大數據在風電生產管理中的應用研究

摘 要：隨著風電的迅猛發(fā)展，一些大型風電企業(yè)管理的風電機組達到幾千臺、上萬臺，沉積了大量的生產數據。這些數據中蘊含了重要的生產信息具有重要價值，但這些數據未得到充分的開發(fā)利用。如何有效利用這些數據已經成為風電企業(yè)提高價值、贏得競爭優(yōu)勢的關鍵。本文結合當前大型風電企業(yè)在大數據應用中的探索，研究了風電場生產數據的特點及其在監(jiān)測控制、指標管理、狀態(tài)評估、故障判斷等方面的價值；然后對其存在的主要問題進行了系統(tǒng)性的研究；最后針對其問題，提出了科學搭建大數據平臺、統(tǒng)一數據判斷和計算標準等工作建議。

關鍵詞：大型風電企業(yè)；大數據；數據價值；工作建議

DOI：10.16640/j.cnki.37-1222/t.2018.11.178

0 引言

在國家大力發(fā)展清潔能源的背景下，風電企業(yè)發(fā)展迅猛，一些已經成長為大型風電企業(yè)。這些大型風電企業(yè)管理著大量的風電機組，積累了巨大的生產數據，但這些數據還未得到充分的開發(fā)利用，有效地利用這些數據對于風電企業(yè)具有重要意義。

大數據在風電領域的應用和研究已經起步，但在數據獲取、統(tǒng)籌規(guī)劃、專業(yè)研究、產權保護等方面還面臨很多問題。本文對大數據在大型風電企業(yè)中的生產管理應用進行了研究及探討，分析了其中存在的問題，并提出了一系列的工作建議。

1 大型風電企業(yè)生產數據的特點及價值

1.1 數據特點

（1）體量大。風電場的生產數據來源于風電機組、能量管理平

臺、AGC、AVC、升壓站綜合自動化系統(tǒng)等眾多裝置。目前，不同廠家、不同型號的設備數據點各不相同，按當前主流風電機組估算，1臺風電機組的數據點在200點以上，1個風電場其它裝置數據點在1000點以上。

（2）速率高。風電企業(yè)的生產數據主要來源于溫度、壓力、轉速、振動、方向、角度、電壓、電流、頻率等各式各樣的傳感器，屬于典型的機器大數據，更新速率非常快，一般每秒1次。按大型風電企業(yè)的體量估算，每秒將有240萬個實時數據，在不壓縮的情況下，每月將產生約25TB的生產數據，每年將產生約300TB的生產數據。

1.2 數據價值

大數據的關鍵不僅在于“大”，更在于價值含量和挖掘成本。單以數據規(guī)模衡量，大型風電企業(yè)現有的生產數據或許還未達到大數據的PB級別，但就其行業(yè)特點而言，產生的價值卻是顛覆性的。

2 大數據應用的工作建議

2.1 頂層設計，科學搭建大數據平臺

大型風電企業(yè)一般是“風電場-區(qū)域分子公司-集團公司”三級管理體制，因此，要統(tǒng)一規(guī)劃、統(tǒng)一管理，根據企業(yè)特點和大數據技術要求科學搭建分析平臺。

（1）開放式數據倉庫。數據是分析研究的基礎，風電企業(yè)要制定數據管理標準，統(tǒng)一數據庫及數據的存儲方式、結構等技術要求，獨立建設開放的、自己掌控的數據倉庫，為風電企業(yè)技術人員和合作伙伴提供數據。

（2）云計算管理模式。傳統(tǒng)的服務器管理模式是按功能管理，各服務器只承擔固定的計算任務，資源不能充分發(fā)揮。因此，在集控中心、集團總部生產調度中心建設時，要按照云管理架構進行搭建，架構內的服務器不再進行功能分工，統(tǒng)一由主機指揮，進行集群式計算，提高計算能力。

（3）分布式計算模式。大型風電企業(yè)大數據平臺按三級搭建，從層次上看，越往上層數據量越大。因此，應本著“底層優(yōu)先”的原則，分層明晰各層計算界面，最大程度的減少上層計算和重復計算，減少平臺負荷。

2.2 底層突破，統(tǒng)一數據判斷和計算標準

對于風電企業(yè)來講，風電場是所有數據的源頭，目前，風電場數據的完整性和一致性均無法保障，成為制約大數據分析應用的關鍵瓶頸，必須進行突破創(chuàng)新。

（1）完善數據獲取標準。大型風電企業(yè)要制定統(tǒng)一的風電場信息化管理標準，明確風電機組和升壓站的保護及自動化裝置的設備網口數量、計量點位置及精度、測控裝置配置、通訊網絡要求等設計標準，明確設備廠家應提供的數據點數和接口軟件。

（2）開發(fā)標準化軟件。應在風電場開發(fā)通用的SCADA平臺，研究不同風電機組、變流器的通訊協(xié)議、控制方式、狀態(tài)分類、判斷邏輯和計算方法，建立適用于多廠家、多機型的數據接口模塊，自動完成差異化輸入、標準化輸出。

2.3 科學組織、加快推進，深入挖掘大數據蘊藏價值

大型風電企業(yè)應成立常設機構，集中尖端技能人才，以下述研究方向為重點，細化研究課題，加快大數據的分析研究和價值挖掘。

（1）集中預測。可將風電場氣象信息、地理信息、測風塔數據直接傳到區(qū)域分子公司或集團總部，在原有的溫度、氣壓、濕度、降雨量、風向、風力等參考變量的基礎上，增加同區(qū)域風電場群差異化校正、同風向關聯風電場管道效應校正等因素，提高功率預測的準確性。

（2）劣化分析。研究各部件異常運行工況與參數的關聯關系，如風向儀不準時，與機艙方向、風速、功率的變化規(guī)律；葉片角度錯誤時，與風速、負荷、振動、葉根載荷的變化規(guī)律，及早發(fā)現設備劣化趨勢，開展狀態(tài)檢修維護。

（3）智能控制。研究風電機組各部件的控制策略，特別是定值式、周期式的簡單控制策略，重點進行分析研究，加入風機運行狀態(tài)、參數識別技術，開發(fā)智能偏航、智能變槳、智能解纜、智能測試、智能加熱冷卻等控制技術，提高風電機組可利用率和產能。

3 小結

風電場的運行大數據中蘊藏了大量的信息。通過集中預測，深入挖掘氣象信息，可以提高天氣和功率預測的準確性，科學制定調度計劃、檢修計劃，減少檢修棄風損失；通過算法、模型和工具開發(fā)，深入挖掘設備運行數據，可以預判設備劣化趨勢，精準判斷故障部件，計算電量損失，提高產能；通過智能作業(yè)指導庫和專家在線指導平臺建設，可以集成專業(yè)技術人員維護技能和經驗，提升機組運維能力和水平。因此，大數據在大型風電企業(yè)生產管理中的應用研究對于風電企業(yè)管理模式、生產效率和產能的提升具有重大意義。

參考文獻：

[1]姚劍平.淺論風電場日常管理中的四個關鍵控制項[A].中國農業(yè)機械工業(yè)協(xié)會風能設備分會2011年度論文集（上）[C].2011.

[2]張世惠.風電場生產運營管理研究[A].中國農業(yè)機械工業(yè)協(xié)會風能設備分會2010年度論文集（下）[C].2010.

作者簡介：孫昊（1991-），男，江蘇南京人，學士，助理工程師，主要研究方向：電力系統(tǒng)及自動化。