近年来，风电产业迅猛发展，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。
相关阅读
【技术】风电机组叶片增功组件研究与实践
【产业】风电机组复合材料塔架的专利分析
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。事前维修是指在故障发生并产生影响之前，对设备采取故障预防措施，例如检查紧固件，更换易耗件等方法，避免故障导致的严重影响出现。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已难以有效应对。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。
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 JA1011《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。该准则将RCM分析过程划分为以下7个阶段：
1、确定设备的功能与边界条件;
2、根据功能定义，确定设备的故障模式;
3、根据设备的工作机理，分析各类故障模式的原因;
4、分析各类故障模式可能造成的影响;
5、评估各类故障影响导致后果的严重程度;
6、根据评估结果，针对可预测的故障模式制定预测性维修计划;
7、根据评估结果，针对不可预测的故障模式制定相应的维修计划。
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。以下就风电机组的RCM工程应用过程中的数据挖掘任务如何运作进行探讨。
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。以下以风电机组机械系统为例说明如何通过数据挖掘，将RCM技术引入运维策略的制定过程。以风电机组机械系统为对象的RCM工作流程如下：
明确机械系统的核心功能与辅助功能，并据此对机械系统进行结构划分。
依据机械系统功能定义，确定故障判据，进而创建机械系统的部件级故障模式库。
展开机械系统的故障模式和影响分析，根据故障导致的后果严重程度(严酷度)，结合风场故障数据的统计分析结果，找出对机械系统功能实现影响大，安全性影响大，或维修成本高(包含影响发电导致的收入减少)的“关键少数”故障模式。
对“关键少数”故障模式进行故障树分析，确定造成故障的全部根原因，制定相应的故障监控与预测性维修计划。
对其他多数的故障模式，根据实际情况，制定事后维修或定期检修计划。
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辅助系统和辅助系统的泵、管、阀等附件系统，如表1所列。
其中，传动链的功能是将风轮(叶片与轮毂)捕获到的风能转化为主轴的低速旋转机械能，再通过齿轮箱将主轴的机械能增速为发电机可接受的高速旋转机械能(不计机械效率的条件下，能量大小不变);齿轮箱的润滑冷却系统在润滑油温低于限值时，将润滑油泵送至齿轮箱中的各个润滑点，减缓传动机构磨损导致的寿命衰减，当润滑油温高于限值时，则控制油温继续上升，以免润滑油变质，影响润滑效果。
联轴器主要用于补偿齿轮箱输出轴与发电机输入轴之间的轴向与径向偏差，并防止齿轮箱传动机构受到超出其承受范围的载荷。变桨系统主要功能是在机组捕获的风能大于额定载荷时，通过改变桨距角来降低机组承受的载荷，从而保护机组正常运行。
偏航系统在风向发生变化时，通过改变机组横向角度位置，以使机组能够捕获到最大的能量。偏航/变桨系统的角度调整一般都是通过回转支承来实现的，因此需要自动润滑系统来确保回转支承的滚道、滚动体与轮齿受到充分润滑，以保证其满足机组整体的寿命要求。
制动系统包含主轴制动与偏航制动两部分，主轴制动部分在机组触发紧急停机时，对齿轮箱输出轴实施快速制动，以保护机组运行安全;偏航制动部分在机组偏航过程中提供阻尼，使机组的横向运动保持平稳，在偏航结束后定位机舱，减小偏航驱动所受载荷。制动系统的功能实施与控制通过液压系统来实现。传动链中主轴与齿轮箱的支撑是依靠主轴承与弹性支撑实现的，两者同时将传动链载荷传递到机架上。
机架将主轴承与弹性支撑传递过来的载荷再通过偏航系统传递给塔筒，最终传导到地面。此即风电机组机械系统各部件的主要功能。
基于以上功能描述，例如传动链若不能持续将捕获到的风能转化为发电机可以接受的高速机械能，则视为故障，以此类推可得各部件的故障判据。根据故障判据，进而确定机械系统各部件的基本故障模式库，针对故障模式展开面向各部件定性的故障模式和影响分析。
根据机械系统各部件的故障模式和影响分析，可以得出传动链中的一些关键部件发生故障，将导致机组基本的发电功能失效，并且对故障部件的更换成本中大都涉及现场大型设备的吊装，维修成本高;辅助系统中的回转支承与机架的维修更换也涉及现场吊装，成本较高。传动链系统与辅助系统的附件系统的故障影响则相对较小，但其故障模式对传动链与辅助系统中的大型部件工作寿命却有不容小视的渐进性影响。
因为故障影响除了对系统性能与维修成本进行分析，还需考虑故障发生频率的高低，以衡量是否有必要对该类故障采取预测性维修方案。瑞典风电机组各部件的故障统计数据如图一所示，可见液压制动系统、齿轮箱与偏航系统在机组的机械系统的故障占比位列三甲(叶片/变桨故障主要为变桨控制系统故障)，并且引发三者主要故障对机组系统工作寿命也有很大影响。造成液压制动系统、齿轮箱与偏航系统故障的主要原因一般通过温度、压力和振动(加)速度等参数变量体现。根据这三个主要故障部件的现场故障相关数据，发掘故障发生前传动机构温度、润滑油(脂)温度、润滑油/液压油压力，以及关键部位振动(加)速度等重要参数的变化趋势，研究这些物理量在大型部件失效前的渐变规律，从而为运维工作提供预警，避免严重故障导致的巨大维修成本。
目前已投入实际应用的预测性维修部件包括主轴/偏航制动片的厚度监测，润滑冷却系统中过滤器滤芯的容量监测等。其中，若主轴/偏航制动片的摩擦材料剩余厚度达到报警值时便会触发风险预警，提示运维人员及时更换制动片，以免发生制动片磨损制动盘，导致制动盘失效的严重故障，从而大大降低了因吊装机舱更换制动盘而发生的巨额运维成本。滤芯容量监测提示运维人员，在滤芯堵塞可能导致润滑油量不足，进而使齿轮箱传动机构严重磨损，寿命缩短甚至失效必须更换。除此两项参数外，还有一些可以用于预测性维修或预防性维修的技术指标值得关注。
由此可见，若将以可靠性为中心的维修(RCM)策略引入到风电行业，必须根据各主要部件的故障机理与后果分析结论，以及现场故障率数据的统计分析，从风场监控系统(SCADA)记录的海量技术数据中，挖掘出对运维策略具有重要影响的关键技术指标，并加以分析判别，使这些数据能够为运维策略的制定提供准确有效的基础。科学合理的运维策略，最终也将为优化运维资源配置，提升运维管理效率，降低维修成本发挥巨大作用。
结语
综上所述，为了有效控制风电机组的运维成本，建议参考核电行业的成功经验，引入以可靠性为中心的维修(RCM)策略，以及预测性维修/预防性维修方法。若要切实有效地将RCM策略运用到风电机组的运维过程，必须准确了解机组故障模式、影响及原因，并基于此从大量技术数据中筛选出对故障发展趋势具有指标性意义的关键技术指标。因此，本文介绍了关键技术指标的选取办法。最后，希望本文能够起到抛砖引玉的作用，对将RCM策略引入风电行业有所帮助。
