中車永濟電機段志強：風力發電機的故障預測和健康管理

2017-10-19 13:29:54 能見　點擊量：評論 (0)

2017年10月16日-19日，2017北京國際風能大會（CWP2017）在北京隆重召開。在中國國際展覽中心（新館）風電場智能運維專場，中車永濟電機有限公司教授級高級工程師段志強分享了風力發電機的故障預測和健康管理的經

2017年10月16日-19日，2017北京國際風能大會（CWP2017）在北京隆重召開。在中國國際展覽中心（新館）“風電場智能運維”專場，中車永濟電機有限公司教授級高級工程師段志強分享了風力發電機的故障預測和健康管理的經驗。

以下為演講內容：

段志強：我今天給大家介紹一下做風力發電機故障預測和健康管理，前面大家都談到過故障預測和健康管理，主要從宏觀大的方面來做，我們永濟主要做發電機的，主要我們目前做的一些工作，做一個階段性總結，給大家匯報一下。

我今天大概說的有四個部分，一個是概述，簡單介紹一下我們公司，第二個把技術說一下，好多人對故障預測和健康管理，覺得是個時髦名詞。第三我們整個發電機的PHM技術方案是怎么做的，包括部件是什么狀態，像人是病到什么程度？做一個預測，把這個方案做一個簡單預測。

永濟公司主要做軌道交通和能源裝備，還有整個工程機械，現在也是做風電將近，我們從2000年開始做，到現在17年，也算是比較老牌做風力發電機的企業，各種機型都涉獵。

下面主要就是我們公司開發的一些產品，給大家做一個介紹，這個也是，這是前面大概說的。

下面就是整個永濟現在制造風機有兩萬三千多臺，整個有一千多個風場，現在就是做大數據和健康管理提供很好的技術支持，其實這就是一個大數據。

其實大家也知道，裝機量來說，到去年年底的話，全國裝機容量達到1.69億千瓦，機組存量約9萬多臺，每年還以將近1萬臺的數量增長，怎么樣減少運維成本是很緊迫的問題。

我今天講的健康管理有幾個重要意義，第一個保障機組運營的可靠性和安全性，第二提升產品服務能力和服務水平，第三，優化產品設計提升產品市場競爭力，第四，降低產品全壽命周期成本，其實對大家來說也是最希望的。

這個數據，在前段時間有個會議，大家把雙饋電機和直驅機組的全壽命周期成本對比，怎么樣減少我們運維成本？提高我們整個全壽命周期利用率呢？這個也是很重要問題。

下面目前我們的預防，分為這么幾類，做維護的目的是什么？把故障防患于未然，沒發生故障我們知道電機運行到什么程度了，什么時候壞，這是大家迫切知道的問題。

大家也知道預防目前做得最多的還是預防性維護，還是糾正的維護，現在的預防性，設定一個有的油，或者是大的部件，甚至半年或者一年，多長時間做一個定期的維護，像大部件的維修，就是大修的時候，過上幾年大修，第二個發生故障之后的維護，第三個是糾正維護，雖然沒有發生故障，但是預判到有一些缺陷，改善以提高可靠性和維護性。第四個，希望達到預測性維護，以整個部件運行狀態為基礎的維護。

時間關系我不細說。

整個做的維護，從油污一點的話，我們做預防性維護，所花費工時比較少，定期去維護就行了，缺點是什么，過量的維護，可能我這個東西沒有壞，還有一定壽命使用時間，這樣換掉了，這樣會浪費我們很多物料成本，大修或者中修，這個有時候也會發生過量的維護，這就是準備要預防的，這就是這兩個維護大的缺點。

下面是故障維護，前期的話，你可能說不用管它，費用比較低一些，但是后期故障低的話，假如達到壽命期，整個發電機的話，發電量會受到影響。

下面糾正的維護也是，怎么樣改進薄弱點，提高產品的可靠性，主要做這個事情。

其實我們現在還是打著預測性維護，這個還是比較難的，但是真正精準地判斷，精準地預測，這個確實比較難，這個需要好多模型、建模，有時候有一個原因，發生故障之后，多種原因引起的，這個需要人工智能，才能精準判斷到底什么原因引起來的。

這個目標就是要實現我們預測性維護，預測性維護，現在不僅大大降低我們成本，同時促進我們計劃維護體制的建立，其實根據產品到什么程度，什么狀態了，可以制訂維護計劃，這樣來做，也是降低損失。

現在實現預測性維護，現在需要大數據分析，就是好多故障，故障類型，故障數據要進行統計，來實現設備預測性維護。

下面我簡單把故障預測和健康管理的PHM跟大家說一下，有個海洋法大家都了解，德國飛機，就是說每一起嚴重故障的背后，一定有29起次輕微的事故，或者300起未遂先兆，或者1000起事故的隱患，任何一種故障都是可以預測的。

現在我們設備上很多傳感器，獲取系統運行狀態信息，并借助各種智能推理算法，根據系統歷史狀態和環境因素，對系統進行狀態分析和檢測，故障診斷及預測，評估和預測被檢測系統未來的健康狀態，提出維護維修建議，為管理決策提供建議，實現系統維修。

這個故障預測跟給人看病是一樣的，一個人到醫院看病，原因比較多，到醫院抽血、化驗，做B超，做了好多檢查，判斷一下到底什么問題，其實整個故障預測和健康管理就是做這個事情，預測一個人健康不健康，說得不好聽點的，就是說比較還能行多長時間，都是可以再做預測的，其實我們也是能準確地預測我們的壽命和健康狀態。

這個就是一個故障預測的概念，這是一個健康管理，就是兩個部分合成起來的一個。

我們現在做故障預測和健康管理，雖然是傳感器技術，PHM重點是利用先進的傳感器技術，并借助各種算法和智能模型來預測、診斷、監控和管理復雜設備的狀態。

PHM實現了的轉變：傳統的基于傳感器的診斷，現在我們利用技術之后，可以實現基于智能系統的預測。

1950年的時候，國外已經在做，一個美國軍方的數據用PHM，運用在F-35戰機上面，運維費用降低30%，這個技術最早是在國外，在飛機上運用比較高。

我們主要做發電機，已經開始做這方面工作，已經開始包括和國內一些客戶合作，整個我們現在做的模塊是八個模塊，整個從發電機故障壽命管理，數據的采集，數據的處理，和前面幾位專家講的是一樣的，包括健康的評估、預測，還有對后面運維的決策做支持，整個這么幾個模塊在做。

前面大概介紹了PHM的技術，下面就是在發電機上怎么做的？簡單分享一下。

其實我們發電機主要兩個關鍵的部件，一個就是軸承，一個就是絕緣，我們主要在發電機的軸承和絕緣上面做了PHM，整個部件健康管理工作。

做這個東西要采集系統，包括前面采集完數據以后，進行風機診斷，包括硬件和軟件的，包括功能模塊的算法。

其實一個就是說做完以后在風機上面做一個黑匣子的東西，第二個把這個數據怎么傳到我們中控，不在主機廠做，怎么樣把部件的數據傳到部件廠，這個可能需要幾個部件廠做一個合作，現在在整機廠比較方便一些。

這個是主要是軟件和硬件兩個部分，這個硬件的實現方案，大家都知道，我不再多說了，你要用各種傳感器，采樣通道，這個都需要做。

軟件實現方案分為這么幾種，一個是信號采集，第二是對采集信號進行預處理，第二是特征提取，第四，和我們以前模型進行對比，其實說白了是PH試紙一樣，做一個對比，進行預警，通過模型對比之后，可以診斷出來我們屬于什么樣狀態，把數據存儲，然后傳輸，再到整個地面中心。

我們主要做了軸承和絕緣，其實軸承的話，在軸承工作狀態，包括它的特點，你像軸承，影響它的整個故障的，包括這個機理，制造、裝配、運行過程中，都會伴隨著各種影響，同時會產生正負信號，進行軸承的動力學分析，底下是一個過程。

然后因為這個軸承，每個軸承類型故障都是不一樣的，那就是怎么能判斷，提取它各種特征信號，然后重組起來，實際運行過程當中，把之前做過的數據進行對比，判斷軸承到底處于什么狀態？到底健康狀態什么樣？還有多長壽命？這個都是能做判斷。

復合實驗：針對四種部件，外圈、內圈、滾動體、保持架，開展雙故障復合實驗，每類復合故障軸承多個樣本。

全壽命加速實驗，完成不少于3-5個軸承的全壽命加速實驗，同時針對不同狀態下各8個樣本開展實驗。

這是一個我們已經搭建的實驗臺，我們已經在做了。

接下來就是整個給大家說的軸承的說明，下面說的絕緣，絕緣是比較關鍵的部件，絕緣壽命的預測就更難了，絕緣壽命還有多長時間？什么時候絕緣會損壞，這個確實是比較難的事情，我們雖然比較難，但是也在做，各種各樣絕緣參數，包括放電，通過絕緣提取它的各種特征值來做一下，因為我們目前正在做，不太方便給大家提供。

這個就是我們軟件框架，我就不細說了，比較專業一點。

像這個軟件功能，剛才已經說了，狀態顯示、故障預警、故障診斷、故障分析、健康評估、故障預測、運維決策。這個運維決策的話，還是根據專家庫里面做的這個，我們花那么多錢，做那么多模型，怎么樣把模型跟現場進行比對，到底處于什么樣的狀態？還能用多長時間？做一個判斷。

我大概就說這么多，前面幾個都說了，健康管理和故障預診斷確實能提高可靠性，但是這確實是一個長期的工作，我們已經做了快一年，費用很高，包括各種預診斷故障，這個已經花費很多，現在雖然已經有點成就，但是我們希望和業主，和永濟合作，怎么樣精準和主機廠和客戶，精準分析判斷，到底這個發電機處于什么狀態，對于我們主機的維護做出突出的貢獻，好，我就說這么多。

（發言為現場速記整理，未經本人審核）