4. 风电机组运行数据采集体系

预防性维护策略能否落地,首先取决于数据采集体系是否完整、可信、可追溯。风电机组的数据来源分散在控制系统、状态监测系统、离线化验、气象测风塔以及运维管理系统中,它们的时间尺度、采样频率、精度和用途差异很大。理解每一类数据的“来源—用途—局限”,是后续做阈值报警、趋势分析、故障诊断和检修决策的前提。

一、七类数据源的整体定位

可以把风电机组的数据采集体系理解为三层:过程层(SCADA、CMS、温度、功率曲线、气象)反映机组实时运行状态;化验层(油液分析)反映部件内部磨损与油品劣化;管理层(维护工单)记录人的干预行为与结果。三层数据在时间轴上对齐后,才能回答“什么时候、哪台机组、哪个部件、发生了什么、做了什么处理”这一完整问题。

风电机组运行数据采集体系:来源 → 汇聚 → 用途 采集层(来源) SCADA 1s~10min 周期 CMS 振动 kHz 级连续采样 油液分析 离线 3~6 月/次 温度 PT100/热电偶 功率曲线 10min 均值 气象数据 测风塔/机舱风速仪 维护工单 人工录入/系统流转 数据汇聚与时间对齐 统一时标 · 机组编码 · 部件编码 用途层(维护决策) 状态监测与报警 温度越限 · 振动超阈值 功率曲线偏离 故障诊断与定位 轴承/齿轮箱特征频率 油液金属元素趋势 寿命预测与计划 劣化趋势外推 检修窗口与备件准备 维护效果闭环 工单记录与数据对比 策略迭代优化 闭环:数据 → 判断 → 工单 → 执行 → 复测数据 → 策略修正 关键前提:统一时标、统一机组/部件编码、保留原始数据与处理过程 典型采样与用途对照:SCADA 10min 均值用于性能与报警;CMS 高频波形用于轴承/齿轮诊断; 油液 3~6 月化验用于磨损趋势;温度 1s~1min 用于保护;气象用于功率归一化;工单用于闭环追溯。

二、SCADA 数据:机组的“体检报告”

SCADA(数据采集与监视控制系统)是风电机组最基础的数据源,通常以 1 秒到 10 分钟不等的周期采集并存储。它覆盖风速、有功功率、转速、桨距角、偏航角、发电机绕组温度、齿轮箱油温、轴承温度、电网电压电流、机组状态字等数百个测点。SCADA 的核心用途有三类:运行监视(判断机组是否在正常工况区间)、性能评估(结合风速计算功率曲线偏差)、报警与保护(温度、转速、振动等越限触发停机)。

实际使用中要注意 SCADA 的局限:10 分钟均值会掩盖短时冲击;状态字编码需要对照厂家点表;不同机型测点命名不统一。因此做趋势分析前,应先建立“机组—部件—测点”的映射表,并明确每个测点的量纲、正常范围和采样周期。

三、CMS 振动数据:早期故障的“听诊器”

CMS(状态监测系统)通常在主轴承、齿轮箱高速轴/低速轴、发电机前后轴承等位置安装加速度传感器,以 kHz 级采样率连续采集振动波形。与 SCADA 的慢变量不同,CMS 的价值在于频谱分析:通过 FFT 得到特征频率,判断轴承外圈、内圈、滚动体、保持架以及齿轮啮合频率是否出现边频带或幅值上升。

例如某 2 MW 机组齿轮箱高速轴轴承,理论外圈故障频率 BPFO 约为 6.2 倍转频。若在振动速度有效值(RMS)从 1.8 mm/s 升至 3.5 mm/s 的同时,包络谱中 BPFO 及其谐波幅值明显抬升,则可判断轴承存在早期点蚀。此时不必立即停机,但应缩短巡检周期并准备备件。CMS 的难点是数据量大、误报多,需要结合工况(转速、功率)做归一化,避免把变工况引起的振动变化误判为故障。

四、油液分析与温度:磨损与热状态的“化验单”

油液分析主要针对齿轮箱和液压系统,通常每 3~6 个月取样一次,检测项目包括:运动粘度、水分、酸值、颗粒度(ISO 4406 清洁度等级)、铁谱以及 Fe、Cu、Cr、Pb 等金属元素浓度。它的用途是判断磨损阶段和油品劣化程度:铁元素持续上升提示齿轮或轴承磨损;铜元素升高可能与铜合金保持架或衬套有关;水分超标会加速油品氧化。油液数据是离线、低频的,适合做长期趋势,不适合做实时报警。

温度数据则来自 PT100 或热电偶,采样周期通常为 1 秒到 1 分钟,覆盖发电机绕组、前后轴承、齿轮箱油池、液压油、机舱环境等。温度是保护逻辑的直接输入,例如齿轮箱油温超过 75 ℃ 报警、超过 85 ℃ 停机。温度趋势还能辅助判断散热器堵塞、冷却风扇故障或润滑不足。

五、功率曲线与气象数据:性能与工况的“标尺”

功率曲线数据一般由 SCADA 按 10 分钟均值统计,包含风速、有功功率、桨距角、转速等。它的用途是评估机组发电性能:将实测功率与厂家保证功率曲线对比,计算偏差率。若某台机组在 8~10 m/s 风速段功率持续偏低 5% 以上,可能提示叶片污染、对风偏差、变桨不一致或发电机效率下降。

气象数据来自测风塔或机舱风速仪,包括风速、风向、气温、气压、湿度。它的关键作用是工况归一化:只有把功率、振动、温度按风速和湍流强度分层,才能公平比较不同机组、不同时间段的数据。例如做振动趋势时,应只取“风速 8~10 m/s、功率 60%~80% 额定”的工况点,否则变工况会淹没故障特征。

六、维护工单数据:把“人”的行为纳入数据体系

维护工单记录的是人的干预:工单编号、机组编号、部件、故障现象、处理措施、更换备件、停机时长、执行人、完成时间。它的用途是闭环追溯与策略修正。例如某台机组 CMS 报警后更换了齿轮箱高速轴轴承,工单中记录了更换日期和备件批次;三个月后复测振动 RMS 回到 1.5 mm/s,说明处理有效。若同一部件在半年内重复报警,则说明根因未消除,需要升级检修策略。

工单数据常被忽视,但它决定了预防性维护能否形成闭环。没有工单,数据只能“发现问题”,无法“验证处理效果”,也无法计算 MTBF(平均无故障间隔时间)和备件消耗规律。

七、数据对齐与使用要点

七类数据要真正协同,必须解决三个问题:时间对齐(统一时标,SCADA 10 分钟均值与 CMS 秒级数据按时间窗聚合)、编码统一(机组、部件、测点使用同一套编码)、质量标记(标记停机、限功率、传感器故障等无效数据段)。建议在数据平台中保留原始数据和处理过程,避免只存结果导致无法追溯。

实际工作中,可先建立一张“数据源—测点—用途—采样周期—责任人”的对照表,作为数据采集体系的基础台账。这张表不需要复杂,但必须覆盖本节七类数据,并明确每类数据的更新频率和异常判断入口。

综上,SCADA 提供运行全景,CMS 捕捉早期机械故障,油液分析反映内部磨损,温度守护热状态,功率曲线与气象数据支撑性能评估和工况归一化,维护工单完成闭环追溯。只有把这些来源不同、尺度不同的数据放在同一时间轴和同一编码体系下使用,预防性维护策略才能从“经验驱动”走向“数据驱动”。