[01353121]直趋式风力发电机组可靠性预测与评估技术研究

复杂机电系统在国民经济发展和科学进步中担负着至关重要的作用,其可靠性研究属于复杂系统可靠性研究范畴。复杂系统可靠性研究是国际学术界和工程界极其关注也倍感困惑的难题,主要面临 ①复杂机电系统多采用“供应商配套-主制造商集成”的研制模式,生命周期伊始的质量与可靠性保证存在困难; ②复杂机电系统一般需要现场组装并试运行,伴随维修的试运行过程中可靠性增长分析不到位; ③复杂机电系统运行中虽然有较详实的现场记录,但如何挖掘出有价值的信息和数据需要做深入研究。 本项目以理论研究作为切入点,在初始设计阶段从事前分析的角度利用单元可靠性信息研究复杂系统可靠性综合。在试运行阶段开展事中分析,研究可靠性增长分析方法。基于现场运行故障记录开展事后全面分析,通过产品可靠性预测为系统维修保障决策提供参考。进一步将预测理论引入到系统可靠性增长分析,延伸考虑系统可靠性增长后的预测问题,为重大故障预警与试验优化提供理论参考。主要研究成果如下： （1）完成了风电机组生产和使用过程中的可靠性数据收集工作,在此基础上建立了风电机组可靠性数据库和故障案例库。并设计了数据添加、删除、修改、转换、检索等功能。在对重大典型故障进行深入分析的基础上,建立了典型故障案例库,并在不断完善中。 （2）本项目研究了基于计算机模拟仿真的系统可靠性综合的理论与方法。该方法规避了单纯依赖寿命试验对复杂系统进行可靠性评定的传统做法,立足于充分利用单元的可靠性信息数据,用Monte-Carlo法模拟生成独立单元的寿命模拟值,再通过逻辑运算获得系统寿命模拟值,多次模拟的结果可以替代寿命试验。并解决了单元为不同分布条件下,复杂系统可靠性统计分布及系统可靠性多级综合的难题。这一方法可指导风电制造企业早期开展系统可靠性事前分析,起到“未雨绸缪”的作用,因此,具有普遍的应用价值。 （3）本项目研究了兆瓦级直驱式风电机组在试运行阶段（等价于研制阶段）的可靠性增长分析与评估方法。为了充分利用历史积累的信息以扩充信息量,重点讨论了均匀先验下的AMSAA模型的Bayes置信限,并与经典置信限、无信息先验下的Bayes置信限进行了对比。有针对性地探讨了利用多台同步增长AMSAA模型评估风电机组可靠性增长的方法。这一方法对风电制造企业和风电运营企业在试运行阶段开展可靠性增长分析、实施可靠性增长计划具有指导意义。 （4）针对风电机组维修困难,及重大故障损失严重的实际问题。在可靠性增长分析和评估的基础上,又深入研究了可靠性预测的理论,提出了基于改进的AMSAA模型和条件分布的可靠性增长预测方法。通过实施动态可靠性增长分析,解决了根据当前样本观测值,来预测同一随机过程的下一个故障到来时间的理论问题。这一方法对科学指导可靠性增长试验、实施质量与可靠性保证工程具有现实意义。 （5）针对兆瓦级风机组在试运行阶段期待对未来故障发生时间进行预测的工程需求,又提出了基于广义伽玛分布的系统可靠性增长预测模型。根据随机过程和可靠性增长预测理论,分析了机组未来故障时间分布,预测机组未来故障时间及故障时刻平均无故障工作时间的点估计及区间估计,引入方差系数,讨论了未来故障时间的预测精度,最后用机组试运行数据验证该方法的有效性。研究表明,该方法可以准确预测试运行阶段的风电机组可靠性。 （6）本项目提出了风电机组含延缓纠正的可靠性增长预测模型。意在风电机组运行到一定时间后进行大修,集中维修,全面纠正其故障隐患及缺陷,使风电机组可靠性有一个阶段式的明显提高,其增长潜力可称其为纠正有效性系数。并研究了有效纠正后的可靠性增长潜力的概率估计问题,并据此预测系统大修后的运行可靠性。这一方法可指导风电场科学制定维修计划。 （7）风电场地处偏远山区、交通不便、运输困难,为缩短非正常停机时间必须储备一定数量的关键零部件,以保证及时维修。但关键零部件价格昂贵,储备不足影响维修,储备过多占用流动资金。为此,本项目研究了风电机组关键部件在未来时间段内故障次数的预测问题。引入胜算比,给出了（对数）正态分布下的预测子及预测区间,分析了影响预测精度的因素,最终利用数值例证明了其有效性。这一方法可以为风电场合理储备关键零部件、保证及时维修提供技术支持。