摘 要：在傳統(tǒng)的風電機組運維管理方法下，風力發(fā)電的可靠性較低，因此本文進行了提高風力發(fā)電可靠性的風電機組運維管理研究。首先，獲取風電機組運行的最佳狀態(tài)，建立一個運維管理模型。其次，制定精準地預防性運維策略時，考慮風電機組的部件相關性，確保各部件間的協(xié)調運行。最后，對風電機組進行科學管理，合理布置位置和間距，以充分發(fā)揮每臺風電機組的作用。試驗證明，該方法可以精準地維護風電機組，提高風力發(fā)電的可靠性，為電力供應的穩(wěn)定性做出貢獻。

關鍵詞：風力發(fā)電；可靠性；風電機組；運維管理

中圖分類號：TM 721 " " " 文獻標志碼：A

風力發(fā)電具有環(huán)境友好、資源豐富等優(yōu)勢，但也面臨著運行可靠性、穩(wěn)定性不足等挑戰(zhàn)。在風力發(fā)電過程中，作為將風能轉化為電能的核心設備，風電機組發(fā)電的可靠性直接影響整個風力發(fā)電系統(tǒng)的運行效率和質量。但風電機組長時間處于復雜變化環(huán)境中，風力發(fā)電的可靠性受到嚴重挑戰(zhàn)。傳統(tǒng)的風電機組運維管理方法通?；诮涷灪蛡€人判斷，缺乏科學性和系統(tǒng)性，難以實現精準的故障預測和預防性維護[1]。為解決該問題，本文旨在挖掘風電機組潛在規(guī)律和特征，為提高風力發(fā)電可靠性的風電機組運維管理提供支持。

1 獲取風電機組運行最佳狀態(tài)

由于評價指標較多時不易確定各指標的對應權重，使用單層次評價體系易造成各指標權重分量小，因此評判結果對各指標的分辨率較差。本文采用多層次模糊綜合評價法對風電機組運行狀態(tài)進行評價。為使構建的評估模型能真實反映風電機組的運行狀態(tài)，考慮風電機組的各關鍵部件和故障排除時間統(tǒng)計情況[2]，并結合現有技術手段，對風電機組的葉片進行重點監(jiān)測。將風電機組狀態(tài)評估的項目層分為齒輪箱、發(fā)電機、機艙、控制柜、電網系統(tǒng)和葉片6個因素子集，記為A={B1，B2，B3，B4，B5，B6}。將每個項目層指標B分為多個因素C的綜合，建立風電機組狀態(tài)評價指標體系，如圖1所示。

葉片振聲信號分析結果的加入可在一定程度上彌補傳統(tǒng)SCADA數據分析中的信息不足，當風電機組葉片發(fā)生開裂和雷擊等故障時，該模型能獲得更多信息進行狀態(tài)評判[3]。本文使用劣化度來刻畫現有風電機組各項評估指標的健康度，為[0，1]?！?”表示目前的工作狀況良好，“1”表示當前運行狀態(tài)差，中間值為介于運行狀態(tài)好與壞之間。越小越優(yōu)型指標包括各關鍵部件的溫度值、機艙振動等，該類指標值越小，表明該指標狀態(tài)越良好。其劣化度g1如公式（1）所示。

（1）

式中：x為參數實測值；xl為該參數正常工作最小值；xu為該參數正常工作最大值；[xl，xu]為該參數正常工作范圍。

中間型指標包括轉速、電網電壓和電網電流等，其指標變量越靠近中間值，風電機組該指標的運行狀態(tài)就越好，其劣化度g2如公式（2）所示。

（2）

式中：xa為風電機組運行狀態(tài)最佳運行時的參數最小值；xb為風電機組運行狀態(tài)最佳運行時的參數最小值；[xa，xb]為風電機組運行狀態(tài)最佳運行時的參數范圍[4]。

2 建立提高風力發(fā)電可靠性的風電機組運維管理模型

本文利用威布爾分布進行建模。威布爾分布是一種連續(xù)概率分布，威布爾分布的失效概率密度函數f（t）可以表示為公式（3）。

（3）

公式（3）為非負變量t從參數為（β，η，γ）的威布爾分布。威布爾分布形狀參數β主要影響設備的失效率曲線。典型故障率曲線如圖2所示。

βlt;1時為早期故障期，該階段故障率高的原因是設備在設計或制造上出現缺陷，隨著產品投入使用時間推移，其失效率會不斷降低。β=1時為偶然故障期，在此期間失效率較低，設備基本處于健康運行狀態(tài)，這一時期發(fā)生故障的主要原因通常與使用不當有關。βgt;1時為損耗故障期，該階段失效率變高，原因是設備部件磨損或老化，此時應注意設備的運行狀態(tài)，及時采取相關措施[5]。觀察圖2可看出失效率曲線形狀與浴盆的縱切面類似，因此稱“浴盆曲線”，中間一段為設備的使用壽命。

γ作為位置參數，表示設備在時間[0，γ]內能夠正常運行。選擇γ=0對風電機組部件壽命進行威布爾可靠性建模，表示風電機組開始工作時就發(fā)生故障的概率，其累計失效概率密度函數F（t）、可靠度函數R（t）、失效概率密度函數f（t）、失效率函數h（t）分別為公式（4）～公式（7）。

（4）

（5）

（6）

（7）

可靠度函數R（t）與失效率函數h（t）的關系模型如公式（8）所示。

（8）

公式（8）建立了提高風力發(fā)電可靠性的風電機組運維管理模型，可以制定相應的運維策略。

3 考慮部件相關性維護風電機組

對風電機組進行維護時，一般都要求在某一程度上保證維修費用最低，以此本文建立了2層優(yōu)化模型。將未達到危險程度的單個和隨后的維修組合重新輸入上面的模型并進行再一次優(yōu)化[6]。維護思想的框架如圖3所示。

上述優(yōu)化分為2個部分。1）失效依賴關系。綜合考慮溫度、幅值等多源數據，利用威布爾比例風險模型刻畫組件的風險程度，基于組件的風險程度確定維修時間，利用Copula函數計算組件的聯(lián)合風險程度和機組的風險程度。2）經濟關聯(lián)性。在零件維修過程中，將維修計劃中的零件和目標函數確定的維護范圍內的零件一并納入維修計劃。與傳統(tǒng)的機會維修策略不同，本文將考慮設備維修后聯(lián)合風險程度的改變對故障造成的損失，并引入懲罰代價。底層優(yōu)化方法綜合考慮組件失效關聯(lián)對組件風險程度的影響，以組件風險程度最小為目標函數，對組件風險程度進行評估。

4 布置位置間距管理風電機組

布置風電機組的間距對風力發(fā)電的效率和可靠性具有重要影響。合理布置間距可以充分利用風能，提高發(fā)電效率，同時還可避免相互干擾，降低故障率。確定風電機組的布置間距時，需要考慮以下4個因素。第一是尾流效應。當一個風電機組在另一個風電機組的前方運行時，后一個風電機組會受前一個風電機組產生尾流的影響。尾流效應會導致風速下降和湍流增加，從而影響后一個風電機組的發(fā)電效率。為了減少尾流效應影響，需要適當增加風電機組間的間距。第二是渦旋脫落。當一個風電機組在另一個風電機組附近運行時，后一個風電機組可能會受前一個風電機組產生的渦旋脫落的影響。渦旋脫落會導致風速下降和湍流增加，從而影響后一個風電機組的發(fā)電效率。第三是地理位置和風向。地理位置和風向會對風電機組間的間距產生影響。在同一個風電場中，不同的地理位置和風向會導致風速和湍流程度出現差異，因此需要根據具體情況來確定最佳布置間距[7]。第四是電網系統(tǒng)對風電機組間的間距也有一定要求。

綜合考慮上述因素，采用公式（9）來計算風電機組間的布置間距。

D=f（V，H，d） （9）

式中：D為風電機組間的布置間距（m）；V為風速（m/s）；H為風電機組的高度（m）；d為電網系統(tǒng)要求參數。

5 試驗

5.1 試驗準備

在本次風電機組運維試驗中，本文選取不同型號的風電機組進行試驗，以評估運維策略的效果。試驗地點位于某風力發(fā)電場，試驗時間為1個月。參與試驗的人員均具備風電機組運維的相關經驗和技能。在試驗準備階段，制定詳細的試驗計劃和步驟，并準備必要的試驗設備和工具。試驗設備包括振動傳感器、轉速傳感器、溫度傳感器、風速儀、數據采集器和計算機等，用于監(jiān)測風電機組運行狀態(tài)和采集相關數據。

需要注意的是，在試驗前，需要對風電機組和測量儀器進行充分檢查和校準，以保證其準確性和可靠性。在試驗過程中，需要嚴格遵守相關安全規(guī)定和操作規(guī)程，保障試驗過程的安全性和可靠性。當風電機組發(fā)生故障時，需要及時采取措施進行處理，避免故障擴大化。

5.2 試驗結果和分析

為驗證所提的運維管理方法的優(yōu)越性，本文與文獻[6]方法、文獻[7]方法進行比較，試驗結果見表1。

根據表1的試驗結果可知，使用本文風電機組運維管理方法的損失發(fā)電量為9.88×103kW·h，使用文獻[6]方法的風電機組運維管理方法的損失發(fā)電量為5.63×104kW·h，使用文獻[7]方法的風電機組運維管理方法的損失發(fā)電量為6.47×104kW·h。總發(fā)電量損失越小，風力發(fā)電的可靠性越高。因此使用本文運維管理方法的風力發(fā)電的可靠性更高，并能精準維護風電機組，從而有效提高風電機組的運行效率和穩(wěn)定性。

6 結語

綜上所述，通過運用威布爾分布模型等數據分析方法，可以更科學、系統(tǒng)地評估風電機組的性能并制定相應的運維策略。同時，綜合考慮部件相關性和布置位置間距等因素，可以更全面地評估風力發(fā)電可靠性并制定相應的優(yōu)化策略，顯著提高風力發(fā)電的可靠性，推動風力發(fā)電行業(yè)可持續(xù)發(fā)展。

參考文獻

[1]崔曉哲.風電機組的日常運維及檢修技術分析[J].集成電路應用，2023，40（2）：312-314.

[2]呂致為，王永，鄧奇蓉.考慮時間窗約束的海上風電機組運維方案優(yōu)化[J].太陽能學報，2022，43（10）：177-185.

[3]胡成棟.風電機組的日常運維及檢修技術應用[J].中國高新科技，2022，3（8）：38-39.

[4]李鎖，黃玲玲，劉陽，等.基于風電機組狀態(tài)信息的海上風電場維護策略[J].現代電力，2022，39（1）：26-35.

[5]陳明光，徐創(chuàng)學，馮庭有，等.海上風電場運維一體化平臺的開發(fā)應用[J].船舶工程，2021，43（10）：17-21，103.

[6]王占文，鄭亞偉.對風電運維管理模式的探討分析與構建[J].新型工業(yè)化，2021，11（7）：138-139.

[7]童英杰.新能源發(fā)電企業(yè)風電機組齒輪箱運維管理研究[J].中國設備工程，2021，5（9）：92-93.