明陽智慧能源集團股份公司 黃軍富 黃成彥 魏煜鋒 張慶宏

海上風力發(fā)電機組由數(shù)萬個零部件組成，其中較為關鍵的部件也有數(shù)十個，業(yè)主對每個關鍵部件都有質(zhì)保期要求，如果在質(zhì)保期內(nèi)部件發(fā)生故障的，整機廠商都需要對部件進行免費維修或更換，確定質(zhì)保期故障率可以有效評估該部件的可靠性是否滿足客戶及整機廠商內(nèi)部的要求。目前，海上風電場可以收集到相對完整的運維故障數(shù)據(jù)大多在一年左右，如何借助一年的定檢內(nèi)容、機組運行數(shù)據(jù)和故障數(shù)據(jù)評估出質(zhì)保前的故障率具有深遠的意義。

海上風電場維修與更換難點主要體現(xiàn)在海上風電場的可達性低，受海上天氣多變的影響，檢修人員到達風力發(fā)電機進行日常巡檢的風險高、難度大，風力發(fā)電機一旦發(fā)生故障，維修周期加長，將導致可用率降低。周期性維修檢查難以實施，陸上風電場會每年安排規(guī)律性的檢查，如每半年進行規(guī)律性檢查，海上風場可能因天氣原因取消檢修次數(shù)。關鍵部件的故障率要滿足整機可靠性分配的要求，否則因部件維修與更換導致的費用將超過整機廠商承受范圍內(nèi)。

1 故障數(shù)據(jù)類型

精確的知道失效時間的數(shù)據(jù)稱為精確數(shù)據(jù)，不知道精確的失效時間的數(shù)據(jù)稱為刪失數(shù)據(jù)。刪失數(shù)據(jù)又可以分為左刪失、區(qū)間刪失、右刪失。左刪失指t時刻檢查發(fā)現(xiàn)產(chǎn)品已經(jīng)失效的數(shù)據(jù)，如一個產(chǎn)品500h檢查時已經(jīng)失效。區(qū)間刪失指t0時刻檢查產(chǎn)品仍正常工作，t1(t1＞t0)時產(chǎn)品失效的數(shù)據(jù)，比如一個產(chǎn)品300h檢查時正常，但400h檢查時失效。右刪失效指t時刻檢查產(chǎn)品仍正常工作，此后再無檢查，如500h檢查產(chǎn)品正常。在軟件中可以用兩列表示刪失效數(shù)據(jù)，一列表示失效時間，一列表示刪失。刪失列一般包括2個數(shù)據(jù)，數(shù)值型、文本型均可，軟件默認較小的數(shù)值表示刪失，文本型F或1表示未刪失，C或0表示刪失。如圖1刪失數(shù)據(jù)，3件失效時間為12，3件失效時間為20+。觀測值相同的情況也可以用頻率列簡化數(shù)據(jù)表示。

圖1 刪失數(shù)據(jù)圖解

2 分布的識別

由于可靠性數(shù)據(jù)計算最終結(jié)果的精準度取決于所選擇擬合的分布，所以正確的識別所收集的故障數(shù)據(jù)用哪種分布擬合變得尤為重要。很多軟件可以提供7類可靠性分析的分布，分別為指數(shù)分布、Weibull分布、最小極值分布、正態(tài)分布、對數(shù)正態(tài)、Logistic分布、對數(shù)Logistic分布。通常有一定的原則可以參考，首先根據(jù)歷史數(shù)據(jù)和行業(yè)特點選擇分布。如果沒有歷史數(shù)據(jù)，可以通過比較概率圖中數(shù)據(jù)及其擬合直線之間的接近程度選擇合適的模型，樣本量不大時盡量選擇參數(shù)個數(shù)較少的分布。為了說明如何進行分布的識別，抽取了風力發(fā)電機組15個A部件進行壽命試驗，并收集其試驗數(shù)據(jù)如表1所示。

表1 風力發(fā)電機A部件壽命試驗數(shù)據(jù)

擬合結(jié)果如表2所示，3參數(shù)Weibull分布的AD值為4.274，其次是Weibull分布的AD值為4.280，然后對數(shù)正態(tài)為4.313，由于數(shù)據(jù)樣本量只有15個，屬于小樣本數(shù)據(jù)（小于100），Weibull擬合直線之間的接近程度較好且3參數(shù)Weibull分布與Weibull分布的AD相差很小，綜合考慮選擇以Weibull分布擬合更為合適。

表2 風力發(fā)電機A部件壽命試驗數(shù)據(jù)擬合結(jié)果

3 故障數(shù)據(jù)的分析

通常部件供應商通過收集其產(chǎn)品并網(wǎng)后的故障數(shù)據(jù)以評估其產(chǎn)品的可靠性，如通過統(tǒng)計發(fā)現(xiàn)，并網(wǎng)后其部件在第一年中，總體故障比例為2%，那么以此推算3年的故障率為6%，符合整機對部件分配3年的可靠性指標小于8%的要求（如表3所示），不需要進一步的提升可靠性。但如此分析是不將一年的數(shù)據(jù)加以區(qū)別的分析，未考慮在一年內(nèi)故障的產(chǎn)品在并網(wǎng)后究竟使用了多久才發(fā)生故障的，如有些產(chǎn)品是1個月內(nèi)就發(fā)生故障了，而有些產(chǎn)品是并網(wǎng)后12個月才出現(xiàn)故障。按年籠統(tǒng)的去統(tǒng)計，無法確定在不同的時間下故障率是多少。

表3 故障率統(tǒng)計

如何更為有效的使用故障數(shù)據(jù)，可以用三角記錄的方式進行統(tǒng)計（如表4所示），通過三角記錄的方式，數(shù)據(jù)會反饋出更多的信息。通過表4看出，風力發(fā)電機組B部件并網(wǎng)后，在一個月內(nèi)就發(fā)生故障的產(chǎn)品達0個，0個就是對角線上數(shù)據(jù)累加的數(shù)據(jù)，同理可以知道一個月到兩個月之間發(fā)生故障數(shù)為1個，兩個月到三個月之間發(fā)生故障為2。

表4 風力發(fā)電機組B部件并網(wǎng)1年的故障數(shù)據(jù)

以上三角記錄的故障數(shù)據(jù)，目前軟件還不能進行分析，但可以通過軟件自身轉(zhuǎn)化成可以分析的故障數(shù)據(jù)，轉(zhuǎn)化結(jié)果如表5所示，對轉(zhuǎn)化后的數(shù)據(jù)才能進行壽命評估?；谝郧暗墓こ探?jīng)驗且刪失數(shù)據(jù)很多，所以選擇按Weibull分析較為合適，Weibull分布是目前適用性最廣泛的壽命分布，它能概括早期故障期、偶然故障階段和耗損故障。β=1，weibull分布即為指數(shù)分析，代表偶然故障期，β＞1，Weibull分布代表耗損故障期，β＜1， Weibull分布代表早期故障階段，分析過程如圖2所示。通過故障分布概要圖可以知道，形狀參數(shù)（β）值為1.76大于1，說明故障率會隨時間上升，因此故障率不能按1年的故障率×3來評估3年后的總的故障率。基于Weibull分布，可以算出任何時間的累計故障發(fā)生的概率，按月份進行統(tǒng)計，3年為36個月，5年為60個月，由圖2可以分析出，3年的累計故障率點估計0.29，95%的置信區(qū)間為（0.086～0.73），5年的累計故障率為0.57，95%的置信區(qū)間為（0.137～0.992），不符合整機對該部件的可靠性要求，需要提升可靠性。

表5 三角記錄故障數(shù)據(jù)轉(zhuǎn)化后

圖2 基于Weibull的累積故障率分析

4 不良質(zhì)量成本預計

通過風力發(fā)電機組B部件為例說明兩種預估方式的不同會造成多大的差異，如表6所示。B部件故障引起的不良質(zhì)量成本主要包括以下幾個方面：（1）租船費用；（2）維修人工費用；（3）采購新部件費用；（4）停機發(fā)電量損失。通過對比發(fā)現(xiàn)3年后預估的不良質(zhì)量成本偏差有7,148,400元，結(jié)果顯示預計方式不合理會導致預估值跟實際偏差較大，未做優(yōu)化改善要求提升部件B的可靠性將會使整機廠商營利水平大幅度降低。

表6 兩種預估方式計算不良質(zhì)量成本對比

結(jié)論：通過風力發(fā)電機組關鍵部件并網(wǎng)后的故障數(shù)據(jù)的收集，基于可靠性統(tǒng)計原理的分析邏輯，并通過軟件的強大的計算功能可以實現(xiàn)短期數(shù)據(jù)預測長期故障率，為評判關鍵部件是否滿足風力發(fā)電機組對其可靠性分配的指標要求提供依據(jù)。