《Wind Energy》：Field-Data-Based Wind Turbine Reliability Modelling: Quantifying Effects of Operating Age, Design and Technological Development
编辑推荐：
随着风能的持续扩展，确保风力涡轮机（Wind Turbine, WT）的可靠性对于优化运行效率和最小化停机时间至关重要。基于来自超过1,000台陆上和海上风力涡轮机的维护数据（涵盖4,200多运行年），本研究分析了风力涡轮机故障行为随时间的变化，并识别了影响可
随着风能的持续扩展，确保风力涡轮机（Wind Turbine, WT）的可靠性对于优化运行效率和最小化停机时间至关重要。基于来自超过1,000台陆上和海上风力涡轮机的维护数据（涵盖4,200多运行年），本研究分析了风力涡轮机故障行为随时间的变化，并识别了影响可靠性的关键因素。研究人员使用Nelson–Aalen图评估故障趋势，并开发了非齐次泊松过程（Non-homogeneous Poisson Process, NHPP）回归模型，以量化设计和技术发展的影响，同时纳入一系列协变量（covariates）。结果显示，尽管某些子系统呈现出经典的浴盆曲线（bathtub curve）故障强度，但其他子系统则从早期故障直接过渡到劣化阶段，或在整个运行期内单调递增。回归建模结果表明，可靠性通常随较晚的投运年份而提高，突显了技术进步的有效性。额定功率（rated power）对可靠性有负面影响，较大型涡轮机表现出更高的故障强度。此外，除偏航子系统（yaw subsystem）在海上环境中具有更高故障率外，海上涡轮机普遍比陆上涡轮机更可靠。子系统特定的发现进一步强调了设计选择的影响：液压变桨系统（hydraulic pitch system）在可靠性上优于电动变桨系统（electrical pitch system）；与齿轮传动方案相比，直驱（direct-drive）涡轮机在传动系统（drive train）和发电系统（power generation system）中均表现出更低的故障强度。
本研究基于超过1,000台陆上和海上风力涡轮机（涵盖4,200多运行年）的维护数据，深入分析了风力涡轮机的子系统级可靠性。研究背景在于，全球风能装机容量于2023年突破1,000 GW，其中海上风电的运维成本占平准化能源成本（Levelised Cost of Energy, LCOE）的三分之一，因此提升可靠性并优化运维策略对降本增效至关重要。然而，现有可靠性研究多依赖过时且有限的数据集，缺乏针对现代涡轮机技术的现场输入，导致运维模拟的不确定性较大。为此，研究人员利用涵盖2006至2024年、额定功率最高9 MW、运行年龄达18年的数据，开展系统性分析。研究论文发表在《Wind Energy》。
研究人员运用了三个关键技术方法：首先，基于Nelson–Aalen估计器（Nelson–Aalen estimator），通过双对数累积故障强度图识别故障行为随时间的不同阶段（早期故障、恒定故障、劣化故障），并采用Bootstrap方法计算形状参数δ的95%置信区间以分类各阶段。其次，构建非齐次泊松过程（Non-homogeneous Poisson Process, NHPP）回归模型，结合主成分分析（Principal Component Analysis, PCA）处理高度相关的数值协变量，并采用基于Collett的前向与后向协变量选择程序，以及基于100次子样本（每次90%原始机群）的包含率（inclusion rate）分析，以筛选对可靠性有显著影响的协变量。样本来源为超过1,000台涡轮机的维护报告，涵盖陆上和海上环境、多种技术概念（液压/电动变桨、齿轮/直驱/混合传动、部分/全功率变流器等）。
研究结果分为两部分：
**3.1 故障行为随时间变化**：通过Nelson–Aalen图分析整体涡轮机及7个子系统（变桨、控制、变流器、传动、发电、偏航、转子）的故障强度随时间趋势。发现：变流器（converter）和传动系统（drive train）呈现经典浴盆曲线，早期故障分别持续约3年和5年后转入恒定阶段，再在约6年和11年后进入劣化；整体涡轮机和控制系统（control）直接由早期故障过渡到劣化，无显著恒定阶段；偏航系统（yaw）在约5年后从恒定转入劣化；变桨（pitch）和转子（rotor）系统主要由劣化主导；发电系统（power generation）在约2年后从恒定转入劣化，7年后又回到稳定强度，可能与学习曲线或组件更换有关。这些趋势强调了无需假设统一故障形式的时间依赖性建模必要性。
**3.2 影响可靠性的因素**：通过NHPP回归模型量化协变量的影响，协变量包括：陆上/海上、投运年份、额定功率，以及针对特定子系统的设计协变量（变桨类型、变流器额定方式、传动概念、发电机速度类型）。包含率分析识别出显著协变量并估计β系数。主要结论：整体涡轮机及多数子系统（变桨、控制、传动、发电、转子）中，海上涡轮机可靠性高于陆上，唯偏航子系统反之（海上故障强度更高，β=-0.732）。投运年份对多数子系统（变流器、传动、偏航及整体）呈正影响（exp(β) 0.949–0.986），表明技术进步提高可靠性；但转子子系统呈负影响（exp(β)=1.097），可能与更细长柔性叶片设计有关。额定功率对整体及多数子系统（变桨、变流器、传动、发电、转子）有显著负影响，其中发电系统对额定功率最敏感（β=1.421，双倍额定功率使故障强度乘以2
1.421≈2.68），而变流器敏感度最低（2
0.426≈1.34）。设计选择方面：液压变桨系统比电动变桨系统具有更高可靠性（exp(β)=0.646）；直驱涡轮机在传动系统（exp(β)=0.321）和发电系统（exp(β)=0.623）中均表现出更低故障强度，因为直驱设计减少了齿轮箱等易损组件及相应故障模式。此外，变流器子系统中，部分额定与全额定变流器无显著差异，该协变量被排除。
在讨论部分，研究人员比较了不同可靠性建模方法对运维模拟的影响。传统的年均每涡轮机故障率或每兆瓦故障率假设简单，但忽略了时间依赖性和协变量效应。本研究开发的NHPP模型能够同时捕捉年龄效应与多种协变量的独立贡献，显著提高了运维模拟的精度。例如，图4展示了额定功率对不同子系统故障强度的缩放关系，发现传动系统呈指数缩放，变桨和变流器为根函数，转子接近线性，发电为幂函数，而通用的每兆瓦缩放假设（线性）对所有子系统均不准确。因此，采用NHPP模型进行运维模拟可避免低估大型涡轮机的维护需求，支持更经济的计划制定。
研究结论部分翻译如下：“本研究基于超过1,000台涡轮机和4,200多运行年的故障数据，提供了子系统级风力涡轮机可靠性的全面分析。数据集包括额定功率最高9 MW、运行年龄达18年的涡轮机。利用Nelson–Aalen图检验了故障行为随时间的变化，并通过非齐次泊松过程结合协变量选择程序分析了协变量对可靠性的影响。结果突出了不同子系统随运行年龄呈现的独特可靠性趋势，表明某些子系统遵循经典浴盆曲线，而其他子系统则直接从早期故障转入劣化乃至仅显示劣化趋势。这些发现强调了时间依赖性、子系统特异性可靠性建模的必要性，而非假设所有组件具有统一故障行为。非齐次泊松过程回归及相关协变量选择程序证实，多个协变量显著影响涡轮机及子系统可靠性。较晚的涡轮机投运年份对多数子系统具有正面影响，表明技术改进的有效性；而较高的额定功率对可靠性有负面影响，证实了大型涡轮机故障强度更高的先前发现。这些相反的趋势凸显了非齐次泊松过程建模分离与量化个体协变量效应的优势。陆上与海上涡轮机之间也观察到可靠性差异，除偏航子系统外，海上涡轮机的子系统通常可靠性更高。此外，子系统设计选择对可靠性结果起关键作用：液压变桨系统比电动变桨系统更可靠；直驱涡轮机在传动系统和发电系统中均表现出优越的可靠性。本研究还考察了不同可靠性建模方法并强调其对运维模拟的影响。虽然基于每涡轮机或每兆瓦平均故障率的传统评估提供了简便的可靠性描述，但无法解释时间依赖性故障行为或关键影响因素。相比之下，非齐次泊松过程回归建模通过纳入年龄依赖性故障强度和协变量效应，提供了更先进的方法，从而更全面地理解与表征风力涡轮机可靠性。可靠性建模方法的选择在运维模拟中至关重要，依赖简化平均故障率可能导致成本估算不准确和次优运维策略。总体而言，本研究强调了持续收集与分析大规模现场数据对提升风力涡轮机可靠性的重要性。研究结果为制造商、运营者和维护规划师提供了宝贵见解，支持基于数据的决策以优化设计、运维策略及延寿努力。”
