唐睿
上海电力大学 上海市 200030
摘要:近年来,随着国家能源结构调整政策方针:加快新能源发展步伐,推动能源绿色低碳转型;风电产业蓬勃发展。其中,打造基地型规模化、投资建设运维一体化的海上风电发展带成为众多发电企业的发展方向。谁能够在海上风电领域成为先行者、引领者,谁将在未来的海上风电发展中占据优势地位;同时海上风电中央财政补贴即将取消,全面平价上网时代来临,如何控制海上风电设备的运维成本,如何监测海上风电设备并保证其安全稳定运行,也将是海上风电产业面临的课题之一。
关键词:新能源 海上风电 全景监测 智能管理
一、海上风电技术存在的问题
目前海上风电管理普遍面临的问题:
首先,海上风力发电场运行环境恶劣、风海况复杂:设备状态感知手段不全面故障频发,例如叶片、齿轮箱、支撑结构等关键设备故障,又如海底基础冲刷情况严重、海缆锚害事故。
其次,故障诊断和预警只能依赖于第三方系统,功能不全,设计不合理,时效性差,一旦发生故障往往是大故障导致的经济损失大;由于第三方系统往往只针对局部进行设计、多个设备或系统之间没有一体化监控方案导致整机的智能诊断方法极其缺乏。
再次,海上风电维护难度大、成本高、设备维修作业窗口期短,成本高昂(为陆上的近3倍),风电所在位置可达性差使得海上巡检周期长,对于每一个设备来说巡检间隔被拉长,设备安全风险较大;现有的运维模式(定期、消缺性运维)与手段(人工、就地)周期较长,运行、检修、维护环节分离,效率较低。
最后,海上风电开发和运维过程中积累了大量的数据资产,但数据库独立,数据来源分散、维度繁多、缺统一规范,数据未能充分利用。
二、海上风电智能管理技术现状
为了解决上述问题,海上风电运维企业尝试了多方面的努力,相关领域的企业也在不断的探索新的技术及整合。目前的海上风电运维技术大致可以分为四个层面:
1.智能运维装备
目前的运维检测主要使用无人机、无人船、升压站巡检机器人、智能水下机器人等:这方面国内技术相对落后,大部分检测系统仍依赖进口。
2.智能感知监测系统
诸如边缘计算模块、电机转速测量用旋转编码器、振动/载荷/温度监测系统等,目前海上风电监测尚无国家或行业统一标准,监测系统内部核心技术多依靠进口。
3.风电机组结构寿命评估技术
该类技术在国外已有积累,尤其在离线评估技术方面,而在线状态评估技术层面国内外均在开发,结合运维现场,目前亟待提出一套将机组运行品质、设备结构寿命纳入到一体的在线评估方法。
4.运维管理技术
海上风电运维管理主要分为设备运行状态智能评估、运维计划管理、设备运行维护、故障分析预警等一些列管理技术,目前国内尚处于市场自发的摸索阶段
结合上述情况,基于目前国内的全产业分布情况以及国内技术能力,加之40年改革开放总结的经验教训,真正核心技术是无法通过市场换技术的路子来获取的,所以自主研发,形成一套完整的、拥有自主知识产权的、集成化的海上风电智能管理技术体系对于我国海上风电今后的发展来说显得尤为重要且迫切。
三、海上风电智能管理技术的研究
从技术路线方向来看,建议基于现有国内外海上风电的运维技术、数据资产、运维经验,针对设备全景感知、故障智能诊断、监测装置研发、全寿命管理、设备状态评价、运检维一体化等技术进行整合,实现海上风电的智能监管、全生命周期降本增效以及平准化度电成本降低,从而提升海上风电智能化水平和技术竞争力。具体的研究内容因专业分支繁多,这里仅举出两个具有代表性的方向。
1.海上风电场全景监测及故障智能诊断技术研究
该技术首先需要在已有关键部件监测系统基础之上,通过新增测点,补充感知手段,实现多源异构数据的全景同步感知。形成海上风电设备监测点位的布置标准与传感器的安装规范。以全景感知数据为基础,开展关键部件、分系统和整机智能诊断技术研究,实现关键部件故障精准诊断、分系统故障多源耦合诊断以及整机集成诊断,提升故障诊断的标准化与智能化程度。
其中关键部件应包括以下方面:
1.1偏航轴承及齿轮在线监测技术研究及应用
研究基于电流传感器、振动传感器等多传感器融合的偏航轴承及齿轮监测及智能感知技术;结合现有在线监测参数,研制在线监测模块,实现对偏航轴承及齿轮的智能感知。
1.2轴窜在线监测技术研究及应用
主要研究主轴总成窜动监测方案;研制主轴总成窜动监测装置;设计高速轴窜监测系统。
1.3螺栓在线监测技术研究及应用
研究叶根高强度螺栓的预紧力变化分析及螺栓松动阈值研究,应用微型位移传感器,研制智能螺栓;确定螺栓传感器测点布局以及相关参数,开发叶根智能螺栓监测模块;研究传感器的布置数量和方式对螺栓在线监测准确性的影响,并确定智能螺栓的分布方案。
1.4风机传动链振动在线监测系统设计及应用
研究不同类型的轴承、齿轮箱动态特性,灵活配置采样频率、采样周期、谱线数等参数,完成滚动轴承、齿轮箱等传动装置的振动监测系统设计。
1.5齿轮箱油液在线监测系统设计
研究齿轮箱油液在线监测系统设计;实时监视齿轮箱油液参数变化情况:实现齿轮箱损伤的早期探测及故障定位
1.6发电机位移在线监测系统设计
研究发电机振动、位移等多维度位移量与发电机运行状态间的关系,完成发电机位移在线监测系统设计;研究基于位移监测与振动监测的发电机故障预警技术
1.7发电机轴电流在线监测系统设计
完成发电机轴电流在线监测系统设计;研究实测轴电压、轴电流的幅值大小和频率成分;分析不同测点位置信号的逻辑关系,实现发电机故障预警。
1.8风机叶片在线监测系统设计
研究风机叶片运行状态监测系统设计;研究叶片结冰、深度疲劳裂纹、外应力剧变等因素与叶片监测参数间的相关性;研发基于工业物联网技术和微机电传感系统技术(MEMS)的风机叶片监测微型传感器。
1.9风机塔筒安全及基础沉降在线监测系统设计
研究完成海上风电塔筒倾斜度、实际偏移量检测装置选型和风机塔筒安全及基础沉降监测系统设计;研究基础不均匀沉降、法兰连接螺栓松动、焊缝开裂或其他故障对塔筒中心线平衡位置活动范围的影响程度;研究融合倾角测量及电子陀螺仪的智能传感器,完成塔筒晃动数值及晃动波形监测。
1.10基于音/视频信号采集与图像识别的智能感知技术研究应用
研究如何在机组合适位置安装视频图像和声音监测传感器;分析机组各关键位置安装传感器的必要性与可行性;研究智能化图像、音频识别技术,建立一套系统、完整的基于音/视频采集和识别技术的全景感知体系。
1.11海缆在线监测技术研究及应用
研究海缆监测技术原理,选择适合于海上风电海缆监测的技术原理;研究光纤应力、温度、频谱相互作用的影响关系;研究建立岸上模拟平台和海底电缆的热路模型,计算海缆温度、应力和载流量。
此外,还有海上升压站在线监测、全景监测与异常诊断、关键部件智能诊断技术、分系统智能诊断技术以及基于可靠性仿真的系统级诊断技术等方面值得研究开发。
2.海上风电场人工智能技术研究
2.1无人船水下资产自动检测技术研究
2.1.1无人船传感器载荷选型规范
针对风电桩基础、海底电缆数字化建模需要,根据海水状况综合探测精度、可靠性、耐久性等因素对无人船搭载传感器载荷选型的技术要求提出规范性意见并形成标准。
2.1.2海上风电巡检无人船选型
比较不同动力形式(油、电动、油电混动)无人船的环境适应性、续航与控制等特性,调研目标海域的气候条件,以及风浪特征数据,兼顾安全性、可靠性、性价比,形成无人船设备选型技术标准。
2.1.3海上风电巡检无人船系统
设计开发,完成通讯、远程控制、自主航行、自动避障、返航技术的适应性改造,完成无人船系统的设计及软硬件系统开发。
通过搭载的传感器载荷,实现风电桩基、海缆参数的检测、存储及远传建立水下资产数字档案,完成桩基、海缆状态的数字化存档,为后续大数据应用分析奠定基础
2.2基于缆控水下潜航机器人(ROV)技术的海上风电智能检测技术研究
2.2.1基于弱磁测量的水下金属结构探伤技术
对水下金属结构故障特性研究,确定不同缺陷类型对应的磁场特征,确定水下弱磁传感器选型,利用水下金属结构弱磁检测信号处理技术对水下弱磁传感器选型;并对水下金属缺陷定量评价,进行缺陷的二维成像技术研究并进行水下弱磁无损探伤系统的研制,以此为基础完成水下潜航机器人的集成并形成系统软件。
2.2.2基于微磁法的海缆检测技术
研究海缆快速定位技术,获取信号频谱根据频谱中能量值,判断海缆的存在 结合传感器阵列排布方法,确定埋深;
研究海缆缺陷检测技术,海缆包裹覆盖层缺陷的异常磁场信号特征,运用ROV搭载高精度测磁传感器,研究磁场数据的分析方法,实现海缆包裹层的检测
2.2.3水下结构海生物清理技术集成及结构无损探伤技术
对水下物理、高压水枪、空化射流等不同类型海生物清理方法的损耗度、安全性、操作性、工期、费用、与ROV的集成难度及其对ROV运动和控制特性的影响综合评判;兼顾对空化射流喷头射流流速特性,确定适用于喷嘴模型部位空化射流内部流场的计算模型;研究距离、角度、喷射压力、移动速度、喷头设计对空化射流清理海生物效率的影响;在此基础上研究空化射流喷射反冲力及管道特性对ROV运动特性及动态控制的影响
根据现有水下探伤技术原理、研究水下探伤传感器探头选择选型以及和探头与ROV的集成方式,设计模块化的探头与机械臂结构;探头类型、适用性、距离、力度、角度、移动速度对水下探伤准确率和效率的影响,提出ROV控制要求。
2.2.5具有模块化功能的水下检测机器人
基于水下检测机器人的作业需求,设计具有模块化功能的最优外形和结构; 研究模块化作业装置搭载对机器人稳定性、操纵性的影响规律; 利用水试,对构建组合导航系统进行初步验证
四、海上风电智能技术应用探讨
1. 海上风电场全景监测及故障智能诊断技术研究
风电场全景监测及故障智能诊断技术其本质是将现有的实时监测技术及故障诊断技术一体化的集成。其中的新技术成分主要在于如何在从设计制造端到运行检修维护端的产业链中打破国外垄断或依赖国外产品,将全产业链中国内供给比例提高到80%甚至90%以上;同时在一体化集成的过程中,尤其要注意化繁为简、做到精准监测、优化布置,避免重叠监测、采集数据量过于庞大,数据利用率低下,优化方案经济性差的情况。
此项技术从应用层面看,至少需要完成以下工作:
1)完成风机传动链振动、风机叶片、风机塔筒安全及基础沉降、齿轮箱油液、高速轴串动、发电机位移、发电机轴电流等在线监测系统专用传感器及数据采集装置设计,构建海上风电全景监测所需软硬件系统,实现叶片、螺栓、塔筒、齿轮油、主轴承、发电机状态在线监测的测点布置,监测一体化方案及界面展示;
2)完成海上风电机组关键部件智能诊断算法;
3)完成海上风电机组分系统智能诊断算法;
4)完成海上风电机组系统级智能诊断算法;
5)提出海上风电机组关键部件故障模拟验证技术;
单从1)所述工作看,完成布置方案所需材料费用、工作量及实施费用数字已经相当惊人。其经济性问题将是风电场选择优化方案不得不考虑的问题。从目前常规的海上风电监测点布置看,远远不能研究要达到的目的及技术要求。下表列出了一些主要部件的监测点情况。
根据测算,仅监测部分所需费用将高达约3000万,考虑到自主研发成本,扣除相关费用,落实到单台机组上,平均每台需要增加的测点暂估为50个,按照单位测点成本估算,每个测点设备材料及施工费用暂估1.5W/个。则单台机组全景测点新增一次性费用75万/台,之后新增的每年的维护费用估算5万/台?年。仅看设备的一次性投入及设备维护费用,假设风机为5MW风机,每台风电机年等效利用小时2500h计,则每台机组的实施全景监测项目,则当年度电成本将上升0.051元/台。显然,一次性投入虽然对技改项目实施成本低,但对于每年基本额定的技改预算来说,难以承受,且监测技术类型的项目,短期内是无法得出实际收益以及经济性提高的数据及结论。所以,关于全景监测技术的应用及实施,需要综合多方面因素统筹考虑,选择性的进行实施,以期达到效益最优化。在实施层面,提出以下建议:
1.标准规范先行
对海上风电设备进行标准化分级,对关键设备、重要设备、一般设备进行明确划分,明确不同等级设备的监测必要性程度;什么设备必须装、什么设备建议装、什么设备可不装都应作出明确规定。
对设备监测方式制定内部标准,明确设备监测安装位置、功能及技术要求,什么设备装什么测点、装多少测点、实现什么功能必须以量化的形式进行规定。
明确技术设计管理、造价管理控制规定,严格控制设计责任,避免目前技改项目实施造价控制过于宽松,概算偏高,预算粗糙,现场设计变更过多,边做边改,中期预算变更,超概等情况。
建立项目全面评价的规范或标准,如何评价项目,除了常规的经济性分析,更应结合当前国家层面的战略目标进行重新评估(例如中美关系的变化,使得很多项目从可做可不做演变成必须做)。
2.区域试点,逐步推广
鉴于海上风电技改费用高、实施周期长、施工影响因素多等问题,不建议对整体风场实行技改项目实施,应有选择性的进行实施。如何选择应遵守以下原则:
1)试点区域地质、气象条件应极具代表性
2)试点区域设备分布数量应不大于总数的20%,不小于总数的5%
3)试点机组个体选择应同时选择常常处于极端工况和常规工况的机组,方便在技改实施后对不同运行环境下的同类型机组进行数据比较,为模型优化提供参数。
3.数值分析模拟结合经验判断
在实际运用中,往往大量的监测数据没有被利用而成为废弃数据,主要原因之一是目前海上风电行业实际上没有专职的大数据分析策划专家对数据进行策划分析,现有的数据监测及分析技术人员对设备的理解及状态评估、故障诊断等技术不了解,而专业的运维、检修人员又对数据策划及数据分析应用领域涉及很浅,所以结合数值分析和专业技术人员的经验判断往往比单纯的依靠监测系统的数据展现来的更为有效且能切中要害。
监测数值分析方面,试点机组参数除了汲取国外大品牌厂商开发的数据模块,同时更需要大量调研并收集现场运维检修人员的专业意见,实践证明,照搬他人的模块分析及数据策划方案,在国内的适应度并不好,专业人员使用后对数据分析方案的认可度也不够,其中有工作逻辑不同的原因,也有文化的影响(西方文化已经习惯于细致的层次结构性框架,对数据的依赖程度和信任程度更高)。
4.试点比对,优胜劣汰
在区域试点并基础上,要形成项目“回头看”机制,目前的项目后评价基本上只能做到项目总结,往往后续没有进一步深化研究,大部分项目属于应用案例形成后无法推广的尴尬局面。所以必须有回头看机制对项目进行进一步推广的评估,即是否试点成功必须再进行一次立项研究。
2.海上风电场人工智能技术研究
人工智能技术目前比较普遍的载体在海上风电主要是水下机器人(船)、水上无人机以及水面无人船,主要是将一些自动化技术或半智能远超控制技术运用到载体上,从人工智能的本质上,智能体现的方面和可以运用的元素极其庞大,人工智能概念往往与数据挖掘、机器学习、深度学习及大数据等概念之间存在模糊,使得行业内许多从业者简单的将人工智能向机械化或自动化靠拢。(AI)技术目前最成功的运用应该是基于视觉感知层面的智能并作出智能判断及决策等技术。
从技术难度看,人工智能技术的研究开发从难度上要远大于全景监测系统,至少目前机器学习人工智能在电力领域的发展垂直深度还远远不够,所以海上风电的人工智能研究路线究竟及应用,从研发到试验到制造,个人认为都应有一个坐冷板凳的思想准备,其付出的努力与回报很可能不能成正比,但其意义深远,值得投入广大人力物力资源。同时,更要有明确的自主创新意识,依托国外技术虽然可以短时间内弯道超车,但是终将因为“卡脖子”技术使得海上风电技术在该领域落后于人。
结语:
综上所述,无论是发电企业、设备制造企业海上售电企业,都应报着坚持自主研发的心态来进行研究及应用,同时,必须要建立容错机制,制定创新激励机制,建立技术分享机制及平台,甚至采用类似于开源共享等方式才能使国内的人工智能技术在海上风电领域取得长足的发展。