三一重能梁家宁：故障预警技术助力风电场智慧运维

北极星风力发电网讯:2021年10月17日-20日，2021北京国际风能大会暨展览会（CWP 2021）在北京新国展隆重召开。作为全球风电行业年度最大的盛会之一，这场由百余名演讲嘉宾和数千名国内外参会代表共同参与的风能盛会，再次登陆北京。

本届大会以“碳中和——风电发展的新机遇”为主题，历时四天，包括开幕式、主旨发言、高峰对话、创新剧场以及关于“国际成熟风电市场发展动态及投资机会”“国际新兴风电市场发展动态及投资机会”“风电设备智能运维论坛”“碳达峰碳中和加速能源转型”等不同主题的15个分论坛。能见App全程直播本次大会。

在风电设备智能运维发展论坛上，三一重能股份有限公司智能化研究所所长梁家宁发表了题为《故障预警技术助力风电场智慧运维》的主题演讲。

以下为演讲原文：

梁家宁：非常荣幸，台下也有很多老朋友，我今天的演讲题目是《故障预警技术助力风电场智慧运维》。

其实做运维无非就是想提升发电量，降低故障率，降低运维成本。其中故障预警，在我们看来，早期的故障问题可以通过数据去实现，可以做建模或者数据的挖掘。三一重能在这方面主要是针对三方面：一是大部件本身失效的预防，二是风机自身安全的守护，三是发电系统的安全。风机的安全，随着行业的发展，不同时期话题也不一样，比如塔筒不断加高，所以会有本身的监测。控制上越来越复杂，所以会有独立变桨或者是TDD各种先进的控制。发电性能提升也是三一重能一直在做的，以上这些都是通过机器学习技术和机理相结合。完全走机理方案不一定能走得通，但可以给我们提供比较扎实的模型。

未来，我们要靠数字孪生技术，这种技术有很多友商提过，大家更多的关注寿命本身预测。本身的逻辑通过，无论是机组还是部件来做建模，建模之后形成仿真模型，仿真模型再把模型跟设计的样件做校准，最后做参数标定。

这张图想表达的意思，有时候关注的时候是部件本身的一个维度，这个维度可以把它分成发电机等等，它是空间的维度，时间上的维度，我们在不同的风机生命周期里面，需要更关注早期，早期风机表现的异常和故障和中期末期不一样，末期更多是部件寿命上的问题，早期有可能是在现场抢装实施时一些人为错误的操作，这些错误的操作，像去年以及到现在也有很多血的教训，现场也有倒塔的现象。如果可以通过数据去做，可以大大减少不必要的损失。

还有业务的维度，这里是对于业务本身的划分，中间这里面有两个数字，一个是95，这是现在所有算力，通过多年的努力，我们现在有95个算子来覆盖所有的预防。我们跑了差不多一两年的时间，所有的预警算子平均，包括早期也包括现在的。

故障预警，每一个厂家，无论是客户、业主以及整机厂家都做。故障预警能给我们真正带来多大的价值呢？故障预警帮助三一重能，老旧齿箱有三台，无数的质量不平衡的问题都得到了守护，我们通过数据发现有些供应商擅自做的降本，在数据里面发现，供应商因此索赔了一千五百万，我相信数据和模型预警能够给我们带来的有很多。

接下来展开一个案例，齿箱低速级故障预警，这是一个尝试探索的方案，是一个机理和数字孪生结合的方案，或者说这个数字孪生不是做寿命载荷评估，是做故障预警的数字孪生。大概是这样设计的，因为老机组里面没有CMS数据，我们能借用风机本身运行的气动数据。首先会有老机组本身机型设计，通过仿真去做各个部件的分检，会得到本身的运行特征，这个只是第一步。第二步所能预测到估计到的会出现的一些，直接在仿真里面做模拟，比如说仿真里面模拟单颗钻齿，或者是内齿箱形成的损伤的样子。得到这个特征之后，会把这个先映射到齿箱转动上面，通过在机舱里面找振动数据，通过气动的特征就可以预测到齿箱低速级的故障。这个故障，也需要依赖于SCADA其他的数据，下面的位置就是SCADA的数据驱动，这部分需要SCADA所输入的一些秒级数据去做判断。整体融合起来来做这个模型，放到现场，右边那个图不是很清楚，那个是一个实时预警的结果。我们是实时闭环，及时做预警。

故障的仿真，把现在这个模式开始应用到新的齿箱和新的机型设计，我们跟三大齿箱厂做了深度合作，会重新做和故障的建模。实现早期的数字孪生模型早期建设，加上后面的数据补偿可以实现后面新上齿箱实现自动化的故障库的建设。

下面这个案例是主轴承润滑不良的案例，做的突破点在于多早预测到这个问题。在CMS数据里面会出现早期的这个案例是通过数据分析，通过数据来做驱动，这一块可以提前三到六个月发现问题。所有这些预警模型最终会落到产品，这是我们的产品，包括安全防护等。当然是一个整体的运营结合方案，也是一个互联互通协作共赢的平台。我们服务了117个用户，20多个省份。

总结和展望，这么多年，我之前一直在做变频算法，也参与过智慧风场，一代代的智能传感、激光雷达，这一条线是整个做过来的。下一代是什么呢？我们要把之前的所有愿景都实现，明年三一重能会给大家呈现最后的那个位置，给大家揭晓这个答案，基于数据，超越数据，谢谢大家！

（根据演讲速记整理，未经演讲人审核）