针对风电场运行条件恶劣、维护动作开展困难等问题,提出一种风机齿轮箱阶段性机会维护策略。采用威布尔失效模型来描述部件的衰退过程,考虑齿轮箱各部件的维护经济性,提出分阶段的机会维护策略。通过小波包能量谱对齿轮箱实际退化特征进行提取,划分出四个退化阶段。从而搭建出分阶段的齿轮箱机会维护模型,通过实验给出部件的具体维护间隔与动作,验证该维护策略的经济性与合理性。实验结果表明采用风机齿轮箱阶段性机会维护策略,可有效平衡＂维护不足＂与＂过度维护＂问题。

为提高风机预警维护的及时性与准确性,需对风机运营状态、退化模式进行有效识别,提出一种基于K均值聚类分析的风机退化模态识别。基于统计识别理论,引入K均值聚类分析对历史数据与状态信息学习分类,通过调整类内紧密度识别齿轮箱退化状态,利用风机模拟平台进行退化状态评估实验,划分退化区间,验证齿轮箱性能评估的有效性。实验结果表明基于K均值聚类分析的风机退化识别模型可有效识别风机运营模态,划分退化区域,为建立风机维护模型提供更为精确的科学依据。