可靠性數據分析應用研究

□ 王麗敏

上海之恒新能源有限公司 上海 200241

1 可靠性數據分析概述

平價上網已成為風電行業不可逆轉的趨勢。風電開發商不僅需要關注風電機組的初期采購成本,而且應該更加關注風電機組全生命周期內的綜合成本。可靠性體系建設的核心工作是持續與故障作斗爭,確保風電機組在全生命周期內穩定運行。當前,應用大數據技術有助于實現風電場運維管理的標準化和專業化,運維人員能夠對風電機組的運行狀態進行集中監控,隨時獲取每臺風電機組的運行數據和歷史信息,然后結合專家知識及外界環境等來調整檢修計劃,開展風電機組的預測性維修,從而從根本上改變風電場的運維流程。

為達到產品的可靠性要求,需要進行一套貫穿于需求分析、總體設計、詳細設計、樣機制造、試驗、生產、使用、維修維護等產品全壽命周期的系統工程方法,稱為可靠性工程。可靠性工程是一門物理、統計和工程的綜合學科,用于評估并提高產品的可靠性,需要用到基于數據的統計分析、產品相關工程知識,分析失效的發生機理。

可靠性數據分析是可靠性工程的重要組成部分。從技術角度可以將可靠性數據分析技術分為保修數據分析、退化數據分析、壽命數據分析、加速壽命試驗數據分析、可靠性增長分析、系統可靠性分析、可靠性預計、可靠性分配等。保修數據分析是基于售后維修記錄進行的分析,指對整機或者子系統進行的宏觀統計分析,相對比較簡單。退化數據分析、壽命數據分析、可靠性增長分析需要有一定的統計基礎知識。加速壽命試驗分析需要具備更高的統計學理論基礎,可以歸類為專業的可靠性數據分析技術。上述可靠性數據分析技術通常用于對某個零部件或子系統進行可靠性分析,在產品可靠性設計中,需要將這些可靠性數據分析技術與產品設計過程相結合,進行可靠性目標設定、可靠性建模、可靠性預計、可靠性分配等工作。

對于風電設備而言,進行可靠性數據分析時,主要的數據來源包括現場工單領料數據、現場運行數據、試驗數據。此外,通常還需要產品的結構數據作為補充。風電產品數據分析的整體思路為,通過收集生產安裝數據、現場工單領料數據、現場運行數據等,進行保修數據分析、壽命數據分析、可靠性增長分析等可靠性數據分析,并對分析結果加以應用。

2 可靠性指標體系

對于所采集的風電數據,建立起指標評價體系,從不同角度評價風電機組整體表現,進行數據完善及儲備工作,不斷提升數據準確性。風電機組故障數據分析中,平均故障間隔時間和平均恢復前時間是衡量產品的重要可靠性指標。可以用平均故障間隔時間和平均恢復前時間這兩個指標去衡量風電機組的運行質量。平均故障間隔時間代表風電機組在全年運行過程中無故障工作的平均時間,即風電機組能夠正常運行多久才發生一次故障,指標越高越好。平均恢復前時間代表風電機組因故障而導致的平均修復時間,即從出現故障到修復的時間,指標越低越好。

3 可靠性評價

僅僅完成風電機組可靠性指標的統計,已經遠遠不能滿足大數據時代的要求,如何基于數據統計進行故障預警,指導實際備品備件,成為大趨勢。

3.1 壽命數據分析

評價時，壽命數據分析用于對MRO(Maintenance,Repair & Operations)系統產生的故障工單數據進行部件及關鍵備品備件壽命曲線數據分析,具體包括壽命數據源配置管理、分析方法設置、壽命數據分析結果總覽等功能。在分析時,可以采用韋布爾分布、對數正態分布、正態分布、指數分布等方法。

在進行壽命數據分析結果總覽時,可以通過圖表方式查看分析結果,包括概率曲線、可靠度時間曲線、不可靠度時間曲線、失效率曲線、概率密度曲線等。同時可以通過計算器功能,計算可靠度、不可靠度、平均失效時間、失效率、BX%壽命、條件可靠度等結果。

可以提供關鍵部件及關鍵備品備件列表清單,對并網時間進行定義,與MRO系統故障數據中物料描述信息同步匹配。通過故障數據,自動識別擬合優度，選擇最適合分布。默認參數估計方法為極大似然估計,默認置信類型為95%雙側置信限,默認置信法為費希爾矩陣。

3.2 方差分析

應用方差分析等統計學數據統計方法,可以指導實際工作,如液壓油選型等。以下對液壓油檢測數據進行方差分析,用于了解同類液壓油的清潔度差異。液壓油一類顆粒方差分析見表1,各品牌產品具體數據見表2。液壓油二類顆粒方差分析見表3,各品牌產品具體數據見表4。液壓油三類顆粒方差分析見表5,各品牌產品具體數據見表6。

方差分析結果顯示,不同品牌的液壓油,顆粒度有顯著差異。其中,嘉實多品牌液壓油的顆粒度值最低,性能最好,而德士古品牌液壓油的顆粒度值則最高。嘉實多品牌對應的產品為HYSPIN AWH-M 32液壓油,建議將此液壓油作為風電場的標配用油。

結合Minitab軟件,應用統計學基礎分析方法,對不同品牌液壓油的清潔度、顆粒度等進行詳細分析,從而為設計及運維提供數據基礎與解決方案,真正將數據應用于實際場景,完成數據的價值提取。另一方面,可以進行機械磨損等退化分析,形成數據閉環,提前發現問題,使問題在尚未產生影響時便得到解決。

表1 液壓油一類顆粒方差分析

表2 各品牌液壓油一類顆粒分析數據

表3 液壓油二類顆粒方差分析

表4 各品牌液壓油二類顆粒分析數據

表5 液壓油三類顆粒方差分析

表6 各品牌液壓油三類顆粒分析數據

3.3 分級預警機制

根據設備運行規律或數據變化趨勢,在設備真正發生故障之前,及時發現設備的異常情況,并進行相關報警推送,這一過程稱為故障預警。故障預警的目的是在發生故障的早期進行設備及時保養,并采取針對性維護策略,消除設備的潛在隱患。

基于可靠性數據分析的故障預警目前應用廣泛,企業管理、質量和運維人員制訂有針對性的維護保養策略,將設備的缺陷隱患消除在萌芽狀態,進而延長設備的使用壽命,在真正意義上形成狀態驅動運維、提前解決故障的模式。對于無法避免的故障,可以進行有針對性的事故演練,保證充足的備件調配準備時間,避免人為因素造成二次事故,同時也可以減少因備件因素造成的故障停機情況。在積累經驗的基礎上,可以根據歷史故障數據等進行故障分級,制訂相關的分級策略,并針對不同級別的故障采取不同的應對方案。制訂分級策略時,從質量問題帶來的損失、質量問題帶來的風險等不同角度區分不同的等級,并建立與不同等級相匹配的預警機制,在提高可靠性、保證安全的前提下,最大限度節省人力物力。

4 結束語

對可靠性數據分析應用進行研究,目的在于實現可靠性數據的集中管理,提高企業可靠性數據分析能力,為未來新風電機組機型的設計提供真實的歷史數據支撐。

筆者在研究中分析了可靠性指標體系,并從壽命數據分析、方差分析、分級預警機制三方面介紹了可靠性評價。進行可靠性數據分析,可以為風電機組運行與評價提供堅實的基礎。在實踐過程中,需要不斷驗證前期數據分析方法的正確性和有效性,并且評估預警的準確性。