(福建省福能新能源有限責任公司 福建莆田 351146)
根據(jù)GWEC 數(shù)據(jù)顯示,2018 年全球風電新增裝機中國占比41%,至2023 年,中國在全球新增風電裝機占比將達36%,為全球第一大風電市場。截至2018 年,中國陸上風電累計裝機206 GW,陸上和海上累計裝機210.6 GW,成為世界首個陸上風電總裝機超過200 GW 的國家[1]。在裝機容量高速增長的同時,也顯露出風電場運維效率與技術(shù)水平落后于增長水平的問題。因此亟需借助新興技術(shù)手段來提升風電場運維效率與技術(shù)水平,匹配裝機容量高速增長下的技術(shù)力量需求。
大數(shù)據(jù)分析是指對海量數(shù)據(jù)進行采集、分析和處理,得出數(shù)據(jù)內(nèi)在聯(lián)系,針對數(shù)據(jù)內(nèi)在聯(lián)系建立數(shù)學模型,基于數(shù)學模型進行合理預(yù)測的一種新興技術(shù)手段。大數(shù)據(jù)分析的6 個基本方面:
(1)可視化分析??梢暬治隹梢岳斫鉃椋簲?shù)據(jù)經(jīng)過簡單處理及計算后,將所需呈現(xiàn)的數(shù)據(jù)信息進行整合,以圖表、曲線、顏色等視覺信息加以展示??梢暬治鲈陲L電場運維模式中的典型應(yīng)用就是通過采集加工設(shè)備運行實況數(shù)據(jù),以畫面展示目標數(shù)據(jù),即集中控制中心的監(jiān)測系統(tǒng)。操控人員可以直接從監(jiān)測系統(tǒng)畫面中獲取設(shè)備實況運行數(shù)據(jù)。
(2)數(shù)據(jù)挖掘算法。數(shù)據(jù)挖掘算法是挖掘數(shù)據(jù)內(nèi)在價值的主要手段,以JAVA、C++、Python 等計算機編程語言為載體,結(jié)合數(shù)學理論,對數(shù)據(jù)進行解析、挖掘、分析得出數(shù)據(jù)內(nèi)在聯(lián)系。數(shù)據(jù)之間的內(nèi)在聯(lián)系與特點將會作為后續(xù)建立數(shù)學模型的主要準則,內(nèi)在聯(lián)系與特點和數(shù)學模型預(yù)測結(jié)果準確性之間存在相關(guān)性。
(3)預(yù)測性分析能力。預(yù)測性分析可以讓分析員根據(jù)可視化分析和數(shù)據(jù)挖掘的結(jié)果做出一些預(yù)測性的判斷。大數(shù)據(jù)分析最終要實現(xiàn)的應(yīng)用領(lǐng)域之一就是預(yù)測性分析,可視化分析和數(shù)據(jù)挖掘?qū)儆谇捌诠ぷ鳌8鶕?jù)分析挖掘出信息的特點與聯(lián)系,建立數(shù)據(jù)模型,加入新的數(shù)據(jù)進行迭代計算,對未來的數(shù)據(jù)進行預(yù)測。
(4)語義引擎。語義引擎是針對非典型結(jié)構(gòu)數(shù)據(jù)特別是對抽象信息進行解析、提取、分析的重要手段。
(5)數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理。數(shù)據(jù)質(zhì)量管理是指對數(shù)據(jù)從計劃、獲取、存儲、共享、維護、應(yīng)用、消亡生命周期的每個階段里可能引發(fā)的各類數(shù)據(jù)質(zhì)量問題,進行識別、度量、監(jiān)控、預(yù)警等一系列管理活動,并通過改善和提高組織的管理水平使得數(shù)據(jù)質(zhì)量獲得進一步提高。
(6)數(shù)據(jù)存儲/數(shù)據(jù)倉庫。數(shù)據(jù)倉庫是為了便于多維分析和多角度展示數(shù)據(jù)按特定模式進行存儲所建立起來的關(guān)系型數(shù)據(jù)庫,同時也承擔著存儲數(shù)據(jù)的功能。大數(shù)據(jù)分析中,數(shù)據(jù)倉庫的構(gòu)建是關(guān)鍵,是一切數(shù)據(jù)分析的基礎(chǔ),為聯(lián)機數(shù)據(jù)和數(shù)據(jù)挖掘提供數(shù)據(jù)平臺。
在現(xiàn)有的運維模式基礎(chǔ)上推動設(shè)備管理水平提升、轉(zhuǎn)向精細化管理、實行風機全生命周期管控是現(xiàn)階段的難題,大數(shù)據(jù)分析于風電場運維中的應(yīng)用恰逢其時。大數(shù)據(jù)分析的6 個基本方面涵蓋了風電場運維所面臨的數(shù)據(jù)量大、數(shù)據(jù)結(jié)構(gòu)復(fù)雜、全天候自動化監(jiān)測等難題的解決方法,是最適合應(yīng)用于風電場運維模式改進的技術(shù)手段,可以在最大程度上滿足風電場運維模式更新迭代的需求,是風電場運維從“被動式”運維轉(zhuǎn)變?yōu)椤爸鲃邮健边\維的契機。風機設(shè)備可利用率從單一時間維度描述機組運營水平,不能全面、準確評估機組所具備的潛能。而借助大數(shù)據(jù)分析從多角度挖掘、分析風機設(shè)備狀態(tài)參數(shù),以多維度數(shù)據(jù)衡量機組運營水平,可以進一步深挖風機設(shè)備的潛能,提高設(shè)備管理水平,實現(xiàn)風機設(shè)備全生命周期內(nèi)的最大化利用。
(1)降低氣候隨機性對機組的影響,優(yōu)化機組出力情況。大數(shù)據(jù)分析與天氣建模技術(shù)深度結(jié)合后,顯著提升風電場短期、超短期天氣變化預(yù)測結(jié)果的準確率,優(yōu)化機組出力,提高風力發(fā)電作為能源的可靠性。
(2)縮短風機故障停機時間,最大化風電場經(jīng)濟效益。大數(shù)據(jù)分析在風電場運維中的深層應(yīng)用及全息應(yīng)用中展示了迅速排除故障的可能性,弱化故障對機組產(chǎn)生的影響,實現(xiàn)風電場經(jīng)濟效益提升。
(3)優(yōu)化風電場運維模式管理流程。大數(shù)據(jù)分析的深層應(yīng)用準確記錄風電場運維管理的具體情況,將記錄、查詢和報表準確歸檔,建立動態(tài)信息系統(tǒng),為后期風電場運維管理提供支撐,加速形成標準化、模板化的運維管理方式,提升風電場運維管理效率[2]。
(4)改變管理思路,轉(zhuǎn)變風電場運維管理模式。由“被動式”運維轉(zhuǎn)變?yōu)椤爸鲃邮健边\維,提升風電場運維的靈活性,提高風電場運維效率和技術(shù)水平。
大數(shù)據(jù)分析在風電運維模式中應(yīng)用以應(yīng)用深度的不同分為3 個層次。
大數(shù)據(jù)分析在風電場運維中的淺層應(yīng)用僅以集中控制中心作為數(shù)據(jù)收集的關(guān)口,缺乏對數(shù)據(jù)進行深入加工。截止目前,多數(shù)已建成的集中控制中心關(guān)于大數(shù)據(jù)分析在風電運維模式中還處于淺層應(yīng)用階段,只有少數(shù)集中控制中心處于深層及更高層應(yīng)用階段。
風電場風機分布“點多面廣”的特點造成風電場運維中存在管理不易、管理差異大、設(shè)備基本情況記錄不到位、設(shè)備管控能力有限的問題。集中控制中心體系作為大數(shù)據(jù)分析在風電場運維中淺層應(yīng)用的產(chǎn)物,恰好解決了上述問題。
集中控制中心針對風電場采集數(shù)據(jù)包括升壓站運行實況數(shù)據(jù)、風功率預(yù)測運行實況數(shù)據(jù)、風機運行實況數(shù)據(jù)、測風塔實況信息、計量設(shè)備實況數(shù)據(jù)等信息進行整合,使操控員可以清楚了解轄下任一設(shè)備的運行狀況,根據(jù)監(jiān)控情況結(jié)合現(xiàn)場回傳圖像信息,下達指令,遠程操控設(shè)備。通過集中控制中心體系,解決了風電場管理不易、管理差異大、設(shè)備基本情況記錄不到位、設(shè)備管控能力有限等問題,進一步提升了風電場運維效率。
大數(shù)據(jù)分析在風電場運維中的淺層應(yīng)用停留在可視化分析與數(shù)據(jù)倉庫層面。公司所轄風電機組接入集中控制中心,由集中控制中心統(tǒng)一管理,并且風電場數(shù)據(jù)也存儲在集中控制中心。集中控制中心僅起數(shù)據(jù)倉庫的作用,并沒有進一步挖掘數(shù)據(jù)的價值。此時數(shù)據(jù)仍具有相當大的挖掘價值,風電場運維效率亦存在提升空間。
大數(shù)據(jù)分析在風電場運維中的深層應(yīng)用是基于淺層應(yīng)用的基礎(chǔ)上對風電場進行更多維度數(shù)據(jù)的采集,并且對數(shù)據(jù)深加工后可得出包含機組全生命周期的完整數(shù)據(jù)鏈。
以風電機組為例,投入運行后,機組數(shù)據(jù)流入大數(shù)據(jù)分析中心。大數(shù)據(jù)分析中心完整記錄了機組包括在各風速下的運行工況、每年定檢周期、故障發(fā)生時段、故障處理方法、折損部件更換周期與頻率等一系列數(shù)據(jù),直至機組退役。對機組全周期運行數(shù)據(jù)、歷史故障數(shù)據(jù)深度加工后,不難發(fā)現(xiàn)很多故障具有規(guī)律性。針對風電機組歷史性故障進行回溯,可以總結(jié)出風電機組所存在的設(shè)計缺陷與共性缺陷。全生命周期運行數(shù)據(jù)、普遍性故障、共性缺陷以及設(shè)計缺陷將會形成一條貫穿機組全生命周期的完整數(shù)據(jù)鏈。數(shù)據(jù)鏈存儲于數(shù)據(jù)分析中心,為風電場運維管理決策提供相應(yīng)的數(shù)據(jù)基礎(chǔ)。
從數(shù)據(jù)鏈中可以得出機組全生命周期內(nèi)的主要故障多發(fā)點、設(shè)備折損與更替周期與頻率、故障對應(yīng)的故障原因,將數(shù)據(jù)進行視覺化呈現(xiàn),形成風機故障熱點圖。同時對每臺風機生成獨特的“風機身份證”,將故障熱點圖與“風機身份證”綁定,實現(xiàn)“一機一證”,這種方式將會大大提高風電場的運維水平及運維效率,是風電場運維實現(xiàn)從“被動式”運維轉(zhuǎn)變?yōu)椤爸鲃邮健边\維的核心。
對于普遍性的故障,利用故障熱點圖能迅速排除故障,快速投入運行;對于機組的設(shè)計缺陷和共性缺陷,則可以通過技術(shù)改造手段消除,將會大大減少由設(shè)計缺陷和共性缺陷所引起的機組停機;對于制定風電場年度發(fā)電量計劃,結(jié)合設(shè)備折損與更替周期來準確計算風機性能衰減幅度,合理制定風電年度發(fā)電量計劃,在可控范圍內(nèi)創(chuàng)造最大風電場經(jīng)濟效益。
通過采集風電機組的運行工況數(shù)據(jù)、設(shè)備健康狀態(tài)信息及定檢周期信息,將運維模式從傳統(tǒng)的周期性計劃檢修轉(zhuǎn)件轉(zhuǎn)向風機狀態(tài)檢修演化。
全息應(yīng)用是對大數(shù)據(jù)分析深層應(yīng)用的橫向拓展,以深層應(yīng)用為中心,結(jié)合“云計算”與“人工智能”,賦予風電場“智慧”,實現(xiàn)風電場設(shè)備“自我管控”的最終目標。智慧風場包含以下3 種智能系統(tǒng):
(1)智能故障預(yù)警系統(tǒng)。智能故障預(yù)警系統(tǒng)以短期、超短期風速波動數(shù)據(jù)和傳感數(shù)據(jù)為基礎(chǔ),經(jīng)過大數(shù)據(jù)中心分析,根據(jù)分析結(jié)果進行故障點預(yù)測,并向現(xiàn)場人員提供故障預(yù)警分析以及故障預(yù)警報告,通過提前更換折損部件,縮短機組故障停機時間,變相提升運維效率。
(2)智能故障診斷系統(tǒng)。智能故障診斷系統(tǒng)根據(jù)設(shè)備部分歷史周期信息和當前運行狀態(tài),結(jié)合設(shè)備運行中產(chǎn)生的信息,自主比對數(shù)據(jù)中心內(nèi)歷史故障信息。基于比對結(jié)果給出故障針對信息,出具初步排障方案和步驟,減少排障時間,降低排障難度。
(3)智能場群控制。智能場群控制是基于風電場最優(yōu)發(fā)電層面的區(qū)域級應(yīng)用,擴大場級機組故障容錯空間,提升風電場系統(tǒng)整體柔度。根據(jù)現(xiàn)場條件及運行數(shù)據(jù)分析,建立單臺風機的控制巡游策略。根據(jù)不同風機的產(chǎn)出與載荷情況,建立風電場級巡游策略、限電分解、場級尾流尋優(yōu)控制、預(yù)測性尋優(yōu)控制[3]。
大數(shù)據(jù)分析會將成為風電場運維常用的技術(shù)手段,大數(shù)據(jù)分析在風電場運維中的全息應(yīng)用會是未來風電場運維的主流方式!
風電行業(yè)內(nèi)已經(jīng)將大數(shù)據(jù)分析視為風電場運維模式更新迭代的重要技術(shù)手段。新近開發(fā)的集控系統(tǒng)均將大數(shù)據(jù)分析功能列入設(shè)計規(guī)劃中。但根據(jù)行業(yè)研究報告不完全統(tǒng)計,在全國68 家風電運營商中,有51%完成集中控制中心系統(tǒng)建設(shè),只有4%實現(xiàn)基于數(shù)據(jù)分析的深層應(yīng)用[2]。大數(shù)據(jù)分析在風電場運維中的應(yīng)用理應(yīng)遠超該水平。推廣大數(shù)據(jù)分析在風電場運維中的應(yīng)用,加強對大數(shù)據(jù)分析在風電場運維模式中應(yīng)用的探索,提前布局大數(shù)據(jù)中的人工智能與云計算,迎接“工業(yè)4.0 時代”的到來,對推進風力發(fā)電行業(yè)發(fā)展具有積極意義!