为中国不断前行的滚滚车轮提供润滑—评估风电机组齿轮箱润滑油的现场使用性能

文／M F Wenham，R Bakker,党田峰，文海
　　关于润滑油性能的运行数据为统计人员带来了挑战，但是，源于数据分析的洞见能为下游业务带来更多机会。
壳牌不仅向许多工业和运输部门供应润滑油，而且与车辆及设备用户开展密切合作，确保客户资产以最佳方式进行润滑。其中一种方式是提供润滑油分析服务：定期收集润滑油样本，并分析主要特性。壳牌提供解读相关数据的技术专家服务，但直到最近，数据解读只是孤立进行，即将其与可接受限值进行比较。
　　在中国各地的风电机组在运行了大约六年之后，壳牌润滑油技术分析员收集了壳牌可耐压S4 GX 320齿轮油常规抽样数据—这是是一种高级合成重型工业齿轮油。通过实验室研究，壳牌科研人员可预测，润滑油是否适于在特定的应用环境中使用，但润滑油可靠性证据只能来自长期的运行数据。更换齿轮箱内的润滑油代价非常高，因此，技术分析员希望了解润滑油特性随时间推移会发生怎样的改变，齿轮油样品是否显示出降解的迹象，特别是首次加注后还未曾换油的旧齿轮箱。另外，他们也想知道，来自中国不同地区或不同风电场的润滑油样品状况是否存在差异，相同风电场的不同风电机组之间是否存在差异。
　　提供的数据来自分布于中国西北地区直至华东地区的120多个风电场，每个风电场都配备多达200台风电机组。我们重点关注至少进行了3次样品检测的风电机组，以期了解任何长期影响。由于这种数据来自壳牌润滑油分析数据库，所以，可获得的唯一时间信息就是抽样日期，在大多数情况下，如果不直接联系风电场，我们根本不知道风电机组实际使用了多久。
　　与在我们自己的实验室和试验中所收集的数据不同，运行数据是在不太严格控制的条件下收集的。这样，由于数据缺失、测量不一致和样品可追溯性问题，为统计人员带来了比平时更多的问题。不过，如果没有统计人员的分析，这些问题就会被忽略掉！
　　尽管由于缺少运行时长数据造成了不确定性，但是，在对铁磨损数据的初步分析过程中发现了很强的场间（site-to-site）影响。因此，我们知道我们必须在逐场（site-by-site）的基础上进行分析。采取的对策就是，专注于拥有最多和最完整数据的运行时间最长的一家风电场，并要求尽可能多的使用时长和调试日期相关数据。风电场分两个阶段开发，在初始数据集中有不同识别码—这是运行数据可能令人惊讶的另一个例证，这也意味着我们需要查看两个阶段是否在以不同方式发展。
　　告诉我们润滑油性能如何的最重要特性是粘度（Vk40）、总酸值（TAN）和铁（Fe）含量。粘度和TAN开始下降，然后随时间推移再度上升。这种非线性表现太不确定，无法进行推断，所以，在获得进一步数据之前可将其建模为平缓线性趋势。对于粘度和TAN而言，在风电场风电机组安装的两个阶段，变量的水平是不同的。此外，针对TAN的模型需要风电机组截距。
　　铁磨损的演变是本研究中最有趣的方面之一。当摩擦程度越大时，测量结果的散布程度越大，所以，我们可迅速进行数据转换。下面是铁磨损与润滑油使用时长的对数图。
　　根据不同机组，线条采用不同颜色。橙色线条指的是来自风电场开发第一阶段的最老风电机组。其中明显有一些异常数据，必须清除，然后再开始建模。所选模型的最终形式是“修改的几何趋势”，如下面的示意图所示。 　　铁磨损在最初10000小时是非线性的，此后随润滑油使用时长呈对数线性增加趋势。两阶段在总磨损上存在差异，风电机组之间存在显著的磨损差异。拟合该模型，需要我们使用非线性混合效应模型，因为其数据是有效“重复测量”的数据。我们设法找到异常的风电机组表现，预测哪些风电机组可能最先发生故障。在混合模型中作为随机项为机组建模，使我们可以检查任何机组在统计建模，使我们可以检查任何机组在统计台齿轮箱标绘出一些拟合数据，显示各条线的典型变化。
　　最为异常的两条拟合曲线如下所示；确定磨损程度最大的机组，使我们有机会确定问题机组，问题机组可能需要操作人员干预，防止发生代价很大的停机。
　　机组8显示磨损程度大，尽管磨损的绝对水平仍在可接受的范围内。通过对关键参数限制的正态假设，其拟合曲线的参数受到限制，因此，这就是该机组拟合情况不佳的原因所在。不过，在拟合过程中使用限制方法，将有助于确定表现异常的机组。平面图上的阴影部分划出的是士3西格玛区，可用在统计过程控制中，在磨损程度太高时快速标记，并引发调查，避免发生不可逆转的损坏。有趣的是，已对该机组做过研究，尚未显示任何异常表现。
　　要实现能预测服役机组的故障这一目标，我们仍有很长的路要走。这主要是由于壳牌可耐压GX 320具备卓越性能，迄今为止还没有发生任何问题。高品质齿轮箱（GB）油监测数据的收集，需要持续进行，这样，可构建起丰富的性能表现数据库，如有任何机组将来发生故障，可最大限度从中提取相关数据。这种方法以及类似方法将使壳牌润滑油中国有办法为机械操作员提供广泛的差异化服务，从而令其能够从已收集的数据中获得最好的洞见。