風力發(fā)電機組故障預警策略探討

引言

大力開發(fā)和利用風能是實現(xiàn)碳達峰、碳中和任務的重要手段。當前,風電機組裝機規(guī)模日益擴大,風電機組故障集中分布于變獎、主軸、齒輪箱、發(fā)電機、變頻器、液壓剎車系統(tǒng)。

一些傳動鏈故障停機時間和備件采購周期長,需要采用大型機械設備如吊車等進行相應的維修,這樣不但增加了風電機組的運行維護費用,而且影響了風電機組的發(fā)電量,從而降低了風電機組的經(jīng)濟性。為降低運維成本,提高運維效率,風電場運維人員開始采用預防性維修策略,通過故障預警,在風機設備還沒有發(fā)生故障或故障尚未造成損壞的前提下開展維修和檢查。

1針對不同類型的風電場采取相應的預警思路

針對未出質保的風電場,風機服役時間較短,設備健康度通常較好,可以獲得大量的風機健康數(shù)據(jù),運維人員也有足夠的精力開展預防性維修,業(yè)主會及時發(fā)現(xiàn)設備缺陷,并要求主機廠家進行維修、更換,預警的結果也會得到較快反饋,預警工作開展較為順利,這類風電場可以作為預警業(yè)務的優(yōu)先開展對象。

針對投運時間較長,特別是故障率較高的風電場,風機健康度不夠理想,風電場運維人員疲于處理故障,這類風電場應優(yōu)先考慮開展專項治理,在確定故障根因的基礎上,采取技改、設備精維護、大部件更換等手段,降低風機運行安全風險,提高設備可利用率,預警應該有所取舍,將預警重點放在齒輪箱、發(fā)電機、變獎系統(tǒng)等資產(chǎn)價值較高的大部件上。

2確定故障原因和失效模式

預警的目的是在故障發(fā)生前識別設備的異常狀態(tài),提前進行檢查和處理,避免設備健康狀態(tài)逐步劣化造成故障停機,產(chǎn)生發(fā)電量損失。預警是針對特定的故障開展的,只有在確認失效模式、掌握故障產(chǎn)生的原因之后,才能有針對性地采取預防手段,否則即便識別出了設備異常狀態(tài),但由于無法找出異常原因,也就沒有辦法進行處理,設備健康狀態(tài)仍然會繼續(xù)劣化。

故障原因分析可借鑒相關的方法和工具,例如根因分析(RCA）方法、FEMA方法、頭腦風暴、魚骨圖、5個why等,從人、機、料、法、環(huán)等角度分析故障原因,魚骨圖法如圖1所示。

在確定故障原因和失效模式之后,建議抽取幾臺風機進行數(shù)據(jù)驗證,通過分析故障前后時刻的數(shù)據(jù),掌握設備缺陷發(fā)展過程的數(shù)據(jù)特征,明確分析故障以及進行預警時需要用到哪些測點的數(shù)據(jù),為后續(xù)預警工作打好基礎。

3確定預警的必要性

在開展預警工作之前,需向現(xiàn)場詳細了解歷史故障邏輯和原理、故障發(fā)生的原因、故障處理方式和處理效果、是否已進行相應技改,必要時進行現(xiàn)場踏勘和檢查。需要提前搜集的資料主要包括故障處理手冊、歷史運維記錄、更換臺賬、損壞記錄、技改方案、現(xiàn)場缺陷照片等。

如果設備劣化過程是漸變的,例如齒輪箱潤滑油變質、軸承磨損等,需要一個時間過程才能發(fā)展成故障,則可以進行預警:如果設備劣化過程是短暫或者是瞬間的,例如葉片遭到雷擊損壞、PT100接線松動,則預警較為困難,重點應加強日常巡視檢查:如果故障發(fā)生的季節(jié)性比較明顯,例如春季柳絮堵塞齒輪箱散熱片,導致齒輪箱油溫高故障,則建議提前采取措施統(tǒng)一處理,或采取技改措施。

另外,風機sCADA系統(tǒng)包含非停機告警,例如東汽FD77B風機發(fā)電機前軸承溫度大于100℃會報警但不停機,大于110℃才會故障停機。非停機告警也屬于預警的一種,且閾值通常由主機廠、大部件供應商提供,現(xiàn)場應對非停機告警引起重視。非停機告警閾值往往與故障停機閾值較為接近,如果告警時間與停機時間較為接近,告警后在很短時間內(nèi)會報停機故障,則需要根據(jù)現(xiàn)場實際需求開發(fā)出能夠增加時間提前量的預警。

在完成需求調(diào)研,掌握故障原因、失效模式,確定預警的必要性之后,需要將以上信息進行匯總,形成預警可行性分析報告(或者需求確認單）,和現(xiàn)場人員確認之后再開展后續(xù)預警工作。

4數(shù)據(jù)來源和數(shù)據(jù)質量評估

預警的分析對象是風機各系統(tǒng)(部件）的數(shù)據(jù),通過數(shù)據(jù)反映出部件異常情況,故獲得完整、有效的數(shù)據(jù)是開展預警工作的前提。

4.l確定預警數(shù)據(jù)范圍和數(shù)據(jù)顆粒度

對風電機組進行故障預警,首先需要確定預警需要用到哪些數(shù)據(jù)以及數(shù)據(jù)類型(遙測、遙信）,如果是遙測數(shù)據(jù),則需要確定顆粒度(毫秒級、秒級、10min數(shù)據(jù)）:如果是遙信數(shù)據(jù),則需要確定是故障類遙信(故障、告警、提示）還是普通遙信以及時間范圍等。

確定預警數(shù)據(jù)范圍的方法有兩種:一種是經(jīng)驗法,根據(jù)專家經(jīng)驗確定需要用到哪些數(shù)據(jù)測點,該方法的優(yōu)點是"短、平、快",缺點是過分依賴專家經(jīng)驗,可能會漏掉一些測點:另一種是機器學習方法,即分析數(shù)據(jù)之間的相關性,該方法結果準確,但用時較長:也可以上述兩種方法同時使用,互為補充。

關于數(shù)據(jù)顆粒度,根據(jù)經(jīng)驗,溫度類故障預警數(shù)據(jù)一般要求10min數(shù)據(jù),壓力類故障、變槳系統(tǒng)故障一般要求秒級甚至更高顆粒度數(shù)據(jù)。

4.2確定數(shù)據(jù)來源和導出方式

根據(jù)測點需求,確定數(shù)據(jù)來源,數(shù)據(jù)通常來源于風電場sCADA系統(tǒng)、大數(shù)據(jù)集中監(jiān)控平臺、風機后臺、振動監(jiān)測系統(tǒng)等[4],同時還要確定數(shù)據(jù)導出是否方便快捷,單次最多能夠導出的日期范圍和數(shù)據(jù)量,以及數(shù)據(jù)導出是在線實時導出還是人工手動在后臺服務器導出。

4.3數(shù)據(jù)質量評估

評估測點是否完整、有效,是否包含臟數(shù)據(jù),數(shù)據(jù)格式是否友好,建議通過編程自動化方式評估和篩選數(shù)據(jù),一方面評估數(shù)據(jù)完整性和有效性,另一方面通過程序自動剔除臟數(shù)據(jù),并將數(shù)據(jù)轉化成標準格式,成為可用、好用的數(shù)據(jù),該步驟往往耗時較長。數(shù)據(jù)的完整性、有效性還會影響后續(xù)預警方法的選擇。

5預警算法選擇

預警算法主要分為兩大類:專家規(guī)則法、機器學習法。專家規(guī)則法利用專家的經(jīng)驗和案例識別設備的異常狀態(tài),機器學習法通過人工智能手段識別設備異常狀態(tài)。在實際使用中有時采用兩種方法相結合的預警算法。

5.1專家規(guī)則法

專家規(guī)則法主要有閾值法、同工況對比法、原理法。

(1）閾值法:根據(jù)前期積累下來的大量歷史數(shù)據(jù)分析經(jīng)驗、運維經(jīng)驗,結合部件失效原理,設定一個預警閾值,一定時間段內(nèi)超過該閾值一定次數(shù)則發(fā)出預警。該方法的優(yōu)點是使用簡便,不需要分析海量的數(shù)據(jù),缺點是難以覆蓋不同工況、不同運行環(huán)境、不同品牌風機。

(2）同工況對比法:在相同工況下,將目標風機和相鄰風機進行對比,或將同一風機和該風機歷史同期數(shù)據(jù)進行對比。該方法優(yōu)點是容易理解,缺點是風機工況有無數(shù)種,相同工況的前提有時無法實現(xiàn),預警時效性差。

(3）原理法:基于風機自身特性進行判斷,例如冬天時艙內(nèi)溫度應高于艙外溫度等。該方法優(yōu)點是簡便準確,缺點是應用面較窄,只能對特定情況進行分析。

5.2機器學習法

通過統(tǒng)計學的方法,構造相關機器學習的算法模型,通過編程自動化的方式進行離線或在線訓練和測試,輸出并展示預警結果。常用的機器學習方法有非線性狀態(tài)估計、LightGBM、神經(jīng)網(wǎng)絡、深度學習等,不同的方法有不同的優(yōu)缺點。機器學習數(shù)據(jù)運算量通常較大,使用時需要評估服務器、內(nèi)存等硬件能否支撐算法正常運行。

5.3兩種算法相結合的預警方法

在具體實施中,可采用兩種算法相結合的預警方法。例如,使用機器學習的方法得到預警結果時,可采用專家規(guī)則的方法對預警結果進行解釋。算法沒有絕對的好壞之分,同一種算法有時也可適用于多種類型的故障預警,風電機組的運行環(huán)境和工況是復雜多變的,算法的學習和積累是一個長期的過程。確定預警算法后,需要將方法匯總成預警原理說明書,并和風電場現(xiàn)場討論和確認。

6預警算法執(zhí)行

根據(jù)選定的預警算法進行模型訓練,得到預警結果。在使用機器學習算法時,需將數(shù)據(jù)分為訓練樣本和測試樣本,以非線性狀態(tài)估計算法為例,訓練樣本為風機歷史健康數(shù)據(jù),測試樣本為風機歷史告警數(shù)據(jù)或故障數(shù)據(jù)。模型訓練和測試的工作量通常較大,針對測試樣本,算法的測試結果需要具備準確性和時效性,準確性是指訓練出的模型在測試時能夠達到預期的準確率,時效性是指預警結果相對于故障的發(fā)生有一定的時間提前量。

7預警結果展示和推送

預警結果通常包含風機號、異常信息、最早發(fā)現(xiàn)的異常時間、最近異常時間、導致異常的可能原因、建議措施、優(yōu)先級、可視化圖表顯示和說明等8個部分內(nèi)容。其中"導致異常的可能原因"和"建議措施"一般根據(jù)異常數(shù)據(jù)特征,結合運維經(jīng)驗、故障處理手冊、RCA根因分析報告給出。異常原因和建議措施可按照優(yōu)先順序排序,優(yōu)先級可以根據(jù)緊急程度分為3類:需要立即處理(48h內(nèi)上風機處理）、需要盡快處理(2周內(nèi)上風機處理）、下次爬風機處理(6個月內(nèi)上風機處理）。表1給出了不同異常類型和對應的處理方式。

在對預警結果進行展示時,通常需要搭配預警時刻的圖形和圖表,圖形和圖表能夠反映設備異常時刻的數(shù)據(jù)特征,方便運維人員直觀地分析設備異常原因,并評估異常嚴重程度。預警信息可視化展示也是預警實施過程中的重要步驟。

針對設備健康度和設備異常評估,還可以采用設備劣化度、壽命預測的分析方法。劣化度在一定程度上表征了機組當前運行狀態(tài)相對于故障狀態(tài)的劣化程度,劣化度計算公式為當前監(jiān)測參數(shù)的測量值與故障停機閾值的接近程度,并且在計算時應加入監(jiān)測參數(shù)的趨勢變化。壽命預測可采用威布爾分布方法,威布爾分布廣泛應用于失效數(shù)據(jù)分析,也用于壽命數(shù)據(jù)分析。根據(jù)威布爾分布可以預測未來一段時間之內(nèi)大部件失效的數(shù)量,運維人員可根據(jù)預測結果提前采購備件,并對不同供應商的設備可靠性進行評價。

預警開發(fā)人員需要和現(xiàn)場運維人員建立起聯(lián)動機制,將以上預警結果整理成固定的格式,定期推送給風電場,并接收現(xiàn)場人員對預警結果的反饋。如果是在線預警,風電場運維人員可以實時收到預警信息。

8預警結果現(xiàn)場反饋和驗證

風電場收到預警結果后需要采取行動并給予反饋,反饋的內(nèi)容應包括上機檢查日期、檢查結果、修復方式、異常的根本原因,必要時補充現(xiàn)場照片。

預警開發(fā)人員在收到反饋后,需要結合數(shù)據(jù)進行兩方面驗證:

(1）驗證預警結果是否真實有效。如果現(xiàn)場仔細檢查后并未發(fā)現(xiàn)設備異常,需要不斷優(yōu)化、調(diào)整、修改預警參數(shù)和方法,且預警方法優(yōu)化、迭代是一個長期的過程。

(2）驗證設備異常是否得到解決?，F(xiàn)場運維人員根據(jù)預警結果,完成異常設備的維修和處理,預警開發(fā)人員需要對維修后的設備數(shù)據(jù)進行驗證,通過數(shù)據(jù)判斷設備異常情況是否已經(jīng)消失,如果后續(xù)仍然出現(xiàn)預警,預警開發(fā)人員需要提醒運維人員繼續(xù)進行維修和檢查,直至找到設備異常的真正原因,確保設備異常情況消失。

預警開發(fā)人員需要將新出現(xiàn)的設備異常原因、解決方式補充到專家知識庫、故障處理手冊中,最終實現(xiàn)預警案例閉環(huán)。

9預警經(jīng)濟性計算、預警方法推廣

風電場完成預警缺陷處理,能夠避免風機缺陷繼續(xù)劣化導致故障停機,具有一定的經(jīng)濟效益。不同類型的預警會產(chǎn)生不同的經(jīng)濟效益,有必要對預警創(chuàng)造的潛在經(jīng)濟價值進行量化,具體量化方法可采用如下公式:

預警帶來的潛在經(jīng)濟價值=電量損失＋大部件費用＋人工費用＋吊裝費用

式中:電量損失是指故障的歷史平均停機損失,通過預警避免了發(fā)生故障停機,從而避免了產(chǎn)生電量損失:大部件費用是指通過預警在塔上更換小件就能解決問題,避免了日后更換大部件所需的費用:人工費用是指節(jié)省的運維人員維修費用:吊裝費用是指節(jié)省的設備吊裝、安裝費用。

預警模型完成批量實施和驗證后,以此為基礎,可以將預警成果進行推廣,評估預警算法模型是否適用于其他風電場不同品牌的風機。

10結語

本文探討了風力發(fā)電機組故障預警策略,即基于已知的故障原因和失效模式、完整有效的數(shù)據(jù),選擇準確的預警算法,并根據(jù)現(xiàn)場反饋不斷優(yōu)化算法,評估預警帶來的經(jīng)濟效益。本文對詳細的預警步驟進行了歸納和總結,可以為今后風力發(fā)電機組故障預警工作的開展提供指導。