风力机可靠性评估研究综述

靳全1张卫民2吴明1韩德斌1

（1.国电南瑞科技股份有限公司，江苏南京211106；2.国网电力科学研究院/南京南瑞集团公司，江苏南京211106）

摘要：阐述风力机可靠性研究的现状及存在的问题；分析风力机的结构和运行环境，分别从风力资源评估、风力发电系统可靠性建模、风力机关键零部件可靠性评估及风电场运行维护与管理等方面分析其对风力机可靠性的影响；指出风电系统可靠性评估及风电场维护优化等方面存在的不足，展望值得进一步研究的问题。

教育期刊网 http://www.jyqkw.com
关键词 ：风力发电；风力机；可靠性评估

0引言

近年来，风能以其储量丰富、可以再生及环境友好等优点受到人们高度关注，风能的开发利用被视为解决全球能源短缺和减轻环境污染的有效途径。风力发电是风能利用的最有效形式，在过去几十年中得到了长足发展。

风力机是风电场及风力发电系统的核心组成部分，它的可靠性直接影响风电场的可用度，并关系到风电系统的运行与经济收益。

统计表明，在导致风电场产能减少及经济损失的原因事件中，风力机所占的比例达到了97%。

因此，保证风力机在全生命周期中具有高可靠性水平始终是风电领域的重要课题。

1风力机结构与特点

1.1风力机结构组成

根据风力机轴的空间位置可将风力机分为水平轴风力机和垂直轴风力机。

目前，齿轮传动型的水平轴风力机技术上相对成熟，仍是大型风力机的主流形式。它主要由风轮、变桨系统、偏航系统、齿轮箱、发电机、电气系统、制动系统、控制系统、机舱及塔架等子系统组成，每个子系统又包括若干个零部件。

1.2风力机及其运行环境分析

现代风力机是典型的机电一体化产品，与其他机电产品相比，风力机及其运行环境具有如下特点：

（1）功能、结构复杂，体积庞大，制造和维护困难。

风力机核心装置（如齿轮箱、发电机、控制系统等）安装在距地面几十米的狭小机舱内，检测维护困难，若发生故障将会造成巨额的维修成本和停机损失。

为最大限度地利用风能，风力机不断向大型化方向发展，尺寸和重量不断增加，科技含量也逐步提高，随之而来的是风力机的设计制造、工程安装及运行维护成本和难度持续加大。

（2）设计寿命长、工作环境恶劣，要求产品具有高可靠性。

风本身的随机性和间歇性造成了风速和风向的不确定性，风力机高空架设，在野外运行的风力机承受着十分复杂恶劣的交变载荷。

风力机常年工作于野外，需经历风沙、温差等各种极端气候，海上风电设备需在盐雾、潮湿和台风等环境下工作。目前风力机设计寿命是20年（海上为25年），要求能经受住60m/s的暴风袭击，机组可利用率要达到95%以上。

（3）风力机是资金及技术密集型产品，风电场的建设和运行维护成本巨大，具有较高的投资风险。

计算表明，目前我国风电的建设成本约为8000～9000元/kW，其中运行维护成本约占总成本的20%，且随着风力机运行时间的增加而逐年加大。

随着国产兆瓦级风力机批量投入运营，部分国产风力机设备质量欠佳、产品可靠性、运行稳定性、维修和售后服务等问题愈发突出，由设计制造等缺陷造成的叶片折断、齿轮箱故障、主轴断裂、电气元件损坏、发电机故障等致使部分风力机在运行过程中故障频出，造成风电场可利用率不高。

自2010年以来，我国多个风电场出现因质量及可靠性问题导致的风力机倒塌和人员伤亡的重大事故，风力机的质量引起了社会各界的质疑。质量与可靠性赫然成为制约我国风电产业健康发展的因素和瓶颈之一。为了保证我国风电产业又好又快发展，国家能源局已着手对风电设备质量开展专项调查。

2风力机可靠性研究概述

2.1可靠性定义

可靠性（Reliability）是指产品在规定条件下和规定时间内完成规定功能的能力。其中，产品是指作为研究和试验对象的任何零部件、设备或系统，也可以为产品的总体和样本。

可靠性工程是对产品的失效及其发生的概率进行统计、分析，对产品进行可靠性设计、预测、试验、评估、检验、控制、维修及失效分析的一门工程学科。它运用概率论与数理统计等数学工具，分析产品故障，找出薄弱环节，以提高产品的可靠性水平。可靠性工程涵盖产品工作的全过程，包括从故障数据的收集与分析、失效机理研究、产品可靠性设计，到保障产品可靠性的制造工艺、质量管理与检验、可靠性试验、维修保养等。

2.2风力机可靠性研究

近年来，风力机及其零部件可靠性评估、风电场维护与管理等问题受到企业和学术界的高度关注，并开展了广泛的研究，主要内容包括以下几个方面：

2.2.1风速分布对风力资源评估及风电系统可靠性的影响

风速分布是风电场建设的重要参数，它关系到风电场风力资源评估的准确性、发电量的预测及风力发电的预期收益。研究表明：

Weibull分布能够较准确地描述风速的分布特征。

Weisser用极大似然估计法对Weibull分布的参数进行了估计，使用了以小时为单位采集的数据，同时考虑了旱季和雨季、昼夜交替等因素造成的影响，避免对风能资源出现不合理的评估。

Kantar等首次将最小交叉熵的方法应用于风能领域，对不同地区的风速数据进行分布拟合及风能指标计算。

Balouktsis等在分析风速概率分布的基础上，提出并采用列线图方法计算风能密度及风力机的容量系数等指标。

2.2.2风力机组、风电场及风力发电系统的可靠性建模

风力机是风力发电系统的核心组成部分，其可靠性水平关系到风电场及风力发电系统的可用度。

Spahic等以海上风电场为对象建立了可靠性模型，考虑了技术缺陷等因素的影响，计算风电场的可靠性，研究表明，由于较高的工程安装成本和恶劣的维护条件等因素，与陆地风电场相比，其具有更大的投资风险，并且定性阐述了投资风险与可靠度、收益和回收期之间的关系。

程明等对不同类型的风力发电机的经济、技术性能进行评估，分析了风力发电机的研究进展与发展趋势。

Billinton利用蒙特卡洛仿真的方法进行风电场可靠性评估并计算了电力不足时间期望（LossofLoadExpectation，LOLE）和能量损失期望（LossofEnergyExpectation，LOEE）等可靠性指标。

2.2.3风力机组及其关键零部件的可靠性评估与优化设计

失效机理和故障模式分析是可靠性评估的基础。可靠性评估建立在大量故障数据的基础上，通过对样本故障数据的统计，推断总体的分布特征，估计产品的可靠性指标。研究表明，风力机的安装高度在风能评估过程中是一个重要参数，严重影响着风力机的年有效运行时间。

Guo等在假定故障率、失效率恒定的前提下，利用统计数据，采用极大似然估计法计算风力机的故障率，预测风力机瞬时和长期可用度。

Arabian等研究了采用直接驱动和齿轮驱动的风力机的基本可靠性，指出可以通过改变发电机的类型等方法来提高系统的可用度。

Spinato和Tavner等人利用德国和丹麦数千台风力机的历史失效数据，采用齐次泊松过程（HomogeneousPoissonProcess，HPP）和幂律过程（Power?LawProcess，PLP）分别计算了德国和丹麦风力机及其子系统（如齿轮箱、发电机、转换器等）的故障率分布等特性，发现齿轮箱传动系统的故障率对整个风力机系统的可用度具有严重影响。

2.2.4风电场的运行维护与管理

风电场的运行维护与管理在风电项目中发挥着至关重要的作用。

Joshi等基于风电场的历史统计风力数据，提出了一种风力机可靠性、失效率和运行维护成本（OMC）的预测方法，对风电项目的经济可行性进行评估，并以印度一风电场为例进行了验证。

Nilsson等分析了状态监测系统（CMS）的特点，并将其应用于风电场维修管理特点，提出寿命周期费用（LCC）分析方法以辅助优化维修策略，以陆地风电场和海上风电场为例加以实施，并与其他维护策略进行比较。

Byon等考虑气候状况、提前期及生产损失等随机因素的影响，采用部分马尔科夫过程的方法优化风力机维修策略。

3风电可靠性研究存在的问题

现有的研究工作从不同层面分析了风电系统的可靠性和维护等问题。但是，目前有关风电系统可靠性评估、风电场维护优化等方面的研究尚处于起步阶段，研究内容、方法、模型以及工程应用等还不够完善，尤其缺少针对国内环境和国产风电设备的可用度评估等研究，严重制约了国内风电产业的进一步发展。在理论和方法层面，风电系统及风电场可靠性评估仍然面临许多难题，主要表现在以下几个方面：

（1）风电系统可用度评估受多重不确定因素的影响，包括运行条件（风速、风向、温度等）、材料特性和环境因素等。

Joshi指出，风电系统可靠性评估是一个复杂过程，需要较为准确的风速等数据，目前风力机设计、制造、风电场选址和维护有待进一步完善；风力机要达到较高的可用度，需要经常对其进行维护，在此过程中风力机的故障时间和退化速率是不确定的；风力机故障模式和失效机理具有明显的不确定性，使得可靠性评估和维护过程存在较大的难度。

Kwon指出，风能评估中的不确定性不可避免，并提出了基于不确定性分析的风能评估框架，采用概率论模型和蒙特卡洛仿真方法定义空气密度、风速等，建立了出力特性曲线的经验概率模型。

（2）可靠性基础数据不完整。

故障和维修数据是进行可靠性评估和制定维修策略的基础。一般风电场位于偏远地区，机组故障的随机性以及故障模式的复杂性使得故障数据的采集和统计相当困难，我国风电产业起步较晚，积累的故障数据非常有限，加大了风电场可靠性评估和维护策略制定的难度。

事实上，故障数据不完整是进行可靠性评估和制定维护策略面临的共性问题，业已引起学术界的高度关注。纯粹的故障数据往往难以得到，取而代之的是各种删失数据；风电系统可靠性数据源包括寿命测试数据和现场数据，试验数据较少且不完整，现场采集的故障数据存在缺陷或不完整，这就需要较为准确的模型和先进的算法来处理数据；Zio等以风电系统为例，提出基于相似性方法的系统剩余寿命评估方法，利用已知类似产品的故障数据建立参考数据库和演化参考模式，根据模糊相似性来匹配预测系统的剩余寿命和故障时间，建立系统的预防性维修策略。

（3）风力机品种繁多、结构复杂，故障模式众多。

风电场多位于偏远地区，且风力机设计寿命较长，机组故障的随机性、故障模式的复杂性使得故障数据的采集和统计困难。我国风电产业起步较晚，积累的故障数据有限。叶片、齿轮箱、发电机等大型部件故障时间占故障总停机时间的比例较大，目前的研究工作主要是对失效事件的被动分析与判断，难以及时发现潜在的隐患，影响了风力机维修策略的制定。

4结论

本文在综述当前风电系统可靠性研究工作的基础上，指出了现有的研究工作中存在的不足，对研究难点进行了探讨。目前的研究已经取得了一定的成果，但随着风力发电技术的发展以及机组运行时间的增加，仍然存在一些值得进一步研究的问题：

（1）风力资源评估以及发电量预测需进一步考虑地形、气候状况、拓扑结构等因素的影响，以便辅助风电场微观选址与风力机选型。

（2）随着国内风力机运行时间的增加，收集可靠性数据，在此基础上进行可靠性建模与评估，分析可靠性影响因素，为制造商在风力机设计、制造过程中提高系统可靠性提供理论参考。

（3）目前的研究主要集中于系统层面，可以加强风力机关键零部件的可靠性增长技术的研究，通过可靠性试验及退化失效建模等方法进行寿命预测。

（4）利用动态可靠性建模理论与方法（比如动态故障树、随机petri网等）研究风力机的可靠性，寻找影响风力机可靠性的瓶颈环节，优化维修策略。

［教育期刊网 http://www.jyqkw.com
参考文献］

［1］DobakhshariAS，Fotuhi?FiruzabadM.AReliabilityModelofLargeWindFarmsforPowerSystemAdequacyStudies［J］.IEEETransactionsonEnergyConversion，2009，24（3）：792?801.

［2］ByonE，NtaimoL，DingY.OptimalMaintenanceStrategiesforWindTurbineSystemsUnderStochasticWeatherConditions［J］.IEEETransactionsonReliability，2010，59（2）：393?404.

［3］RibrantJ，BertlingL.SurveyofFailuresinWindPowerSystemsWithFocusonSwedishWindPowerplantsDuring1997—2005［J］.IEEETransactionsonEnergyConversion，2007，22（1）：167?173.

［4］程明，张运乾，张建忠.风力发电机发展现状及研究进展［J］.电力科学与技术学报，2009，24（3）：2?9.

［5］IsaacYFL，JosephCL.AStudyofWeibullParametersUsingLong?termWindObservation［J］.RenewableEnergy，2000，20（2）：145?153.

［6］WeisserD.AWindEnergyAnalysisofGrenada：AnEstimationUsingtheWeibullDensityFunction［J］.RenewableEnergy，2003，28（11）：1803?1812.

［7］KantarYM，UstaI.AnalysisofWindSpeedDistributions：WindDistributionFunctionDerivedFromMinimumCrossEntropyPrinciplesasBetterAlternativetoWeibullFunction［J］.EnergyConversionandManagement，2008，49（5）：962?973.

［8］BalouktsisA，ChassapisD，KarapantsiosTD.ANomogramMethodforEstimatingtheEnergyProducedbyWindTurbineGenerators［J］.SolarEnergy，2002，72（3）：251?259.

［9］SpahicE，UnderbrinkA，BuchertV，etal.ReliabilityModelofLargeOffshoreWindFarms［C］//IEEEBucharestPowerTechnologyConference，Romania，2009：1?6.

［10］LeonardoDO，BiswajitB.UnavailabilityofWindTurbinesDuetoWind?inducedAccelerations［J］.EngineeringStructures，2008，30（4）：885?893.

［11］Arabian?HoseynabadiH，TavnerPJ，OraeeH.ReliabilityComparisonofDirect?DriveandGeared?DriveWindTurbineConcepts［J］.WindEnergy，2010，13（1）：62?73.

［12］GuoHT，WatsonS，TavnerP，etal.ReliabilityAnalysisforWindTurbineswithIncompleteFailureDataCollectedfromaftertheDateofInitialInstallation［J］.ReliabilityEngineeringandSystemSafety，2009，94（6）：1057?1063.

［13］SpinatoF，TavnerPJ，vanBusselG，etal.ReliabilityofWindTurbineSubassemblies［J］.IETRenewablePowerGeneration，2009，3（4）：387?401.

［14］JoshiDR，JangamshettiSH.ANovelMethodtoEstimatetheO&MCostsfortheFinancialPlanningoftheWindPowerProjectsBasedonWindSpeed?ACaseStudy［J］.IEEETransactionsonEnergyConversion，2010，25（1）：161?167.

［15］NilssonJ，BertlingL.MaintenanceManagementofWindPowerSystemsUsingConditionMonitoringSystems?LifeCycleCostAnalysisforTwoCaseStudies［J］.IEEETransactionsonEnergyConversion，2007，22（1）：223?229.

［16］BedfordT.AssessingtheImpactofPreventiveMaintenanceBasedonCensoredData［J］.QualityandReliabilityEngineeringInternational，2004，20（3）：247?254.

［17］JohnDS.FrameworkforRisk?basedPlanningofOperationandMaintenanceforOffshoreWindTurbines［J］.WindEnergy，2009，12（5）：493?506.

［18］ZioE，MaioFD.AData?drivenFuzzyApproachforPredictingtheRemainingUsefulLifeinDynamicFailureScenariosofANuclearSyetem［J］.ReliabilityEngineeringandSystemSafety，2010，95（1）：49?57.

［19］BillintonR，GaoY，KarkiR.CompositeSystemAdequacyAssessmentIncorporatingLarge?ScaleWindEnergyConversionSystemsConsideringWindSpeedCorrelation［J］.IEEETransactionsonPowerSystems，2009，24（3）：1375?1382.

收稿日期：2015?06?25

作者简介：靳全（1985—），男，河南南阳人，工程师，研究方向：系统可靠性工程。

张卫民（1971—），男，江苏南京人，高级工程师，研究方向：电力系统自动化。