目前，针对风电机组重要部件运行状态的监测研究较多并趋于成熟，但是针对风电全场设备全生命周期全过程，从设备个体化到机组整体化健康评估以及智能制定运维策略的研究却相对缺乏。由于相对于关键设备状态监测孤立系统而言，基于设备全生命周期数据的风电场设备健康管理面临的技术问题较多，主要表现为故障数据不平衡，风电场设备总体运行状态良好，其发生故障的比例较低，在海量的设备状态数据中，故障或异常样本少，数据的价值密度低，需要从海量的运维数据中挖掘出关键参数以评价风机健康。
《一种风电机组健康度与服役质量评估方法》介绍了风电机组各类故障的严重程度、发生频次以及持续时间，采用故障模式与影响分析方法，定义并计算了风电机组的健康度，实现了对风电机组健康状态的综合量化评估。该专利中采用专家打分的方式确定各故障的严重等级和权重，自动化程度有待进一步提高。
为了克服现有技术中存在的问题，本文提出了一种风电场设备全生命周期健康管理系统及方法，通过综合考虑风电机组设备可靠性、故障与缺陷、异常预警、功率特性分析等信息自动计算得出，反映设备健康状况的最终结果，指导风电场运维管理工作，积极开展对应的检修工作，从而控制风电机组设备风险，提升设备运行可靠性。
1.系统理论介绍
风电场设备全生命周期健康管理系统，包括风机监测模块，用于获取并显示各风机的运行参数、风机子系统的参数；告警管理模块，用于获取并显示告警事件；设备健康预警模块，用于计算各风机和风机子系统的健康评分值；台账管理模块，设有按设备位置和系统从属关系进行构建的设备树状结构，通过设备树状结构添加系统、子系统、设备、部件。
风电场设备全生命周期健康管理系统包括：风机监测模块，告警管理模块，设备健康预警模块，台账管理模块，运维管理模块，共计5个模块组成。如图1所示。
图1 风电场设备全生命周期健康管理系统
1.1风机监测模块
风机监测模块主要获取并显示各风机的运行参数、风机子系统的参数，运行参数包括风机状态、风机型号、额定功率、本日发电量、利用小时、平均无故障时间、平均修复时间、机组告警、有功功率、风速等。
风机子系统包括变桨系统、传动链、发电机系统、机舱环境等。
1.2告警管理模块
告警管理模块获取并显示告警事件，所述告警事件分为四个等级，告警事件的处理状态分为已激活、已清除、已确认、未确认。
1.3缺陷管理模块
缺陷管理模块进行缺陷工单管理，如：
（1）缺陷登记——缺陷登记人有权对自己登记的缺陷进行修改或删除。
（2）缺陷处理——缺陷处理人对已登记的缺陷接单，对缺陷进行排查、消缺处理。可处理缺陷，生成工单管理完成消缺；不可以立即处理的缺陷，申请缺陷保留；缺陷登记有误，申请缺陷注销。
（3）缺陷验收——已登记缺陷关联工单完成验收；
（4）缺陷过期——缺陷处理人超过天未及时对已登记缺陷进行处理，从缺陷登记起24小时内接单处理；
（5）缺陷保留——已登记缺陷因机组无法停机、配件缺少或暂不影响机组正常运转，缺陷处理发起缺陷保留申请，可添加到计划检修一并处理；
（6）缺陷注销——缺陷处理人对已登记的缺陷进行排查，发现实际情况非已登记缺陷描述，可以发起对该缺陷进行注销申请。
1.4设备健康预警模块
设备健康预警模块用于计算各风机和各风机子系统的健康评分值，下节进行详细介绍。
1.5运维管理模块
运维管理模块设有按照设备位置和系统从属关系进行构建的设备树状结构、维修记录数据库、设备异动记录数据库，通过设备树状结构添加系统、子系统、设备、部件。例如：风电场-#1号风机-偏航系统-#1偏航电机（#2号偏航电机、#3号偏航电机）。
2.健康评分值准则
2.1计算风机的健康评分值
计算风机的健康评分值，包括如下步骤：（1）统计该风机各子系统不同等级缺陷的数量；（2）统计该风机各子系统不同等级预警的数量；（3）计算风机功率曲线的符合率；（4）根据缺陷数量、预警数量和符合率，计算单台风机的健康评分值。
计算单台风机的健康评分值，以公式表达为：
k = w1*k1+ w2*k2+ w3*k3 （1）
式中，w1、w2、w3均表示权重值；k1为缺陷系数，每有1个A类缺陷故障，初始值减去30%；每有1个B类缺陷，初始值减去10%；每有1个C类缺陷，初始值减去0.5%；k2为预警系数，每有1个三级异常预警事件，初始值减1%；每有1个二级异常预警事件，初始值减5%；每有1个三级异常预警事件，初始值减10%。k3为功率系数，初始系数为1，功率曲线符合率大于阈值时，功率系数为初始值；功率曲线符合率值小于阈值时，每下降1%，初始值减去1.0%。
根据各关键设备的连续运行时间、故障次数，计算各设备的失效率；根据缺陷数量、预警数量和设备失效率，计算子系统的健康评分值。从而可以计算出失效率，如下所示：
（1）若为一次性设备，则计算设备失效率为 1-e-t/MTTF，MTBF为累积无故障连续运行时间/故障次数；
（2）若不为一次性设备评估，则设备失效率为1-e-t/MTBF ，MTTF为设备更换前连续运行时间。
计算全场风机的健康评分值为各风机健康评分值的平均值。
根据健康评分值将健康级别分为四级，分别为健康、亚健康、注意、高风险。具体为：
（1）健康——健康度大于0.8区间；
（2）亚健康——健康度在0.7-0.8区间；
（3）注意——健康度0.6-0.7区间；
（4）高风险——健康度小于0.6区间。
2.2 计算子系统的健康评分值
计算风机子系统的健康评分值，主要包括如下步骤：
（1）选取子系统中的关键设备；
（2）统计子系统中各关键设备不同等级缺陷的数量；
（3）统计子系统中各关键设备不同等级预警的数量；
（4）根据各关键设备的连续运行时间、故障次数，计算各设备的失效率；
（5）根据缺陷数量、预警数量和设备失效率，计算子系统的健康评分值。
获取各关键设备的连续运行时间（即发生两次故障间隔内，设备运行连续运行时间（不包括停机时间），单位：小时；）、故障次数，对各设备计算以下指标：
（1）MTBF=累积无故障连续运行时间/故障次数，具体取同类设备的平均值，评估可修复性设备，单位：小时；
（2）MTTF=设备更换前连续运行时间，具体取同类设备的平均值，评估一次性设备，单位：小时；
（3）若为一次性设备评估，则设备失效率= 1-e-t/MTTF；若非一次性设备评估，则设备失效率= 1-e-t/MTBF。
根据缺陷数量、预警数量和设备失效率，计算子系统的健康评分值，以公式表达为：
k = w1*k1+ w2*k2+ w3*k3 （2）
式中，w1、w2、w3均表示权重值；本实施例中，w1=0.4、w2=0.3、w3=0.3。k1为缺陷系数，初始值为1，每有1个A类缺陷故障，初始值减去30%；每有1个B类缺陷，初始值减去10%；每有1个C类缺陷，初始值减去0.5%（相应缺陷项完成消缺验收，取消相应项减分）。k2为预警系数，初始值为1，每有1个三级异常预警事件，初始值减1%；每有1个二级异常预警事件，初始值减5%；每有1个三级异常预警事件，初始值减10%。k3为设备运行系数，初始值为1，减去参与评估的各关键设备的设备失效率。
3 预警值设定
根据设备相关测点的运行数据确定某一测点的当前期望值，计算测点期望值与实际值的残差值。根据预设的残差区间，进行预警并给出预警等级。
以齿轮箱高速轴承温度异常预警为例，以机组功率、风速、机舱温度、发电机转速、齿轮油温度、齿轮低速轴承温度、齿轮箱高速轴承温度等的历史数据，采用机器学习算法，建立齿轮箱高速轴承温度预测模型。
统计预测模型的残差正态分布情况，确定残差预警阀值6℃。以天为周期，统计预测模型的残差的RMSE（均方根误差），确定RMSE的值为0.6℃。实时状态下残差，采用滑动窗口统计，残差连续超过6℃三级异常预警；日残差RMSE超过0.6℃二级异常预警；连续3天日残差统计超过RMSE超过，一级异常预警。
4系统功能介绍
4.1风电设备状态实时监测系统
基于统一数据支撑平台，融合了升压站监控、风机监控、视频监控、叶片异音监测、振动监测和设备全生命周期管理等系统数据，在风电场三维GIS地图上，结合风机三维模型，全景展示风电场设备实时状态、越限告警、机组性能指标等，便于运维人员更加直观进行人机交互事件响应。该系统功能应满足以下要求：
（1）实时运行状态监测
支持风电场的设备状况、环境等进行实时监视，通过运行实时状态、趋势图、棒状图和参数分类表等多种监视方式实时显示主要运行参数、设备状态、告警信息、运维信息。主要分为：风场状态监控、功率预测数据展示、关键设备状态监控、气象、视频监控、缺陷分布等。
（2）机组指标
支持对场站或单台发电量、电量完成率、故障损失电量、设备可利用率、故障停运时间、等效利用小时数等指标，按照日、周、月、年进行数据统计，并对统计数据进行排名、上一年度同期对比分析，可视化展示。
（3）告警信息
支持告警信息回溯，测点告警时间前后24小时的数据变化展示分析；支持周、月、年周期内按设备类别（发电机、齿轮箱、偏航电机、变桨电机、变流器、冷却系统等）告警次数统计、按单台风机告警次数统计、按每条告警信息发生频次统计、按告警信息严重等级统计。
（4）报表
自动监测设备健康状态，生成设备健康状态报告；生成不同类型风电场运维数据报表，满足不同部门对风电场报表查阅、导出需求。
4.2. 风电设备健康管理系统
以设备全生命周期管理理念，实现对风电设备全生命周期过程集中规范管理。结合大数据挖掘技术，按照设备类型，分类建立设备健康状态评估模型，从设备个体化到机组整体化健康评估。结合气象条件、备品备件、经济成本，做出合理时间安排，为运维人员提供辅助决策。建立精细化运维业务管理，实现运维管理全方位信息化，简化、优化闭环工作流程管理，加强运维工作过程监督；实现运维工作各环节协同，提高工作效率。
(1)设备台账
要求对风电场设备进行编码，在设备编码的基础上，对风电场设备位置、类别进行分类，以设备树状结构，实现设备基础静态信息和动态信息管理，满足快速定位到相应的设备台账信息。
（2）缺陷管理
通过日常缺陷管理，实现缺陷登记、缺陷通知、缺陷处理、缺陷验收、缺陷归档闭环管理，通过工缺陷工单完成对缺陷的消缺、验收，确保设备的每一个缺陷及时消除。
（3）工单管理
以工单为主导，驱动实现人员、备品备件、工器具和设备维护维修管理合理衔接。通过各种类型的工单管理流程，实现设备维修工作的全过程计划和监控管理，提高设备维修质量和效率；同时自动记录设备维护维修关键节点信息，为数据分析打下基础。
（4）设备健康评估
运用数据算法结合设备维护维修历史记录、设备状态监测，按照设备类型，分类建立设备健康状态评估模型，从设备个体化到机组整体化健康评估辅助风电设备运维决策。
5.网络设计方案
本系统设立于山区，系统通信网络，原则上不使用现有风机生产环网。山地风电场设备全生命周期健康管理系统项目通信数据回传网络，如图2所示。按优先级使用如下方案：
（1）利用风机环网备用光纤，自建智慧风电光纤环网；
（2）若风机环网光纤备用芯不足，则考虑使用现有视频监控环网；
（3）对于个别风机或传感器，上述方案均无法满足的，可考虑使用微波点对点数据回传。
（4）采用华电VPN接入方式实现移动应用功能。
图2 网络拓扑结构
6.结论
该系统考虑风电机组设备可靠性、故障与缺陷、异常预警、功率特性分析等信息自动计算得出，反映设备健康状况的最终结果，指导风电场运维管理工作，积极开展对应的检修工作，控制风电机组设备风险，提升设备可靠性，达到精益检修的效果。
参考文献
[1]唐宏芬,王丽杰,吴春等.考虑出航时间窗的海上风电场运维调度建模研究[J].电工技术,2022(03):145-148.
[2]李苇林,王二峰,刘晓东.海上风电场智慧运维管理系统研究[J].中国设备工程,2021(23):36-37.
[3]张聪芹. 风电场现场服务项目进度管理研究[D].大连理工大学,2021.
[4]乔延辉. 风电场运维效能评价方法研究与系统开发[D].华北电力大学(北京),2022.
[5]谭任深,徐龙博,周冰等.海上风电场通用运维路径规划模型优化及仿真[J].计算机科学,2022,49(S1):795-801.
