作為海洋大國，我國具有廣泛的海洋戰略利益與戰略資源。國家發展改革委、國家海洋局在聯合印發《全國海洋經濟發展“十三五”規劃》中首次指出，海洋經濟是未來中國經濟的新增長點。到2020年，我國海洋經濟發展空間將不斷拓展，綜合實力和質量效益將進一步提高，海洋產業結構和布局將更趨合理，海洋科技支撐和保障能力將進一步增強，海洋生態文明建設將取得顯著成效，海洋經濟國際合作將取得重大成果，海洋經濟調控與公共服務能力將進一步提升，形成陸海統籌、人海和諧的海洋發展新格局。因此，創新海洋工程技術，合理開發和利用海洋資源具有重要的意義。

建設海洋強國和發展海洋新能源是新時代的必然且迫切要求。作為海洋新能源的代表之一，海上風力發電具有能量密度大、資源廣、穩定性好、占地少、靠近東部沿海地區等優點。發展海上風力發電不僅可以充分利用海洋資源，還可以加快我國發展綠色能源的步伐。

與陸上風電相比，海上風電不僅資源豐富，還具有對環境的負面影響較小、發電利用小時數高、風電機組距離海岸較遠、視覺和噪聲干擾小、不占用土地資源、機組易大型化發展、風電場易規模化開發等優點。另外，海上風電場一般靠近傳統電力負荷中心，電網消納問題易于解決，很大程度上減少了長距離輸電問題。然而海上風電機組的運行維護成本較高，合理的運維已成為海上風電規模化建設以及實現全生命周期盈利的重要保障。

1 開展海上風電機組電氣設備狀態檢修的意義

近些年來我國海上風電事業發展快速，市場正在逐步擴大，大規模建設與投運的海上風電機組對機組設備的運行可靠性、經濟性與維修性都提出了更高的要求。不同于陸上風電設備，海上風電機組面臨更加復雜的環境條件，例如高溫、高濕、鹽霧腐蝕、雷電、臺風等惡劣氣候，導致風電機組事故頻發；可及性差、運輸作業條件嚴苛等使得運維成本高出陸上風電1倍有余，且占總成本35%左右，高額的運維成本已經成為海上風力發電發展的主要限制因素。

同時，由于無法及時全面地了解風力發電機組設備及關鍵部件運行狀況，維修模式主要采用表現預防性基于時間的計劃維修和表現糾錯性基于故障的事后維修的方式，一定程度上造成了設備“欠修”和“過修”的發生，進而不僅造成了設備意外故障率的增加，也進一步增大了運維成本。

海上風電機組是集機械、電氣設備于一體的復雜多部件系統。長久以來，學者們針對葉輪系統、齒輪箱、主軸等關鍵機械部件的檢修工作開展了大量研究，電氣設備受到的關注相對較少。然而常見機組故障中由發電機組故障、變頻器故障、箱式變壓器故障等為代表的電氣系統故障雖然停機時間占比較低，但故障率所占比例很高，風機部件故障率與停機時間占比見表1。

表1 風機部件故障率與停機時間占比

目前海上風電機組電氣設備的維修方式仍然以照搬陸上風電以及電力行業的經驗為主，采取傳統計劃維修和事后維修的方式。然而面對高頻發生、停機時間分散的電氣故障，采取傳統檢修模式弊端明顯，檢修模式亟需改進。

體現預測性的基于設備狀態的狀態維修策略更加符合海上風電機組電氣設備的運行特點。通過對設備關鍵部件進行實時監測，對獲得的各部件的信息進行相應處理及綜合分析，然后根據分析結果，給出設備各部件運行狀況報告或健康狀態報告，確定計劃維修和事后維修之間的最佳點，從而減少不必要的維修操作并節省非計劃停機時間。有學者通過數學模型得出采用狀態檢修模式，每年可降低25%~50%的設備維修費用。因此，推行海上風電機組電氣設備狀態檢修工作很有必要。

2 海上風電機組電氣設備狀態檢修技術研究現狀

目前主流的海上風電機組均為全功率變速恒頻（Variable Speed Constant Frequency, VSCF）發電系統，其中以高速齒輪箱+籠型異步發電機+全功率變頻器為技術路線的籠型異步發電系統與以永磁發電機+全功率變頻器為技術路線的永磁直驅發電系統較為常見。

籠型異步發電系統通過籠型型感應發電機（Squirrel Cage Induction Generator, SCIG）產生電能，利用全功率變頻器，實現轉子轉速實時變化，而其所發出的電能頻率保持固定不變與電網同步，其系統結構簡化圖如圖1所示。

圖1 籠型異步風力發電系統拓撲結構

發電過程中，風機的槳葉在風的作用下旋轉，將風能資源轉換成機械能，通過齒輪箱的增速作用實現與籠型異步電機連接，發電機通過旋轉將機械能轉換為電能，全功率變頻器將籠型異步電機輸出的交流電轉換為與電網相位頻率相同的交流電，通過機組箱式變壓器升壓接入電網。

永磁直驅發電系統沒有負責變速的齒輪箱部分，風輪機和永磁同步發電機（Permanent Magnet Synchronous Generator, PMSG）硬鏈接，轉速相同。風能首先通過風輪葉片轉換為動能，再帶動電機轉換為電能。最后通過全功率的變頻器，將系統定子發出不穩定的三相交流電頻率穩定在工頻，并通過機組箱式變壓器升壓接入電網，其系統結構簡化圖如圖2所示。

圖2 永磁直驅風力發電系統拓撲結構

除了上述兩類機型外，在永磁直驅發電系統的PMSG前端添加齒輪箱形成的永磁半直驅發電系統，與使用電勵磁同步發電機（Electric Excitation Synchronous Generator, EESG）的電勵磁直驅發電系統也是海上風電機組常見機型，如圖3、圖4所示。

不論何種發電系統，發電機、全功率變頻器以及變壓器是風力發電機組實現能量轉換的重要電力設備，其運行狀態與維修策略在很大程度上會影響風力發電機組的可靠性與經濟性。在海上風電機組電氣設備推行狀態檢修模式，流程大致分為狀態監測、狀態評價、檢修策略導向與執行等步驟，本文將綜述這幾部分研究現狀。

圖3 永磁半直驅風力發電系統拓撲結構

圖4 電勵磁直驅風力發電系統拓撲結構

2.1 海上風電機組電氣設備狀態監測技術研究現狀

對海上風電機組運行數據進行連續實時監測是評價機組當前時刻的運行狀態，制定維修決策的前提。通過對設備運行過程中所表現出的各種外部征兆信息進行感知，提取反映狀態的有效數據，可以為評價設備健康狀態、故障診斷與決策提供依據，以此在事故發生前或需要時及時開展維修作業。因此，狀態監測技術是實現狀態檢修的基礎環節。

2.1.1 發電機狀態監測技術研究現狀

針對籠型異步發電機的狀態監測參量與傳統雙饋型機組相近，主要包括發電機的振動、轉速、定子線圈溫度、定子電壓、定子與轉子電流、發電機輸出功率等信號，之后再對監測的參量信號進行處理、挖掘、特征提取等手段實現電機狀態監測，預警常見的電氣故障，例如線圈短路、絕緣損壞、三相不平衡、轉子偏心等。

目前最普遍的監測方法是利用定子電流譜進行發電機電流特征分析（Motor Current Signature Analysis, MCSA）。例如線圈短路中的匝間短路可通過提取定子電流諧波成分來監測分析；有學者則通過負序電流作為特征量表征匝間短路。然而當短路匝數較少時，定子電流變化量非常微小，諧波成分或負序電流較難被檢測，有學者發現，發電機定子三相電流Park矢量軌跡變化隨著短路故障的加重而明顯，可以作為表征參量。

除了利用定子電流譜進行監測外，有學者發現，定子匝間短路時，轉子平均瞬時功率譜中的2倍頻諧波變化最明顯，可以作為籠型異步發電機定子繞組匝間短路的故障特征量。也有學者在傳統電流分析的基礎上加以改進，例如有學者根據多回路理論和發電機的數學方程，分析了電機的短路故障電流的諧波情況，并采用希爾伯特-黃變換（Hilbert-Huang Transform, HHT）方法和基于集合經驗模態的希爾伯特-黃變換（Ensemble Empirical Mode Decomposition-HHT, EEMD-HHT）方法對電流進行分析處理，能夠做到對電機故障的發生進行判別和對故障進行“篩選”。

另一種常見的故障為相間短路，主要包括定子單相、多相短路。除了利用定子電流譜進行監測外，實驗結果表明，發電機瞬時功率譜比傳統的定子電流譜具有更多的相間短路相關信息，可以作為表征參量；同時，溫度在發電機發生相間短路時會發生明顯的變化，故障特征會隨著短路時間的增加更加明顯，故而溫度也可作為表征量；此外，繞組故障時，磁場中通常存在不對稱現象，可通過提取特定故障頻率來進行監測。

定子三相不平衡也是發電機常見的電氣故障，不平衡會引起發電機電流和功率輸出的變化，因而從電流信號諧波含量的變化可以檢測出不平衡。除了監測電氣特性外，有學者應用連續小波變換提取發電機有功功率特征信息，用于判斷轉子偏心或軸承損壞等機械故障。

針對永磁直驅發電機、半直驅和電勵磁直驅發電機的狀態監測參量與籠型異步發電機大致相同，主要包括發電機的振動、轉速、定子線圈溫度、定子電壓、定子與轉子電流、發電機輸出功率等信號。不同于籠型異步發電機，永磁電機故障大致可以分為三類：電氣故障、機械故障和永磁體故障。定子電流譜特征分析也是目前應用最為廣泛的手段，通過采用傅里葉變換、小波變換、希爾伯特變換、經驗模態分析、Wigner-Ville分布等方法處理信號以獲取特征參量，進而對發電機狀態進行監測。

例如有學者利用快速傅里葉變換（Fast Fourier Transform, FFT）對q軸電流進行頻譜分析來診斷匝間短路故障。有學者利用FFT對定子電流進行頻譜分析來診斷匝間短路和轉子偏心故障。有學者采用小波變換和希爾伯特變換對定子電流進行分析來診斷永磁體退磁故障。有學者采用經驗模態分析與Wigner-Ville分布相結合的方法分析定子電流用于診斷匝間短路故障。

除了上述基于兩種發電機的特征信號監測外，構建發電機模型解析的方法也是目前較為常見的監測手段。例如有學者根據永磁電機匝間短路故障情況下的數學模型，利用擴展卡爾曼濾波器估算永磁電機匝間短路的故障匝數，作為故障特征量用于診斷匝間短路故障。也有學者構建了發電機匝間短路情況的數學模型，發現發電機故障相電流遠大于正常狀態時的相電流，三相電流之間的相位不再對稱。

2.1.2 變頻器狀態監測技術研究現狀

變頻器是風電機組重要的電氣設備，也是故障頻率最高的設備之一，陸上機組變頻器中不同元件的故障率分布如圖5所示。

圖5 變頻器中不同元件的故障率分布

電容器、印制電路板和功率半導體器件IGBT是三個故障率較高的關鍵部件，其故障通常是由溫度、振動和濕度三個主要因素直接或間接引起的，其中溫度是最主要的因素，例如IGBT模塊中最常見的失效模式是由封裝材料經歷的熱機械疲勞應力引起的封裝失效。

區別于陸上機組，大容量海上風電機組變頻器采用全功率模式，發電功率經變頻器全功率變換后接入電網，變頻器的容量與發電機容量相匹配，使得發電機和電網完全解耦，提升了風電機組的電網適應性。由于海上風電功率波動劇烈，面臨鹽霧濃度高、濕度大、災害性天氣頻發等特點，變頻器的安全運行和狀態監測也區別于陸上機組，然而功率半導體器件依然是海上風電機組變頻器中最為脆弱的部件，開路故障為其主要故障類型。

通常情況下變頻器功率器件的內部熱阻增加20%可作為功率模塊基本失效的依據之一。然而，在海上高開關頻率工況及復雜噪聲環境下，采用功率模塊內部的傳感器很難監測到這些微弱的特征量信號，需要采取其他手段。目前變頻器監測方法實現主要有基于三相電流信號、基于三相電壓信號以及基于IGBT狀態參量信號三種類型。

基于電流的監測可以用來判斷變頻器中電力電子器件IGBT的開路故障，通過利用時域分析、電流Park矢量法、歸一化直流法、負載電流分析法和電流模式識別法等手段進行故障判斷。

相比電流監測，基于三相電壓監測的方法不受基波周期限制，具有較快的故障定位速度，有學者指出，當電壓下降到同一水平時，較高基板溫度的IGBT下降沿需要更長的時間，可以此作為特征參量；有學者也利用FFT等信號處理方法從逆變器系統輸出電壓中提取特征信號實現故障診斷。

除電信號特征量之外，基于IGBT狀態參量信號也有應用，例如在運行過程中變流器功率模塊溫度監測值可作為反映器件狀態的重要特征量。雖然目前直接在線測量功率器件的結溫可行性較低，但是由于結溫影響功率模塊內部損耗，表征運行狀態的溫度信號可從外部數據間接獲得。

有學者利用功率模塊外部的溫度測量值計算其功率損耗隨溫度變化的情況，通過電氣運行點參數，如電壓、電流及功率因數等計算動態功率損耗。有學者提出將柵極閥電壓、跨導和導通壓降這三個電參數作為IGBT模塊的狀態監測特征參量。除了對上述信號監測的研究之外，也有學者選擇從機組變頻器的建模和控制策略入手提取表征參量。

2.1.3 變壓器狀態監測技術研究現狀

箱式變壓器是大容量海上風電機組中重要的電氣設備之一，主要功能為提升電壓等級便于能量傳輸。傳統大容量電力變壓器的狀態監測多利用油中溶解氣體分析（Dissolved Gas Analysis, DGA）方法中的三比值法以及改進的DGA方法進行，常見的變壓器故障基本可以通過此種方法識別，監測技術與分析手段已經比較成熟。

然而不同于傳統的電力行業中的變壓器采用油浸式，海上風電機組所用的變壓器大部分為干式箱式變壓器，無法通過經典的DGA方法實現變壓器的監測與診斷，同時用以反映箱式變壓器狀態的參量也較少。

目前針對變壓器的狀態監測主要依靠溫度監測、局部放電分析和頻率響應分析、數據采集與監視控制系統（Supervisory Control And Data Acquisition, SCADA）數據的深度挖掘等手段。在此基礎上，實際運行中機組箱式變壓器主要依靠例行巡檢的方式進行離線監測，結合專家經驗對變壓器進行后續評價工作，對現場運維人員技術要求較高。

狀態監測技術研究現狀小結見表2。整體而言，目前基于海上風電機組中發電機以及變頻器的電氣狀態監測技術主要還是集中在電流特征分析、電壓信號分析、功率分析等電氣信號分析手段。通過時域、傅里葉變換、小波變換等信號處理手段提取特征參量；基于箱式變壓器的電氣狀態監測技術相比于陸上大型電力變壓器略顯不足，可用于監測提取的狀態參量較少。

現有的海上風電機組電氣設備狀態監測技術可供分析的信號大部分源自于SCADA系統數據，能夠完整反映設備狀態的信號來源較少，且部分信號采集精度不滿足分析要求。

如需對典型電氣設備進行全面監測，一方面需要加裝電氣信號采集裝置，彌補監測信號來源不足以及精度低的問題；一方面針對采集信號提取特征參量時采取的分析方法也需改進，在傳統時域、頻域等分析方法基礎上采用新的融合類分析方法；另一方面，海上風電機組中電氣設備與葉輪系統、傳動系統等機械部件間存在比較強的聯系，狀態量轉移頻繁，因而基于多種不同部件的狀態參量共同表征，如利用葉片監測信息結合發電機參量共同實現發電機全面狀態監測有望成為未來狀態監測技術發展的重要方向。

表2 狀態監測技術研究現狀小結

2.2 海上風電機組電氣設備狀態評價技術研究現狀

海上風電機組電氣設備狀態評價技術是在狀態監測的基礎上，通過分析設備運行過程中反映狀態的有效數據，評價設備健康狀態，提供檢修策略導向。因此，狀態評價技術是實現狀態檢修的重要環節。早期風電電氣設備狀態評價技術主要有基于物理模型的評價方法（利用狀態方程、參數模型估計和辨識等方法產生殘差，然后基于某種準則閾值對該殘差進行評價）以及基于SCADA數據的狀態評價方法（采用基于數據驅動的多參數融合方法）。

然而兩種方法存在過度依賴模型準確性和歷史數據的問題，因此學者們在此基礎上開展研究，發現大數據及人工智能聚類算法在信息相關性分析、推理、優化決策方面擁有優勢，可有效應用于復雜非線性系統的狀態評價。

神經網絡模型以及改進的神經網絡模型是目前研究較多的一種狀態評價方法。有學者采用小波神經網絡方法實現發電機狀態評價與故障預警；有學者建立了一種運行工況自適應神經網絡故障預警模型，利用SCADA數據監測風機關鍵部件的健康狀況；有學者采用基于Levenberg Marquadt梯度下降法和牛頓法的BP（back propagation）神經網絡實施狀態評價。

有學者從數據挖掘的角度分析對發電機軸承溫度影響最大的參數，在此基礎上用人工神經網絡模型預測發電機軸承溫度；有學者應用離散小波變換、特征提取、遺傳算法和神經網絡技術開發了一個異步電動機在線狀態監測系統，通過監測電機空載和滿負荷工況下的電氣信號實現電機狀態的實時評價和預警。

另一種模糊狀態評價方法，由于符合風電機組存在大量的漸變性故障，且故障的發展通常要經過一個漫長且具有模糊性的中間過渡過程的特性，得到了廣泛應用。例如有學者提出一種海上風電機組多層次模糊綜合狀態評價模型，并改進了指標權重計算方法；有學者應用變權理論解決了個別關鍵參數嚴重偏離正常值，導致人工判斷與模糊評價模型結果不一致的問題；有學者引入灰色理論，改進了模糊評價策略，提高了模糊評價模型的準確度；有學者根據風電機組各部件的運行狀態的相似云及模糊綜合評價建立模型，考慮風機的實時運行狀態對于相應部件劣化度的影響。

信息融合法也是傳統電力設備狀態評價的方法之一，例如有學者基于人工神經網絡和證據理論完成了變壓器狀態評價模型的構建。然而信息融合法多用于大容量油浸式變壓器的評價，在海上風電機組變壓器領域應用較少。

狀態評價技術研究現狀小結見表3。當前風電機組電氣設備狀態評價技術研究還是著重在評價模型的建設與優化，以神經網絡模型與模糊評價為代表，學者們開展了大量的研究工作。然而，目前業內尚未形成統一的設備以及整機評價標準，實際風電機組運維工作中針對設備的狀態評價方式較為單一，主要依靠故障報警信號以及例行巡檢結果，缺乏細化的狀態分級與狀態劣化過程展現，使得依據設備實際狀態而開展的檢修工作難度較大。如需推行海上風電機組電氣設備狀態檢修工作，作為實現狀態檢修的重要環節與關鍵依據，制定可行的狀態評價標準將成為關鍵。

未來全壽命周期管理體系有望成為全面管控海上風電機組的主流技術、這其中，基于設備-整機健康指數編制健康檔案并進行動態跟蹤，通過特征量的動態變化分析獲取相應的健康等級，再精準定位病灶，給出警報信息將是發展方向。

表3 狀態評價技術研究現狀小結

2.3 海上風電機組電氣設備檢修決策技術研究現狀

海上風電機組電氣設備檢修決策技術是在狀態監測和評價的基礎上，制定檢修策略與實施方案，是實現狀態檢修的最終環節。主要內容分為待修機組或設備維修方式決策和具體維修作業任務的排程優化兩部分。

基于設備可靠性的檢修（Reliability Centered Maintenance, RCM）決策是較為常見的決策技術，可分為靜態可靠性（基于故障模式與故障樹等）與動態可靠性分析（例如馬爾可夫過程）。

有學者選擇典型故障模式為研究對象，運用RCM維修理論分析方法對其進行故障模式失效影響分析和故障樹分析，在此基礎上選擇相應的理論方法進行維修方式和維修方案決策；在實際檢修中，由于系統時刻會發生狀態相互轉移，為應對考慮持續時間的因素，有學者提出了半馬爾可夫決策過程。

有學者提出基于半馬爾可夫決策過程的風機多狀態維修優化模型，分析各退化狀態下的維修策略，用策略迭代法確立部件的最優維修決策；有學者考慮了風電機組在天氣以及季節影響下最優的維修策略制定方式。有學者在對雙饋風力發電系統運行原理和故障機制分析基礎上，建立了風力發電系統中發電機、變流器的可靠性概率數學模型，在考慮隨機故障和老化故障的情況下，提出基于半馬爾可夫過程的改進型多劣化狀態維修模型。

考慮到海上風電機組位置的分散性，除了傳統的基于時間和基于狀態的維修策略，在海上風電維修決策中引入機會維修的概念受到了關注：有學者將機會維修的概念引入風電機組預防性維修決策中，研究了在進行定期維修、事后維修的基礎上同時實施機會維修的可行性；有學者將狀態監測技術和比例失效模型應用于風電機組維修決策，提出了狀態-機會維修策略；也有學者提出針對海上風電系統的機會維修優化模型，采用傳統的機組檢修非線性整數規劃模型，引入機會維護約束，對某海上風電場的維護時間做出安排。

此外，組合維修策略也因符合海上風電場特性，受到了學者們的關注。有學者考慮時間窗口和維修需求等因素，應用蟻群優化算法，實現組合維修優化模型，提高了海上風電場的運維效率；有學者利用混合整數規劃方法研究了適宜大型運維公司對海上風電場維修任務進行組合優化的算法；有學者采用蒙特卡洛仿真方法，建立面向組合維修的海上風電場運維模型；有學者在分析國內外狀態檢修現狀的基礎上，以狀態檢修理論和全面規范化生產維護（Total normalized Productive Maintenance，TnPM）理論為基礎，嘗試將TnPM維修體系應用到風電企業狀態檢修過程中，規范風電企業生產和維修流程，提高作業安全性和生產效率。

檢修決策技術研究現狀小結見表4。海上風電機組電氣設備維修方式決策目前更多的還是依靠傳統的故障樹以及馬爾可夫、改進馬爾可夫過程。基于狀態的維修，機會維修和組合維修是維修決策中常見的幾類決策結果；維修任務排程優化研究中，學者們通過引入天氣、季節、風浪等因素建立維修模型，可使運維效率進一步提高。然而，當前研究重點仍在模型優化階段，在檢修工作中實際應用并取得良好反饋的實例較少。

表4 檢修決策技術研究現狀小結

3 結論

隨著互聯網技術、大數據處理技術的應用，基于狀態監測、狀態評價、檢修策略制定的狀態檢修技術將成為海上風力發電機組電氣設備運維領域未來發展的方向之一。雖然國內外學者對風電機組的狀態檢修相關工作開展了大量的研究，從不同角度分析了設備狀態維護優化模型，對于提高海上風機可靠性、減少運行維護成本有著重要的意義。

然而海上風電機組是集機械、電氣于一體的復雜多部件系統，電氣設備不是孤立的系統，其故障模式及運行狀態復雜多樣。要在海上風電場推行電氣設備狀態檢修模式，還存在很多問題亟待解決，未來的研究方向將會向以下幾方面傾斜。

1）海上風電機組電氣設備多參量狀態監測系統基于電氣設備的狀態檢測技術仍有待進一步發展。相比于風電機組的機械傳動部件，例如葉片、齒輪箱等，發電機、變頻器和變壓器的在線可獲取狀態參量較少，例如對于發電機狀態的在線監測主要集中在定子電流分析，變壓器的監測參量缺乏等；另一方面，部分可提供判斷設備健康狀態的參量提取難度較大，例如用于進行頻譜分析的電流信號對采樣頻率要求較高，同時對信號性噪比以及衰減率也均有較高的依賴。

除此之外，電氣設備的狀態監測主要依賴于對自身特征參量的提取，并未與機組其他部件以及設備形成完整的狀態傳遞鏈，即通過對典型機械設備的狀態量提取推演電氣設備的狀態，反之亦可。未來基于多參量的狀態監測將成為這部分研究工作的發展方向，利用多部件多狀態參量表征單一設備狀態將成為研究的熱點。

2）海上風電機組電氣設備狀態評價體系

基于電氣設備的狀態評價技術缺乏統一的標準。目前海上風電電氣設備狀態評價更多的依靠專家系統、故障模式與歷史故障數據、評價模型等方式給予設備健康程度評價，對專家、設備歷史數據以及模型的準確度均有較高的要求，且普適性較差。行業內缺乏可執行度高的統一標準指導工作，并未形成完善的評價標準體系。

未來運維人員以及研究學者們應著重致力于開展此方面研究工作，結合海上風電場歷史運行數據、維護數據等，建立部件-系統-整機的完善評價標準體系。完善的評價標準體系將成為成功推行海上風電機組狀態檢修的重中之重。

3）海上風電機組電氣設備檢修工作應用

基于電氣設備的狀態檢修工作缺乏實際應用。目前大多數研究工作重點關注狀態監測，狀態評價以及維修決策。雖然已有對檢修實施以及檢修流程優化的研究，然而大部分仍然停留在模型研究與部分優化階段。狀態檢修工作最終必然是設備的檢修以及跟蹤反饋，實際檢修工作面臨的作業環境與邊界條件遠比優化模型復雜，如何根據實際問題改進、調整檢修實施模型，使其更加符合現場作業要求將成為專家學者們研究的核心問題之一。

4）直驅式風電機組研究

未來大容量海上風電機組中，風電的全功率變換和超大容量化是發展趨勢，容量將進入10MW級，永磁直驅型發電系統將成為主流。伴隨著容量的進一步提升和高壓大電流寬禁帶器件的技術突破，風力發電機組電氣系統的拓撲結構研究以及采用模塊化多電平或級聯多電平拓撲的海上風電變頻器開發將成為研究熱點。

本文編自2022年《電工技術學報》增刊1，論文標題為“海上風電機組電氣設備狀態檢修技術研究現狀與展望”。本課題得到了中國華能集團總部科技項目的支持。