淺析大數(shù)據(jù)分析在風(fēng)電場運(yùn)維模式中的應(yīng)用

（福建省福能新能源有限責(zé)任公司 福建莆田 351146）

1 研究背景及意義

根據(jù)GWEC 數(shù)據(jù)顯示，2018 年全球風(fēng)電新增裝機(jī)中國占比41%，至2023 年，中國在全球新增風(fēng)電裝機(jī)占比將達(dá)36%，為全球第一大風(fēng)電市場。截至2018 年，中國陸上風(fēng)電累計裝機(jī)206 GW，陸上和海上累計裝機(jī)210.6 GW，成為世界首個陸上風(fēng)電總裝機(jī)超過200 GW 的國家［1］。在裝機(jī)容量高速增長的同時，也顯露出風(fēng)電場運(yùn)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(fēng)電場運(yùn)維效率與技術(shù)水平，匹配裝機(jī)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(jìn)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(xué)模型，基于數(shù)學(xué)模型進(jìn)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。可視化分析可以理解為：數(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(jìn)行整合，以圖表、曲線、顏色等視覺信息加以展示。可視化分析在風(fēng)電場運(yùn)維模式中的典型應(yīng)用就是通過采集加工設(shè)備運(yùn)行實況數(shù)據(jù)，以畫面展示目標(biāo)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(yùn)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(jī)編程語言為載體，結(jié)合數(shù)學(xué)理論，對數(shù)據(jù)進(jìn)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(xué)模型的主要準(zhǔn)則，內(nèi)在聯(lián)系與特點和數(shù)學(xué)模型預(yù)測結(jié)果準(zhǔn)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(jìn)行迭代計算，對未來的數(shù)據(jù)進(jìn)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(jìn)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(hù)、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(jìn)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(jìn)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(jìn)行存儲所建立起來的關(guān)系型數(shù)據(jù)庫，同時也承擔(dān)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(jī)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(yùn)維模式基礎(chǔ)上推動設(shè)備管理水平提升、轉(zhuǎn)向精細(xì)化管理、實行風(fēng)機(jī)全生命周期管控是現(xiàn)階段的難題，大數(shù)據(jù)分析于風(fēng)電場運(yùn)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(fēng)電場運(yùn)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(fēng)電場運(yùn)維模式改進(jìn)的技術(shù)手段，可以在最大程度上滿足風(fēng)電場運(yùn)維模式更新迭代的需求，是風(fēng)電場運(yùn)維從“被動式”運(yùn)維轉(zhuǎn)變?yōu)椤爸鲃邮健边\(yùn)維的契機(jī)。風(fēng)機(jī)設(shè)備可利用率從單一時間維度描述機(jī)組運(yùn)營水平，不能全面、準(zhǔn)確評估機(jī)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(fēng)機(jī)設(shè)備狀態(tài)參數(shù)，以多維度數(shù)據(jù)衡量機(jī)組運(yùn)營水平，可以進(jìn)一步深挖風(fēng)機(jī)設(shè)備的潛能，提高設(shè)備管理水平，實現(xiàn)風(fēng)機(jī)設(shè)備全生命周期內(nèi)的最大化利用。

2 研究目的

（1）降低氣候隨機(jī)性對機(jī)組的影響，優(yōu)化機(jī)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(fēng)電場短期、超短期天氣變化預(yù)測結(jié)果的準(zhǔn)確率，優(yōu)化機(jī)組出力，提高風(fēng)力發(fā)電作為能源的可靠性。

（2）縮短風(fēng)機(jī)故障停機(jī)時間，最大化風(fēng)電場經(jīng)濟(jì)效益。大數(shù)據(jù)分析在風(fēng)電場運(yùn)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(jī)組產(chǎn)生的影響，實現(xiàn)風(fēng)電場經(jīng)濟(jì)效益提升。

（3）優(yōu)化風(fēng)電場運(yùn)維模式管理流程。大數(shù)據(jù)分析的深層應(yīng)用準(zhǔn)確記錄風(fēng)電場運(yùn)維管理的具體情況，將記錄、查詢和報表準(zhǔn)確歸檔，建立動態(tài)信息系統(tǒng)，為后期風(fēng)電場運(yùn)維管理提供支撐，加速形成標(biāo)準(zhǔn)化、模板化的運(yùn)維管理方式，提升風(fēng)電場運(yùn)維管理效率［2］。

（4）改變管理思路，轉(zhuǎn)變風(fēng)電場運(yùn)維管理模式。由“被動式”運(yùn)維轉(zhuǎn)變?yōu)椤爸鲃邮健边\(yùn)維，提升風(fēng)電場運(yùn)維的靈活性，提高風(fēng)電場運(yùn)維效率和技術(shù)水平。

3 研究內(nèi)容

大數(shù)據(jù)分析在風(fēng)電運(yùn)維模式中應(yīng)用以應(yīng)用深度的不同分為3 個層次。

3.1 大數(shù)據(jù)分析在風(fēng)電場運(yùn)維中的淺層應(yīng)用

大數(shù)據(jù)分析在風(fēng)電場運(yùn)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(jìn)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(fēng)電運(yùn)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(fēng)電場風(fēng)機(jī)分布“點多面廣”的特點造成風(fēng)電場運(yùn)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(fēng)電場運(yùn)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(fēng)電場采集數(shù)據(jù)包括升壓站運(yùn)行實況數(shù)據(jù)、風(fēng)功率預(yù)測運(yùn)行實況數(shù)據(jù)、風(fēng)機(jī)運(yùn)行實況數(shù)據(jù)、測風(fēng)塔實況信息、計量設(shè)備實況數(shù)據(jù)等信息進(jìn)行整合，使操控員可以清楚了解轄下任一設(shè)備的運(yùn)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(dá)指令，遠(yuǎn)程操控設(shè)備。通過集中控制中心體系，解決了風(fēng)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(jìn)一步提升了風(fēng)電場運(yùn)維效率。

大數(shù)據(jù)分析在風(fēng)電場運(yùn)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(fēng)電機(jī)組接入集中控制中心，由集中控制中心統(tǒng)一管理，并且風(fēng)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(jìn)一步挖掘數(shù)據(jù)的價值。此時數(shù)據(jù)仍具有相當(dāng)大的挖掘價值，風(fēng)電場運(yùn)維效率亦存在提升空間。

3.2 大數(shù)據(jù)分析在風(fēng)電場運(yùn)維中的深層應(yīng)用

大數(shù)據(jù)分析在風(fēng)電場運(yùn)維中的深層應(yīng)用是基于淺層應(yīng)用的基礎(chǔ)上對風(fēng)電場進(jìn)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(jī)組全生命周期的完整數(shù)據(jù)鏈。

以風(fēng)電機(jī)組為例，投入運(yùn)行后，機(jī)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(jī)組包括在各風(fēng)速下的運(yùn)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(jī)組退役。對機(jī)組全周期運(yùn)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(fēng)電機(jī)組歷史性故障進(jìn)行回溯，可以總結(jié)出風(fēng)電機(jī)組所存在的設(shè)計缺陷與共性缺陷。全生命周期運(yùn)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(jī)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(fēng)電場運(yùn)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(jī)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(jìn)行視覺化呈現(xiàn)，形成風(fēng)機(jī)故障熱點圖。同時對每臺風(fēng)機(jī)生成獨特的“風(fēng)機(jī)身份證”，將故障熱點圖與“風(fēng)機(jī)身份證”綁定，實現(xiàn)“一機(jī)一證”，這種方式將會大大提高風(fēng)電場的運(yùn)維水平及運(yùn)維效率，是風(fēng)電場運(yùn)維實現(xiàn)從“被動式”運(yùn)維轉(zhuǎn)變?yōu)椤爸鲃邮健边\(yùn)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(yùn)行；對于機(jī)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(jī)組停機(jī)；對于制定風(fēng)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(zhǔn)確計算風(fēng)機(jī)性能衰減幅度，合理制定風(fēng)電年度發(fā)電量計劃，在可控范圍內(nèi)創(chuàng)造最大風(fēng)電場經(jīng)濟(jì)效益。

通過采集風(fēng)電機(jī)組的運(yùn)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(yùn)維模式從傳統(tǒng)的周期性計劃檢修轉(zhuǎn)件轉(zhuǎn)向風(fēng)機(jī)狀態(tài)檢修演化。

3.3 大數(shù)據(jù)分析在風(fēng)電場運(yùn)維中的全息應(yīng)用

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(fēng)電場“智慧”，實現(xiàn)風(fēng)電場設(shè)備“自我管控”的最終目標(biāo)。智慧風(fēng)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(fēng)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(jìn)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(jī)組故障停機(jī)時間，變相提升運(yùn)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(dāng)前運(yùn)行狀態(tài)，結(jié)合設(shè)備運(yùn)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(fēng)電場最優(yōu)發(fā)電層面的區(qū)域級應(yīng)用，擴(kuò)大場級機(jī)組故障容錯空間，提升風(fēng)電場系統(tǒng)整體柔度。根據(jù)現(xiàn)場條件及運(yùn)行數(shù)據(jù)分析，建立單臺風(fēng)機(jī)的控制巡游策略。根據(jù)不同風(fēng)機(jī)的產(chǎn)出與載荷情況，建立風(fēng)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(fēng)電場運(yùn)維常用的技術(shù)手段，大數(shù)據(jù)分析在風(fēng)電場運(yùn)維中的全息應(yīng)用會是未來風(fēng)電場運(yùn)維的主流方式！

4 結(jié)語

風(fēng)電行業(yè)內(nèi)已經(jīng)將大數(shù)據(jù)分析視為風(fēng)電場運(yùn)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(fēng)電運(yùn)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(fēng)電場運(yùn)維中的應(yīng)用理應(yīng)遠(yuǎn)超該水平。推廣大數(shù)據(jù)分析在風(fēng)電場運(yùn)維中的應(yīng)用，加強(qiáng)對大數(shù)據(jù)分析在風(fēng)電場運(yùn)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(jìn)風(fēng)力發(fā)電行業(yè)發(fā)展具有積極意義！