海上风电场预防性运行维护技术研究

【摘要】随着我国海上风电装机量越来越大，且海上风电可达性较差，传统的运维方式已无法满足要求，预防性运行维护技术在海上风电场管理中将会发挥越来越重要的作用，也代表了海上风电运行维护技术未来发展的方向。本文阐述了故障预警模型、基于模糊综合评价算法的健康模型、基于贝叶斯网络算法的智能故障诊断模型、运维窗口期推荐系统和海上风电场运维管理系统等预防性运行维护技术及在大型海上风电场的应用。通过以上技术的实施，降低了机组的故障率，提升了机组的发电量，提高了风电场运维人员处理故障的效率，降低了海上风电场整体运维成本。

【关键词】预防性运行维护、故障预警模型、健康模型、智能故障诊断模型、抗台风策略、运维窗口期推荐系统、运维管理系统

01海上风电场运行维护的现状及趋势

根据最新的统计数据，截止到2018年9月份，我国海上风电累计装机超过300万千瓦。目前国内沿海主要的海上风电大省均已推出明确的海上风电发展指导建议，并且拥有明确的海上风电建设规划。各整机厂商也开始积极投入海上风电，海上风电项目发展不断加速。我国《风电发展“十三五”规划》提出，到2020年海上风电装机容量达到500万千瓦。[1]未来海上风电的发展空间会更加广阔。

随着装机容量的增加，海上风电机组的运行维护越来越重要。海上风电由于其特殊的地理条件，盐雾浓度高，湿度大，在设备运行的可靠性方面有较高的要求。与陆上风电场相比，海上风电场的运行维护更加困难，如风、浪、潮汐，让运维设施难以靠近风力发电机组，从而使机组不得不面临更长的停机时间及更低的可利用率。[2]有统计资料表明，陆上和海上风电机组的维护费用占到各自风场收入的10%～15% 和20% ～35%左右[3]。海上风电场的运维成本远远高于陆上风电场。

目前风电机组的维修模式主要是定期维护和故障检修[4]。这两种检修模式应用到海上风电，由于海上运维窗口期的不确定性，运维可达性差，海上作业耗时长，作业难度大，会造成机组的长期停机。这就需要在海上风电场采用基于机组状态的预防性运性维护的方式开展运维工作。

02海上风电场预防性运行维护的典型应用

为了采用预防性运行维护技术提高海上风电机组运行的可靠性，开展了故障预警模型、基于模糊综合评价算法的健康模型、基于贝叶斯网络算法的智能故障诊断模型、运维窗口期推荐系统和海上风电场运维管理系统等多项工作，本章节分别进行介绍。

（一）基于大数据的故障预警模型应用

充分挖掘风电机组运行数据，通过专家经验、数据统计和机器学习等多种方法开发机组故障预警模型，在故障萌芽状态时及时处理，降低运维成本，延长设备寿命。

例如机组出现由于温控阀寿命耗尽导致齿轮箱润滑油油温偏高，主控系统根据油温自动限功率，则机组在额定风速以上时就会存在不满发的功率点，如图1所示。


通过建立齿轮箱润滑油温度异常的预警模型，可以对以上问题进行预警。当机组处于并网状态时，同一个时刻，对风场所有机组的功率进去区间划分。对同一个功率区间的机组的齿轮箱润滑油温度平均值做箱线图分析，连续异常持续一定时间的机组即判断为异常。

对机组运行数据进行实时监控，并将预警的结果推送到现场运维智能管理系统上，通过预警排查工单的方式及时指导现场运维人员进行针对性排查。排查工单中会包括具体排查的内容，现场运维人员反馈排查内容的准确性，形成对预警模型的迭代优化。

（二）基于大数据的机组健康模型应用

利用模糊综合评价等算法，建立风机运行状态评估模型，并集成到大数据平台上。可对实时传输的数据进行处理分析，输出各关键部件和风机整机良好、合格、注意和严重等4种状态，从而实现了对风机整机及各关键部件运行状态的实时监控和评估，如图2所示。


模型给出的评估结果，指导现场人员采取相应的运维措施，实现预防性的运行维护。

（三）基于大数据的故障智能诊断模型应用

根据专家经验，针对常发故障穷尽其全部故障原因，建立相应的故障树。在此基础上逐一分析每个故障原因对应的运行数据，提取每个故障原因对应的数据特征，建立智能故障诊断模型，并将智能故障诊断模型集成到大数据平台上，见图3。


大数据平台根据故障代码调取相应的智能故障诊断模型，并将故障前后的运行数据提取出来输入到智能故障诊断模型中，模型根据运行数据的故障特征，自动给出各故障原因的百分比和对应的解决方案，通过信息化手段发送给现场运维人员，指导现场人员的故障处理过程，提高工作效率。

（四）海上风电场抗台风策略应用

我国东南沿海每年都会登陆10个以上的台风。2018年最强台风“山竹”于9月16日17时在广东台山海宴镇登陆，登陆时中心附近最大风力14级，给台风半径内的风电机组带来了严峻的考验。


基于大数据的气象预报平台针对台风信息第一时间发布预警提示。预警提示包含台风中心位置、登陆时间、风速、移动速度、风力半径分布情况、未来趋势、可能受影响项目等。指导项目人员在台风登陆前完成机组密封完好性、UPS电源完好性等检查工作。

在台风登陆期间，保证桨叶处于91°的顺桨状态，并根据台风的实时风向，调整风电机组的偏航位置，保证机组能够实时对风。台风过境以后，及时进行检查，尽快恢复机组运行。

（五）基于风功率预测的运维窗口期推荐系统

为了提高运维的效率，基于大数据风功率预测系统预测的风速、理论功率和天气等信息，判断是否可以出海，给出多个推荐的运维窗口期。


现场运维人员在推荐的运维窗口期开展工作，可最大限度的减少运维导致的发电量损失，使风电场的收益最大化。

（六）海上风电场运维管理系统


通过便携式智能终端智能推送海上风电场运维船路径上机组的待办事项清单，例如本次出海计划运维20#、25#、26#等3台机组，在便携式智能终端上收到18#机组有待办事项，回程可把18#的运维工作完成，使得一次出海开展尽可能多机组的工作，提高运维效率，降低整体运维成本。


现场运维人员通过便携式智能终端扫描机组控制柜上的二维码，也可以获取该台机组的待办事项清单，通过一次运维操作将所有待办事项完成，同样可以提高运维效率，降低整体运维成本。

03结语

本文阐述了故障预警模型、基于模糊综合评价算法的健康模型、基于贝叶斯网络算法的智能故障诊断模型、运维窗口期推荐系统和海上风电场运维管理系统等预防性运行维护技术及在大型海上风电场的典型应用案例。这些应用的实施，保障了机组的可靠性，使得机组可利用率达到99%以上，加快了风电场运维人员处理故障的速度，降低了整体运维成本。