海上風電機組故障診斷及運維策略研究

摘 要：風力發電近幾年已經越來越被重視，海上風電機組作為重要的電能轉換設備，運行狀態對風電場的日常運行與維護具有顯著影響。但是由于風電機組工作環境惡劣，內部結構復雜，相應的故障率較高，導致風電機組運維成本高。因此，本文針對海上風電機組故障診斷方法及運維策略進行了研究，基于海上風電機組的監督控制和數據采集數據，運用數據驅動方法，對海上風電機組進行狀態監測與故障診斷，根據診斷類型和原因分析，提出基于風電機組狀態的海上風電運維策略。

關鍵詞：海上風電機組，故障診斷，運維策略

引言

當前世界范圍內，關于保護和應對氣候變遷問題已形成共識，首先提出了《聯合國氣候變化框架公約》，后來又發布了《巴黎協定》，包括國內的兩會報告和“十四五”規劃大綱相關內容，中國首次明確提出了2030年實現“碳達峰”，2060年前實現“碳中和”任務。與此同時，第十四個五年規劃明確指出，加快壯大新能源、風力發電、綠色環保等產業，推動能源革命，完善能源產出供銷體系，建設智慧能源體系。在能源危機與全球生態環境惡化的雙重壓力下，風能作為一種無污染、可持續利用的新能源具有巨大發展潛力。在過去二十年里，風電作為發展最快的可再生能源之一，全球累計風電裝機容量已增加近75倍。

風能作為一種可再生能源，基本上對環境無污染而且可持續，目前在全球范圍內都受到強烈關注，但是風能資源與環境的相關性很高，比如在沿海地區、山區以及平原陸地等區域，風能資源是有區別的，其中海上風能資源相比陸地高出了20%～40%，同時中國的大陸海岸線近1.8萬多千米之長，所管轄海洋范圍接近300 萬平方公里，海洋的風能資源非常充足。所以，海上風能資源的開發在促進能源結構轉型，助力我國在承擔全球環境保護各項任務中發揮出舉足輕重的作用。

隨著海上風電的不斷發展，風電機組隨之而來的運行和維護問題也逐漸增多，因此需要加大研究通過精確、快捷的故障診斷技術，來更準確掌握整個海洋風電機組的真實工作狀況，從而優化整個海洋風電機組的運維檢修計劃，進而推動海洋風電資源更優質有效地研究開發利用和現代化運維管理。

一、國內外研究現狀

近年來，海上風電在風機設備的完善和故障檢修的安排上也逐步朝著更加精細化的方向在發展，全球各國的研究學者對海上風電機組的故障診斷方法進行了大量的研究，近年來也取得了很好的成績。

風電機組故障診斷方法一般分成兩類，一類是基于解析模型的方法，另一類是基于數據驅動的方法。基于解析模型的故障診斷方法適用于研究對象可以精確建模的系統，通過與已知模型對比實現故障辨識的目的，常用的方法有狀態估計法和參數估計法。隨著人工智能及深度學習的快速發展，基于數據驅動的故障診斷方法已經成為如今風電領域的研究熱點。相較于基于解析模型的故障診斷方法，基于數據驅動的故障診斷方法無需精通系統原理、容易建模以及可以實現自動診斷，是目前故障診斷所采用的主流方法。根據數據來源的不同，可分為基于CMS 數據的方法和基于SCADA數據的方法。

海上風電快速、大規模開發，使得數量眾多的風電機組運行于海洋惡劣環境中，風電機組的運行與維護（運維）需求十分突出。運維研究主要圍繞何時、以何種順序、對哪些風電機組進行哪些維護幾個方面展開。考慮到海上風電場眾多的風電機組、廣闊的空間分布，以及海上昂貴的維護成本和大容量海上風電機組單位時間內可觀的停機損失，海上風電機組的運維優化是一個復雜的技術經濟問題，國內外許多專家學者對此開展了諸多方面的研究。在確定風電機組維護時間方面，主要基于給定的劣化模型，以全生命周期維護成本或單位時間維護成本最小為目標，對設備狀態維護閾值進行優化。

但是現有研究主要存在以下兩個方面的不足，一方面，對風電場中風電機組的狀態信息考慮不充分。近年來，隨著智能風電技術的發展，風電機組狀態監測與故障診斷技術獲得了快速的發展。風電機組的主要部件，如葉片、齒輪等，通過實時監測其振動、溫度等非電氣量參數，與電壓、電流等電氣量參數，結合模型推導或大數據分析對部件的狀態及故障進行監測與診斷。但是，海上多變環境可能引起的監測數據劇烈變化，狀態信息可能存在靈敏度不足的問題，同時，在如何充分利用風電機組的實時狀態信息指導運維決策方面也缺乏相關研究。另一方面，風電機組預防性維護過程中，維護時間選擇及風電機組維護時尾流變化引起的發電量變化影響也存在考慮不充分的問題。海上風電機組大多為大容量長葉片機組，單位時間停機損失及尾流效應均十分突出。以平均風速估算停機損失或僅考慮維護過程中的風速約束，均不能充分發揮短期風速預測與風電機組實時狀態監控的優勢，實現最小停機損失。

二、風電機組故障診斷存在的問題

綜合國內外研究現狀可知，現有海上風電機組故障診斷方法已經取得了一定的進展，但仍存在一些問題，具體如下：

（1）基于定性經驗的風電機組故障診斷方法，和基于定量故障診斷方法中的解析模型法，由于難以在復雜的風電系統中建立精確、有效的數學模型，因此不太適用于海上風電機組故障診斷。而基于CMS 數據的故障診斷方法由于CMS 安裝成本太高又難以廣泛部署，因此基于SCADA 數據的故障診斷方法近年來在風電機組故障診斷研究中被廣泛采用。

（2）現有SCADA 系統直接用于故障診斷存在信息挖掘不夠充分、故障診斷精度和效率低等問題，同時根據SCADA 系統或者風機加裝的CMS 系統（狀態監測系統）反饋的報警信息，也不能明確給出故障發生的位置，還需要進行針對性地核查，或借助二次分析或經驗判斷。

（3）現有的診斷方法大部分都是離線型的，且具有一定的時間滯后性，因此故障原因通常都無法在第一時刻被找到。

因此，針對以上問題提出一種基于改進聚類算法的徑向基神經網絡的故障診斷方法，并開發一套在線故障診斷系統。通過整合整個風電場的SCADA 系統數據來進行更高維度的故障診斷研究，一方面通過對數據進一步分類和預處理，提高源頭數據的準確率，減少大量冗余數據。另一方面，通過增加現場視頻檢測信息，并采用非結構化數據預處理方法，以補充現有SCADA 數據源不足，提高故障識別的精度和效率，并實現了在線故障診斷。充分利用現有數據資源開展故障診斷工作，有利于不斷縮短停機時間，節約運維成本。

三、風電機組典型故障分析

海上風電機組因為一直處在較為嚴酷的工作環境中，安裝高度也必須在八十米以上，因而隨著工作時間的增長，事故出現的頻次也相應增多，且故障類型多樣。風電機組內部的齒輪箱、發電機和主軸承等主要元件在不良環境下工作時極易被損壞，使得風電機組失去控制，從而影響工作產量。通過統計比較歐洲五到十個海上風電場中風機主要裝置的故障率、維修時間和維護成本，發現變槳系統、齒輪箱以及發電機等部件故障頻率較高，齒輪箱、變壓器以及發電機等部件故障維護費用較高，齒輪箱、風輪以及發電機等部件故障維修時間較長。特別是齒輪箱故障后，通常會造成風電機組停止工作200小時～250小時以上。

通過對舟山某海上風場的46臺風電機組進行研究，對該風場半年以來的故障數據進行統計，該風電場半年以來故障頻次最高的部件是發電機，緊隨其后的是變槳系統和齒輪箱，齒輪箱導致的故障是停機時間最長的，其次是發電機和葉片。綜合考慮故障頻次和停機時長，可以看到齒輪箱和發電機對機組影響最大。所以，本章將選取齒輪箱與發電機的典型故障作為海上風電機組故障代表，進行深入研究。

齒輪箱故障主要包括齒輪箱油過濾壓力故障、齒輪箱油位故障、齒輪箱潤滑油氣壓故障、齒輪箱冷卻水風扇保護開關動作故障、齒輪箱潤滑油泵保護開關動作故障及齒輪箱油溫超限故障等。

發電機故障類型相比齒輪箱要略微少些，一般分為發電機軸承溫度超限（包括驅動方向軸承和非驅動方向軸承）、發電機超速以及發電機溫度超限等故障。

四、風電機組運維策略研究

海上風電機組包含多個子系統，各子系統根據運行特性在各個部件（如發電機的定子和轉子）裝設不同類型的傳感器，用于獲取各個子部件的運行信息。基于監測信息獲得各部件以及風電機組的狀態評估結果，對可能嚴重影響風電機組運行性能或導致機組故障失效的部件提前進行維護，是預防性維護的基本思路。

海上的風速、溫度等環境因素隨機變化，風電場中各風電機組的狀態也表現出明顯的差異性特征，充分考慮各風電機組狀態變化，在低風速時期合理地安排預防性維護能夠有效改善風電場的發電收益。

本文提出了一種基于風電機組狀態信息的海上風電場預防性維護策略，主要包含兩個部分：（1） 基于實測狀態信息的待維護機組選擇；（2） 以單個維護周期內維護成本最小為目標的維護決策。基于實測狀態信息的待維護機組選擇，以風電場的實測SCADA 數據和環境數據作為狀態評估模型的輸入量，獲得海上風電場各風電機組的狀態評估結果。選取狀態劣化嚴重的機組作為維護決策優化中的待維護機組。在維護決策中，進一步考慮短期風速預測結果，對待維護機組的具體維護時間與維護路徑進行優化。

（1）數據采集技術。狀態檢修工作開展階段，應當突出數據采集技術的科學運用，進而實現對風電機組運行相關數據信息的全面收集，如齒輪箱、油冷系統、風速、功率、發電機組、軸承溫度、風電故障、運維記錄等，科學全面地評估風電機組的運行狀況，為狀態檢修的決策與實施提供有力支持。

（2）線上監測技術。鑒于風電項目運行環境的特殊性，在風電機組進行狀態檢修時，應當合理應用線上監測技術，并突出監測工作重點，如針對齒輪箱、軸承組、發電機的運行狀態檢修。為保證設備運行狀態檢修工作開展的有效性，在線上監測技術應用時，可基于5G通信技術、監控技術、人工智能技術的支持，打造遠程線上監控體系，使得工作人員能夠遠程實時地監測風電機組，進而實現對風電場的科學管理，最大程度發揮出風電項目的運行社會效益。

（3）狀態檢測決策。狀態檢修工作開展階段，應當突出風電機組的運行狀態檢修決策管理，實現最終的故障診斷與預測，進而設定針對有效的檢修維護技術方案，及時消除風電機組的運行安全隱患，以保證風電系統的整體運行安全性與可靠性。為保證相關工作開展的有效性，應當建構風電系統運行數據庫，實現對風電機組運行的全過程數據采集整理，便于技術人員開展專業的經濟技術性分析，從而對檢修技術方案、檢修周期、檢修標準進行合理優化，為后續檢修工組的落實提供依據。

（4）狀態檢修技術的實施。在風電機組設備狀態檢修實施階段，需要基于數據分析、故障診斷、故障預測等工作的支持，才可保證檢修工組實施的有效性。為此，在相關工作開展時，應當對風電機組的運行歷史數據資料進行分析，從而有效提升狀態檢修的工作準確性。因為，在實際風電機組運行過程中，由于多重因素的影響，使得風電機組的故障存在不確定性。為有效提升檢修水平，則需要從海量的數據信息中進行分析，總結出一般規律，最大程度降低風電機組的運行故障率。

結論

海洋惡劣的環境因素，使得海上風電機組的運行狀態復雜，風電機組的運行狀態對風電場的日常功率預測與狀態維護策略的制定有著顯著的影響。首先，圍繞海洋惡劣的環境對風電機組現有故障診斷技術存在的問題進行了分析，指出不足；然后，通過對某風電場風機存在的典型故障進行分析，確定突出問題，為監測運維提供支持；最后，結合存在問題和故障分析，提出一套有效的針對風電機組維護的策略。

參考文獻：

[1]劉振亞. 建設我國能源互聯網 推進綠色低碳轉型（下） [N].中國能源報， 2020-08- 03 （001）.

[2]陳雪峰，李繼猛，程航，等. 風力發電機狀態監測和故障診斷技術的研究與進展[J].機械工程學報， 2011， 47（09）： 45-52.

[3]孫群麗，劉長良，周瑛. 基于狀態曲線的風電機組運行工況異常檢測[J].熱力發電， 2019， 48（07）： 110-116.

[4]郭艷平，顏文俊，包析靜. 風力發電機組在線故障預警與診斷一體化系統設計與應用[J].電力系統自動化， 2010， 34 （16）： 83-86.

[5]王太鋒.淺析海上大容量風電機組安裝工程技術[J].水電與新能源，2023，37（03）：49-52.

作者簡介：張星（1972-），男，漢族，內蒙古呼和浩特人，本科，工程師，研究方向：新能源。