【摘要】隨著我國海上風電裝機量越來越大，且海上風電可達性較差，傳統的運維方式已無法滿足要求，預防性運行維護技術在海上風電場管理中將會發揮越來越重要的作用，也代表了海上風電運行維護技術未來發展的方向。本文闡述了故障預警模型、基于模糊綜合評價算法的健康模型、基于貝葉斯網絡算法的智能故障診斷模型、運維窗口期推薦系統和海上風電場運維管理系統等預防性運行維護技術及在大型海上風電場的應用。通過以上技術的實施，降低了機組的故障率，提升了機組的發電量，提高了風電場運維人員處理故障的效率，降低了海上風電場整體運維成本。

【關鍵詞】預防性運行維護、故障預警模型、健康模型、智能故障診斷模型、抗臺風策略、運維窗口期推薦系統、運維管理系統

01海上風電場運行維護的現狀及趨勢

根據最新的統計數據，截止到2018年9月份，我國海上風電累計裝機超過300萬千瓦。目前國內沿海主要的海上風電大省均已推出明確的海上風電發展指導建議，并且擁有明確的海上風電建設規劃。各整機廠商也開始積極投入海上風電，海上風電項目發展不斷加速。我國《風電發展“十三五”規劃》提出，到2020年海上風電裝機容量達到500萬千瓦。[1]未來海上風電的發展空間會更加廣闊。

隨著裝機容量的增加，海上風電機組的運行維護越來越重要。海上風電由于其特殊的地理條件，鹽霧濃度高，濕度大，在設備運行的可靠性方面有較高的要求。與陸上風電場相比，海上風電場的運行維護更加困難，如風、浪、潮汐，讓運維設施難以靠近風力發電機組，從而使機組不得不面臨更長的停機時間及更低的可利用率。[2]有統計資料表明，陸上和海上風電機組的維護費用占到各自風場收入的10%～15% 和20% ～35%左右[3]。海上風電場的運維成本遠遠高于陸上風電場。

目前風電機組的維修模式主要是定期維護和故障檢修[4]。這兩種檢修模式應用到海上風電，由于海上運維窗口期的不確定性，運維可達性差，海上作業耗時長，作業難度大，會造成機組的長期停機。這就需要在海上風電場采用基于機組狀態的預防性運性維護的方式開展運維工作。

02海上風電場預防性運行維護的典型應用

為了采用預防性運行維護技術提高海上風電機組運行的可靠性，開展了故障預警模型、基于模糊綜合評價算法的健康模型、基于貝葉斯網絡算法的智能故障診斷模型、運維窗口期推薦系統和海上風電場運維管理系統等多項工作，本章節分別進行介紹。

（一）基于大數據的故障預警模型應用

充分挖掘風電機組運行數據，通過專家經驗、數據統計和機器學習等多種方法開發機組故障預警模型，在故障萌芽狀態時及時處理，降低運維成本，延長設備壽命。

例如機組出現由于溫控閥壽命耗盡導致齒輪箱潤滑油油溫偏高，主控系統根據油溫自動限功率，則機組在額定風速以上時就會存在不滿發的功率點，如圖1所示。


通過建立齒輪箱潤滑油溫度異常的預警模型，可以對以上問題進行預警。當機組處于并網狀態時，同一個時刻，對風場所有機組的功率進去區間劃分。對同一個功率區間的機組的齒輪箱潤滑油溫度平均值做箱線圖分析，連續異常持續一定時間的機組即判斷為異常。

對機組運行數據進行實時監控，并將預警的結果推送到現場運維智能管理系統上，通過預警排查工單的方式及時指導現場運維人員進行針對性排查。排查工單中會包括具體排查的內容，現場運維人員反饋排查內容的準確性，形成對預警模型的迭代優化。

（二）基于大數據的機組健康模型應用

利用模糊綜合評價等算法，建立風機運行狀態評估模型，并集成到大數據平臺上。可對實時傳輸的數據進行處理分析，輸出各關鍵部件和風機整機良好、合格、注意和嚴重等4種狀態，從而實現了對風機整機及各關鍵部件運行狀態的實時監控和評估，如圖2所示。


模型給出的評估結果，指導現場人員采取相應的運維措施，實現預防性的運行維護。

（三）基于大數據的故障智能診斷模型應用

根據專家經驗，針對常發故障窮盡其全部故障原因，建立相應的故障樹。在此基礎上逐一分析每個故障原因對應的運行數據，提取每個故障原因對應的數據特征，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據平臺上，見圖3。


大數據平臺根據故障代碼調取相應的智能故障診斷模型，并將故障前后的運行數據提取出來輸入到智能故障診斷模型中，模型根據運行數據的故障特征，自動給出各故障原因的百分比和對應的解決方案，通過信息化手段發送給現場運維人員，指導現場人員的故障處理過程，提高工作效率。

（四）海上風電場抗臺風策略應用

我國東南沿海每年都會登陸10個以上的臺風。2018年最強臺風“山竹”于9月16日17時在廣東臺山海宴鎮登陸，登陸時中心附近最大風力14級，給臺風半徑內的風電機組帶來了嚴峻的考驗。


基于大數據的氣象預報平臺針對臺風信息第一時間發布預警提示。預警提示包含臺風中心位置、登陸時間、風速、移動速度、風力半徑分布情況、未來趨勢、可能受影響項目等。指導項目人員在臺風登陸前完成機組密封完好性、UPS電源完好性等檢查工作。

在臺風登陸期間，保證槳葉處于91°的順槳狀態，并根據臺風的實時風向，調整風電機組的偏航位置，保證機組能夠實時對風。臺風過境以后，及時進行檢查，盡快恢復機組運行。

（五）基于風功率預測的運維窗口期推薦系統

為了提高運維的效率，基于大數據風功率預測系統預測的風速、理論功率和天氣等信息，判斷是否可以出海，給出多個推薦的運維窗口期。


現場運維人員在推薦的運維窗口期開展工作，可最大限度的減少運維導致的發電量損失，使風電場的收益最大化。

（六）海上風電場運維管理系統


通過便攜式智能終端智能推送海上風電場運維船路徑上機組的待辦事項清單，例如本次出海計劃運維20#、25#、26#等3臺機組，在便攜式智能終端上收到18#機組有待辦事項，回程可把18#的運維工作完成，使得一次出海開展盡可能多機組的工作，提高運維效率，降低整體運維成本。


現場運維人員通過便攜式智能終端掃描機組控制柜上的二維碼，也可以獲取該臺機組的待辦事項清單，通過一次運維操作將所有待辦事項完成，同樣可以提高運維效率，降低整體運維成本。

03結語

本文闡述了故障預警模型、基于模糊綜合評價算法的健康模型、基于貝葉斯網絡算法的智能故障診斷模型、運維窗口期推薦系統和海上風電場運維管理系統等預防性運行維護技術及在大型海上風電場的典型應用案例。這些應用的實施，保障了機組的可靠性，使得機組可利用率達到99%以上，加快了風電場運維人員處理故障的速度，降低了整體運維成本。