海上风电机组精益运维管理探讨
来源:用户上传
作者:
我国《风电发展“十三五”规划》提出,到2020年海上风电装机容量达到500万千瓦以上。根据最新的统计数据,截至2018年12月,我国海上风电累计装机容量已超过450万千瓦。目前国内主要的海上风电大省均已推出明确的海上风电发展指导建议,并且拥有明确的海上风电建设规划。各整机厂商也开始积极开展海上风电项目建设,海上风电发展不断加速。
随着装机容量的增加,海上风电机组的运行维护越来越重要。海上风电由于其特殊的地理条件,盐雾浓度高、湿度大,对设备运行的可靠性方面有较高的要求。与陆上风电场相比,海上风电场的运行维护更加困难,风、浪、潮汐等海洋气候环境,增加了海上运维窗口期的不确定性,使得运维可达性差、海上作业耗时长、作业难度大,因此,海上风电场的运维成本远高于陆上风电场。
目前海上风电机组的维修模式主要有定期维护、故障维护、预防性维护。随着海上风电机组运维经验积累,以预防性维护、预警性维护为主导的精益运维管理系统解决方案将会有更大的发展空间,其中需要用到先进的传感、机组状态监控、大数据及云平台等技术,最终通过精益运维管理,实现海上风电场度电运维成本的有效降低。
海上风电机组精益运维管理要素
海上风电运维成本在海上风电场全生命周期成本中占25%~30%,而海上风电机组的运维成本占海上风电场运维成本的55%以上,因此借助大数据、云平台等信息化手段,提高海上机组的精益运维管理水平,可降低海上风电机组运维成本的5%~10%。海上风电机组的精益运维管理理念贯穿于海上风电机组设计、交付到运维整个链条,主要因素包括:海上机组环境适应性设计、海上机组可靠性设计、海上风电场专用运维基地、海上风电机组可达性策略、海上机组精益运维策略。
一、海上风电机组适应性设计
海上风电场精益运维管理的目的是实现海上风电机组高可靠运行,从而保障发电收益。不同海域海洋环境差异较大,因此,在设计前期,需要针对不同海域的风能资源特性进行详细分析,根据风区特点选取适宜的机型。
针对特殊环境对海上机组的影响(表1),在海上机组设计时,除了需要考虑高温、高盐、高湿环境的适应性设计,还需要针对不同海域的风能资源特性,选取发电性能最优的机组,以及尾流影响最小的机位排布方式。中国近海风能资源分布情况如图1所示,由图可知,不同海域的风能资源特性也有较大差异:
(1)长江口以北海域:年平均风速6.4~8m/s,最大风速<42.5m/s,地质条件较好,局部海域受冬季浮冰、基岩、地震等影响。
(2)上海、浙江及广东以南海域:年平均风速7~8.5m/s,50年一遇最大风速≥50m/s,地质条件一般,受台风、基岩等影响。
(3)台湾海峡海域:年平均风速8.5~10+m/s,最大风速>50m/s,地质条件复杂,受台风、基岩等影响。
二、海上风电机组可靠性设计
可靠性工程(Reliability、Availability、Maintainability、Safety,简称RAMS)是包括设备可用性及其影响因素(可靠性、维修性、保障性以及安全性)的综合表述。在海上风电机组的设计过程中,应积极逐步地采用当前先进、成熟、高效实用的可靠性工程技术,以最快的速度、最低的成本实现风电产品可靠性、维修性、测试性水平的提升,大幅度减少停机维修时间和度电成本。将高效实用的可靠性工程技术与集成产品开发流程充分融合,可以在机组实际的研发各阶段,根据需要选择适用的方法。
RAMS工作的总体框架如图2所示:在故障信息系統数据的支持下结合风电机组运营经验开展风险分析工作,确定排名前N位的(TOP N)故障模式/关键部件,并将其作为后续可靠性工作的重点对象:针对重点对象通过开展常规RAMS设计、测试性设计等工作,使风电机组具有较高的可靠性,降低故障影响及维修难度,最终达到降低度电成本的目标。
在实际设计应用过程中,主要是通过对设备的大量运行数据进行统计分析,并将其与设计值进行比对,找出两者之间差异,为机组优化设计提供详细输入数据;另外根据现场运维过程中记录的维护数据,分析故障发生前后机组运行表现情况,从而在后续优化设计过程中,充分考虑环境、机组部件可靠性、运维便捷性等因素。即通过大数据分析,促进海上机组可靠性设计向工程化、定制化、信息化方向发展。
三、海上风电场专用运维基地
运维基地顾名思义是运维人员、物资、交通工具等的集合地,既可以停靠海上风电专用运维船舶,运送人员和货物到机位,又可以在后方陆域场地堆放风电机组及其附属设备,同时其作为设备维修车间、备品备件仓库、集中办公场所和培训基地等,对保障海上机组的可利用率起着至关重要的作用。
在运维基地选址的过程中,需要重点考虑运维基地码头的水文气象条件,因为这些水文气象要素对大部件更换船舶、运维母船、运维交通船等安全进出港有较大的影响,从而影响运维基地的运营收益。因此,欧洲国家大多把海上风电运维基地设在主要港口附近,其中比较典型的有比利时Oostend港口(如图3)、荷兰Eemshaven港口、丹麦Esbierg港口等。该类港口的主要功能是作为海上风电运维人员的生活基地,海上机组大部件及备品备件仓储及维修基地,海上人员安全及风电机组维护技能培训基地,大部件更换船与运维母船、运维交通船等停靠及补给基地,海上风电场运维直升机起降及维护保养基地。从而实现区域内运维交通、备件、人员等资源共享,整体降低区域内运维成本。
相较于国外成熟的海上风电运维基地,目前国内因海上风电的规模尚处于集中化、区域化的起步阶段,还未形成类似于国外的区域化运维基地。当前国内运维码头大部分为内河码头,少部分为海边渔民专用码头或港口大型码头,但该类码头基本只能允许临时停靠,长期停泊或避风仍需到内河码头。由于内河码头受闸口开关时间限制,对于航行距离超过25km的风电场而言,人员及设备上船效率以及风电场的可达性都将受到影响,并且也存在一定的安全风险(如图4)。随着江苏、广东、福建等海域大批项目完成建设并进入运维阶段,产生的集聚效应将有效促进区域化海上风电场运维基地的形成与应用。 四、海上风电机组可达性
目前海上风电场出海主要交通工具包括专用运维船舶、直升机、大型SOV(即运维母船)等,不同交通工具满足不同的出海作业工况要求(如图5),而选择的交通工具不同,海上风电机组年度有效出海作业时间也就不同。
为了满足海上风电机组年度有效作业时间,对于离岸距离较远的海上风电场,行业内开发商、整机商、第三方运维公司也正积极思考解决方案。目前对于离岸距离超过50km的海上风电场,开发商拟在海上建立运维基地,同时在年度检修时,同区域几个风电场联合租赁大型运维母船SOV,从而整体降低运维交通成本。以下以一个离岸距离100km的风电场为例,对比分析不同运维基地的有效运维工作时长和运维成本:
(1)从岸上进行服务支持:直升机场在服务基地附近:备件在岸上。
(2)从海上进行服务支持:无人值守海上平台:带直升机平台和备件仓储。
(3)从海上进行服务支持:有人值守海上平台或可住宿船(全年24h/7d),带直升机平台和备件仓储。
由图6可知,该项目的有效作业工时最长的为基于有人值守的海上生活平台,为11.4h/d;运维交通租赁成本最低的为海上基地直升机+运维船,为3.2欧分/千瓦时。
五、精益化运维策略
海上风电场精益化运维策略力求为海上风电场开发商各级管理者及生产运行人员提供一个全方位、多视角的信息平台,为海上风电场运维人员的高效、安全运维作业保驾护航(如图7)。
以海上风电场精益化运维策略为核心的海上风电场智能运维管理系统是以生产设备管理为目标,以生产运行人员、设备维护人员为主要服务对象,将生产管理的主要工作流程与人力、物资、技术、安全、成本等信息关联起来,有效提高出海作业人员作业效率,降低风电机组故障停机时间,以达到降低海上风电场运维成本、提高风电场发电效益的目的。
通过在风电机组不同部件上布置相应的传感器,再由海底光纤将获取的实时运行数据回传至陆上集控中心,在该中心建立云平台,并开发机组远程诊断及控制模型,从而实现对风电机组的实时监测及运行控制。另外结合专业的水文气象预报数据,拟开发的海上风电机组智能预警系统、故障专家库、运维基础资源数据库等功能,为海上风电场的运行和管理提供一套信息管理系统。
精益化运维策略的核心输入是水文气象数据,海上风电场相较于陆上风电场机组的可利用率差异就在于机组的可达性。目前国内已有一些专门应用于海上风电场日常管理的水文气象预报预警系统(如图8),该类系统主要功能如下=
(1)历史数据下载与统计分析功能:通过该系统保存的过去10~30年历史模拟水文气象数据,用户可在获得权限或购买相应服务后,自行下载任意机位点的历史水文气象数据。利用该数据,可有效分析出施工及运维有效作业时间窗口,从而为工程交付计划及运维计戈0制定提供数据输入。
(2)未来1~10天的精细化水文气象信息预报功能:系统可实现1km~lkm.逐小时的水文气象信息预报,包括不同高度的风速、风向、浪高、浪向、海流、水深等要素,利用该数据,可辅助制定短期(3~5天)施工及运维作业计划。
(3)灾害性天气预警功能台风、雷暴、海雾、强降雨等。海1-风电机组精益运维管理实践
海上风电机组运维分为故障维护、年度检修、技改、消缺等作业任务。由于海上机组相较于陆上机组存在交通可达性较差、运维作业时长有限等缺点,因此,需要将精益管理的理念融入机组日常维护作业过程中,精益运维理念旨在通过利用现代化传感技术、大数据分析技术、物联网技术等,变海上机组运维工作“被动式维护”为“预防性维护”。
目前市场上主流的海上风电机组设计及生产厂家基本上都在建立各自的精益运维管理体系,基本思路为从设计阶段引入精益运维管理理念,增加机组智能控制技术;通过已运行大量机组运行数据,进行反向FEMA分析,开发关键部件的状态监测系统将与海上机组运维相关的天气、人员、交通、备件、工具等要素实现平台化、信息化管理,基于风功率预测,以发电量及出海成本最优为目标,将运维作业任务分解,从而实现预防性维护与故障维护相结合的精益化管理模式,最终促进海上风电度电运维成本下降。
一、海上机组智能控制
智能控制基本分为三层:单机层、场级层及云端层,分别针对智能感知、协同决策及大数据分析等智能需求而设计,并设有三級安全区即安全I区、安全II区、安全III区,由相应的防火墙及正反向隔离设备确保风电场信息安全,在实现智能数据交互控制的同时保证信息的绝对安全(如图9)。
智能控制系统利用场端、云端双重优势,依据自我认知的结果以及外部环境特点等因素,将自主完成状态评估、性能回归、性能提升以及行为预测等功能,如图10所示。
(1)自主状态评估:风电机组精确感知自我状态及环境条件,完成性能状态评估,主要包括风电机组自主系统辨识(变桨系统、转矩系统、叶片系统、塔架系统等)、自主行为安全评估、自主功率曲线评估、自主风况评估(平均风速、湍流强度、极端阵风)等:
(2)自主性能回归:风电机组根据状态评估结果,完成自主性能优化,以达到风电机组设计性能指标,包含最优桨距角智能控制、智能偏航控制、最优增益自主寻优控制等:
(3)自主性能提升:风电机组根据状态评估及载荷输入,完成基于载荷的性能提升,创造更大用户价值,包括基于叶根的载荷控制包及基于模型的载荷估计器等:
(4)自主行为预测:在风电机组控制策略中加入自学习功能,即风电机组本身可根据历史运行数据,对比原始设计值,自主判断运行的效果,并通过环境的实时观测数据,预测未来一段时间内。风电机组的发电性能、各部件运行情况,从而可有效控制机组各部件的协同运行,起到自我保护功能。主要技术包括基于叶根载荷的风速估计、基于激光雷达的智能控制、基于模型风速预测的优化控制等。 二、海上机组状态监控系统
海上机组状态监控系统由于是对不同机组部件建立不同的监控模型,因此,监控输入数据源不同,所采用的输入数据辨识方法、控制算法也有较大区别。采用不同分析和控制算法是为了更具体、更精准认知被监控部件的实际运行情况,以及预判未来一段时间内,在不同外界环境条件下机组的运行情况,从而保证机组整个生命周期的安全及运行性能(如图11)。
随着国内海上风电场开发规模扩大,福建、广东等受台风影响较多的海域也逐渐有海上风电机组并网发电,因此。在关注机组正常天气条件下的运行状态监控外,台风区域机组需要更加注重台风工况下的运行状态监控。目前各整机厂商都在研究台风工况下的控制策略,将海上机组状态监控与台风期间的水文气象预报预警系统相结合,从而实现台风过境前、中、后期间,根据台风中心与风电场之间的距离,有效利用台风外围进行发电,提高发电收益。具体控制策略(以某风电整机厂商为例)如图12所示。
台风过境前:水文气象预警平台实时发布台风路径、与风电场距离、风电场水文气象信息。台风过境时:根据台风预报及预警机制,启动台风控制策略,切出风速前有效利用台风外围满发或超发:达到切出风速后,根据风速大小逐渐降功率运行,保障机组发电;根据极限工况设计值及实际风速情况,采取停机和主动背风等控制策略,保障机组安全。
三、基于云平台及大数据的故障诊断及预警模型
故障诊断及预警模型,是先对故障进行诊断,并建立预警模型,当达到运行预警临界值,风电机组控制系统将发出预警信息。主要工作思路是将海上机组历史故障数据进行整理分析,同时将发生故障时的外界环境条件、相关联部件的运行情况等数据进行综合分析,从而建立海上机组不同部件的故障预警模型。该过程将会用到云平台、大数据、物联网等技术。故障诊断及预警模型,可为现场运维人员提供一套快速、高效、智能的检索故障及查询故障处理方案。
该模型通过对已经发生的故障、状态、信号和事件等数据进行统计分析和比较,发现潜在的问题和规律性的运行特征,评价设备的运转情况及预测系统可能发生的故障,并进行相应设备状态、故障建模,从而可形成一系列故障专家模型库,最终将实现对海上机组的智能化综合故障预警。如图13为某廠家海上机组专家诊断系统设计示意图。
四、海上风电场精益运维计划管理平台
海上机组出海作业运维计划排布需要考虑的因素包括人员、设备、备件、交通、天气窗口等。精益运维计划管理平台旨在将与海上风电机组运维相关的基础信息,如:海洋水文气象预报、出海维护作业内容、故障及所携带备件、未来海上机组发电性能等进行集成开发,并通过状态监控、故障诊断与预警模型,分析出海上机组未来短期(5~7天)需要完成的出海作业任务,同时基于发电量和运维成本最优,利用计算机自动生成出海作业任务计划,并根据运维情况进行优化(如图14)。
(一)基于发电量最优的精益运维计划自动排布设计
精益运维计划管理是通过系统中各模块提取风电场特征、水文气象、人员、物资、船舶等数据,然后导入待办任务,并参照标准定义业务需求,将导入的任务转入运维计划自动优化排布系统。系统将自动安排给出未来一个运维周期内(例如一个月)的多种出海运维方案、每种方案出海成本(含经济成本和时间成本)及预期发电收益。按照预期发电收益从高到低排名,用户从中选取排名靠前(如前3名)的一套方案作为第二天出海计划,安排任务派发。在计划执行阶段,用户通过平台的气象预报、通信调度、船舶监控等功能来保障运维计划的完成。
如图15所示,系统自动从运维计划中以时间轴为依据,从大量运维计划样本中选取短期内(3~5天)必须完成的工作计划,并通过发电量以及成本核算模型,自动排布出前5个运维计划,若计算结果不能收敛,系统将会自动调整样本数据,再进行迭代计算。最终得出推荐的前3种运维计划排布策略。
(二)基于出海成本最优的精益运维计划自动排布设计
对于国内风电场,由于近海岸区域存在很多需要在航行时避开的区域,再考虑潮间带因素,仅依靠现有算法模型不能满足需求。基于海图GIS,采用栅格最优路径求解方法可以有效评估船舶最优航行路径和出海成本。
基于栅格求解最优路径的方法为:
(1)将出海范围区域的海图划分网格,综合评估气象预报网格精度、海图每个网格所包含的要素,来决定网格尺寸。
(2)从出发地到目的地(图16),基于时间序列考虑,采用A*算法来求解网格最优路径,并评估路径成本。海上风电机组精益运维管理总结与展望
海上风电机组精益运维管理是一个系统工程,需要机组在设计阶段就考虑可维护性、远程监控等软硬件开发,同时在日常运维管理中引入大数据、云平台、物联网等技术,在此基础上形成一套科学的、具备可行性的海上精益运维管理系统方法。该方法从理论到实践,将会根据国内海上风电场发展的不同阶段不断发展完善。
一、单个海上风电场精益运维管理方向
随着大数据、“互联网+”时代的到来,海上运维管理由经验化、纸质化正逐步向信息化、无纸化、平台化、精益化、智能化发展。目前国内各大整机厂商也在积极探索利用智能传感技术与互联网,形成海上风电场运行数据库,同时利用大数据分析技术将以上数据进行整合分类;通过建立人工智能故障诊断及专家库模型,实现海上风电机组运维的智能化控制,有利于及时发现并排除机组可能出现的故障,并采取有效的应对策略,从而降低风电运维成本,提升海上风电的运维效率。
二、区域化海上风电场精益运维管理方向
未来随着区域海上风电大数据中心、区域海上风电场运维产业链、区域运维基地等资源与技术的逐步发展和应用,区域内海上风电场运维资源将实现共享。从而降低整个区域内海上风电场的度电运维成本。
转载注明来源:https://www.xzbu.com/1/view-15103588.htm