綜述:關于海上風力渦輪機故障診斷方法的系統綜述:方法、特點及未來發展方向
《Ocean Engineering》:A systematic review of fault diagnosis methods for offshore wind turbines: Approaches, features, and emerging directions
【字體:
大
中
小
】
時間:2026年03月03日
來源:Ocean Engineering 5.5
編輯推薦:
海上風電變槳系統故障診斷研究綜述,系統分析2021-2025年間43項研究,總結信號基、物理基、數據驅動及混合方法在齒輪箱、軸承、葉片等關鍵部件診斷中的應用特征與局限性,揭示數據稀缺、環境復雜性和模型可解釋性三大挑戰,提出加強混合框架、遷移學習及基準測試等未來方向。
王新燕|毛潤澤|韓佩華|袁寧|李遠江|郭玉婷|尹申|張后祥
江蘇科技大學海洋學院,中國鎮江市蒙西路2號,212003
摘要
海上風能已成為一種關鍵的可再生能源,然而海上風力渦輪機(OWTs)的可靠性和成本效益受到頻繁的部件故障以及高昂的運行和維護(O&M)成本的嚴重限制。故障診斷在提高渦輪機可用性、減少停機時間和延長使用壽命方面發揮著關鍵作用。本文基于2021年至2025年間發表的43項研究,采用PRISMA方法論對OWTs的故障診斷方法進行了系統回顧。所回顧的方法分為基于信號的方法、基于物理的方法、數據驅動的方法和混合方法,并詳細比較了它們的原理、優勢、局限性和應用場景。特別關注針對齒輪箱、軸承、葉片和發電機等關鍵部件的診斷研究,以及系統級別的調查。分析強調了當前的研究特點,包括第一作者所在機構的地理分布、數據集、部件和性能指標,并指出了數據稀缺、環境復雜性和高級模型解釋性有限等主要挑戰。最后,提出了未來的研究方向,強調需要強大的混合框架、改進的遷移學習技術和標準化的基準測試,以提高海上環境中的故障診斷性能和實際應用性。
引言
在全球經濟持續增長的背景下,能源需求正在迅速增加。同時,能源供應問題也變得越來越嚴重。在這種雙重壓力下,可再生能源在能源系統中發揮著重要作用。其中,風能被認為是最清潔、最環保的能源之一,其發電潛力足以滿足世界每日電力消耗的35倍以上(Liu等人,2025b)。與陸上風力發電相比,海上風能技術起步較晚,但具有獨特的優勢。海上風能資源更為豐富,風切變較小,生態影響有限,渦輪機容量系數更高,功率輸出更穩定(Bilgili和Alphan,2022;Li等人,2020)。此外,海上風電場通常位于遠離居民區的位置,因此噪音問題不太突出(Wu等人,2019)。
海上風電行業正處于發展的關鍵階段,預計在未來幾年將快速增長。新一代渦輪機有望提高資源利用率,顯著增加滿負荷運行時間(Díaz和Soares,2020)。全球風能理事會(GWEC)的《2025年全球海上風電報告》指出,2024年全球新增海上風電容量達到8吉瓦,使總裝機容量達到83吉瓦。盡管年度裝機量相比上一年有所下降,但全球累計容量仍在增長。從地區來看,歐洲以23.2吉瓦的拍賣容量領先,中國緊隨其后,為17.4吉瓦。然而,該行業面臨重大挑戰,尤其是由于可訪問性有限和維護資源稀缺。意外故障可能導致長時間停機和高昂的維修成本,尤其是對于齒輪箱、葉片、轉子和發電機等關鍵部件(Liu等人,2025b)。因此,海上風力渦輪機的維護成本遠高于陸上渦輪機(Sinha和Steel,2015)。此外,海上風力渦輪機(OWTs)暴露在更惡劣的環境條件下,如高溫、濕度、鹽霧、海洋腐蝕、海冰和臺風(Bilgili和Alphan,2022;Su等人,2024b),這些因素增加了故障率并使維護變得更加復雜。
近年來,OWTs故障診斷領域也取得了進展。例如,Xie等人(2023)探索了利用故障頻率先驗信息來提高深度學習模型準確性的方法。他們的結果表明,FFP-DL方法,特別是FFP-CNN模型,顯著提高了診斷準確性和Macro-F1分數。Jin等人(2023)開發了一種序數分類原型網絡(OCPN),該網絡能夠在高質量標記數據有限的情況下工作,并通過序數回歸納入故障嚴重程度。此外,Lu等人(2023)提出了針對OWTs的分布式故障診斷方法,并提出了事件觸發聯邦學習框架(ETFedOWT)。這種方法能夠在沒有直接訪問原始數據的情況下從地理分布式的風力渦輪機中學習,同時通過在必要時觸發更新來降低通信成本。與固定底部渦輪機相比,浮動式渦輪機(FOWTs)提供了更大的靈活性,為海上風電發展開辟了新的機會(Hong等人,2024)。最近,由于系泊系統、轉子和葉片之間的復雜相互作用,它們的建模和仿真引起了廣泛關注(Chen等人,2019)。最初為陸上渦輪機開發的仿真工具(如FAST)已被廣泛擴展到浮動平臺,以捕捉空氣-水-伺服-彈性耦合效應(Jonkman,2007)。
除了這些最新進展外,2021年之前的幾項基礎研究也為現代OWTs故障診斷方法奠定了基礎。Cho等人(2018)在浮動式風力渦輪機的葉片俯仰系統故障管理框架中采用了卡爾曼濾波器方法進行故障檢測。Badihi等人(2017)提出了一個農場級別的容錯控制框架,該框架解決了葉片侵蝕和碎屑積累導致的功率下降問題,并使用無模型方法和基于模型的方法進行故障檢測和診斷。為了解決長期在線疲勞監測的困難,Gao等人(2016)結合了基于物理的模型和感應熱成像技術來評估OWTs齒輪的接觸疲勞。Li等人(2018a)提出了一種用于海上風電場多端直流系統的魯棒頻域保護和故障定位方案,克服了傳統行波方法的時序限制。對于海上風電場的俯仰系統,Kandukuri等人(2019)開發了一種兩階段故障檢測和分類方法,利用現有的電機電流信號,無需額外傳感器。總體而言,這些研究提高了OWTs故障的診斷準確性、魯棒性和系統級理解。然而,仍存在挑戰,例如對大型標記數據集的依賴以及在實際環境中實現實時性能的需求。在過去五年中,許多綜述集中在陸上風力渦輪機的故障診斷上,而專門針對OWTs故障診斷的系統綜述較少。
鑒于近年來該領域的持續進展,本綜述的主要目的是檢查和分析OWTs故障診斷的現狀和技術進步。通過整理現有研究成果和實踐經驗,本綜述旨在突出OWTs故障診斷面臨的挑戰。同時,它評估了現有方法的優點和局限性,不僅涵蓋了已經廣泛應用的常規診斷方法,還包括新興技術及其在OWTs中的最新應用。此外,本綜述還對文獻中的方法論和研究特點進行了結構化調查,旨在為OWTs故障診斷的未來研究方向提供理論支持。本綜述的主要貢獻如下:
•提供了OWTs現有故障診斷方法的系統調查。
•分析了所調查研究的特征,特別關注第一作者所在機構、數據集、部件和性能指標等方面。
•確定了OWTs故障診斷的研究空白并指出了未來的研究方向。
本文的其余部分組織如下。第2節描述了用于選擇OWTs故障診斷論文的系統方法論。第3節概述了OWTs的結構和常見故障類型。第4節詳細回顧了現有的故障診斷方法。第5節分析了該領域的各種相關指標。第6節概述了OWTs故障診斷研究的未來方向。第7節總結了本文。
章節摘錄
文獻搜索方法
本研究根據Moher等人(2009)提出的PRISMA聲明的結構化指南進行了文獻搜索。PRISMA流程圖改編自Mao等人(2025)。如圖1所示,通過搜索關鍵詞、標題和摘要,從2021年1月1日至2025年7月30日期間從Web of Science數據庫中檢索了相關出版物。搜索策略依賴于“海上風力渦輪機”、“浮動式風力渦輪機”和“故障”等術語。
OWTs概述
本節從三個角度概述了OWTs。第一部分描述了OWTs的結構,包括其主要部件和功能。第二部分討論了海上環境對它們運行的影響,包括風、波浪、腐蝕和極端天氣條件。第三部分回顧了各種部件中的常見故障并分析了其根本原因。
故障診斷方法概述
故障診斷是一個監測設備狀態并基于收集的信息確定故障的過程(Kang等人,2019a)。主要程序通常包括早期預警、基于監控數據的特征識別、得出診斷結論,最后解決故障。圖4展示了本文討論的方法類別,這些方法分為基于信號的方法、基于物理的方法、數據驅動的方法和混合方法。
特征分析
為了揭示OWTs故障診斷的研究重點和發展趨勢,對回顧的文獻進行了特征分析。分析涵蓋了四個關鍵方面:(1)第一作者所在機構的地理分布;(2)故障診斷的目標部件;(3)使用的數據集;(4)性能指標。
挑戰
從環境角度來看,OWTs在腐蝕、濕度、強風和冰負荷等惡劣且多變的海洋條件下運行。這些因素加速了部件的退化,并在監控數據中引入了噪聲和不確定性,而當前的診斷模型在這種條件下往往缺乏魯棒性。
從系統角度來看,大多數現有研究集中在部件級別的故障上,特別是齒輪箱和軸承,而系統級和系泊繩的診斷
結論
本綜述全面調查了2021年至2025年間發表的43項OWTs故障診斷方法。討論涵蓋了基于信號的方法,如振動、溫度和聲學監測,以及更先進的基于物理的方法、數據驅動的方法和混合方法。盡管本綜述受論文數量限制且可能存在地區偏見,但這些因素預計不會改變總體結論。特別關注
CRediT作者貢獻聲明
王新燕:撰寫——初稿、可視化、調查、正式分析。毛潤澤:撰寫——審閱與編輯、撰寫——初稿、監督、概念化。韓佩華:撰寫——審閱與編輯、監督。袁寧:撰寫——審閱與編輯。李遠江:撰寫——審閱與編輯。郭玉婷:撰寫——審閱與編輯、監督。尹申:撰寫——審閱與編輯、監督。張后祥:撰寫——審閱與編輯、監督。
利益沖突聲明
作者聲明他們沒有已知的競爭財務利益或個人關系可能影響本文報告的工作。
生物通微信公眾號
生物通新浪微博
今日動態 |
人才市場 |
新技術專欄 |
中國科學人 |
云展臺 |
BioHot |
云講堂直播 |
會展中心 |
特價專欄 |
技術快訊 |
免費試用
版權所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
聯系信箱:
粵ICP備09063491號