海上風電運維中的大數據管理和應用

雷振 王世全 溫釗 張方紅

摘要：為促進海上風電的降本增效和可持續發展 ， 文章基于海上風電運維管理的內容和存在的問題 ，分析大數據在風電運維中的應用和風電運維管理的發展趨勢。研究結果表明：海上風電運維管理主要包括機組運行管理、機組運行數據管理、項目資源管理、可達性管理和成本管理 ， 目前在成本、運維模式和可達性等方面存在問題;通過將工業數據與大數據相結合以及創新運維模式和管理方式 ， 有助于風機預防性維護和風場輔助決策 ， 有效提高風電運維效率、降低風電運維成本和提升發電量;未來的風電運維管理將通過轉變模式進一步加強數字化和可視化運維 ， 通過裝備升級提高運維的可達性和效率以及通過提高質量多角度降低運維成本。

關鍵詞：大數據;風力發電;海上風電;預防性維護;輔助決策

中圖分類號：P75????? 文獻標志碼：A ??????文章編號：1005-9857（2021）12-0093-05

Big Data Management and Application in OffshoreWind Power Operation and Maintenance

LEI Zhen1，WANG Shiquan2，WEN Zhao3，ZHANG Fanghong3

（1.China State Shipbuilding Corporation Limited，Beijing 100097，China;

2.Chongqing HaizhuangWindpower Engineering &. Research Co..Ltd.，Chongqing 400021，China;

3.CSSC HaizhuangWindpowerCo.，Ltd.，Chongqing 401122，China）

Abstract：In order to promote the cost reduction， efficiency increase and sustainable developmentof offshore wind power， based on the content and existing problems of offshore wind power operation and maintenance management， this paper analyzed the application of big data in wind poweroperation and maintenance and the development trend of wind power operation and maintenancemanagement. The results showed that offshore wind power operation and maintenance management mainly included unit operation management， unit operation data management， project resource management， accessibility management and cost management. At present， there wereproblems in cost， operation and maintenance mode and accessibility. By combining industrial datawith big data and innovating operation and maintenance mode and management mode， it was conducive to preventive maintenance of wind turbine and auxiliary decision-making of wind farm， effectively improve wind power operation and maintenance efficiency， reduce wind power operationand maintenance cost and increase power generation. The future wind power operation and maintenance management would further strengthen the digital and visual operation and maintenanceby changing the mode， improve the accessibility and efficiency of operation and maintenancethrough equipment upgrading， and reduce the operation and maintenance cost from multiple angles by improving the quality.

Keywords：Big data，Wind power generation，Offshore wind power，Preventive maintenance，Auxiliary decision-making

0 引言

經過30余年的發展 ，風電已成為全球能源向綠色低碳轉型的重要方向以及推動能源轉型的重要力量。根據全球風能理事會（GWEC）最新發布的報告[1] ，2019年全球共安裝22893臺風電機組 ，來自33個不同的制造商 ，新增裝機量超過63GW ，創造風電行業供應側的歷史新高。海上風電作為可再生能源開發利用的重要方向之一， 具有風力平穩、風速高、發電效率高、單機裝機容量大、占用空間小和不擾民等優點 ， 成為全球風電發展的研究熱點[2]。

我國《關于完善風電上網電價政策的通知》明確指出自2021年起風電逐步實現與煤電平價上網的目標[3-4] ，風場業主對收益率和度電成本越來越重視[5]。因此 ，提高風機利用率、減少風機故障停機時間、準確預測風機故障、快速維修風機故障、高效判斷風機狀態和提高運維排程的智能性等對提高發電收益和降低運維成本具有十分重要的意義。

近年來大數據在互聯網行業中快速發展 ， 在模式識別、文本處理和狀態預測等方面取得一系列應用成果。工業數據結合大數據方法在風機預防性維護和風場輔助決策方面應用廣泛 ，有利于提高風電運維效率、降低風電運維費用和提升發電量。

1 海上風電運維管理現狀

1.1 管理內容

海上風電運維管理主要包括機組運行管理、機組運行數據管理、項目資源管理、可達性管理和成本管理。

（1）機組運行管理是指為達到項目合同的運行考核要求 ，通過采取一系列運維措施 ， 保證風電機組正常運行的管理。通常采取的運維措施包括日常維護和計劃性維護[6]等 ，其中日常維護是指日常巡檢以及風電機組由于長期運行設備或電路本身出現告警后采取的維護措施 ，計劃性維護是指在半年周期、1年周期或5年周期等固定周期采取的維護措施。

（2）機組運行數據管理是指在風電機組長期運行過程中 ，對機組運行數據的采集、傳輸、存儲和分析等管理。通過對機組運行數據的分析 ，一方面 ， 可建立一系列預警診斷模型 ， 實時評估機組的健康狀態 ，提醒并指導維護人員進行預防性維護 ， 降低機組告警發生率[7];另一方面 ，可在告警發生后遠程指導維護人員作業 ， 提高運維效率。此外 ， 對機組運行數據的分析還可為運維業務成本核算提供依據。

（3）項目資源管理是指對項目人員、物料和交通工具等的管理。一方面 ， 要保證項目資源充足 ， 并加強物資供應鏈管理 ，使項目資源滿足風電運維需求;另一方面 ，要合理調度項目資源 ， 在高效完成運維作業的基礎上盡可能少地消耗資源。

（4）可達性管理是指在執行運維工作前對于可達性的管理 ，如預測預警極端風況、霧霾、地震和冰雪等 ，對于海上風電運維還須考慮潮汐和海況等 ， 從而保證人員安全和順利地完成運維作業。

（5）成本管理是指對風電運維成本的管理。降本增效是風電行業早就提出的發展方向 ，也是亟待解決的問題。海上風電運維環境復雜且交通不便 ， 因此運維成本較高。

1.2 存在的問題

1.2.1 成本

風電機組尤其是海上風電機組的故障率居高不下 ，據統計海上風電的運維成本約為陸上風電的2倍[6]。海上風電運維受天氣和海況影響大 ，導致作業窗口期較短且較少以及運維時間不受控 ，風電機組在發生告警后難以保障搶修作業 ，發電量因此受到影響。

在海上惡劣環境影響下 ， 電氣元件和機械部件失效更快 ，導致運維次數和物料消耗增加。由于風電運維工作具有不確定性 ，項目往往備有充足的物料庫存 ，但實際上一部分物料的使用頻次很低 ，導致出現一大批積壓庫存并造成一定的庫存成本。此外 ，在涉及大部件更換和運輸時 ，風電設備安裝船和運輸船等的使用成本較高 ，且受環境和作業區域的限制 ，大部件通常更換周期較長 ，發電量受到嚴重影響。因此 ， 高成本是風電運維亟待解決的問題。

1.2.2 運維模式

目前大部分風電仍采用傳統的運維模式 ， 即通過人員在集控中心監控機組運行狀態[8] ， 當告警發生后 ，通過分析機組運行數據和根據歷史經驗制定維護策略 ，然后對項目資源進行調度 ， 并組織人員進行告警處理。在這種情況下 ， 機組不規律的告警導致停機次數增加 ， 同時導致機組發電量、可利用率和平均無故障運行時間（MTBF）降低;由于根據歷史經驗的調度在很大程度上無法實現維護策略的最優化 ， 最終也會導致維護成本增加。因此 ， 傳統運維模式與市場要求之間產生矛盾。

1.2.3 環境和可達性

風電場通常建設在風資源較好的地區 ，但同時也是環境相對惡劣的地區。海上風電場涉及的環境因素更多 ， 海上天氣復雜多變且災害性天氣頻發 ， 因此海上風電場或潮間帶風電場的運維對窗口期和可達性的要求更高 ， 同時受天氣、海況和潮汐等的影響。對于風電運維交通工具即運維船也有特殊要求 ，如需要更快的航行速度、更強的靠泊能力和更強的適應惡劣海洋環境能力 ， 才能有效降低海上運維時間和增加作業窗口期 ， 達到提升運維效率和發電效率的目的。

2 大數據在風電運維中的應用

2.1 風機預防性維護

風機預防性維護是指在機組監控系統（SCADA）報出故障前或機組因故障停機前對機組進行有針對性、有計劃和有目標的修補方法 ， 以減少風機故障停機時間、提高機組利用率和提高發電量[9]（圖1）。

為實現風機預防性維護 ， 須提前識別風機故障特征和準確評估風機狀態 ，從而對顯著的故障特征發出具有針對性的故障預警。通過累計大量風機運行的歷史數據 ， 篩選正常運行狀態下的數據 ， 通過決策樹和神經網絡等大數據建模方法建立模型 ， 選擇合適的特征變量 ， 利用機器學習算法模擬風機各大部件的正常運行狀態 ，并與真實的機組傳感器數據進行對比 ， 當風機運行數據出現異常時發出預警。2019年的成功預警模型如表1所示。

2.2風場輔助決策

利用大數據分析方法 ，結合工程運維中實際遇到的問題 ，對運維過程中的棘手問題進行分析建模并生成解決方案 ，從大量數據樣本中提取故障特征并尋找故障原因 ， 為高效運維提供科學依據 ， 實現風場輔助決策[10-11]。

2.2.1 優化運維排程

海上風電運維成本在整個項目成本中占比較大 ， 同時運維任務的開展受到波浪、潮汐、風速和能見度等因素的影響 ， 因此合理安排運維時間和運維順序對于降低運維成本和提高運維效率具有十分重要的意義。隨著海上風電場向大型化發展 ， 同一海域的風機數量越來越多 ， 運維任務越來越繁重 ，通過人工安排運維時間和順序越來越困難。

針對該問題 ， 利用多年海上風電場運維經驗 ， 結合人工智能和機器學習等算法 ， 構建考慮運維成本、運維時間、天氣、航線、故障級別和備品備件等情況的最佳運維路線生成方案。在運維過程中可選擇路程成本最低、發電量損失最少和綜合成本最低等不同模式 ，生成不同的智能化運維排程策略。

選擇綜合成本最低的排程策略 ，將歷史排程路線與優化排程路線進行對比 ，單次排程的優化結果如表2所示。

排程優化的主要優化點在于船只路線和任務開始時間 ，在20臺風機、2艘運維船、14個告警任務和34個巡檢任務的排程中 ， 1個月可降低綜合成本約28萬元。

2.2.2 故障分布統計

SCADA故障記錄和運維記錄中包含大量的故障類型、故障時間和風場信息等內容 ， 通過統計分析這些數據可獲得風機的故障頻次、故障率和故障間隔時間等信息。重點關注高頻故障并展開專題研究 ，確定故障原因 ， 尋找解決方法;驗證油品和碳刷等的更換周期 ，探索適合當地氣候和海拔的更換周期;從海拔、地域和機型等不同維度比較故障率 ， 針對不同的故障率采用不同的運維策略。

利用 SCADA故障記錄 ，結合風場地理位置等信息 ，統計不同海拔高度下每臺風機的年平均故障次數 ，可以看出風機故障次數隨著海拔的增高而增多 ， 可為合理準備易損件和油品提供數據支持（表3）。

3 風電運維管理的發展趨勢

在風電運維的快速發展中 ，行業與企業對運維管理的要求越來越高 ， 因此亟須更加重視風電運維管理存在的諸多問題 ， 從多個方面入手 ， 共同助力解決問題。

3.1 轉變模式 ，進一步加強數字化和可視化運維

隨著物聯網和大數據的發展 ， 事后運維模式的低效率逐漸暴露 ， 數字化、信息化和智能化已成必然趨勢 ，智慧運維將逐漸在風電運維管理中占據主導地位。目前大部分風電企業都正在開發或已經開發出智能運維管理系統。一方面 ， 利用數字化和信息化的管理搭建大數據平臺 ， 實現風電場遠程實時監控、數據采集與存儲、氣象預測、海況預測、風資源評估、數據挖掘分析、故障智能診斷、仿真分析、風電機組全生命周期智能健康預測預警以及運維策略優化等功能;另一方面 ，通過3 D可視化遠程運維管理 ， 實時查看風電場和風電機組設備的狀態 ，實現風電場的集約化管理和項目資源的遠程在線管理。

通過數據對運維策略進行分析計算 ，并輸出使發電量損失最少和運維成本最低的運維策略;通過對項目資源的數據分析 ， 提升資源供應和協同 ， 降低項目庫存 ， 提高物資周轉率 ， 從側面降低企業的運維成本。

3.2 升級裝備 ，提高運維的可達性和效率

一方面 ，升級與運維可達性相關的裝備 ， 如海上風電運維管理涉及的運維船 ， 運維船的抗風浪等級在很大程度上決定其能否出海和人員乘船舒適度 ，航行速度決定其能否高效快速到達風機機位 ， 因此專業運維船將是必然趨勢;另一方面 ， 升級與運維效率相關的裝備 ， 加速智能檢測裝備、智能調試裝備、水下機器人、智能力矩校驗裝備和無人機等智能裝備的研發 ， 不僅能夠輔助人員提高運維效率 ，而且能夠檢測水下樁基腐蝕和銹蝕等非常規和人員難以觸及的信息。

3.3 質量先行 ， 多角度降低運維成本

風電運維成本主要來自發電量損失和實際運維過程產生的成本 ， 如車輛和船舶租賃成本、油耗成本、人工成本以及物資成本。風電運維成本的首要影響因素就是機組質量 ， 這與機組本身設計的可靠性和運維質量有關。通過獎懲結合的形式提高人員積極性 ， 提高個人和團隊的運維素質 ， 從而提高風電運維質量、降低機組停機頻次和減少發電量損失。對于海上風電場或大型陸上風電場而言 ， 運維策略的優化能在很大程度上降低運維成本。此外 ，上述多個管理發展思路通過提高運維效率的方式也能在一定程度上減少發電量損失和降低運維成本。

4 結語

通過將工業數據與大數據相結合以及創新運維模式和運維管理方式 ， 可有效提高風電運維效率、降低風電運維成本和提升發電量。在風機預防性維護方面 ， 可提前發現隱藏故障 ， 減少風機停機頻次和風功率損失;在風場輔助決策方面 ， 通過考慮風速、波浪、潮汐、運維成本和備品備件等信息 ， 可合理安排運維路線 ，提高運維可達性和運維效率。

參考文獻

[1]? GWEC. Globalwindpowermarket-supplysidereport2019[R].Brusels：GlobalWindEnergyCouncil，2020.

[2] 趙高強.大規模風電項目開發及并網運營優化管理研究[D].北京：華北電力大學 ，2013.

[3] 靈溪.國家發改委完善風電上網電價2021年陸上風電全面實現平價上網[J].電力系統裝備 ，2019（11）：28-29.

[4] 張典.基于環境正外部性的風電發電側定價機制研究[D].宜昌：三峽大學 ，2018.

[5] 姚中原.我國海上風電發展現狀研究[J].中國電力企業管理 ，2019（22）：24-28.

[6] 周瓊芳.基于平價上網的海上風電運維策略分析[J].科技創新與應用 ，2019（22）：126-128.

[7] 廖雯竹.基于設備衰退機制的預知性維護策略及生產排程集成研究[D].上海：上海交通大學 ，2011.

[8] 劉曉姣.基于模型預測控制算法的風電場有功控制[D].成都：電子科技大學 ，2015.

[9] 劉曉波.風電設備運行預防性維護工程項目績效評價研究[D].北京：華北電力大學 ，2012.

[10] 曾平良 ，韓家輝 ，周勤勇 ，等.間歇式電源并網分析與規劃輔助決策平臺[J].南方電網技術 ，2016，10（3）：35-41.

[11] 徐進 ，孫靜 ， 牛倩.基于主動預防策略的風電場智能運維管理解決方案[J].水力發電 ，2020，46（3）：104-107.