通过统计方法降低风力发电机运行成本
对于风能产业来说，运行和维护成本高昂且不可避免。如果不能 实施有效的运行和维护策略，就难以提前发现往往会导致主要部 件故障和长时间停机的小问题，从而进一步增加费用。
总结
基于统计方法的风力发电机状态监测正帮助风电运营商控制运行和维护成 本。SKF正在利用其丰富的知识和涵盖全球数千台风力发电机的 庞大数据 库，致力开发可预测和避免潜在灾难性设备故障的更有效的方法，从而帮 助风电场实现最高的运行效率和效益。
如今，欧洲陆上风电场运营商的 运行和维护成本，大约相当于陆上 风电场的平准化能源成本的20%。 SKF希望借助自己的统计方法，帮 助风电场运营商提高状态监测效率，降低风力发电机运行的总成本。
资产所有者意识到对运行和维 护的投入至关重要，它将继续成为 风电行业中越来越突出的因素。随 着风电场设备的老化，很有可能部 件出现故障和缺陷时已经超出了制 造商保修期，所以运行和维护的重 要性和成本都会增加。由于欧洲安 装的所有陆上风力发电机中约75% 的运行时间不到10年，未来运行和 维护将日益重要。
SKF正在研究解决方案，以尽 量减少风力发电机整个生命周期内的 运行成本，并满足运营商对风力发电 机更高发电效率和可用性的要求。
制定卓有成效的运行和维护策略
状态监测系统是日常运行和维护的 核心。从本质上说，状态监测是查 明设备运行状态的过程。成功的状 态监测系统包括知道该监测什么、 怎么解读它、以及何时使用这些知 识。状态监测系统不仅能帮助风电 场运营商降低灾难性故障的可能性，还能让他们尽可能快地排除故障、 提前订购零件、安排人力和设备、 规划停工期间的其他维修事宜等。
作为风能产业全球领先的供应 商，SKF在风力发电机领域的专业 技术和知识已经帮助该行业开发出 更复杂的工具，以降低运行和维护 成本。SKF为风电行业提供多种部 件（图1），包括用于传动系统的轴承， 以及相关的润滑系统和密封解决方 案。SKF已开发出基于振动监测的 状态监测系统，并自2007年起提供 远程监测服务。
如今，这已发展为全面的软件托 管和监测服务，通过互联网为风力发 电机的定期和连续监测（后者占主要 部分）提供预防性维护计划。SKF远 程监测服务使用SKF状态监测工具 来收集数据，如专门用于风力发电机 的SKF IMx在线系统。根据监测结 果，专家们分析数据，并通过互联网 将设备健康状况告知管理层，让其掌 握全面情况后做出决策。
从经验得来的专业知识
自2005年以来，SKF已经在全球安 装了5,000多个状态监测系统，其 中约2,000个是由SKF监测，它们 涵盖了由15个原始设备制造商生产 的40多种不同类型的风力发电机。 这意味着SKF通过自己的远程监测 中心，收集了与性能和潜在故障模 式有关的大量数据。对振动数据的 分析帮助SKF从动态角度了解设 备 运行状态。
图2显示了振动监测是如何运行 的。监测振动的加速度传感器收集 发电机、齿轮箱和主轴轴承关键零 部件的数据。随后SKF IMx等监测 装置会整理数据，并自动向SKF运 营的远程数据中心发送警报。根据 配置和地点，每台风力发电机可能 在安装阶段就设定好定制的报警级 别，以确保该风力发电机获得最高 效的监测。
通过监测可掌握设备的行为模 式，SKF从而可收集涉及不同类型 故障的参考案例。借助对这些数据 的分析，SKF有机会利用新的统计 技术，将状态监测系统的性能和效 率提升到一个新水平。
从一个大型风电场收集的数据 量是惊人的。一般来说，每台带齿 轮箱的风力发电机大约有8个传感 器，每个传感器有3组测量数据，共 24个指标数据；每个指标都有一个 频谱和一个总值。状态监测硬件收 集这些信息，并以有线或无线联网 方式将其发送到状态监测系统服务 器，服务器可以安装在地球上的任 何位置。按平均每天下载一次计算， 每台风力发电机一年会产生9,000 个频谱供分析用。对于容纳数百台 发电机的风电场，如果不使用统计 建模方式来分析这些数据，完全不 可能得到有意义的结果。
统计建模
考虑到风力发电机的地点和型号存 在差异，统计建模尽可能全面地比 较不同的风力发电机。SKF首先比 较具有可比性的设备，然后使用十 多年积累的不同风电场的不同设备 的监测历史数据。基于这些历史数 据和风力发电机的类型，SKF便能 掌握即将开始监测的任何新设备的 背景信息。
在状态监测系统方面，风力发电 机提出了在其他行业不曾遇到的独特 挑战。风力发电机是具有许多变量的 复杂设备。把一种报警级别模式应用 到所有机型是不可能的，所以必须开 发不同的报警模式，以便能快速与具 有可比性的设备进行比较。然而，要 是没有统计数据、过滤和挑选流程的 支持，试图在合理的时间范围内做到 这一点是不可能的。
不断积累的有关风力发电机性 能的历史数据是非常有用的，特别 是涵盖机组从安装开始的整个生命 周期的数据。遗憾的是，情况并非 总是如此。尽管越来越多的风力发 电机在出厂时安装了监测装置，但 许多投入使用的风力发电机需要加 装该装置，这通常发生在保修期即 将结束或当运营商或服务供应商希 望续签服务合同时。
然而，至关重要的是要选择正 确的动态数据进行分析，以帮助提 高统计过程的精度。该系统具有的 一些功能可以扫描潜在的理论缺 陷频率。自动扫描依赖于有关系统中 部件类型的实际信息。每个传动装置 有自己的理论频率，所以如果对风力 发电机内部件的运动学特性没有一定 程度的确定性，便需要添加一些分析 的假设值。SKF拥有庞大的历史数 据库，因而对齿轮箱和发电机内的部 件有透彻的理解和认识。
没有通用方法
从经验中得知对于风力发电机中不 同的部件，需要不同水平的分析能 力。例如，发现发电机轴承故障轻 而易举，但对于行星轮轴承和齿轮， 发现问题则很困难。因此SKF开发 了侧重于监测行星齿轮传动装置相 关故障的具体算法。
这一点尤其重要，因为在监测 某客户的设备时，SKF分析显示在 行星齿轮频谱中，1.2赫兹处的谐波 提高了，这表明需要进一步的检查。 目视检查确认中间轴齿轮出现开裂， 这可能导致灾难性故障。因此，对 该设备进行了早期干预，即停机进 行维修，以避免风力发电机出现代 价更高昂的损坏。
统计凸显问题
此举旨在快速查明众多风力发电机 中哪些需要进一步分析。统计方法 是对传统方法的有益补充，它能够 快速发现某台风力发电机的潜在问 题，然后专家花一些时间查看振动 信号，以查明任何可能的问题。
SKF已对遍布全球的2,000多 台风力发电机进行了分析，在此基 础上，SKF希望利用统计建模，拓 展风力发电机分析能力。为了实现 这一目标，SKF将建立一个统计模 型，比较每种风力发电机型号及其 部件在不同地点和负载条件下的振 动情况。为此，SKF将改进统计过 程，定期举办SKF专家研讨会，分 享问题和改进思路，同时在风能状 态监测系统界建立全球网络。
运营商获得的益处
更好的统计模型可以实现定制化报 警，运营商仅会收到可能对设备性 能产生不利影响的问题的信息。为 了改进运营，运营商的维护策略需 要从计划维护模式转向预测模式。 状态监测系统的精度和范围随着技 术进步而不断提高，从而有利于这 一模式的转变。下一步的技术措施 之一将是整合温度和工艺参数等所 有相关信息源，并把它们添加到振 动诊断中。
另一个趋势是要能够把状态监 测系统数据再次导入另一个更全面 的系统，以获得更好的相关性。这 是来自风力发电机制造商的一个主 要驱动因素，但它仍归结到成本问 题。风力发电机组面临降低成本的 巨大压力。SKF的目标是降低该技 术的应用成本。
盈亏底线
基于对风力发电机长达10年的振动 监测，SKF已经证明状态监测系统 可以将风电资产可利用率提高1%， 同时将运行和维护成本降低2%。借 助SKF基于统计数据的状态监测系 统，运营商每年在每台风力发电机 上可节省高达5,000欧元。有一点 可以肯定，由于风电场运营商的利 润空间不断受到挤压，因此效率的 点滴提高都是保持盈利的关键，而 基于统计数据的状态监测系统不断 提升的预测能力是实现这一目标的 重要工具。
