狀態之間的關系。

根據風速與風電機組功率關系，以及變槳設備轉速與轉矩關系圖，可以發現風電機組的功率曲線散點較為分散，不存在線性關系。但是變槳設備的轉速與轉矩之間的關系較為明顯。說明風電機組依照變槳設備的轉速調整功率，當變槳設備的轉速在10～18轉/分，轉速與功率之間的關系為平方關系，而轉矩與轉速之間則呈現線性關系。

2．3 SCADA數據與CMS數據對比

相關工作人員截取相同的時間跨度、兩臺機組的CMS數據及SCADA數據，制作數據變化趨勢圖，對兩組數據進行對比，借助這種方式探究兩組電機運行數據之間是否存在關聯。此外，通過CMS數據與SCADA數據的對比，觀察機組CMS數據運行變化的趨勢，為系統狀態監測及故障診斷做準備。

2．3．1 SCADA數據分析

測驗風電機組在正常工作狀態下，其葉片的轉速與輸出功率產生較大的起伏，風電機組的傳動裝置，長時間處于變速狀態之中，且風電機組荷載變化范圍非常大，使得對于CMS系統的分析變得更加困難。將CSADA數據與CMS振動數據進行對比，發現齒輪箱工作時產生的振動，與風輪轉速以及荷載參數存在關聯。

2．3．2 CMS數據分析

測驗1號風電機組CMS系統振動數據，并得到相應趨勢圖。通過觀察可以發現，該機組CMS中，6個檢測點的有效值變化以及檢測時間范圍，與SCADA系統一致。在CMS系統中，風電機組振動幅度與輸出功率以及變槳裝置的轉速存在線性關系。因此，工作人員在進行日常故障檢測工作過程中，如果只依靠傳動裝置的振動幅度，來判定風電機組是否存在故障，會出現疏漏。其原因在于風電機組的振動幅度，與其實際運行狀態存在直接聯系。當風力發電設備所在區域風力提高，變槳裝置以及葉片的轉速就會提高，電能輸出功率也隨之提高，相對應的轉動裝置荷載也會變大。傳動裝置荷載變大，令風電機組振動幅度顯著提高，當振動幅度超過設定好的安全閾值，安裝在風電機組內部的振動檢測裝置判定風電機組出現了故障，就會發送故障報告[4]。

測驗2號風電機組CMS系統振動數據時，工作人員需要借助布置在傳動鏈上的8個檢測點，收集2號風電機組振動有效值變化情況。在檢測時間之內，8個檢測點的振動信號幅度，均隨著時間的推移而產生明顯變化，由此可以說明2號風電機組傳動鏈上布置的檢測點（主要包括發電機、軸承以及齒輪箱等），其振動的幅度會隨著風電機組運行時的工況變化而改變。

通過實驗可以證明，1號風電機組與2號風電機組在單位時間內的CMS振動數據，其振動信號有效值范圍趨同，振動狀態較為相似。此外，通過分析兩組風電機組CMS振動數據可以發現，CMS振動數據的變化會受到風機主軸承的轉速及風電機組荷載變化的影響。因此，工作人員基于故障診斷及狀態監測需求，嘗試在機組處于高速運行狀態下收集CMS數據，并對其進行了分析。

2．4 CMS系統數據分析

工作人員調取兩組風電機組運行數據，在其中截取時長為10min的高負荷運行數據，并記錄齒輪箱上6個檢測點的振動幅度變化情況，其中檢測點1、檢測點2、檢測點3分布在1號機組與2號機組的低速端，檢測點4、檢測點5、檢測點6分布在高速端。對比各個檢測點振動的有效值，機組采集數據時段見表1，各檢測點機組振動有效值見表2。

表1 機組采集數據時段

表2 各檢測點機組振動有效值

通過分析表1與表2的數據可以發現：①帶有齒輪箱的風電機組振動檢測，已經成為目前國內風電機組傳動裝置故障檢測的標準。在該標準體系下，齒輪箱的振動加速度正常值為0～7.5m/m2，頻率范圍為10Hz～2000Hz。以此為基礎觀察1號機組與2號機組的振動加速度，兩組風電機組的振動加速度均遠低于該標準的上限，因此可以證明兩組風電機組的振動均不明顯，通常情況下不會引發故障。②在相同機組中，齒輪箱各個部位檢測點所檢測到的數據存在較大差異，而不同齒輪箱上相同部位檢測點所收集到的數據差異不大，這表明兩組齒輪箱高速端的振動要明顯高于低速端的振動，且兩臺齒輪箱的工作狀態大抵相同[5]。

3 結論

為了確保風電機組始終處于穩定的工作狀態，相關工作人員需要對其運維數據進行統計，分析容易發生故障的子系統，并探究該系統發生故障的主要原因。此外，工作人員需要對風電機組CMS數據與SCADA數據進行對比，對風電機組產生的振動做出評估，得出風電機組振動與運行故障之間的關系，為風電機組運維工作提供數據支撐，提升故障監測維修效率。