中国风电产业链正向更高质量、更加智能、更具安全的方向升级发展。

作为风电机组的核心，传动链包括主轴、齿轮箱、发电机等关键大部件。不管是新机验证，还是运行机组的维护，中国风电行业都需要更实时、更准确的监测和诊断系统，来提升传动链的可靠性。

目前，斯凯孚全球监测了上万台机组，以某陆上2.5MW机组为例，单次故障的成功监测和准确诊断可以帮助客户实现：

l节约30万元直接成本及80万元发电量损失成本

l 避免1个月的非计划停机时间

l 减少90%以上的无效检查

l 超过4-5倍的投资收益率

强大AI诊断更实时更准确

  目前业内多用“场端数据采集-场端数据存储-云端人工诊断分析”的方式进行监测。但出于数据安全等因素考虑，存在数据传输不同步、信号诊断延迟等弊端，无法让风场运维团队第一时间内发现问题，错失维护时间窗口，或导致传动链高温乃至失效及故障问题。

就这一业内痛点，斯凯孚推出的针对性解决方案——将“振动监测系统-智能诊断算法”部署到现场，通过场端边缘计算直接对信号进行监控，方便现场端实时对现场机组运行状态进行监控及报警，显著提升了监控时效性和诊断准确性。

这源于斯凯孚强大的AI诊断能力和智能算法模型，无需依赖云端人工诊断分析方式，通过算法模型就可以完成智能诊断分析。

  斯凯孚为主轴轴承、齿轮箱和发电机等关键部件均开发部署了专门的诊断算法和应用。AI算法可以识别出大多数常见的部件故障，比如：润滑不良、内外圈故障、滚动体故障、保持架故障等轴承故障，齿磨损、断齿等齿故障，轴不平衡、联轴器故障等轴类故障以及电机定转子故障、机械松动故障等，实现机组传动链智能监控及故障诊断。

 得益于在AI诊断领域数十年的经验积累，斯凯孚数据科学家及远程诊断专家通过大数据，持续不断地对模型进行优化、训练，调整相关阈值信号。

 特别是针对新型的大兆瓦机组上低速重载部件以及故障诊断比较困难的行星齿轮箱，斯凯孚通过积累更多运行数据对智能诊断算法和模型进行完善和调优，使得模型更智能、更自动化，极大地提高AI诊断的准确性。

本地化部署构建运维闭环

斯凯孚通过在机组上安装振动监测系统硬件，实现实时振动信号采集及状态评估，并对振动信号进行边缘计算，在机舱内完成机组初步状态评估，并对快速发生故障实现即时报警。

振动信号通过现场机组环网传输到位于中控室的数据服务器上，进行存储，同时将AI诊断算法前移，基于无监督学习，根据传动链的实际情况得到最适合的报警阈值，可以在现场实现早期故障智能诊断，能够更早发现现场传动链部件存在的问题，更加利于早期问题处理。

如现场人员接到设备报警，经过斯凯孚诊断专家确认后，基于丰富的经验提供专业的运维决策及检查指导建议，确保现场工程师能够在第一时间时间发现及确认故障，通过维修更换，终止机组异常运行状态。斯凯孚将更换下来的部件进行专业的失效分析及智能再制造，并对机组做升级改造避免传动链再次出现类似故障，提高机组可靠性。

斯凯孚正在通过自己全面的运维方案及预测性维护理念，帮助更多的风电场获得应用。基于自身在标准制定上的经验，斯凯孚也在通过自己在传动链运维上的专业能力，来推动服务标准和流程的建立，以提高传动链运维的整体水准。

我们期望通过专业系统的运维，保证风机的长期健康运行，助力中国风电行业高质量发展。