【摘要】隨著我國海上風(fēng)電裝機(jī)量越來越大，且海上風(fēng)電可達(dá)性較差，傳統(tǒng)的運(yùn)維方式已無法滿足要求，預(yù)防性運(yùn)行維護(hù)技術(shù)在海上風(fēng)電場(chǎng)管理中將會(huì)發(fā)揮越來越重要的作用，也代表了海上風(fēng)電運(yùn)行維護(hù)技術(shù)未來發(fā)展的方向。本文闡述了故障預(yù)警模型、基于模糊綜合評(píng)價(jià)算法的健康模型、基于貝葉斯網(wǎng)絡(luò)算法的智能故障診斷模型、運(yùn)維窗口期推薦系統(tǒng)和海上風(fēng)電場(chǎng)運(yùn)維管理系統(tǒng)等預(yù)防性運(yùn)行維護(hù)技術(shù)及在大型海上風(fēng)電場(chǎng)的應(yīng)用。通過以上技術(shù)的實(shí)施，降低了機(jī)組的故障率，提升了機(jī)組的發(fā)電量，提高了風(fēng)電場(chǎng)運(yùn)維人員處理故障的效率，降低了海上風(fēng)電場(chǎng)整體運(yùn)維成本。

【關(guān)鍵詞】預(yù)防性運(yùn)行維護(hù)、故障預(yù)警模型、健康模型、智能故障診斷模型、抗臺(tái)風(fēng)策略、運(yùn)維窗口期推薦系統(tǒng)、運(yùn)維管理系統(tǒng)

01海上風(fēng)電場(chǎng)運(yùn)行維護(hù)的現(xiàn)狀及趨勢(shì)

根據(jù)最新的統(tǒng)計(jì)數(shù)據(jù)，截止到2018年9月份，我國海上風(fēng)電累計(jì)裝機(jī)超過300萬千瓦。目前國內(nèi)沿海主要的海上風(fēng)電大省均已推出明確的海上風(fēng)電發(fā)展指導(dǎo)建議，并且擁有明確的海上風(fēng)電建設(shè)規(guī)劃。各整機(jī)廠商也開始積極投入海上風(fēng)電，海上風(fēng)電項(xiàng)目發(fā)展不斷加速。我國《風(fēng)電發(fā)展“十三五”規(guī)劃》提出，到2020年海上風(fēng)電裝機(jī)容量達(dá)到500萬千瓦。[1]未來海上風(fēng)電的發(fā)展空間會(huì)更加廣闊。

隨著裝機(jī)容量的增加，海上風(fēng)電機(jī)組的運(yùn)行維護(hù)越來越重要。海上風(fēng)電由于其特殊的地理?xiàng)l件，鹽霧濃度高，濕度大，在設(shè)備運(yùn)行的可靠性方面有較高的要求。與陸上風(fēng)電場(chǎng)相比，海上風(fēng)電場(chǎng)的運(yùn)行維護(hù)更加困難，如風(fēng)、浪、潮汐，讓運(yùn)維設(shè)施難以靠近風(fēng)力發(fā)電機(jī)組，從而使機(jī)組不得不面臨更長(zhǎng)的停機(jī)時(shí)間及更低的可利用率。[2]有統(tǒng)計(jì)資料表明，陸上和海上風(fēng)電機(jī)組的維護(hù)費(fèi)用占到各自風(fēng)場(chǎng)收入的10%～15% 和20% ～35%左右[3]。海上風(fēng)電場(chǎng)的運(yùn)維成本遠(yuǎn)遠(yuǎn)高于陸上風(fēng)電場(chǎng)。

目前風(fēng)電機(jī)組的維修模式主要是定期維護(hù)和故障檢修[4]。這兩種檢修模式應(yīng)用到海上風(fēng)電，由于海上運(yùn)維窗口期的不確定性，運(yùn)維可達(dá)性差，海上作業(yè)耗時(shí)長(zhǎng)，作業(yè)難度大，會(huì)造成機(jī)組的長(zhǎng)期停機(jī)。這就需要在海上風(fēng)電場(chǎng)采用基于機(jī)組狀態(tài)的預(yù)防性運(yùn)性維護(hù)的方式開展運(yùn)維工作。

02海上風(fēng)電場(chǎng)預(yù)防性運(yùn)行維護(hù)的典型應(yīng)用

為了采用預(yù)防性運(yùn)行維護(hù)技術(shù)提高海上風(fēng)電機(jī)組運(yùn)行的可靠性，開展了故障預(yù)警模型、基于模糊綜合評(píng)價(jià)算法的健康模型、基于貝葉斯網(wǎng)絡(luò)算法的智能故障診斷模型、運(yùn)維窗口期推薦系統(tǒng)和海上風(fēng)電場(chǎng)運(yùn)維管理系統(tǒng)等多項(xiàng)工作，本章節(jié)分別進(jìn)行介紹。

（一）基于大數(shù)據(jù)的故障預(yù)警模型應(yīng)用

充分挖掘風(fēng)電機(jī)組運(yùn)行數(shù)據(jù)，通過專家經(jīng)驗(yàn)、數(shù)據(jù)統(tǒng)計(jì)和機(jī)器學(xué)習(xí)等多種方法開發(fā)機(jī)組故障預(yù)警模型，在故障萌芽狀態(tài)時(shí)及時(shí)處理，降低運(yùn)維成本，延長(zhǎng)設(shè)備壽命。

例如機(jī)組出現(xiàn)由于溫控閥壽命耗盡導(dǎo)致齒輪箱潤(rùn)滑油油溫偏高，主控系統(tǒng)根據(jù)油溫自動(dòng)限功率，則機(jī)組在額定風(fēng)速以上時(shí)就會(huì)存在不滿發(fā)的功率點(diǎn)，如圖1所示。


通過建立齒輪箱潤(rùn)滑油溫度異常的預(yù)警模型，可以對(duì)以上問題進(jìn)行預(yù)警。當(dāng)機(jī)組處于并網(wǎng)狀態(tài)時(shí)，同一個(gè)時(shí)刻，對(duì)風(fēng)場(chǎng)所有機(jī)組的功率進(jìn)去區(qū)間劃分。對(duì)同一個(gè)功率區(qū)間的機(jī)組的齒輪箱潤(rùn)滑油溫度平均值做箱線圖分析，連續(xù)異常持續(xù)一定時(shí)間的機(jī)組即判斷為異常。

對(duì)機(jī)組運(yùn)行數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)控，并將預(yù)警的結(jié)果推送到現(xiàn)場(chǎng)運(yùn)維智能管理系統(tǒng)上，通過預(yù)警排查工單的方式及時(shí)指導(dǎo)現(xiàn)場(chǎng)運(yùn)維人員進(jìn)行針對(duì)性排查。排查工單中會(huì)包括具體排查的內(nèi)容，現(xiàn)場(chǎng)運(yùn)維人員反饋排查內(nèi)容的準(zhǔn)確性，形成對(duì)預(yù)警模型的迭代優(yōu)化。

（二）基于大數(shù)據(jù)的機(jī)組健康模型應(yīng)用

利用模糊綜合評(píng)價(jià)等算法，建立風(fēng)機(jī)運(yùn)行狀態(tài)評(píng)估模型，并集成到大數(shù)據(jù)平臺(tái)上?？蓪?duì)實(shí)時(shí)傳輸?shù)臄?shù)據(jù)進(jìn)行處理分析，輸出各關(guān)鍵部件和風(fēng)機(jī)整機(jī)良好、合格、注意和嚴(yán)重等4種狀態(tài)，從而實(shí)現(xiàn)了對(duì)風(fēng)機(jī)整機(jī)及各關(guān)鍵部件運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)控和評(píng)估，如圖2所示。


模型給出的評(píng)估結(jié)果，指導(dǎo)現(xiàn)場(chǎng)人員采取相應(yīng)的運(yùn)維措施，實(shí)現(xiàn)預(yù)防性的運(yùn)行維護(hù)。

（三）基于大數(shù)據(jù)的故障智能診斷模型應(yīng)用

根據(jù)專家經(jīng)驗(yàn)，針對(duì)常發(fā)故障窮盡其全部故障原因，建立相應(yīng)的故障樹。在此基礎(chǔ)上逐一分析每個(gè)故障原因?qū)?yīng)的運(yùn)行數(shù)據(jù)，提取每個(gè)故障原因?qū)?yīng)的數(shù)據(jù)特征，建立智能故障診斷模型，并將智能故障診斷模型集成到大數(shù)據(jù)平臺(tái)上，見圖3。


大數(shù)據(jù)平臺(tái)根據(jù)故障代碼調(diào)取相應(yīng)的智能故障診斷模型，并將故障前后的運(yùn)行數(shù)據(jù)提取出來輸入到智能故障診斷模型中，模型根據(jù)運(yùn)行數(shù)據(jù)的故障特征，自動(dòng)給出各故障原因的百分比和對(duì)應(yīng)的解決方案，通過信息化手段發(fā)送給現(xiàn)場(chǎng)運(yùn)維人員，指導(dǎo)現(xiàn)場(chǎng)人員的故障處理過程，提高工作效率。

（四）海上風(fēng)電場(chǎng)抗臺(tái)風(fēng)策略應(yīng)用

我國東南沿海每年都會(huì)登陸10個(gè)以上的臺(tái)風(fēng)。2018年最強(qiáng)臺(tái)風(fēng)“山竹”于9月16日17時(shí)在廣東臺(tái)山海宴鎮(zhèn)登陸，登陸時(shí)中心附近最大風(fēng)力14級(jí)，給臺(tái)風(fēng)半徑內(nèi)的風(fēng)電機(jī)組帶來了嚴(yán)峻的考驗(yàn)。


基于大數(shù)據(jù)的氣象預(yù)報(bào)平臺(tái)針對(duì)臺(tái)風(fēng)信息第一時(shí)間發(fā)布預(yù)警提示。預(yù)警提示包含臺(tái)風(fēng)中心位置、登陸時(shí)間、風(fēng)速、移動(dòng)速度、風(fēng)力半徑分布情況、未來趨勢(shì)、可能受影響項(xiàng)目等。指導(dǎo)項(xiàng)目人員在臺(tái)風(fēng)登陸前完成機(jī)組密封完好性、UPS電源完好性等檢查工作。

在臺(tái)風(fēng)登陸期間，保證槳葉處于91°的順槳狀態(tài)，并根據(jù)臺(tái)風(fēng)的實(shí)時(shí)風(fēng)向，調(diào)整風(fēng)電機(jī)組的偏航位置，保證機(jī)組能夠?qū)崟r(shí)對(duì)風(fēng)。臺(tái)風(fēng)過境以后，及時(shí)進(jìn)行檢查，盡快恢復(fù)機(jī)組運(yùn)行。

（五）基于風(fēng)功率預(yù)測(cè)的運(yùn)維窗口期推薦系統(tǒng)

為了提高運(yùn)維的效率，基于大數(shù)據(jù)風(fēng)功率預(yù)測(cè)系統(tǒng)預(yù)測(cè)的風(fēng)速、理論功率和天氣等信息，判斷是否可以出海，給出多個(gè)推薦的運(yùn)維窗口期。


現(xiàn)場(chǎng)運(yùn)維人員在推薦的運(yùn)維窗口期開展工作，可最大限度的減少運(yùn)維導(dǎo)致的發(fā)電量損失，使風(fēng)電場(chǎng)的收益最大化。

（六）海上風(fēng)電場(chǎng)運(yùn)維管理系統(tǒng)


通過便攜式智能終端智能推送海上風(fēng)電場(chǎng)運(yùn)維船路徑上機(jī)組的待辦事項(xiàng)清單，例如本次出海計(jì)劃運(yùn)維20#、25#、26#等3臺(tái)機(jī)組，在便攜式智能終端上收到18#機(jī)組有待辦事項(xiàng)，回程可把18#的運(yùn)維工作完成，使得一次出海開展盡可能多機(jī)組的工作，提高運(yùn)維效率，降低整體運(yùn)維成本。


現(xiàn)場(chǎng)運(yùn)維人員通過便攜式智能終端掃描機(jī)組控制柜上的二維碼，也可以獲取該臺(tái)機(jī)組的待辦事項(xiàng)清單，通過一次運(yùn)維操作將所有待辦事項(xiàng)完成，同樣可以提高運(yùn)維效率，降低整體運(yùn)維成本。

03結(jié)語

本文闡述了故障預(yù)警模型、基于模糊綜合評(píng)價(jià)算法的健康模型、基于貝葉斯網(wǎng)絡(luò)算法的智能故障診斷模型、運(yùn)維窗口期推薦系統(tǒng)和海上風(fēng)電場(chǎng)運(yùn)維管理系統(tǒng)等預(yù)防性運(yùn)行維護(hù)技術(shù)及在大型海上風(fēng)電場(chǎng)的典型應(yīng)用案例。這些應(yīng)用的實(shí)施，保障了機(jī)組的可靠性，使得機(jī)組可利用率達(dá)到99%以上，加快了風(fēng)電場(chǎng)運(yùn)維人員處理故障的速度，降低了整體運(yùn)維成本。