论文部分内容阅读
【摘 要】一个风电场的建成投产以后,它的经济效益来源于大自然所馈赠的风能,而大自然的因素是我们无法控制的,这似乎有点“靠天吃饭”的感觉,因此这也决定了风电场经济效益的“后天因素”取决于运营商的运维管理能力,其中包括风电机组、控制系统及变电系统等设备设施进行维护和管理,尤其是对风力发电机组的管理维护,直接影响到发电量的多少和经济效益的高低。
【关键词】风电场;运维管理;机组维护
1.前言
由于我国风电机组在06年至10年间高速发展中所遗留下的诸如质量、售后服务等种种问题,再加上风机必须处在常年累月的高速运转中,且受自然条件的影响,都使机组零部件容易疲劳损坏,虽然风机的设计寿命是20年,但是机组普遍运行两三年以后就开始暴露问题,而这时间节点恰恰是出现在机组的出质保以后。出质保后机组的主要维护成本使运营商要承受的不仅仅是之前的电量成本,随之增加的是风机的备件消耗成本,尤其是遇到诸如发电机、叶片等大部件的更换,昂贵的大部件费用和吊装费用,几乎要耗去其机组一年所创造的效益,这对运营商而言无疑是沉重的打击。可见,我们的风电场在出质保后运维管理工作中,机组的维护工作将是我们不容忽视的重要工作之一。
2.用科学的方法改变维护模式
2.1 机组维护模式发展
长期以来,我们的机组维护模式经历了最初的被动式维护思维,也就是当机组出现故障以后才登塔采取消缺工作,而处理故障比较单一的方法也只是停留在换件的基础上,在故障技术分析和预防措施方面少有下功夫,只要风机能运转发电便高枕无忧,这种思维和现象曾经在整机厂家的现场服务中屡见不鲜。显然,这种态度、模式是不负责任和过时的,于是乎,以检修为辅、预防为主的间断型定检维护应运而生。我们所开展的定检维护主要是进行定期的机组日常巡检工作,在规定的时间节点内选择小风天作业,对机组大到叶片、发电机,小到控制器、接触器等设备进行巡检,目的是争取通过巡检工作,提早发现和处理故障隐患,争取把故障扼杀于萌芽阶段。可是,这种结果仅仅只是理想状态下的,由于机组的不稳定性和不可预知性,再加上机组常规巡检的间断性,都难以实现对故障的可靠杜绝。
2.2 大数据对新型维护模式的启发
大数据是继云计算、物联网之后IT行业又一大颠覆性的技术革命,正如麦肯锡所言:“数据,已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素。”而所谓的“数据”并非专属于互联网,全世界的工业设备、汽车、电表上有着无数的传感器,随时测量和传递着有关位置、运动、震动、温度、湿度乃至空气中化学物质的变化,也产生了海量的数据信息。正如我们的风力发电机组,由各种传感器测得的温度、转速、风速、发电量等等一系列的数据,汇集在计算机当中,它也是我们的大数据。
专家指出,“大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理”,这句话用在我们风电行业中也十分贴切。我们对于风机运维管理缺的不是数据,而是如何科学有效地应用这些数据,通过风机监测系统收集到的各种数据,由这些数据来诊断出风机的健康状况,再来做维护的决策,去维护什么,什么时候维护,甚至于哪个部分即将出问题等,这些信息都是可以提前预知和判断的。这种检修维护模式就是时下热门的“状态检修”,即设备的健康管理。这就需要建立一整套的管理体制、方法机制、技术手段、保障体系等规范来实现设备的状态检修,在激烈的风电竞争市场中,有些整机厂家已经意识到状态检修的重要性,如何科学有效的分析利用数据的探索工作正在悄然进行。
2.3 状态检修维护模式的应用
也许我们在建立一套完整的机组数据分析体系上缺技术、缺经验,但是可以勇于去实践,纸上谈兵永远都是止步不前的。比如在我们的实际工作中,以机组的主轴轴承为例,我们通过单一的日常巡检工作只能判断出它的表面上的问题,如润滑系统是否工作正常,至于它的轴承内部的情况我们就要通过测温原件采集的温度数据对它进行监控和分析,当然,短期和不同工况下的温度数据是不够的,因此需要我们把关于它的一系列数据统一起来,把长时间获取来的大量的对应风速、外部温度、振动、轴承温度等相关数据绘制成对应的曲线,通过数据曲线分析轴承温度的变化,观察轴承温度是否呈上升趋势或是否有明显增加的阶段,再结合外部巡检所得结果排除润滑系统是否正常的情况下,就能初步诊断轴承内部是否有滚子磨损等原因。在提前发现问题的情况下,再制定出补救措施,比如采取清理废油脂后再手动注油的方法,或许就能避免轴承造成更进一步的磨损。
可见,通过对数据的持续性关注和分析,是我们对设备的健康管理和预防性检修的有效方法,尤其是对避免大部件的损坏起着至关重要的地位。不过,我们数据的利用也不仅仅局限于此,机组的故障统计、备件更换、加油记录、巡检报告等等数据都可以归纳为每台机组的档案当中,所有的数据汇集在一起,如同织出了一张网,而在这个网中,我们或许就会寻到解决问题的蛛丝马迹……
3.用实践的精神提高经济效益
国内风电行业的领跑者金风科技有这么个服务理念:“尽量不维修、少维修,更好的计划性维修、预见性维修,以及不断持续地提升机组因地制宜的发电量”,这就是他们做好机组运维市场的服务核心。我们要提高企业经济效益,就应该学习行业优良经验:
(1)首先就是要去实践,关于机组维护我们要做的事情很多,关键还是要勤于去做,做好机组的巡检工作,做好机组的保养工作,哪怕我们只多注一滴油、多拧紧一颗螺丝,它回报你的或许就远不止多发一度电。
(2)其次是不断的优化机组的发电量,我们优化功率曲线的目的不是为了让曲线看起来又多么的完美,而是要因地制宜地提高机组的发电量,我们无法改变空气密度或湍流影响等因素的制约,但是我们至少可以把桨叶零度角、风向夹角调得最精准,结合各机组的地理特性等因素来最大限度的优化其发电量。
(3)在争取创造最大经济效益的同时,我们也要懂得開源节流、降本增效。其中备件消耗将是我们机组出质保以后的一大主要开支,而备件的充足储备则是我们在机组故障后能够迅速恢复发电的保障,在保证充足的同时我们又不能造成呆滞件的产生,这就需要我们要理清常用备件的储备问题。而采购备件的时候,由于各子公司独立经营且风机机型也各不相同,要通过统一采购来降低成本是无法实现的,因此我们只有多渠道对比备件价格,与供应商建立相互信任、友好的长期合作关系,以降低备件的购买价格和我们的库存量,并提高对方的供货反应速度的方式来降低我们的成本。
4.结语
对于我们风电场运营方而言,尤其是当机组出质保以后,有效的控制机组维护成本,用主动、科学、精益化的管理方式来优化机组的利用率及发电量,是我们提高风电场运营效益的关键所在。而我们要做的不仅仅只是转变模式,而是要去勇敢地去实践,积极地去探索,科学的方法是我们解决问题的一个途径,而实践的精神则是我们认真负责的一种态度。
【关键词】风电场;运维管理;机组维护
1.前言
由于我国风电机组在06年至10年间高速发展中所遗留下的诸如质量、售后服务等种种问题,再加上风机必须处在常年累月的高速运转中,且受自然条件的影响,都使机组零部件容易疲劳损坏,虽然风机的设计寿命是20年,但是机组普遍运行两三年以后就开始暴露问题,而这时间节点恰恰是出现在机组的出质保以后。出质保后机组的主要维护成本使运营商要承受的不仅仅是之前的电量成本,随之增加的是风机的备件消耗成本,尤其是遇到诸如发电机、叶片等大部件的更换,昂贵的大部件费用和吊装费用,几乎要耗去其机组一年所创造的效益,这对运营商而言无疑是沉重的打击。可见,我们的风电场在出质保后运维管理工作中,机组的维护工作将是我们不容忽视的重要工作之一。
2.用科学的方法改变维护模式
2.1 机组维护模式发展
长期以来,我们的机组维护模式经历了最初的被动式维护思维,也就是当机组出现故障以后才登塔采取消缺工作,而处理故障比较单一的方法也只是停留在换件的基础上,在故障技术分析和预防措施方面少有下功夫,只要风机能运转发电便高枕无忧,这种思维和现象曾经在整机厂家的现场服务中屡见不鲜。显然,这种态度、模式是不负责任和过时的,于是乎,以检修为辅、预防为主的间断型定检维护应运而生。我们所开展的定检维护主要是进行定期的机组日常巡检工作,在规定的时间节点内选择小风天作业,对机组大到叶片、发电机,小到控制器、接触器等设备进行巡检,目的是争取通过巡检工作,提早发现和处理故障隐患,争取把故障扼杀于萌芽阶段。可是,这种结果仅仅只是理想状态下的,由于机组的不稳定性和不可预知性,再加上机组常规巡检的间断性,都难以实现对故障的可靠杜绝。
2.2 大数据对新型维护模式的启发
大数据是继云计算、物联网之后IT行业又一大颠覆性的技术革命,正如麦肯锡所言:“数据,已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素。”而所谓的“数据”并非专属于互联网,全世界的工业设备、汽车、电表上有着无数的传感器,随时测量和传递着有关位置、运动、震动、温度、湿度乃至空气中化学物质的变化,也产生了海量的数据信息。正如我们的风力发电机组,由各种传感器测得的温度、转速、风速、发电量等等一系列的数据,汇集在计算机当中,它也是我们的大数据。
专家指出,“大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理”,这句话用在我们风电行业中也十分贴切。我们对于风机运维管理缺的不是数据,而是如何科学有效地应用这些数据,通过风机监测系统收集到的各种数据,由这些数据来诊断出风机的健康状况,再来做维护的决策,去维护什么,什么时候维护,甚至于哪个部分即将出问题等,这些信息都是可以提前预知和判断的。这种检修维护模式就是时下热门的“状态检修”,即设备的健康管理。这就需要建立一整套的管理体制、方法机制、技术手段、保障体系等规范来实现设备的状态检修,在激烈的风电竞争市场中,有些整机厂家已经意识到状态检修的重要性,如何科学有效的分析利用数据的探索工作正在悄然进行。
2.3 状态检修维护模式的应用
也许我们在建立一套完整的机组数据分析体系上缺技术、缺经验,但是可以勇于去实践,纸上谈兵永远都是止步不前的。比如在我们的实际工作中,以机组的主轴轴承为例,我们通过单一的日常巡检工作只能判断出它的表面上的问题,如润滑系统是否工作正常,至于它的轴承内部的情况我们就要通过测温原件采集的温度数据对它进行监控和分析,当然,短期和不同工况下的温度数据是不够的,因此需要我们把关于它的一系列数据统一起来,把长时间获取来的大量的对应风速、外部温度、振动、轴承温度等相关数据绘制成对应的曲线,通过数据曲线分析轴承温度的变化,观察轴承温度是否呈上升趋势或是否有明显增加的阶段,再结合外部巡检所得结果排除润滑系统是否正常的情况下,就能初步诊断轴承内部是否有滚子磨损等原因。在提前发现问题的情况下,再制定出补救措施,比如采取清理废油脂后再手动注油的方法,或许就能避免轴承造成更进一步的磨损。
可见,通过对数据的持续性关注和分析,是我们对设备的健康管理和预防性检修的有效方法,尤其是对避免大部件的损坏起着至关重要的地位。不过,我们数据的利用也不仅仅局限于此,机组的故障统计、备件更换、加油记录、巡检报告等等数据都可以归纳为每台机组的档案当中,所有的数据汇集在一起,如同织出了一张网,而在这个网中,我们或许就会寻到解决问题的蛛丝马迹……
3.用实践的精神提高经济效益
国内风电行业的领跑者金风科技有这么个服务理念:“尽量不维修、少维修,更好的计划性维修、预见性维修,以及不断持续地提升机组因地制宜的发电量”,这就是他们做好机组运维市场的服务核心。我们要提高企业经济效益,就应该学习行业优良经验:
(1)首先就是要去实践,关于机组维护我们要做的事情很多,关键还是要勤于去做,做好机组的巡检工作,做好机组的保养工作,哪怕我们只多注一滴油、多拧紧一颗螺丝,它回报你的或许就远不止多发一度电。
(2)其次是不断的优化机组的发电量,我们优化功率曲线的目的不是为了让曲线看起来又多么的完美,而是要因地制宜地提高机组的发电量,我们无法改变空气密度或湍流影响等因素的制约,但是我们至少可以把桨叶零度角、风向夹角调得最精准,结合各机组的地理特性等因素来最大限度的优化其发电量。
(3)在争取创造最大经济效益的同时,我们也要懂得開源节流、降本增效。其中备件消耗将是我们机组出质保以后的一大主要开支,而备件的充足储备则是我们在机组故障后能够迅速恢复发电的保障,在保证充足的同时我们又不能造成呆滞件的产生,这就需要我们要理清常用备件的储备问题。而采购备件的时候,由于各子公司独立经营且风机机型也各不相同,要通过统一采购来降低成本是无法实现的,因此我们只有多渠道对比备件价格,与供应商建立相互信任、友好的长期合作关系,以降低备件的购买价格和我们的库存量,并提高对方的供货反应速度的方式来降低我们的成本。
4.结语
对于我们风电场运营方而言,尤其是当机组出质保以后,有效的控制机组维护成本,用主动、科学、精益化的管理方式来优化机组的利用率及发电量,是我们提高风电场运营效益的关键所在。而我们要做的不仅仅只是转变模式,而是要去勇敢地去实践,积极地去探索,科学的方法是我们解决问题的一个途径,而实践的精神则是我们认真负责的一种态度。