在2025年北京國際風能展“AI 與智能運維”論壇上，協合運維運維服務事業部總工程師劉瑞華發表“基于振動數據的發電機軸承故障和壽命預測方法研究”的主題演講，分享了協合運維對風電機組傳動鏈振動診斷預警的研究與實踐。

協合運維運維服務事業部總工程師劉瑞華演講現場

01

風電傳動鏈診斷分析現狀

據統計，預計到2025年底，我國運行10年以上的風電機組數量將達到9.2萬臺，裝機容量超145GW，占風電總裝機容量的25%左右。這些機組因長期運行，部件老化磨損問題突出，失效風險高。

劉瑞華表示，傳動鏈是風電資產運營中的一個重大風險點，隨著投產年限增加，其失效風險逐步增加，同時機組大容量、高塔筒、長葉片發展，也對傳動鏈的安全性和可靠性提出更高要求。過去十多年，行業采用油液、熱成像、超聲波探傷、聲發射、振動分析等多種技術手段監測這些設備，其中振動分析能夠較全面地分析故障且易于實施，已成為風電設備運維的輔助手段，但仍存在數據資源分散且案例積累不足、過度依賴專家、突發故障診斷難度大等問題，離自動精準預警尚有差距。

在風電機組傳動鏈中，發電機軸承長期處于高轉速、變載荷、強沖擊以及溫濕度波動劇烈的工況，是機組故障的高發部件。行業數據顯示，發電機軸承故障占傳動鏈故障的75%-80%，陸上風電機組換軸承需停機1-7天，海上因吊裝難度大、作業環境惡劣，維修周期長達1-2個月，不僅造成直接經濟損失，還可能因故障擴散引發發電機燒毀、機艙起火等事故，威脅電站效益和人員安全。若能早期發現故障，機艙內更換軸承費用不到1萬元；若故障擴大，僅單機吊裝費就達幾萬元，加上發電機整體更換維修費用超過幾十萬元。

在協合運維將近1400個傳動鏈故障維修的案例中，發電機軸承故障占比高達51%，且80%未達設計使用壽命。“保障發電機軸承可靠運行，提前識別故障并精準預測剩余壽命，已成為當前風電資產運營亟待解決的核心問題。”劉瑞華強調。

協合運維研究的近1400個傳動鏈的故障類型及占比

02

協合運維：發電機軸承振動預警研究實踐

理論上，發電機軸承故障劣化發展呈指數規律變化，壽命中90%的運行時間處于正常狀態。階段①時，軸承已輕微失效，但振動信號微弱，常規手段難察覺；階段②失效擴大，振動差異仍不明顯，表面運行正常，實則風險累積。如未及時檢修，就會發展到階段③，軸承帶病運行，次生失效加劇，振動和溫度異常顯著；階段④時，多種失效疊加，軸承可能會出現無法繼續運行的情況。

軸承剩余壽命-累計損傷曲線

劉瑞華指出，行業應盡量在軸承失效階段①和②時識別故障，通過潤滑等維護手段延緩失效；在階段③定位故障部件，避免突然失效；在階段④提前確定更換時間并合理安排更換計劃。但現有振動分析技術如時域、頻譜、包絡解調等振動分析需借助專家經驗，無法自動識別，且難以預測壽命；基于SCADA數據的模型雖能減少對專家的依賴，但可用測點數據少，誤報率高；基于CMS系統的單一指標診斷模型在保持架損壞等預測上準確率低。

在研究過程中，協合運維技術團隊選取波形、頻譜以及包絡譜中的典型特征指標，建立了“多指標共振”思路的預警方法，按階段用不同權重的指標，準確判定軸承所處的故障階段。經對國內12個場站、608臺發電機軸承、長達5年的振動監測數據驗證，該方法能快速識別早期故障，讓中期故障定位更精準。

目前，協合運維部署了超30個CMS模型，進行發電機軸承的自主預警，未來計劃接入葉片、塔筒等監測數據，實行設備的集成式綜合診斷。

此外，協合運維也在開展發電機軸承壽命預測模型的研究，基于12個場站304臺風電機組長期振動數據，擬合各個場站軸承的壽命預測曲線，致力于在軸承運行的中后期預測其使用壽命，為風電預測性維護提供有力支撐，在電價不確定的電力市場中，也能為軸承更換時機提供關鍵決策依據。

某風電場發電機軸承壽命預測曲線圖

新能源全面入市后的投資收益變得不確定，整個行業對成本的管控和新能源資產的運行質量要求更加嚴格，每一臺機組的穩定運行、每一次故障的提前化解，都是資產盈利的“護城河”。未來，協合運維將矢志不渝地進行研發和技術創新，打造具備數智化、標準化能力的服務體系、管理體系和創新模式，在電力市場時代為新能源資產的持續盈利筑牢根基。