随着可再生能源开发技术的进步,风电开发地域从陆地向海洋不断发展,海上风电由于资源丰富、风速稳定和可以大规模开发等优点,受到世界各国的广泛关注。尽管海上风力发电与陆上风力发电相比优势明显,但复杂多变的海洋环境给设备的运输安装以及运行都带来了巨大挑战,因此对海上风电设备进行可靠性分析是安全高效开发海洋风能的基础。为了准确分析风机故障模式及其故障影响,本文采用故障模式及影响分析法(FMEA)对海上风机进行可靠性评估。
FMEA是用以找出产品设计、工艺设计和设备设计等阶段中的缺点和潜在的缺陷,进而分析各组成元素的故障模式及其对上一层次结构乃至系统产生故障影响的一种方法[1]。Tavner等[2]首先将FMEA方法引入风力发电机的风险评估,在分析机组设备构成的基础上对R80陆上风机进行研究,找出了危险程度较高的一系列设备。何成兵等[3]利用FMEA方法开展了风力发电机组主要设备的故障模式统计分析,获得了各设备故障模式详细统计报表,为系统的状态监测与故障诊断提供理论基础。
FMEA方法虽然简单易行,便于掌握和推广,但由于它是一种单因素分析法,难以分析几种因素同时作用导致的某种后果,也没有考虑到各故障模式之间相关性的问题,因而具有一定局限性[4],逼近理想解排序技术(TOPSIS)是一种简单实用且适用于复杂系统的多因素决策分析方法[5],本文应用基于模糊理论的TOPSIS对FMEA方法进行改进,在此基础上结合模糊语境下的决策实验与评价实验室技术(DMEATEL),对海上风机各个失效模式进行排序,把故障模式之间的影响以原因度的量化方式表达,提高了FMEA法分析的准确性与合理性。
1 模糊关联FMEA方法的理论基础 1.1 模糊集理论及模糊FMEA方法
与常规FMEA不同,模糊语境下的FMEA通常用模糊语言对故障模式进行评价,把故障模式的严重程度(S),发生频度(O)以及难检测程度(D)作为模糊语言变量,结合专家知识和经验,利用模糊语言术语对失效模式进行评价[6, 7],通常采用三角模糊数对模糊语言进行量化处理,其隶属函数为[8]:
$${f_{ij}}\left( x \right) = \left\{ {\matrix{
{{{x - {a_{ijL}}} \over {{a_{ijM}} - {a_{ijL}}}}} & {{a_{ijL}} < x < {a_{ijM}}} \cr
{{{{a_{ijH}} - x} \over {{a_{ijH}} - {a_{ijM}}}}} & {{a_{ijM}} < x < {a_{ijH}}} \cr
0 & 0 \cr
} } \right.$$
(1)
语言变量 | 对应的三角模糊数 |
VL(极低) | (0,0.15,0.3) |
L(低) | (0.2,0.35,0.5) |
M(一般) | (0.4,0.6,0.8) |
H(高) | (0.7,0.85,1.0) |
VH(非常高) | (0.9,1.0,1.0) |
专家利用自身经验及专业知识对失效模式进行评价,可得到系统失效模式的评估矩阵:
$$F = \left[ {\matrix{
{{f_{1s}}} & {{f_{1O}}} & {{f_{1D}}} \cr
\cdots & \cdots & \cdots \cr
{{f_{is}}} & {{f_{iO}}} & {{f_{iD}}} \cr
\cdots & \cdots & \cdots \cr
{{f_{nS}}} & {{f_{nS}}} & {{f_{nS}}} \cr
} } \right] = \left[ {\matrix{
{\left( {{a_{1SL}},{a_{1SM}},{a_{1SH}}} \right)} & {\left( {{a_{1OL}},{a_{1OM}},{a_{1OH}}} \right)} & {\left( {{a_{1DL}},{a_{1DM}},{a_{1DH}}} \right)} \cr
\cdots & \cdots & \cdots \cr
{\left( {{a_{iSL}},{a_{iSM}},{a_{iSH}}} \right)} & {\left( {{a_{iOL}},{a_{iOM}},{a_{iOH}}} \right)} & {\left( {{a_{iDL}},{a_{iDM}},{a_{iDH}}} \right)} \cr
\cdots & \cdots & \cdots \cr
{\left( {{a_{nSL}},{a_{nSM}},{a_{nSH}}} \right)} & {\left( {{a_{nOL}},{a_{nOM}},{a_{nOH}}} \right)} & {\left( {{a_{nDL}},{a_{nDM}},{a_{nDH}}} \right)} \cr
} } \right]$$
(2)
为消除不同量纲对决策的影响,可采用式(3)对矩阵各评价因子规范化:
$${b_{ij}} = \left\{ {\matrix{
{{{{f_{ij}}} \over {\left\| {{f_j}} \right\|}},} & 效益型 \cr
{{{\left( {1/{f_{ij}}} \right)} \over {\left\| {1/{f_j}} \right\|}},} & 成本型 \cr
} } \right.$$
(3)
本文利用TOPSIS理论对评价方案进行决策分析,评判各失效模式风险程度高低。TOPSIS法是Hwang和Yoon于1981年提出的一种适用于根据多项指标,对多个方案进行比较选择的分析方法,这种方法的中心思想在于首先确定各项指标的正理想值和负理想值,然后求出各个方案与正理想值、负理想值之间的加权欧氏距离,由此得出各方案与最优方案的公式接近程度,作为评价方案优劣的标准[5]。其中,三角模糊数的距离公式分别为
$$\eqalign{
& S_i^ - = \left[ {{{\left( {\frac{{{r_{ijL}} + {r_{ijH}}}}{2} - \frac{{{r_{jL}}^ + + {r_{jH}}^ + }}{2}} \right)}^2} + \frac{1}{3}{{\left( {\frac{{2{r_{ijM}} - {r_{ijL}} - {r_{ijH}}}}{2} - \frac{{2{r_{jM}}^ + - {r_{jL}}^ + - {r_{jH}}^ + }}{2}} \right)}^2}} \right. \cr
& + \left( {\frac{{{r_{ijL}} + {r_{ijH}}}}{2} - \frac{{{r_{jL}}^ + + {r_{jH}}^ + }}{2}} \right)\left( {\frac{{2{r_{ijM}} - {r_{ijL}} - {r_{ijH}}}}{2} - \frac{{2{r_{jM}}^ + - {r_{jL}}^ + - {r_{jH}}^ + }}{2}} \right) \cr
& {\left. { + \frac{1}{{36}}{{\left( {{r_{ijH}} - {r_{ijL}} - {r_{jH}}^ + + {r_{jL}}^ + } \right)}^2}} \right]^{^{\frac{1}{2}}}} \cr} $$
(4)
$$\eqalign{
& S_i^ - = \left[ {{{\left( {\frac{{{r_{ijL}} + {r_{ijH}}}}{2} - \frac{{{r_{jL}}^ + + {r_{jH}}^ + }}{2}} \right)}^2} + \frac{1}{3}{{\left( {\frac{{2{r_{ijM}} - {r_{ijL}} - {r_{ijH}}}}{2} - \frac{{2{r_{jM}}^ - - {r_{jL}}^ - - {r_{jH}}^ - }}{2}} \right)}^2}} \right. \cr
& + \left( {\frac{{{r_{ijL}} + {r_{ijH}}}}{2} - \frac{{{r_{jL}}^ - + {r_{jH}}^ - }}{2}} \right)\left( {\frac{{2{r_{ijM}} - {r_{ijL}} - {r_{ijH}}}}{2} - \frac{{2{r_{jM}}^ - - {r_{jL}}^ - - {r_{jH}}^ - }}{2}} \right) \cr
& {\left. { + \frac{1}{{36}}{{\left( {{r_{ijH}} - {r_{ijL}} - {r_{jH}}^ - + {r_{jL}}^ - } \right)}^2}} \right]^{\frac{1}{2}}} \cr} $$
(5)
$${\xi _i} = \frac{{S_i^ - }}{{S_i^ + + S_i^ - }}$$
(6)
由式(6)可知,当失效模式越接近r+,越远离r-时,相对影响度ξ值越大,失效模式所导致的风险程度也就越高。
1.2 基于模糊集的DEMATEL算法对相对影响度相同或相近的失效模式风险程度高低的评估,可以利用模糊语境下的决策试验和评价实验法(DEMATEL)。DEMATEL方法通过分析系统中各要素之间的逻辑关系与直接影响关系,计算出每个因素的影响程度与被影响度,从而计算出每个因素的中心度和原因度[9, 10]。运用DEMATEL法对复杂系统相互关系的进行分析步骤如下:
1)专家对故障模式进行评估,评估语言术语如表1所示。
2)对三角模糊数进行标准化处理,公式如下:
$$xl_{ij}^k = \frac{{l_{ij}^k - \mathop {\min l_{ij}^k}\limits_{l \leqslant k \leqslant K} }}{{\Delta _{\min }^{\max }}}$$
(7)
$$xm_{ij}^k = \frac{{m_{ij}^k - \mathop {\min l_{ij}^k}\limits_{l \leqslant k \leqslant K} }}{{\Delta _{\min }^{\max }}}$$
(8)
$$xr_{ij}^k = \frac{{r_{ij}^k - \mathop {\min l_{ij}^k}\limits_{l \leqslant k \leqslant K} }}{{\Delta _{\min }^{\max }}}$$
(9)
3)在对模糊数进行标准化后,接下来要计算左右标准值:
$$xls_{ij}^k = \frac{{xm_{ij}^k}}{{1 - xm_{ij}^k + xl_{ij}^k}}$$
(10)
$$xrs_{ij}^k = \frac{{xr_{ij}^k}}{{1 - xr_{ij}^k + xm_{ij}^k}}$$
(11)
4)然后计算总的标准值:
$$x_{ij}^k = \frac{{xls_{ij}^k\left( {1 - xls_{ij}^k} \right) + xrs_{ij}^kxrs_{ij}^k}}{{1 - xls_{ij}^k + xrs_{ij}^k}}$$
(12)
5)获得每个专家反映的第i个因素对第j个因素的影响值:
$$w_{ij}^k = \mathop {\min l_{ij}^k}\limits_{l \leqslant k \leqslant K} + x_{ij}^k\Delta _{\min }^{\max }$$
(13)
6)在对专家评价术语进行去模糊化之后,需要将直接影响矩阵A转化为标准化影响矩阵D,得到总影响关系矩阵T:
$$D = \frac{1}{{\mathop {\max }\limits_{l \leqslant i \leqslant n} \sum\limits_{j = 1}^n {{a_{ij}}} }}A$$
(14)
$$T = D{\left( {1 - D} \right)^{ - 1}}$$
(15)
7)由式(16)、(17)计算矩阵T的行阵之和D与列阵之和R,得到影响度(D)、被影响度(R)、中心度(D+R)、原因度(D-R),式中t为矩阵T中对应元素。
$$D = \sum\limits_{j = 1}^n {{t_{ij}}} $$
(16)
$$R = \sum\limits_{i = 1}^n {{t_{ij}}} $$
(17)
1):专家组对复杂系统的失效模式进行传统FMEA评估,得出RPN较高的若干失效模式。
2):制定发生率、严重度和检测度的模糊评价术语集合,并对1)中得到的失效模式进行评估,得到模糊语言FMEA表。
3):计算每一种失效模式与r+与r-之间的距离,获得每一种失效模式的影响度。
4):专家组评估失效模式影响关系,并应用公式(7)~(13)得到直接影响关系矩阵,进行正规化处理后,计算得出每种失效模式的原因度。
5):根据失效模式的影响度和原因度进行风险评估,找到对于整个系统可靠性影响最大的若干失效模式,并提出改进方案。
2 模糊语境下的关联FMEA对海上风机的应用通常海上风机可分为叶轮、发电系统、传动系统、偏航系统、变桨系统、液压系统和支撑结构几部分[2, 11]。其中叶轮、传动系统和发电系统的作用是捕获风能并将其转换为电能,是整个风机的核心;偏航与变桨系统通过调整叶轮方向与叶片攻角使系统获得最优的发电效率;液压系统的作用主要是为偏航和变桨提供推力,是重要的辅助系统;支撑结构包括机舱罩、塔架、基座等结构,用于固定机组设备。
根据不同子系统的失效特征,以5 MW直驱海上风机为例进行FMEA评估,表2为风险程度较高的典型故障模式: 应用模糊语境下的关联FMEA方法,以海上设备风险数据库(OREDA 2009)为数据依据,由专家组对海上风机的13个典型失效模式SOD三个影响因子以及失效模式两两之间的关联系数进行评价。评估过程中对于数据库中没有详细描述的失效模式,选取相似度最高的设备故障形式加以估计。基于实际运行考虑,选定权重向量ω=[0.4,0.3,0.3],由式(4)~(6)计算得到影响度ξ;由式(7)~(13)得到每个专家的评估结果,设每位专家评估结果的权重相同,由式(8)~(17)得出各个失效模式的原因度。计算结果见表3。
序号 | 故障模式 | 故障原因 | 故障影响 |
FM1 | 发电机过热 | 1.定子绕组局部短路;2.系统振动过大;3.冷却空气流量太小 | 电机烧损、机组停机、影响机组效率 |
FM2 | 发电机温度传感器故障 | 绕组和轴承温度过高 | 疲劳损坏、轴承烧损、发电机振动 |
FM3 | 发电机绕组断路、短路接地 | 1.机械性损坏;2.匝间短路;3.长时间过载 | 发电机噪音或振动、温度升高、机组停机 |
FM4 | 绝缘系统故障 | 1.绝缘受潮;2.机组负荷时间长 | 发电机短路、机组停机 |
FM5 | 冷却系统故障 | 1.冷却液量不足;2.冷却接头渗漏;3.冷却液水泵损坏或堵塞 | 机组过热、停机 |
FM6 | 变桨系统伺服电机振动过大 | 1.变桨驱动耦合不好;2.轴承损坏;3.转子平衡不好 | 变桨系统振动、影响机组效率 |
FM7 | 偏航驱动电机过热 | 1.电机润滑不良;2.电机轴承故障 | 电机过热故障、影响偏航 |
FM8 | 液压系统压力继电器故障 | 1.电气线路故障;2.弹簧或杠杆装配不良;有卡滞现象 | 压力波动、不稳定;影响机组运行 |
FM9 | 发电机机舱振动 | 1.风轮轴承座松动;2.可变桨距轴承损坏 | 机组振动、噪声;发电效率降低 |
FM10 | 液压泵异常发热 | 1.装配不良;2.油液质量差;3.外界热原高、散热条件差 | 压力过高;影响机组运行 |
FM11 | 变桨电机运行时间短 | 1.电机内部故障;2.变桨电机电源故障;3.变桨电机风扇故障 | 影响机组变桨、影响发电效率 |
FM12 | 叶片转动但发电机不发电 | 1.发电机定子绕组断、短路;2.发电机剩磁消失 | 机组发电效率降低 |
FM13 | 叶片调速不灵或不能调向 | 1.调向阻尼器阻力太大;2.风速计或测速发电机有错误 | 机组发电效率降低 |
失效模式 | 严重度S(ω1=0.4) | 发生率O(ω2=0.3) | 检测度D(ω3=0.3) | RPN | 原因度 | ξ |
FM1 | 0.7,0.85,1.0 | 0.7,0.85,1.0 | 0.7,0.85,1.0 | 448 | -2.137 8 | 0.789 1 |
FM2 | 0.4,0.6,0.8 | 0.4,0.6,0.8 | 0.9,1.0,1.0 | 216 | -0.877 8 | 0.608 0 |
FM3 | 0.9,1.0,1.0 | 0.4,0.6,0.8 | 0.4,0.6,0.8 | 315 | -0.594 2 | 0.608 0 |
FM4 | 0.7,0.85,1.0 | 0.2,0.35,0.5 | 0.9,1.0,1.0 | 288 | 0.556 8 | 0.606 1 |
FM5 | 0.4,0.6,0.8 | 0.7,0.85,1.0 | 0.4,0.6,0.8 | 210 | 1.483 3 | 0.535 3 |
FM6 | 0.4,0.6,0.8 | 0.7,0.85,1.0 | 0.2,0.35,0.5 | 240 | 0.261 0 | 0.404 5 |
FM7 | 0.7,0.85,1.0 | 0.7,0.85,1.0 | 0.4,0.6,0.8 | 294 | -0.173 3 | 0.662 2 |
FM8 | 0.7,0.85,1.0 | 0.4,0.6,0.8 | 0.2,0.35,0.5 | 160 | 0.487 8 | 0.394 0 |
FM9 | 0.2,0.35,0.5 | 0.7,0.85,1.0 | 0.4,0.6,0.8 | 84 | -0.026 2 | 0.404 5 |
FM10 | 0.4,0.6,0.8 | 0.4,0.6,0.8 | 0.4,0.6,0.8 | 180 | -0.116 7 | 0.397 6 |
FM11 | 0.4,0.6,0.8 | 0.4,0.6,0.8 | 0.2,0.35,0.5 | 125 | 0.437 5 | 0.268 5 |
FM12 | 0.7,0.85,1.0 | 0.2,0.35,0.5 | 0.2,0.35,0.5 | 108 | -0.121 3 | 0.262 8 |
FM13 | 0.2,0.35,0.5 | 0.4,0.6,0.8 | 0.7,0.85,1.0 | 196 | 0.821 0 | 0.394 0 |
图1将传统FMEA方法、基于TOPSIS理论的模糊FMEA方法及本文提出的方法的计算结果进行对比。
基于模糊理论的关联FMEA方法在应用传统FMEA将复杂系统的大量失效模式进行筛选的基础上,运用模糊方法更准确的分析主要失效模式的风险排序,并依据模糊DEMATEL理论综合不同专家的意见评估失效模式的关联度,区分影响度接近的失效模式的实际危险程度,得出更为准确的评估结果。从结果中可以看出:
1) 在3种分析方法中,隶属于发电系统的3个失效模式FM1、FM2与FM3的危险程度均在前五位以内,因此发电设备是整个海上风机系统的关键。这个结果与实际工程经验相符,发电机的失效往往会导致机组停机,而由于海上风机离岸距离较远且天气复杂多变,给维修维护带来了很大困难,长时间的停机将严重影响风电场的经济效益。因此在设计阶段就要充分考虑发电系统的可靠性,并制定合适的维护策略。
2) 在传统FMEA与模糊FMEA分析中,FM3与FM4的计算结果接近,难以区分,但通过原因度的分析得出了绝缘系统失效的实际风险更大,这是由于绝缘系统故障可能会引发多个电器设备的失效,其中也包括了发电机绕组短路的情况,因此FM4具有更高的风险。同样FM11与FM12的计算结果也非常接近,但其风险程度是不同的,这是因为变桨系统的故障可能引发整个叶轮系统的故障,因此实际情况中FM11的风险程度更高。这也说明该方法可以有效区分RPN与ξ值较为接近的失效模式,具有更高的合理性。
3) 在传统FMEA基础上结合模糊DEMATEL理论得到原因度较高的一系列失效模式需要格外注意,例如原因度最高的FM5冷却系统故障。目前海上风电装机容量日趋大型化,发电机和变流器变压器等系统需要承受更高的热量,因此冷却系统故障可能导致多个电控类设备的失效。又如FM8中液压系统的故障将影响变桨、偏航等多个系统的运行,造成连锁反应。
3 结论1) 通过应用模糊关联FMEA方法对海上风机系统的计算分析,可以分析得出发电机是对于系统可靠性最重要的设备,直接关系到整个风机的运行安全与经济效益。此外,冷却系统的失效可能引发多个设备的故障,因此在风机装机容量大型化的趋势下冷却系统的维护需要格外注意。
2) 在对海上风机的分析过程中发现,模糊语境下的相关性FMEA方法可以有效区分RPN相近的失效模式的实际危险程度,提高了FMEA评估结果的精度。同时,在DEMATEL分析过程中应用模糊处理方法可降低专家组意见主观性的影响,提高原因度的计算准确性。
3) 复杂设备失效模式众多,失效关系复杂,对系统的每一个失效模式进行模糊语境下的相对影响度和原因度计算工作量过大且意义有限。本文提出的方法在对失效模式进行筛选的基础上,对失效风险较高的典型失效模式的计算精度进行提高,从而更高效地找到系统的关键设备。这一方法所具备的准确性与快速性不仅适用于海上风机,同样适用于其他大型复杂设备的可靠性分析。
[1] | VYKYDAL D, PLURA J, HALFAROVÁ P, et al. Advanced approaches to failure mode and effect analysis (FMEA) applications[J]. Metalurgija, 2015, 54(4): 675-678. |
[2] | ARABIAN-HOSEYNABADI H, ORAEE H, TAVNER P J. Failure modes and effects analysis (FMEA) for wind turbines[J]. International journal of electrical power & energy systems, 2010, 32(7): 817-824. |
[3] | 何成兵, 顾煜炯, 邢诚. 基于FMEA法的风力发电机组故障模式分析[J]. 可再生能源, 2011, 29(3): 120-126.HE Chengbing, GU Yujiong, XING Cheng. Failure mode analysis of wind turbines based on FMEA method[J]. Renewable energy resources, 2011, 29(3): 120-126. |
[4] | 吴佳梁, 王广良, 魏振山. 风力机可靠性工程[M]. 北京: 化学工业出版社, 2011: 216-220. |
[5] | 赵远飞, 陈国华. 基于改进逼近理想解排序(TOPSIS)法的应急系统优化选址模型研究[J]. 中国安全科学学报, 2008, 18(9): 22-28. ZHAO Yuanfei, CHENGuohua. Study on location optimizing model of emergency system based on improved TOPSIS method[J]. China safety science journal, 2008, 18(9): 22-28. |
[6] | 伍晓榕, 裘乐淼, 张树有, 等. 模糊语境下的复杂系统关联FMEA方法[J]. 浙江大学学报:工学版, 2013, 47(5): 782-789. WU Xiaorong, QIU Lemiao, ZHANG Shuyou, et al. Correlated FMEA method of complex system with linguistic vagueness[J]. Journal of Zhejiang University: engineering science, 2013, 47(5): 782-789. |
[7] | CHIN K S, CHAN A L, YANG Jianbo. Development of a fuzzy FMEA based product design system[J]. The international journal of advanced manufacturing technology, 2008, 36(7/8): 633-649. |
[8] | 陈守煜. 工程模糊集理论与应用[M]. 北京: 国防工业出版社, 1998: 24-26. |
[9] | 吴林海, 张秋琴, 山丽杰, 等. 影响企业食品添加剂使用行为关键因素的识别研究: 基于模糊集理论的DEMATEL方法[J]. 系统工程, 2012, 30(7): 48-54.WU Linhai, ZHANG Qiuqin, SHAN Lijie, et al. Study on identifying critical factors of using behavior of food additives in enterprises: a fuzzy DEMATEL method[J]. Systems engineering, 2012, 30(7): 48-54. |
[10] | LIU Huchen, YOU Jianxin, LIN Qinglian, et al. Risk assessment in system FMEA combining fuzzy weighted average with fuzzy decision-making trial and evaluation laboratory[J]. International journal of computer integrated manufacturing, 2015, 28(7): 701-714. |
[11] | PÉREZ J M P, MÁRQUEZ F P G, TOBIAS A, et al. Wind turbine reliability analysis[J]. Renewable and sustainable energy reviews, 2013, 23: 463-472. |