風(fēng)機的運行過程中失效，一定是設(shè)計方案或者制造過程中存在缺陷。我們國家的工業(yè)起點低、起步晚，所以我們更需要厚積薄發(fā)，可以從優(yōu)化設(shè)計和優(yōu)化流程方面考慮，形成我們的數(shù)字化系統(tǒng)集成，提升我們產(chǎn)品的可靠性。10月18日，中車株洲所風(fēng)電智能診斷主管楊柳出席2018年北京國際風(fēng)能大會暨展覽會，并在“風(fēng)電場運行維護論壇”中發(fā)表主旨演講，演講主題為《數(shù)字化形影系統(tǒng)在風(fēng)電機組智能診斷中的應(yīng)用》。

以下為發(fā)言實錄：

楊柳：各位領(lǐng)導(dǎo)，各位專家，各位風(fēng)電同仁大家下午好，我叫楊柳，來自中車株洲所，今天我要給大家分享的是數(shù)字化信息系統(tǒng)在風(fēng)電機組智能診斷中的應(yīng)用，首先數(shù)字化信息系統(tǒng)既然提到數(shù)字化，那么數(shù)字化能給風(fēng)電帶來什么，什么又是數(shù)字化呢？提到數(shù)字化大家很容易會聯(lián)想到德國的工業(yè)4.0，德國的智能制造是以其發(fā)達的制造業(yè)為基礎(chǔ)，打造萬物互聯(lián)的智慧工廠，但美國卻是利用它強大的軟件基礎(chǔ)來打造智能制造的體系建設(shè)，技術(shù)加強信息化對于智能制造的統(tǒng)治力，中國在這方面很聰明，它結(jié)合德國和美國兩家之長，把兩化的深度融合作為中國制造2025的首要任務(wù)，那么怎么建設(shè)風(fēng)電的數(shù)字化平臺呢？我們中車株洲所把它分為四個部分，第一部分就是數(shù)字化的智能設(shè)計，曾經(jīng)風(fēng)電行業(yè)兩三年才出一款新產(chǎn)品，現(xiàn)在一年半年就要推陳出新，面對市場的進一步細分和精分，以及差異化明顯的數(shù)字需求，只能走數(shù)字化和參數(shù)化的路線，不斷創(chuàng)新才能跟得上市場的迅速變化。

第二部分是智能制造，不知道大家有沒有看過德國的寶馬工廠，全自動生產(chǎn)線，他們使用全機器人進行組裝和裝配，完全沒有人工的干預(yù)。這樣的精細操作使工業(yè)水平得到極大的提高，而這是智能制造的一個小部分，它是數(shù)字化工廠的一個縮影。

第三部分是智能試驗，智能試驗是風(fēng)電機組以柔性配置為基礎(chǔ)，發(fā)現(xiàn)測試、運行數(shù)據(jù)分析等大數(shù)據(jù)體系，確保風(fēng)級的運行狀態(tài)在這個以內(nèi)實現(xiàn)閉環(huán)設(shè)計。

第四部分是智能運營，我們在擁有智能設(shè)計，智能制造和智能試驗基本上可以為我們的產(chǎn)品更新提供一系列的保障，這樣一來我們的風(fēng)電產(chǎn)業(yè)鏈集群就初具規(guī)模了，這就是智慧工廠。

那么我們今天的主題是智能診斷，診斷是因為我們的運行過程中，風(fēng)機的運行過程中產(chǎn)生了一定的失效，歸根結(jié)底要么是設(shè)計方案，要么是制造過程中存在一系列的缺陷，那么我們的另一方面，我們國家的工業(yè)起點低，起步晚，這個難以否認，所以我們更需要厚積薄發(fā)，所以我們可以從優(yōu)化設(shè)計和優(yōu)化流程這方面進行考慮，形成我們的數(shù)字化系統(tǒng)集成，提升我們產(chǎn)品的可靠性，我們將系統(tǒng)集成分為五大模塊，我們將系統(tǒng)集成設(shè)計平臺分成五大模塊，第一個是風(fēng)資源評估模塊，第二個是載荷分析模塊，第三個是試驗設(shè)計模塊，第四個是設(shè)計模塊，第五個是健康預(yù)測模塊。真正使風(fēng)機達到智能化的高度。

第一部分的風(fēng)資源模塊，我們中國中車打造了能源指南，（英文），風(fēng)資源數(shù)據(jù)模型高性能計算云平臺，將國內(nèi)的風(fēng)電資源進行了數(shù)字化整合，使用智能優(yōu)化算法對風(fēng)速、海拔高度進行宏觀分析，獲得風(fēng)資源的分布地圖以及詳細的機組配置方案，第二部分我們把設(shè)計流程中的平臺層，資源層以及應(yīng)用層統(tǒng)一起來，將邊界條件作為參數(shù)化輸入，自主評估以及智能擇優(yōu)，在第三部分協(xié)同設(shè)計和制造平臺，包括風(fēng)機的各種平臺綜合起來，將上千種無聊以及不同的供應(yīng)商進行資源整合，結(jié)合現(xiàn)代化的商業(yè)，結(jié)合現(xiàn)代化商業(yè)CFD仿真循環(huán)優(yōu)化部件的結(jié)構(gòu)以及系統(tǒng)的性能，實現(xiàn)面向?qū)ο蟮?span lang="EN-US" style="margin: 0px;">CAE優(yōu)化設(shè)計，貫徹虛擬設(shè)計到虛擬制造的道路。第四部分是智能試驗，在產(chǎn)品的開發(fā)過程中，特別是在設(shè)計研發(fā)前期非常需要一個完整的數(shù)字化試驗體系，全面驗證線下可靠性，保證風(fēng)電機組系列產(chǎn)品的安全，現(xiàn)在我們中國中車有軌道交通的SCADA核心，包括各種實驗室，而對試驗數(shù)據(jù)的使用，我們往往存在一些痛點，比如采樣、存儲、使用、關(guān)聯(lián)以及自動化處理，因此我們將試驗數(shù)據(jù)體系的建設(shè)分為兩步走。第一步是建立標準的數(shù)字化試驗層，第二步是將試驗數(shù)據(jù)和測試對象進行相互聯(lián)通，實現(xiàn)半實物仿真，支撐這個智能運行。

第五部分是智能運維，建立大數(shù)據(jù)中心，根據(jù)故障的數(shù)據(jù)進行建立模型，設(shè)計優(yōu)化方法，實現(xiàn)風(fēng)機的智能化維護和自適應(yīng)調(diào)整，以及發(fā)電量，下面是我們風(fēng)場的一個案例，這個風(fēng)場在華電，這個風(fēng)場使用大容量混裝，以及塔高高度的柔性和重構(gòu)等解決方案，在2016年度的發(fā)電量超過直徑30%，內(nèi)部收益率達到28%，事實上我們的工業(yè)數(shù)字化進程并不是一蹴而就的，反而我們的步伐需要調(diào)整，因為只有我們積累的整個經(jīng)驗和資源才能產(chǎn)生質(zhì)變，但這個并不影響我們的數(shù)字化系統(tǒng)的應(yīng)用。作為數(shù)字化系統(tǒng)的解決方案，我們首先關(guān)心的是我們圓形機，我們每輸一臺樣機就是圓形機，所謂形影系統(tǒng)就是如影隨形，這個就是我們的智能機。通過對圓形機進行數(shù)據(jù)的處理和優(yōu)化，我們可以將這些數(shù)據(jù)提供給我們的智能機，然后智能機將最佳的參數(shù)配置反饋到我們的圓形機，來對圓形機，然后我們的系統(tǒng)設(shè)計平臺會根據(jù)圓形機的運行狀態(tài)進行參數(shù)的自適應(yīng)調(diào)整，并將各個部位的參數(shù)整合，支撐跨部門和跨領(lǐng)域的整合工作，從產(chǎn)品到試驗再回歸設(shè)計和從模型到檢測到優(yōu)化再回歸模型的全生命周期，雙通道循環(huán)的做智能診斷的基本規(guī)律和基本思路。

鋪墊了一堆的系統(tǒng)層面介紹，下面為大家分享兩個風(fēng)場的實際案例，我們在風(fēng)場做了一系列的高強度螺栓試驗，這個是檢測一方面校正我們的試驗?zāi)Ｐ?，對機組損毀等無法測量的情況做進一步的研究。另一方面可以獲得預(yù)警力的衰減規(guī)律，這個在后續(xù)的維護過程中可以根據(jù)預(yù)警率的情況，以后做螺栓可以不用定期去維護，而是根據(jù)螺栓預(yù)警率的大小是否達到閥值，或者按照需求來進行我們的維護。這就是我們所謂的智能運維的一個小縮影，那我們看一下中間的趨勢圖，這個紅色的曲線是螺栓預(yù)警率的測試結(jié)果，藍色的曲線是載荷測試數(shù)據(jù)，它們的變化趨勢比較吻合，因此我們這個測試方案的可靠性，這個對我們的分布式發(fā)電是有比較重大的意義。另外我們還測試了產(chǎn)能鏈螺栓，不同位置的螺栓受到了整機載荷和系統(tǒng)結(jié)構(gòu)的影響程度不一樣，所以我們根據(jù)敏感性強的螺栓做相應(yīng)的仿真來進行一個對比分析。

因此我們建立了螺栓預(yù)警力這個載荷模型，發(fā)現(xiàn)這個小會給螺栓帶來更大程度的疲勞載荷，在仿真過程中螺栓疲勞試驗的滿足單個標準，但是在使用三十度的合成點進行螺栓卻出現(xiàn)了超標，因此對于風(fēng)場故障上來尋找解決方案，很難得到結(jié)果，所以我們需要切合實際的做法和驗證手段，從原理上來解決問題，這就是信息系統(tǒng)解決方案的意義。

第二個案例是我們風(fēng)場的一個發(fā)電機振動異常的案例，曾經(jīng)檢測到了一臺機組的發(fā)電機彈性支撐發(fā)生了破損，但是在我們更換這個支撐之后，這個振動依然沒有消除，還是很大，所以我們把這個數(shù)據(jù)進行一個研究，我們從運行數(shù)據(jù)和設(shè)計原理進行定期分析，從發(fā)電機轉(zhuǎn)述的圖來看，這個故障是減頻，但是從我們這個計算結(jié)果來看，這個轉(zhuǎn)頻遠遠小于我們的這個多自由度這個結(jié)果。計算的結(jié)果頻率和故障頻率相差太遠，對不上，所以在我們的多次嘗試之后，對這個模型進行了一個減化和優(yōu)化，最終這個故障確定振動的來源是來自于系統(tǒng)頻率，總的來說就是如果使用傳統(tǒng)的理論建模來做這個系統(tǒng)模的計算，我們這個仿真的結(jié)果和實際的故障頻率差別很大，只有把這個模型進行完善，使用動力學(xué)和柔性建模兩者統(tǒng)一進行分析，才能得到比較接近我們現(xiàn)實的故障頻率的結(jié)果。

然后我們根據(jù)這個仿真的結(jié)果對我們的發(fā)電機進行了一系列的檢測，來印證我們的結(jié)論，我們對發(fā)電機用了全控率試驗臺進行了大量的測試，選用了三種不同型號的支撐，分析支撐的彈度和發(fā)電機振動頻率的影響，從我們這個波形圖來看，我們在發(fā)電機的前端和后端分別裝了三個方向的傳感器，從這個傳感器的速度來看，因為裝的都是同邊同色，它們兩個的速度走勢保持相對的一致，說明它們的振動趨勢是一個旋轉(zhuǎn)的模態(tài)?？梢源_定我們的發(fā)電機的振動模態(tài)以發(fā)電機的對稱軸的垂直軸為轉(zhuǎn)動，和水平軸轉(zhuǎn)動兩種方式，我們對比了我們的測試和仿真結(jié)果，在模態(tài)上說明我們優(yōu)化方法是有效的，后續(xù)我們更新了這個模態(tài)，解決了發(fā)動機的振動異常問題，接下來把研究結(jié)果進行了分析，發(fā)電機的振動值偏大或者說雖然說沒超標，但是依然有這種優(yōu)化的可能，我們會考慮把這個產(chǎn)業(yè)支撐給更換，然后確保我們的機組處與一個比較良好，比較優(yōu)秀的運行環(huán)境，這個在一定程度上避免了我們的發(fā)電機或者說彈性支撐產(chǎn)生失效，然后是預(yù)測性維護吧。

（發(fā)言為能見APP整理，未經(jīng)本人審核）