风电机组设备老化与维修周期管理的研究

1.前言

随着风电机组使用年限的增长，其运营与维修费用也会不断提高，而运营与维修费用的提高也成为制约其利润的重要因素。一方面，风电场地处偏僻，风力发电机长期处于自然条件下，运行工况恶劣，设备故障频发，维修工作量大、工艺复杂。风电机组分布广泛，分布广泛。运行与维修人员对其进行例行的检修，耗费了大量的时间、人力、物力。设备本身造价昂贵，而大型吊装设备的搬运、搬运又是一笔不小的开支。开支。另一方面，目前的风电场以预防和售后维修为主，按照各机组的操作规程和技术规范来进行日常的维护与维修，具有一定的盲目性，缺少完整的风机维护决策体系，对风电场的维护规划中的任意一个环节都不合理，会导致检修工作的延迟和延迟，还会导致停机所带来的经济损失等。

1 风机使用可以分为以下几个阶段：

1.1 磨合期

新安装的风机在开始运行时，需要经过一段时间的磨合期。在这个阶段，风机的各个部件还在逐渐适应和适配，可能会有一些噪音、震动等现象。此时，需要注意监测和调整风机的运行参数，确保其正常工作。

1.2 正常期

磨合期之后，风机进入正常运行期。在这个阶段，风机的各项指标和性能应该达到设计要求，能够稳定地运行。此时，需要进行定期的检查和维护，包括清洁风机表面和滤网、润滑润滑部件、检查电气连接等，以保证其正常运行和延长寿命。

1.3 老化期

随着风机使用时间的增加，各个部件会逐渐出现磨损和老化的现象。在这个阶段，可能会出现一些故障和性能下降的情况。此时，需要及时维修和更换受损部件，以确保风机的可靠性和安全性。

1.4 回收期

当风机达到寿命末期或者出现严重故障无法修复时，进入回收期。在这个阶段，需要进行风机的拆解和回收处理，包括对可回收的部件进行分类和处理，对废弃部分进行环保处理。

2 风电机组视情维修

通过对设备进行状态监测，获得相关温度、压力、噪声、振动、流量等参数，由专家系统对各种参数进行分析，安排维修周期，即为视情维修。这种基于状态而采取动态时间间隔或者周期的维修方式称为“ 第三代维修模式” ，此种维修的检测方式采用等周期检测，维修方式采用“ 更换” 、“ 预防性维修” 和“ 继续工作” 相结合的方式，分析各检测点处部件有效年龄的状态变化。其优点是能提前安排维修需要的材料和人员，最大化设备的利用率，减少停工时间和二次损伤，在严重损伤发生前，停止工作，降低维修成本。其缺点是必须应用先进技术，对机器状态进行评估，需要特殊的专业设备和高昂的人员培训费用。

2.1 视情维修研究现状

基于状态的维修系统技术是一个新兴的研究领域，其核心思想是在有证据表明故障将要发生时才对设备进行维护。目前，国内还停留在定时维修阶段，对视情维修还处在起步时期，主要是理论上的探讨和定性的分析，以状态检测和故障诊断为主，对状态模型和维修决策模型的建立、求解以及应用都缺乏深入系统的研究。处于起步阶段的状态监测与故障诊断技术主要集中在风电机组的故障高发部件，如齿轮箱和发电机。国内已有大型风电企业安装了实验性的在线监测设备，但都没有规模化生产，随着风机单机容量的加大，未来兆瓦级风电配置检测系统必然成为一种趋势。目前从事风电状态监测与故障诊断的单位较少，主要有华北电力大学、西北工业大学、清华大学等。

国外关于视情维修的研究已颇为成熟，主要可分为两类。

第一类是从理论上的研究，使视情维修能够更多应用于实际。视情维修决策的理论研究都是首先建立描述系统状态的模型，然后建立优化模型，最后求解指定目标下优化的系统维修策略。决策通常是基于数理统计和随机过程理论，理论基础又有两个分支：第一分支采用数理统计理论，建立设备状态和寿命曲线的统计分布，以费用为目标作出经济最优化;第二分支着重对以经济为目标的策略进行求解，采用马尔科夫或者半马尔科夫决策过程，系统运用离散数值。

第二类主要是针对视情维修整体决策系统的研究，包括数据采集设备和相应的软件分析等，目前在这方面研究比较深入的是美国和加拿大。美国国防部海军研究办公室已经研制开发了机械预测与诊断系统 MPROS，该系统综合了许多当时已有的先进技术，是一个分布式的开放可扩展监测与诊断的工具。加拿大多伦多大学的两位教授组建了专门从事视情维修研究的办公室，开发了采用比例故障为模型、以费用为优化目标的软件包 EXAKT;阿尔贝塔大学则将小波和神经网络算法应用于旋转机械视情维修优化系统。这些机构在信号处理的基础上增加维修策略规划，重点在于研究信号处理的方法。

2.2 视情维修下维修策略优化

风机是一个多部件复杂系统，多部件之间存在经济相关性、结构相关性和随机相关性，因此多部件的模型建立更加具备实用价值，视情维修条件下的多部件维修策略的模型也开始备受关注。现有的文献主要关注齿轮箱、电力系统和叶片等故障高发的单部件，多部件的优化模型还很少。关于多部件模型的优化决策主要有三种：机会维修、分组维修和批量维修，其中，又以机会维修研究最多。考虑风力机多部件之间的经济相关性，建立风力机维修成本的数学优化模型，采用分支定界算法求解检测点处系统部件的最优维修策略。目前，多部件维修优化主要有两种模型：

① 以系统可用度为约束条件实现经济最优化;

② 以经济为关注条件实现系统可用度最大化。对于风力机多部件系统，以上两种模型均不能完全有效定义其故障特性，为使模型可用性更高，考虑多部件维修的相互关系，并且以注重费用、机组可用度、风险承受度等多目标建模，在风电厂系统层面进行总体分析优化，将成为后续研究工作的重点。

以往大多基于状态维修策略优化模型的研究中，都是在假设预防性维修为完全维修的前提下进行的，也就是假设系统可以“ 修复如新” 。然而实际情况并非如此，大多数情况下，维修措施并非完全维修，即不能使设备或者系统恢复到全新状态，但也不是使设备保持故障前的状态，而是可使设备恢复到上述两个极端之间的一个状态，即不完全维修。考虑维修措施对风力设备状态改善的不完全性，将检测时间间隔作为一个与状态相关的决策变量引入维修策略优化过程中，当设备处于不同状态时，考虑多个不同的维修措施种类和机会维修策略，优化两部件系统的维修策略优化模型，在“ 不完全维修” 的情况下，建立可用于基于状态维修策略优化的数学模型，相比当前诸多基于状态维修策略优化模型，该模型描述实际情况更为准确且具有实际参考价值。

3 结语

综上所述，风电机组设备的维修策略是随技术的进步而逐步演化的，但是，这种发展并不代表着某种维修策略可以完全取代或者淘汰另一种维修策略。风电企业要针对设备采取动态灵活的维修策略，未来的状态维修策略应该对不同的设备，甚至对同一台设备的不同部件采取不同的维修策略。

参考文献：

[1]苏春，周小荃.基于有效年龄的风力机多部件维修优化[J].东南大学学报(自然科学版)，2012，42(6)：1100-1104.

[2]黄傲林，李庆民，黎铁冰，等.劣化系统周期预防性维修策略的优化[J].系统工程与电子技术，2014，36(6)：1103-1107.