中南沿海气候条件下风力机可靠性分析

苏梦星，陈严,2，陈琴，孙高山，马其鹏

(1.汕头大学能源科学研究所，广东汕头 515000；2.汕头大学智能制造技术教育部重点实验室，广东汕头 515000)

0 前言

风力发电机是实现风能转换为电能的复杂设备，由电气控制系统﹑液压系统﹑传动系统和偏航系统等子系统组成。作为风电行业的核心设备元件，风力机安全﹑高效的运行是风电领域的重要一环。近年来，随着风电行业的迅猛发展，我国已成为风力机装机量最大的国家。但我国风电行业起步较晚，在风力机研发﹑设计和制造行业与行业中顶尖国家仍有较大差距；同时，随着国家“平价上网”政策的逐步推行，提升风力机的可利用率﹑降低故障率已成为风力机的研究重要领域。因此，基于风电场监测数据对运行中的风力机进行可靠性分析，确定影响风力机故障率的主要原因，对风力机的运维检修有一定的指导意义，有助于风电行业的良性发展。

近些年来，为了提升风力机可利用率，风力机的可靠性与故障分析成为行业热门。DELORM等利用陆上风力机可靠性数据进行计算，预计海上风力机中各系统故障率和总系统故障率，并确定关键部件的可靠性。TALLYEN对风电系统进行可靠性分析及建议，提高了风电机组可靠性。KAIDIS等处理和分析了可查到的欧洲风电场的运行数据，开发出一套监控和数据采集的新系统。SPINATO等采用幂律过程研究风力机中发电机、齿轮箱和变流器等部件可靠性随时间的变化规律。 PINAR PÉREZ等分析了不同风力机在零部件组成上的差异性，并评估了风力机的可靠性特性。LIN等统计了国产风力机的类型，并分析了零部件的故障情况。

除此之外，环境因素也会对风力机可靠性产生较大影响。TAVNER等研究了天气状况和地理位置对风力机故障率、故障时间的影响。SU等采用时间序列分析方法研究风速与风力机故障率之间的相关性。胡照勇对风机运行数据进行时域分析，研究温度对风机故障率的影响。

目前，对于风力机可靠性的相关研究大多都未考虑零部件维修成本的影响因素。同时，尚未查到研究环境湿度对风力机可靠性影响的文献。

本文作者以广东省某沿海地区风电场18台750 kW 定桨距型风力机为研究对象，基于该风电场2017年1月—2020年6月间的运行数据，对风力机及其零部件进行可靠性评估，分析环境因素与风力机故障率之间的关联性。

1 风力机可靠性指标

风力机拥有较为复杂的组成结构，既有电气控制系统和发电机等包含大量电子元器件的部件，也有液压﹑齿轮箱等机械部件，各类部件故障模式及其危害程度各不相同。确定和了解风力涡轮机故障率和维修资源需求，对风力机建模、降低运行和维修成本，进而降低能源成本至关重要。

风电设备均装有监控与数据采集系统，可以实时记录风力机性能参数，包括温度、风速和湿度等环境参数，运行状态以及故障停机时间等。

1.1 故障率

故障率是指产品在时间内尚未发生故障，而在下一个单位时间内可能发生故障的条件概率。其公式为

(1)

式中:,为零部件故障次数；为第个时间段该批次风力机数目；为零部件个数；为时间段总数；为第个时间段内工作时间长度。

1.2 风力机可利用率

风力机可利用率是指在一段时间内，风力机实际运行的时间周期与预定计划运行时间周期的比值。其公式为

(2)

式中：为第个时间段内时间长度；P，为第个时间段内计划停机时间长度；N，为第个时间段内非计划停机时间长度。

1.3 考虑维修成本的故障分类

风力涡轮机的可靠性和维护所需的资源可以占总能源成本的30%。通常，更高的故障率和更大的维修资源需求(即材料成本和劳动力)将会导致更高的能源成本。

考虑不同故障类别间存在较大的维修成本差异，根据故障维修成本将故障分为4类：无需费用维修；小部件维修(成本在9 000元以下)；大部件维修(成本在9 000～50 000元)；大部件更换(成本大于50 000元)。

2 故障率季节特性与相关性分析

研究表明，环境因素对风力机可靠性有重要影响。本文作者重点分析环境湿度对风力机故障率的影响，评估风力机故障的季节性特性。风力机故障率和环境湿度均为时序数据。时序分析可以定量描述性能指标随时间的动态变化过程，评估不同指标序列之间的相关性。

2.1 自相关分析

自相关分析用来揭示时间序列中不同时期对应观测值之间的依赖性或线性相关程度。本文作者采用自相关系数表示时间序列在不同时刻的线性相关特性。假定时间序列为={,,…,}，则序列滞后期为的自相关系数表达式为

(3)

2.2 互相关分析

互相关分析用来判断两个时间序列之间是否存在相关关系，并能够确定相关关系的方向和相关的密切程度。文中采用互相关系数表示不同时间序列之间的相关性特性。假定两个不同时间序列为={,,…,}和={,,…,}，则滞后期为的互相关系数表达式为

(4)

2.3 季节特性分析

时间序列通常由4种要素组成：趋势、季节变动、循环波动和不规则波动。季节指数(Seasonal Index)刻画了序列在一个年度内各月份或季度的典型季节特性。本文作者的目的是研究风力机可靠性的季节性特性，将时间序列按要素进行分解，并提出季节因素进行特性分析,找出季节因素对时序的影响(季节指数)。

文中采用移动平均趋势剔除法计算季节指数：

步骤1：需要对现有故障数据进行预处理，计算移动平均值，并对结果进行中心化处理，即将移动平均的结果再进行一次二项移动平均，得出中心化移动平均值CMA;

步骤2:计算移动平均的比值，也称为季节比率，即将序列的各观察值除以相应的中心化移动均值，然后计算出各比值的季度(月份)平均值;

步骤3:季节指数调整，去除季节指数中所包含的不规则变动因素,由于各季节指数的平均数应等于1或100%,若根据第二步计算的季节比率的平均值不等于1，则需要调整(调整办法：将第二步计算的每个季节比率的平均值除以其总平均值)。

3 案例分析

本文作者选取广东某海岛风电场(2017年1月—2020年6月)时间段停机记录数据进行风电机组可靠性分析。可靠性分析前需要对风电机组停机数据进行预处理：

(1)停机记录中停机类别分为4种:计划停机(设备维护，技术改造等)、非计划停机/场内受累(风电场内进行电网调试或设备安装等场内因素)、场外受累(电网并网需要或者配合电网调度等)，故障停机均属于非计划停机类别，因此在故障分析时，需要消除计划停机﹑场内受累和场外受累的影响；

(2)在非计划停机记录中跨月的停机情况按月分开2段进行记录；

(3)数据均以自然月为区间，即停机时间统计到0～24 h；

(4)处理故障停机记录时，需要根据故障记录中的关键字等确定发生故障的具体零部件。

3.1 故障率分析

将风力机故障数据进行预处理，并依照故障维修成本对故障进行分类，得到沿海地区该批次风力机的故障停机情况。

由表1可以看出：1类故障停机次数和时间占比最高，分别达60.53%和36.13%；4类故障停机次数及时间占比最少，分别为4.21%和20.11%；同时，随着故障类型升级，故障发生次数逐渐减少，但平均故障时间却逐步增加。

表1 2017年1月—2020年6月故障停机

由式(1)可以得出，该风电场单台风力机的故障率为6.36次/年，平均故障停机时间为18.76 h。进一步分析故障数据发现，1类故障虽然发生频率最高，但该类故障一般无需更换部件，通过远程或现场复位即可解决，该类故障对风电场经济效益影响较小。而2类、3类和4类故障通常是由部件损坏引起，这些故障需要更换部件才能消除，因此这些故障应该着重分析。处理故障记录数据后，得出 (2017年1月—2020年6月)该批次风力机的故障次数随时间的变化情况如图1所示。可知：风力机故障中1类占据较大的比重，2、3和4类故障次数比重较低；同时，也可以看到风力机故障次数具有较强的波动性，而2、3和4类故障表现得较为平稳，由此推测造成风力机故障在时序上波动的原因是1类故障的波动性。由于此次故障数据并不包含风力机早期故障数据，并未出现风力机早期寿命的浴盆曲线。

图1 风力机月故障序列

3.2 零部件故障分析

风力机可靠性是系统中零部件可靠性特征的综合反映。因此，有必要进一步分析风力机零部件可靠性，寻找影响系统可靠性的关键部件。图2所示为该批次风力机按故障成本类别划分的故障率帕累托图。

图2 零部件故障率帕累托图

由图2可以看出：该批次风力机零部件故障率最高的是液压系统，占总故障率的29.96%。电气控制系统和偏航系统是影响风力机整体故障率的第二和第三大因素，分别为21.97%和15.98%。同时也可以看到，机舱塔架系统、传感器、叶轮系统、刹车和其他系统几乎没有3类和4类故障发生，原因是这些零部件结构相对简单，大多维修都是针对价值较低的小部件。

此外，故障持续时间也是可靠性评估中的一个重要指标。根据停机数据整理得到该批次风力机零部件平均故障时间帕累托图，如图3所示。

图3 零部件平均故障时间帕累托图

由图3可以看出：最大故障时间出现在4类故障(大部件更换)类别；平均故障时间前三名的分别是传动系统、偏航系统和电气控制系统，需要注意的是，即使传动系统的故障率不高，但它有最高的故障时间，因此对风力机可靠性有较大影响。此外还可以看出，电气控制系统、偏航系统和发电机会对可靠性产生很大影响。

图4所示为各零部件及其故障分类的平均修复成本(该成本只包含材料成本，不包括人工成本或停机补偿成本)帕累托图。

图4 零部件平均维修成本帕累托图

由图4可以看出：零部件平均维修成本主要是大部件更换的平均成本，大维修和小维修的平均费用没有那么重要，因为它们与大部件更换的平均费用相比太小；传动系统的平均成本最高，故障的大部件更换平均成本为23万元；第二、第三和第四平均成本分别是偏航系统、发电机和电气控制系统，可以看出这些部件的故障率、故障时间和平均成本均位于前列。这意味着它们会对风力机可靠性和风电场运营产生很大影响，对于这些零部件，应通过加强日常检查与定期维护，以消除潜在隐患、减少经济损失。

3.3 故障树分析

采用故障树分析(Fault Tree Analysis，FTA)法，依据系统的结构和功能特性，通过分析故障的演化过程和连锁反应逐步确定源故障的类型，得出故障频率较高的零部件故障树，如图5—图8所示。

图5 传动系统故障树

图6 偏航系统故障树

图7 发电机故障树

图8 液压系统故障树

3.4 可利用率分析

统计显示，在该批次风力机所有停机数据中，故障停机次数占总停机次数的68%、故障停机时间占总停机时间的74.71%。因此，故障停机是影响风力机可利用率最主要的原因。

利用公式(2)得出2017—2020年风力机可利用率情况如表2所示。

表2 风力机可利用率

由表2可以看出：该批次风力机的平均可利用率为97.7%，高于国家标准中规定的97%。同时，将该批次风力机与欧洲风电场同型号风力机WMEP故障情况进行对比，结果如表3所示。

表3 风力机故障率对比

由表3可知：与欧洲风电场风力机WMEP相比，该批次风力机发生故障的频次较高，但平均故障时间相对较短，因此风力机的年故障时间并不多，这也解释了该批次风力机可利用率较高的原因。此外，虽然该批次风力机可利用率较高，但较高的故障率同样会加大风力机日常维修和故障处理方面的投入。因此，在保证可利用率的同时，降低故障率、提升故障处理效率对风电场经济效益的提升具有重大意义。

3.5 相关性和季节特性分析

该风电场位于海岛地区，地处亚热带，该区域海洋性气候特征明显，气候温和、风况较好、降水较多、环境湿度高；环境因素变化(风速、温度和环境湿度)对风力机故障可能产生较大影响。

根据公式(3)对环境参数(风速、温度和环境湿度)和故障频率进行自相关性分析，结果如图9、图10所示。

由图9可知：风速、温度与湿度序列存在一个跨度为12个月的周期。从图10也可以看出：在滞后月数分别为13、24个月时，故障频率自相关系数达到两个峰值，说明风力机月故障序列也存在一个跨度近似为12个月的周期。表明故障率与风速、温度、湿度间可能存在一定的关联性。

图9 风速、温度和湿度自相关性

图10 故障自相关性

通过互相关性分析可以验证两个时间序列间的相关性关系和相关程度，结果如图11所示。

图11 故障和风速、温度、湿度间的互相关性

由式(4)可以得出，故障频率与风速、温度和湿度的互相关系数分别为-0.41、0.46和0.42。说明风力机故障和风速、温度、湿度之间存在较强的相关性；其中，故障与风速之间存在负相关关系，故障与温度和湿度间为正相关关系。

同时，由图11可以看出：故障和风速、温度、湿度间的互相关性函数存在一个12个月的周期，与故障频率自相关性周期相对应。在此前的研究中，已经证实故障与风速与温度间存在相关性；本文作者分析发现，除去风速和温度因素外，环境湿度也与风力机故障频率之间存在着明显的相关性，说明空气湿度变化也会对风力机可靠性有显著影响。

对故障序列提取季节性特征，得到季节性指标如图12所示。

图12 故障月序列季节指数

由图12可知：季节性变动的最低值出现在每年的3月份，随后上升至7月份达到最大值，之后回落至8月份，经过一个小幅上升后回落至11月份，到12月份有一次较明显的上升，之后又下降到1月份并在2月份经过一次小的提升后降到3月份的最低值。

上述结果表明，在每年夏季(6—9月份)，低风速、高温度、高湿度的环境会增加风力机发生故障的频率，使风力机故障频率表现出显著的季节特性。

4 结论

本文作者基于沿海地区风电场运行数据评估风力机可靠性，得到如下结论：

(1)液压系统﹑电气控制系统和偏航系统故障是造成风力机故障率高的主要原因，故障率占比达67.91%。此外，虽然发电机和传动系统故障率较低，但其故障持续时间和维修成本较高，针对此类部件应通过加强日常检查与定期维护，消除潜在隐患、减少经济损失。通过FTA法分析主要零部件故障的具体原因，对风电机组常见故障以及故障间的耦合关系进行直观表述，从而了解故障的连锁演化过程，对风力机系统故障排查和预防有积极意义。由于风电场现场备件库资源有限，建议备件管理参考风力机零部件故障率特点，对日常消耗备件进行针对性存储。

(2)风力机故障序列表现出明显的季节性特征，风速、温度和环境湿度与故障率之间存在显著的相关性，具体表现：风速与故障频率呈现负相关关系，即风速越低，风力机故障频率越高；温度、环境湿度与故障频率呈正相关性，即温度和环境湿度越高，风力机故障频率就越高；风力机故障季节特性表明：夏季(6—9月)是风力机故障高发期。因此，为了降低风力机故障频率、降低维护成本，建议把风力机年度检修计划安排在夏季进行。同时，在风力机运行期间，应适时采取相应的散热防潮措施，以减小环境因素对风力机可靠性的影响。