郭銳
(新疆龍源風力發電有限公司,新疆 烏魯木齊 830054)
引言:隨著我國近年來風力發電場的不斷構建,風電機組的投產量不斷提升,容量的增加是行業目前的發展趨勢,從而為國家各行各業都能夠持續穩定輸送電力能源,但是與此同時,在風電機組的運行當中也呈現出了較為明顯的問題,越來越嚴重的風電機組故障問題對于整體風電場的運行造成了嚴重影響,面臨風電機組的突發性故障問題,必須及時對于相關故障原因進行分析并解決,從而保障機組的運行狀態始終處于安全可靠,基于傳統的故障檢修工作內容,需要借助于現代化的先進技術手段,構建自動化的一體化系統,從而提升機組故障檢修工作效率。
基于風力發電在我國的發展時間來看,風電機組已經從千瓦級機組逐步轉變為兆瓦級機組,為了能夠保障風力發電的能源供給量,風電機組的實際運行容量增加,在較為空曠的郊區野外構建的風電機組,較為惡劣的環境當中長時間的運行對于風電機組內部設備來講,產生了較大的影響,對設備的安全可靠運行造成了較大的阻礙,并且在長時間教條化檢修的情況下導致大多數的風電機組極易發生突發性故障問題。而傳統檢修工作的程序化統一化導致風電機組的檢修計劃缺乏充足的科學依據,面臨著檢修工作浪費大量人力資源以及資金投入的情況下,檢修工作的實際效率相對較小,呈現出維修不足以及維修過剩的情況,對于風電機組的運行以及風電機組的工作效率造成了一定影響。在這樣的條件下需要風電場能夠積極意識到風電機組的突發故障狀態檢修工作的重要性,既能夠提升檢修工作效率,同樣也能夠有效降低風電機組運行當中出現突發性故障問題的概率,實現雙重保障,獲得最大效益,進而促使風電機組的設備使用年限增加,并保障了風力發電的安全穩定性[1]。結合于我國現階段的風電機組狀態檢修的情況來看,難以應用先進的網絡系統構建一體化的檢修工作,缺乏對于風電機組的監測、診斷、管理以及維修的自動化流程建設,缺乏功能強大的突發故障檢測系統功能,在個別風電機組的狀態檢修工作當中能夠借助于相關專家經驗構建的初級故障診斷能力模塊,但是難以融入深層次的理論支撐。在檢修技術較為薄弱的局面當中對于風電機組的突發故障狀態檢修來講,匱乏的現場經驗對于檢修工作的應用所提供的有效參考不夠理想,效率較低的狀態檢修功能,難以對風電機組的正常穩定高效運行發揮實際效用。
針對于風電機組在實際運行當中出現的突發性故障問題,為了能夠保障風電機組的持續穩定的電力能源供給,需要針對于故障問題進行及時判定,進而提出相應的檢修決策,從而保障風電機組能夠恢復正常穩定運行,降低風電場機組故障的發生。結合實際來看,我國大多數的風電發電場當中的風電機組利用與傳統的控制系統,對于風電機組突發故障狀態下的相關數據信息進行全面收集,進而整合完成后,能夠及時根據數據分析判定故障類型并提出相應的解決措施。具體來講,一般情況下會相應地收集風電機組的變槳、齒輪箱、發電機、風速以及變流器等相關數據信息,進而判定風電機組的故障時刻狀態。全面監測當前發生的突發性故障問題對于風電機組的運行產生的影響,實時掌控風電機組剩余組件的運行健康狀況,通過收集的數據進而匯總成為風電機組檢修決策的有力依據。
風電機組的在線監測一般情況下主要是針對于機組當中的各個組件進行監測,從而在出現突發性故障的第一時間能夠及時發現并采取相應的解決措施,一般包括風電機組的發電機、齒輪箱以及主軸承等相關組件。監測風電機組的發電機主要是在自由端軸承的橫向直徑兩端分布監測點,這兩端同樣也是發電機最容易出現故障的所在,而對于齒輪箱的實際監測點位主要在輸出端軸承及輸出端的軸向和徑向位置,并同時檢測齒輪箱行星輪的徑向位置,保障齒輪箱容易發生突發故障的節點都能夠覆蓋在在線監測系統當中[2]。監測運行設備的實時參數需要依賴于軸承處的徑向震動情況進行反饋,在遠程監測當中能夠實現既定風力發電場范圍內的所有風電機組的實際運行情況進行監測,并在監測系統當中同時對各個不同的風電機組進行監測。面對風電場當中類型多樣化的風電機組,都可以通過在線監測設備對突發性故障進行監控,從而通過數據的反饋能夠及時定位故障點,促使后續的故障狀態檢修決策工作效率能夠更快。
水平軸,三葉片,上風向風電機組作為近年來風力發電當中最主流的結構形式,常見容易發生的突發性故障有電氣故障、機械故障以及液壓故障問題。機械故障大多數表現在齒輪箱的故障當中,風機機組的變頻器、變壓器等出現的故障問題為電氣故障問題居多,而風電機組的液壓故障主要是由偏航系統以及變槳系統的方面出現的故障問題為主。而其中最常見容易出現的故障問題是在齒輪箱中傳動系統故障問題,其相對來講修復條件較為復雜,造成的停機時間相對較長。
1.故障機理
齒輪箱常見故障機理:常見在接觸應力的變化以及摩擦力發生的綜合作用下,導致齒輪的表面存在著較為明顯的裂紋,在力的作用下這種裂紋在不斷朝向更為嚴重的方向發展,最終會使齒輪表面的脫落,形成凹坑等機械損傷。具體來講包括點蝕疲勞剝落、淺層疲勞剝落以及硬化層疲勞剝落,這樣的機理主要是由于長時間的交變應力之下造成的損傷,除此之外,還會出現齒輪箱輪齒折斷以及齒面膠合的故障現象,這都是在齒輪箱運行當中基于齒輪的不斷嚙合,高速運轉之下產生的,促使齒輪的接觸面以及輪齒本身逐步的磨損和疲勞。根據不同的使用時間造成磨損和疲勞的程度也各有不同,在高溫高壓作用下的齒輪則會產生粘連作用,嚴重影響了齒輪的應用效果。齒輪折斷同樣也是引發風電機組突發性故障的重要誘因,由于部分地區中的湍流風速變化較大,導致齒輪箱內的齒輪受到較大的沖擊載荷,從而使齒輪出現疲勞現象,促使齒輪根部受到脈沖彎曲壓力的同時,同樣也會產生較為嚴重的疲勞裂紋,最終則會促使齒輪折斷[3]。
葉片故障機理:在風電機組的長時間運行之下,葉片在風力侵蝕和交變應力的作用情況下會產生裂紋,葉片裂紋會影響到葉輪的實際受力作用,造成輪轂、主軸受力不均勻的現象發生,最終將會導致主軸及自身受損破壞,其次葉片處的螺絲松動或是由于葉片老化,最終也會導致葉片開裂。在常見的低溫冰凍環境當中低于0℃的環境下葉片受冷空氣侵襲,在寒冷天氣葉片軸承轉動受阻,導致葉片冰凍,或是在雷雨天氣中缺乏相應的避雷設備,導致葉片無法運行。
發電機故障機理:常見出現發電機故障的主要原因大多數是由于溫度過高或者運行時間過長導致的,短時間內輸出動力過大或散熱系統工作異常,導致在發電機當中存積大量的熱量,進而促使發電機系統循環不暢,造成最為常見的發電機絕緣損壞以及發電機軸承故障形式。
2.故障檢測
現階段在風電機組當中常見使用到的突發性故障檢測方法主要是基于神經網絡構建的智能系統故障診斷,以及故障樹、多元特征決策融合等方法對于風電機組的故障問題進行智能診斷。按照基礎故障特性以及相應的參數指數,以計算機為基礎對生產過程進行控制與自動化調度,進而實現可視化的監控風電機組的運行狀態并發起相應的控制指令,通過數據采集,能夠實現風電機組的測量、參數調節以及警報功能。
作為在風電機組整體狀態檢修當中的核心技術,突發性故障預測能夠保障在風電機組運行當中出現的各種故障問題建立相應的檢修預警工作,從而降低實際檢修工作當中的成本投入,基于在線網絡進行監測獲取到機組的實際運行信息,結合線上統計遠程控制,對風電機組當中的各個組件監測故障預測模型,進而根據在正常狀態下的不同參數進行比較,從而對于風電機組的運行狀態進行判斷,全面分析機組的突發故障成因等情況。
風電機組的突發性故障狀態檢修主要是結合故障診斷系統以及故障預測系統,以風電機組的現行運行狀態情況進行研究,對照常規標準狀態下的風電機組,按照檢修周期中的相關規定,對風電機組的運行進行定性評價[4]。將在線監測收錄到的數據集中收錄在系統數據庫當中,供給后續進行檢修工作的既定依據,通過風電機組階段內產生的檢修周期變化,確定不同組件的實際優化檢修內容,進而確定最終的檢修實施時間。
由于大多數的情況下風電機組的突發性故障具有一定的隨機性,在這樣的前提下為了保障檢修工作的及時與準確性則需要借助于狀態檢修,通過了解風電機組運行歷史數據,從而對風電機組的故障原因進行監測,明確風電機組的故障點,進而能夠確定檢修工作的具體項目。風電機組的具體檢修實施工作流程需要首先通過分析監測機組的狀態,進一步確定機組運行中存在的故障點以及相應的故障情況對于機組運行造成的影響,經過系統自動生成數據信息后,及時進行相應的檢修管理工作。下達檢修決策后,根據具體的檢修工作以及檢修完成后的風電機組運行呈現出的狀態進行統一判定,最終形成較為機動的閉環處理決策,具體流程如圖1 所示。基于檢修工作風電機組大容量的環境當中產生的工作量同樣相對較大的特點,工期時間長,在風電機組當中需要針對于故障點位常見的設備進行全面監測。

圖1
最常見在風電場當中對風電機組進行檢修的方式是基于機組狀態信號以及故障特征的數據提取,從而對故障問題進行診斷并進行檢修,這樣的檢修工作建立在專家的專業化分析以及工程師的技術指導經驗基礎上,進而對設備運行狀態進行決策。這其中需要保障信號來源的準確性和可靠性,使用監控系統獲取到相關的設備信號,確定不同突發性故障問題的監測參數,最終確定傳感器等設備運行點的布置,根據對應項目指標的參數確定監測系統的基礎配置,并結合設備信號分析軟件對風力電機組進行可靠性分析,對于多次檢修監測的數據進行總結收錄,最終建立風電機組的標準狀態。
對于風電機組常見容易發生突發性故障的問題進行及時的狀態檢修,能夠有效降低后續的檢修成本,促使設備使用率得到提升,基于狀態檢修決策流程的復雜化,需要針對于其中的各個環節進行全面的分析,狀態檢修決策作為風電機組的檢修工作趨勢,也成為了狀態檢修當中的重要的存在。