数据挖掘在风电机组运维成本控制中应用.docVIP

数据挖掘在风电机组运维成本控制中应用 　　摘要：为了能够有效控制风电场运营成本，运营商与整机厂越来越关注风电机组可靠性的技术与研究工作，但是如何将现场采集的大量运行数据切实应用到风电机组的可靠性提升工作中成为可靠性技术与风电机组衔接的瓶颈所在。本文通过介绍以可靠性为中心的维修（RCM）技术，与国内多个行业领域对RCM的模型创建和实践应用，结合风电机组的运维特点，以机组的机械系统为例，详细说明如何将可靠性技术和RCM融入风电机组的运维策略制定过程，以及基于RCM技术，从大量运行数据中挖掘对风电机组可靠性具有关键影响的技术指标的过程与方法，从而实现降低运营成本的目标。 　　关键词：风电机组；以可靠性为中心的维修；数据挖掘；运维策略 　　中图分类号TM6 文献标识码A 文章编号2095-6363（2015）12-0079-02 　　近年来，风电产业的迅猛发展，装机容量大幅提升，使在役风电机组的运行维护成为整机厂与运营商必须认真面对的问题，同时其中蕴含的巨大市场潜力也吸引了越来越多的关注。但是风电产业后市场的发展前景对有效地控制运维成本，实现精益化管理提出了十分热切的要求，而且日益激烈的行业竞争也迫使整机厂与运营商对机组不同寿命阶段的运维策略展开筹划，以期削减成本。 　　“大数据、智能分析与诊断、运维决策智能化、集约化管理”等一系列高科技的先进方案被引入到机组运维管理体系中。事实上，从系统工程的角度出发，这些先进方案融合到一起，便是“以可靠性为中心的维修（Reliability Centered Maintenance，简称RCM）”技术。RCM技术产生于二十世纪六十年代，目前广泛应用于核电工业与军工领域。由于同核电机组获得能量的稳定性不同，以及发电设备安全性要求的差异，适用于风电产业的RCM技术还需独立开发。 　　目前，系统复杂的大型设备运维策略主要包括两类：事前维修与事后维修。事前维修包括预防性维修与预测性维修两类，风电产业普遍采用的定期检修制度便属于预防性维修的范畴，它根据机组零部件的工作特性，在其失效之前，定期检查更换，以确保机组的长时间稳定运行。但是实践证明，随着机组服役的不断延伸，由机械应力、热应力或环境应力等因素导致的疲劳故障仅仅依靠预防性维修己难以有效应对。而RCM技术通过对风电机组运行数据的实时监测，运用可靠性分析与预计技术，对机组运行中后期可能出现突发故障提前发出预警，指导对机组实施不定期的维护工作，防范故障导致的严重影响发生，同时辅以其他维修策略，形成一种系统性的维修策略。事后维修是指等到故障发生之后，再采取措施维修设备恢复功能；传统的大型设备维修，由于缺乏故障数据统计分析和技术经验，多采用事后维修。当前国内风电产业的RCM技术处于起步阶段，整机厂与运营商对机组运行技术数据的收集工作已经展开，但是对数据进行系统整理分析并运用到机组维修策略中的工作尚未开始。 　　1.以可靠性为中心的维修 　　RCM技术是国际上通用的用以确定设备预测性维修需求，优化维修制度的一种系统工程方法。它借助可靠性分析方法创建设备的功能或硬件FMEA，采取风险矩阵逻辑判断的方法，通过对设备故障模式的影响与发生频率分析，结合安全性与经济型原则，确定并不断优化设备的运维策略，从而指导大型设备的日常检修维护工作。标准的RCM分析过程是根据SAE JTAl011《以可靠性为中心的维修过程的评审准则》给出的RCM过程准则进行的。 　　在实际的RCM工程应用过程中，前期还需完成制定RCM工作计划，确定RCM工作的实施范围，以及收集并统计分析故障数据等工作；后期则要汇总形成RCM工作报告，并执行相应的维修计划，从而与前期工作形成闭环系统，使设备的运维策略不断优化完善。同数据挖掘相关的故障数据统计分析虽然未被列入评审准则，但它却是RCM工作的基础，如果缺乏充足准确的故障数据，轻则加大故障模式影响分析的难度与工作量，重则导致错误的评估结果，造成严重的负面影响。因此，RCM分析过程中基于设备功能的故障模式库的创建（FMEA分析过程），对有价值的故障数据挖掘具有十分重要的意义。 　　2.将RCM引入风电机组运维过程 　　预防性维修对机组运行初期的故障具有较为明显的预防效果，但是到了机组服役的中后期，定期检修在不同的零部件上会表现出“维修不足”或“过度维修”的问题，产生意外故障影响导致的高额维修费用和备品备件不必要的消耗。因此将核电等大型设备维护中广泛采用的RCM技术，应用于风电机组的运维策略研究制定，通过预测性维修手段降低运行故障率，控制运维成本，显得十分必要。 　　首先，风电机组机械系统包括实现核心功能（将捕获的风能转化为机械能）的传动链系统与传动链上的泵、管、阀等附件系统，以及实现调整捕获到的能量、系统制动、传动链支撑与载荷传递功能的