海上風電智能運維關鍵技術與發展建議

關鍵詞：海上風電;智能運維;降本增效

0 引言

海上風能總規模為陸上風能的2～3倍，且風質量更加穩定。英國、法國、德國、荷蘭等歐洲風電強國均出臺10 GW 量級海上風電規劃，美國計劃2030年完成30GW 海上裝機容量，韓國、日本、越南等亞洲國家預計2030年完成25GW 海上裝機容量，海上風電已成為業界全新的“藍海戰場”。在海上風電蓬勃發展之際，滯后的運維技術成為其進一步發展的隱憂。傳統風電運維是平面化、后置化的，只能在單一或少量參數背景下探討風機狀態，運維過程中依賴專業人員的主觀判斷，各流程相對孤立，難以保持信息的實時流通。而真實的風電場是立體、瞬變的，后發式、周期式等離散化方案均不能完全適配現代海上風電場的運維要求。狀態評估、故障預警、運維船路徑、窗口期預測等全周期要素需要在綜合性平臺上共融呈現，才能以最小成本換取最大效益。同時，由于通信技術受限，現場監測設備必須具備過濾噪聲、初篩信息、散點覆蓋、重點回傳的自適應能力，才得以在帶寬有限的條件下完成全天候有效監測。菲律賓以西生成的南海“土臺風”路線詭異莫測，越接近登陸點其能量越強，會給海工結構物以措手不及的毀滅性打擊，臺風“暹芭”造成風電運維船事故便是例證。智能運維模式能夠將陸基、海基、近端、遠端的大范圍天氣海況參數進行集成分析，發揮一線氣象站的作用，及時發出風暴預警并安排人員和船只撤離避險，并能基于大數據對故障進行精細識別與預警，對保障人員安全、提升運維效率具有重大意義。

1 海上風電運維

1.1 海上風電的發展趨勢

1.1.1 政策驅動產業高速發展

德國于2000年正式頒布《可再生能源法》，而后經過5輪修訂，在海上風電領域最終形成“豐富擴張路徑、延長補貼期限、優化競標模式”的利好政策。英國大力推行可再生能源義務（RO）與差價合同（CfD）機制，前者確保通過審核的風電項目的補貼力度不因政策調整而減損，后者以“多退少補”的原則使發電商具備抵御市場電價波動的能力。荷蘭于2015年頒布新的《海上風電能法案》，規定海上風場選址、評估、接入等前端工程設計的費用將由政府承擔。我國發布一攬子文件，明確提出鼓勵建設海上風電、完善海上風電產業鏈、探索退役風機循環利用等舉措。世界各國均以碳中和為最終旨歸，風電逐步實現從替補能源向主力能源的轉換，發展海上風電成為進一步壯大風電規模與提高風電競爭力的必然選擇。

1.1.2 機組更新換代速度加快

2018年全球主要風機廠商的設計能力在5M～6 MW 徘徊，代表性風機包括東方電氣的DEW-G5000（5.0 MW ）、明陽智能的MySE5.5MW-155、湘電風能的XE140-5000（5.0 MW）、中國海裝的H152-6.2 MW、金風科技的GW154/6700（6.7 MW）、Doosan的WindS500（5.5 MW）、GE 的Haliade150-6 MW，其中Vestas 的V164-10.0MW代表當時最高設計水平，但也未能突破10MW。2021 年Siemens Gamasa 連續推出SG14MW-222DD、SG 11.0 MW-200DD Flex、SG8.0MW-167，GE推出Haliade-X13MW，東方電氣推出DEWD13 MW-211與DEWD7.5MW-186，明陽智能推出MySE12 MW-242 與MySE16MW-25X，遠景能源推出EN-236/12 MW 與EN-245/13MW，運達股份推出WD14 MW-242。僅3年時間，全球海上風電機組的主流設計水平躍升超過12MW，且各大廠商已經有能力同時推進多款大功率機型的研發，海上風機更新換代愈演愈烈。

1.1.3 浮式風機商業化布局如火如荼

我國在2021年、2022年陸續取消陸上、海上風電補貼，荷蘭開始推行海上風電“零補貼”乃至“負補貼”政策，海上風電平價時代已經到來。去補貼意味著業主必須持續降低度電成本、合理管控服務成本，因此單臺容量更大、樁基投入更低的深遠海浮式風電成為核心著力點。2017年蘇格蘭東北海岸的HywindScotland成為人類首個浮式風電場，裝機容量30 MW;2020 年葡萄牙WindFloatAtlantic25MW 浮式風電項目全部投產發電，成為全球首個半潛式海上風電場;2021年蘇格蘭北海Kincardine50 MW 浮式風機項目竣工，其采用的V164-9.525 MW 風機是目前最大的浮式機組;2021年我國首臺漂浮式樣機“三峽引領”號在陽江風電場安裝完畢，單機容量5.5MW，標志著我國正式吹響浮式風機研發號角;2021年韓國正式為蔚山1.5GW 浮式風電項目頒發業務許可證;2022年挪威裝機容量達88GW 的全球最大浮式風電場HywindTampen開始海上建設;近日法國宣布將在地中海建設0.5GW 浮式風電場。不到5年，全球已經從兆瓦級試驗電場向吉瓦級商業電場快速轉型，浮式風機必將成為超大規模海上風電場的主流方案。

1.1.4 融合開發成為重要指標

隨著海上風電場投資規模的愈發擴大，僅具備單一發電功能的風電場已不能滿足業主期待，海上風電與綠色制氫、能源島組網、海洋牧場建設、海洋綜合試驗場建設等相結合的方案在競爭中逐漸占據上風。挪威石油公司于2016年首提“多功能平臺”的概念，認為海上風電與水產養殖相結合，其規模足以搭建商業漁場。西班牙加那利群島的MARIBE項目將5MW 漂浮式機組與鱸魚和貝類養殖相結合。我國廣東揭陽的“新能源+ 海洋牧場”融合創新示范基地已經開工建設;2021年明陽智能于陽江沙扒300 MW 海上風電場安裝周長為80m 的漂浮式網箱，目前養殖的金鯧魚已豐收;河北沽源風電制氫項目總投資超20 億元，包含200MW風電場、10MW 制氫模塊與整合調度系統3個部分。德國預計在2026-2030年建成900MW超大型海上風電制氫工程，以落實該國的“氣候碳匯”目標。海上風電融合開發需要具備綜合服務能力的人員和裝備，是極具前沿性與全局觀的研究議題，并成為衡量海上風電能力的重要指標。

1.2 海上風電運維的挑戰

基于海上風電的發展特點，適配的運維方式及運維手段亦在急劇變化，新一代運維訴求與滯后的運維模式之間的錯位困局日益凸顯。

1.2.1 作業環境多樣，自然條件惡劣

2002年丹麥HomsRev風電場是全球首個大規模海上風電項目，平均離岸距離17km，水深6.5～13.5m。經過20年的發展，近岸淺水海域風電已趨于飽和，目前歐洲主流海上風電場的離岸距離均突破50km，水深向50～200m 區域邁進[1]。與近海相比，深遠海風能資源更加豐富，但處于無遮蔽海域，水文氣象條件惡劣，且更易受風暴、雷暴、腐蝕、寒潮等復雜海洋現象的襲擾[2]。隨著“一極一道”“全球能源互聯網”等概念的提出以及北冰洋冰川的持續消融，在風能資源更加集中的極地地區進行風電開發成為未來趨勢。極地風、浪、冰的耦合及金屬材料的低溫脆性意味著傳統運維經驗與模式需要重鑄，惡劣海況會增大風場機組與船舶等維護載具的潛在故障率，備件消耗、出海頻率、檢修成本將大幅增加。受窗口期限制，運維作業難以及時展開，某些風電場甚至需要租賃特種設備以保證運維工作的可達性，由此造成的發電機組長時間停機將嚴重減損發電量與發電效率。

1.2.2 地質條件復雜，離岸距離遙遠

遠海地質勘探難度大，崩塌、淤積、地裂縫等地質巖石危害對固定式風機的樁基礎與漂浮式風機的系泊系統都帶來巨大挑戰，而這些模塊浸沒于海面，維護困難。大型海上風電場總投資動輒百億，在全生命周期內，海上風電運維成本約占項目總成本的25%，其中運載工具的輸運成本處于核心地位。遠海風電場將增加載具的調度難度與行駛距離，導致產生高昂的運維成本。遠海工程地質條件沿海岸線差異較大，施工現場通信保障、測量控制、物資補給、交通運輸、安全管控等的難度成倍增加。一旦風電場靠近海上牧區、海底暗礁，在避險要求下風電運維船僅能于日間開展作業，導致搶修進度遲滯[3]。開闊的海面與大功率機組使海上風電場的機組數量眾多且縱深分布，具有點散、線遠、面大等特點，不利于統一維護。基于復雜性與危險性，遠海風電場須裝備更多的監測設備，其中不乏精密儀器，提高了故障率，使海上風電可用率比陸上風電低5%。

1.2.3 控制策略迥異，運維經驗缺失

固定式風機尚可照搬陸上控制方案，但漂浮式風機基礎具有時刻變化的運動響應，是機組、基礎、系泊三大模塊構成的氣動-水動-伺服-彈性全耦合非線性系統，對其動態全耦合機理尚缺乏深入研究[4]。復雜的運動響應會影響掃風面積，采用傳統控制策略進行變槳等姿態控制將造成氣動負阻尼，加劇基礎運動響應。海上機組尺寸更大，但水面摩擦系數又遠低于陸地，使尾流難以耗散，時常形成蔚為壯觀的尾流場，由此降低下游風機的風能捕獲率，并增加其疲勞與激振。海上難以組建實時高通量的通信網絡，以5G、大數據為依托的信息化、智能化技術不便應用，實現“自檢、自營、自決”的三位一體智能化運維挑戰重重。海上風電發展尚不完善，缺乏標準化的深遠海風電場運維經驗。目前我國在相關領域人才培養、制度建設、工程實踐等方面多重缺位，建造先進運維設備、打造專業運維團隊需要付出長期艱苦的努力。

2 海上風電智能運維現狀

2.1 定義

風電智能運維是以大數據、5G、VR、傳感網等最新“互聯網+”技術為依托的智慧集成系統，其通過全天候監測設備搭建終端平臺，徹底改變傳統的基于故障與周期的后知后覺運維模式，將種類各異的監測設備以及分散的風機統一成狀態可知、精度可控、自主可適、模塊可融的整體。由于生命周期長、不確定性大、運維流程復雜，海上風電智能運維須融入以深度學習為依托的海況、風功率預報和以數字孿生可視化為基礎的海上機組動態分析與故障智能診斷，共同歸納匯總風電生產信息[5-6]。海上風電智能運維基于傳統風電運維積累的寶貴經驗，將離散數據整合分揀為若干大類，而后啟動干預策略，從而快速響應，以實現“經濟化，高效化，安全化”的目標（圖1）。

2.2 關鍵技術

2.2.1 風電場在線監控

海上風電場在線監控可分為海纜監控、運維船監控、風機部件監控與環境監控。①海纜是實現陸海能量交換與信息傳輸的最重要部件，具有距離長、精密度高、可達性差、干預因子多的特點。海纜監控需要整合船舶、氣象、潮汐、潮流、水深、海纜本體等各類數據，以矢量化模型對數據進行重構后接入GIS系統，是海上風電場監控中的難點（圖2）。②運維船監控基于普通船舶定位系統，由終端、通信網絡、監控服務平臺、船舶監控應用4個板塊構成，其特色在于AIS基站反饋的數據將直接匯入風電場智能運維體系。③風機部件監控的難點在于監控參量的選取、數據的傳輸、集成化布置。④環境監控與風機部件監控相輔相成，共同完成風功率預測、偏航調節、故障預警及臺風避險等作業。

2.2.2 故障預警

愈發精進的數據傳輸與處理技術不斷驅動故障預警系統從經驗判讀型向自主預警型轉變。為實現故障預警，應根據故障觸發機理和現場故障處理經驗，建立每種故障的“故障樹”（圖3）;分析整合我國乃至全球數十年的故障案例并植入標的風機，以此修正“故障樹”;基于一系列“故障樹”，總結普適性典型故障模型，并入大數據平臺接口。故障預警能夠實現隨檢隨查、快速響應，根據近年預警模型實際應用的統計數據，其準確性超過80%。對于難以接入大數據平臺的海上風電場，需要開發離線故障預警模型應用軟件，使用SCADA 系統數據對海上風機尤其是處于調試期的風機進行故障預警。

2.2.3 健康度管理技術

葉片、齒輪箱、發電機、軸承、制動系統、變槳系統是故障率最高的六大模塊，也是健康度管理的主要對象，健康度越高表征風機潛在故障率越低。風機健康度可分為部件健康度與整機健康度2個大類：前者常以關切指標（如應變、溫度）為目標變量引入預測模型，將預測值與實測值之間的殘差變換為數字指標代入閾值，判定其劣化趨勢;后者提取SCADA 系統中包括壓力、溫度、振動、風向等在內的全體特征參量，以高斯混合模型、物元分析理論、模糊綜合評價等多種手段進行多參數融合評定，十分復雜，亦是學術前沿。在健康度管理平臺的實際搭建中，部件健康度與整機健康度緊密相關，其反饋架構如圖4所示。

2.2.4 智能故障診斷

上文所述故障預警模型和健康度模型是應對機組還未報出故障的情況，而針對已發生的故障，目前主要依靠智能故障診斷模型（圖5）。基于解析模型、經驗知識、信號分析得到對應故障序列，在“故障樹”中篩選出適宜的診斷模型與故障數據;通過既往的診斷模型與故障數據，精準提煉本次故障的特征，再基于“故障樹”，使用貝葉斯網絡、卷積神經網絡、對抗網格等算法進行原因推理，推測導致本次故障各誘因的組分占比并生成解決方案[7-8];通過工單的形式推送到現場，現場運維人員在處理完成后會對模型準確性進行評價與回授，使故障智能診斷模型順利集成到大數據平臺。

2.2.5 性能評估技術

性能評估的目的是提升機組的發電量，核心思想是通過自主調整風機姿態達到現有風況、海況下的最佳發電產出，其中最有效的方式就是對風偏差校正。在進行評估時，將對風偏差劃分區間，篩選每個區間的數據，分別繪制功率曲線并計算與理論曲線的擬合度，找到最優擬合度對應的對風偏差角度，并在主控界面上進行修正。某臺風機對風偏差校正前后的數據如表1所示，可以看出通過智能性能評估并不能使各風速區間的發電功率均保持正增長，但可確保調整后的總功率得到提高，該風機校正后的發電量考核值提升2.61%。

2.2.6 新一代海上風電交運技術

海上風電交運最常用的是運維船頂靠登臨風機。在運維船無法使用時，最有效的方式就是使用直升機。直升機速度快且準備時間短，通常情況下運維船1h的航程，采用直升機5 min即可到達。雖然目前運維船仍為最通用的模式，但隨著直升機應用成本的持續降低，直升機亦將成為常規運維方式。除直升機外，近年還開發出運維母船，其與運維船的區別在于可攜帶高速子艇，在到達風場外圍后靠靈活的子艇迂回穿插。隨著深遠海漂浮式風電的發展，運維母船也會逐漸投入應用。運維直升機與運維母船的工程特點如表2所示。

2.3 研究現狀

2.3.1 智能運維策略

黃必清等[9]針對海上風電場缺少全局觀以及不能將測驗數據集成整合的缺陷，搭建復合BOM 結構，開發系統化信息平臺，以技術信息、運行信息、維護信息、設備信息為基本要素，在全局口徑下對運維作業涉獵的各個模塊進行分篩與歸納;該系統架構清晰，各模塊之間關系明確，但未能融入動態數據管理思想，智能化水平有待提高[10]。Dalgic等[11]在時域上采用Monte-Carlo模擬，將環境條件分析（風速、波高和波周期）、運輸系統運行分析、故障調查（類型和頻率）和維修模擬以信息流傳遞形式相關聯，開發具備經濟和業務效益的運維資源分配系統（圖6）;該策略輸入參量考慮全面詳實，可操作性強，對于精準模擬趨勢有利，但其模型過于簡單，對于各參量之間的關聯性挖掘不夠，在惡劣風場的應用受限。

宋庭新等[12]基于精益MRO 概念研究風電機組維修物料清單設計方法和MRO 計劃制定方法，對整個海上風電場的維修業務流程進行分析;該MRO 控制基于B/S結構開發，可用性及變通性強，但動態數據的管理思想貫徹不夠，且缺少任務調度功能，實時性與二次開發潛力有所欠缺。阿格德大學團隊在海上風電遠程運維架構的基礎上[13]，優化產出數據歸并框架（圖7）;該方案以框架化思維成功實現海上風電大數據的整合，具備較強的數據儲備與調用能力，但片面化強調數據模塊導致其缺少全局性運維模式，管理能力稍顯薄弱。

除此之外，國內金風科技開發iGO 管理平臺，遠景能源開發WindOSTM 系統，上海電氣開發“風云”系統，均是海上風電智能運維在工業界的積極嘗試，但也有各自缺陷。如iGO 平臺側重于后期優化，難以保證數據的標準化，故障預警模型的普適性不強;“風云”系統停留于概念開發，尚未投入工程應用。

2.3.2 新型運維設備

風電運維船本身并非新型特種裝備，但在深遠海及浮式風機的大背景下，其穩性、阻力特性亟待改善，由此出現雙體、三體等適用于現代風電場的新方案。吳希明等[14]和蔡翰翔等[15]基于快速性與阻力特性對雙體運維船進行分析，提出通過調整片體中心距和長寬比來減阻提速的方案;羊衛等[16]重點關注總橫強度和扭轉強度，對雙體船的主船體和連接橋結構進行強度評估，并優化雙體運維船的尺度及構型;謝云平等[17-18]通過改進抗扭箱等附體結構，改善雙體運維船尾部入水的惡劣航行姿態，并對片體、側體進行優化，完善新一代雙體、三體、兩棲運維船的概念設計;陳悅等[19]考慮陸上與海上工況下的復雜載荷，驗證三體兩棲運維船的力學優勢，并校核板架式與箱型梁2種連接方案，提出優化舉措;趙子健[20]在三體船背景下，對運維船的快速性進行系統研究。

風電運維平臺是繼風電運維船之后出現的新一代大型化專用運維設備，由船體、推進器、樁腿和升降裝置、起重設備等模塊構成，重點用于風機大部件更換[21]。運維平臺具備自升自航性，單個平臺能夠完成多個毗鄰風場的穿梭維護，與其他運維設備相比具有工作水深大、升降耗時短、搭建動力定位模塊等特點，因此在風、浪、流全耦合工況下的安全性與可靠性得到保證。無人機目前在巡檢方面也開始應用，尤其是能夠垂直起降，此外操作簡單、維護容易、可靠性高的多翼無人機逐漸在直升機與固定翼無人機中脫穎而出。張晗等[22]基于工程實際探討無人機完成不同巡檢任務應搭載的最優運維工具及布局;黃鄭等[23]提出基于云霧邊異構協同計算的新型無人機巡檢系統，能實現航跡規劃、缺陷智能識別的智能巡檢;彭向陽等[24]、許可[25]、陳文浩等[26]通過對卷積神經網格的研究，完善快速故障識別系統，避免錯拍、漏拍、拍不清等問題。

2.3.3 實時監測模式

隨著風電場的深水化，工業界希望能在陸上基地完成對機組全耦合信息的實時掌握，數字孿生技術是實現該設想的重要依托。梁昆等[27]梳理實現智能運維的五大關鍵數字技術，提出數字孿生技術在降本增效領域的廣泛應用前景;房方等[28]開發數字孿生平臺，通過分析風電場運行的實時信息流，實現對環境信息與關鍵生產參數的人機交互，令風電場各部件的動態響應得以遠程映射;Zhou等[29]在大型電網中利用網絡數字孿生系統，實現海量數據下的在線分析并實現電網智能調度;金飛等[30]基于現階段孿生系統僅能關注選址、施工、評估、運行等某一項或數項環節的現狀，探討多維協同的全周期孿生體系，實現碰撞檢測、自動算量、綜合優化、場景漫游等功能;劉宇凝等[31]對輸入的機組響應特性進行虛擬變分模態分解，得到混合儲能的孿生控制策略，提升功率預報可信度，并智能抑制風電電網波動;盧曉光等[32]利用數字孿生手段完成風機荷載的實時預報，經對比驗證其精確度超過96%，可替代傳統的應變片載荷測試系統;Serrano等[33]重點關注數字孿生技術在宏觀風電場布局中的應用，開發遺傳算法和粒子群算法2套優化手段，提供海上風電場優化布局新方案。

數字孿生技術不僅能實現風電場的立體實時監控，還可將卷積神經網絡應用于機組部件（軸承等）并準確穩定地預報其故障。歐洲國家雖在海上風電運維發展領域起步較早，但我國將數字孿生技術與海上風電結合得更好，得益于近年來我國數字科技與海上風電的高速發展。

2.4 優化方案

海上風電面臨多相流介質導致的諸多挑戰，以故障排查、定期維護、狀態檢修為主導的陸上方案難以滿足海上作業要求。目前的若干智能運維嘗試或未能充分貫通風電運維全周期環節，或概括能力不強導致繁瑣的模塊使輸入參數過多，因此亟須提出簡潔方案。優化系統基于大數據流回傳的海量數據，生成包括定檢巡檢、技術改造、故障報修、調度安排四大模塊的運維任務列表，引入天氣窗口期、運維船、運維人員和備品備件等限制條件，采用AI規劃最優的排布計劃和路徑，實現發電量損耗與通勤成本最低化（圖8）。

根據廣東某海上風電場現場記錄的3天運維數據，考慮發電量損失，通過優化系統的遺傳算法進行2次迭代計算，綜合成本最大可降低30.72%，表明采用智能規劃策略后的降本效果十分可觀（表3）。

3 發展趨勢與建議

3.1 發展趨勢

3.1.1 設備智能化

人工反饋與就地運維效率低下，自主檢測與快速響應方興未艾。目前自動巡檢機器人已在海上升壓站全面推廣，其具備圖像識別、紅外測溫、局放檢測等多項智能技術，能夠全面取代傳統的視頻監控。運維船已經出現雙體船、三體船、表面效應船等類型，可搭載大型起重機與破冰設備，適用于各類作業海域。福建馬尾造船廠建造的自航自升式運維船裝備DP1動力定位系統以及4套全回轉推進器，可實現隨檢隨停。風機環境腐蝕監測設備能夠在線、自動、連續監測探針的腐蝕變化，并兼容本地存儲與物聯網傳輸，從根本上改變成本高昂的駕船定期巡檢模式。對于空間有限、設備繁雜的機艙區域，目前已經開發出基于聲音的疑難故障智能識別設備，僅需通過傳聲器進行音信號采集，便可完成多設備聯動監測。此外，智能運維設備在葉片、齒輪箱、發電機、電氣系統、機組基礎、GIS等風機主要部件上均有應用，運維設備智能化趨勢日益清晰。

3.1.2 模塊一體化

割裂式運維體系流程冗余，統籌型規劃平臺透明順暢。傳統運維模式雖然以風機為基本單元，但內部精細化程度不夠，需要各部件專家集體會診后再定向反饋，且工作流程不透明，模塊間未拉通，重復審批、“各自為戰”現象屢有發生。目前除上文所述的明陽、遠景等智能運維系統，遠景能源的WindOSTM 系統、金風科技的iGO 平臺、JamesFisher的OWMS系統等均以零部件為最小單元，強調協同聯動，在某單元出現預警時立即調動歷史經驗庫的數據檢查連鎖單元，且結構分明、全員可視，可充分利用運維契機解決所有隱患。一體化思想還將人員管理、資產運營、環境監測、決策優化、海事協調等風電場運營全領域進行信息聯動，真正突破理論研究中的理想化、單一化模型，以兼容并蓄的立體化視角最大限度地還原風電場實況，運行流程更接近人腦，給出的參考方案具備一定的前瞻性。

3.1.3 數據共享化

全類型數據海量傳輸，快速識別普遍共性問題。電壓、電流、溫度的結構化數據采集與處理較易，但運維現代化海上風電場需要依托圖片、音頻、視頻等大內存、難量化的非結構化數據，傳統半自動化評價與監測體系難以勝任，引入大數據技術成為必然。大數據平臺具有無界性、廣泛性、及時性與寶貴性，能夠為數據挖掘和預測分析提供有力保障。中能電力、龍源風電、上海遠景等合作開發的集團級風電運行管控平臺基于Hadoop建立，通過引入神經網絡、坎貝爾圖、iForest算法實現多維數據的高效存儲與快速調用，使設備臺賬、檢修備件、安全管理等六大模塊智能聯動。

3.1.4 運維混合化

孤立運維策略局限性強，混合運維方案漸入佳境。運維模式包括周期運維、故障運維、狀態運維3類，目前采取單一化運維策略難以兼顧可靠性與經濟性。綜合來看，故障運維的時效性差，但針對性強，且對于成熟機型與溫和海域等低故障率風電場能夠規避監測投入;周期運維的可靠性強，但重復篩驗、成本疊加是其主要缺點;狀態運維依托智能裝備與技術，優點突出，但短期內無法全面推廣。因此，針對特定風電場，采用混合運維模式將成為主流選擇。Sahnoun等[34]提出基于多智能體系統的混合運維模型，允許在不同運維策略之間進行動態交互，模擬表明混合運維策略對于提效降本效果更佳;符楊等[35]結合出海限制要素，綜合運用馬爾科夫法、蒙特卡羅法搭建考慮可及性評估的海上風機機會運維框架，將故障運維與周期運維整合優化為機會運維。

3.2 發展建議

3.2.1 完善數據集成管理體系

建立開源、多接口、具備預處理與數據轉化功能的實時流大數據平臺，存儲、傳輸、分析海上大型風電場指數級增長的多態異構數據。優化全周期可視化運維窗口，進一步融合上下游數據，實現典型抽取、多維采集、降維呈現功能。深入貫徹數據資產化理念，充分利用我國海上風電場規模大、狀態新的獨特優勢，將高活性的海量數據由成本投入變為利潤產出，提高對大數據的重視度與數據安全性，發展數據二次分析等增值業務。打通風電場之間的大數據共享機制，將目光抬升至海上風電全產業鏈，利用“云上云”平臺輔助政府及決策機構實現全產業鏈動態評估，提高施政專業性與精準性。延拓海洋生態環境評估、海上交運規劃等周邊功能，深入挖掘數據意義，將大數據效能最大化。

3.2.2 提升智能設備開發能力

強化水下機器人三維實時聲吶系統的搭載能力，打造風電基礎沖刷坑檢測、水下桿件腐蝕性檢測、海纜狀態（埋深、斷點、懸空）檢測、表面海洋生物清理“四位一體”的水下運維體系。提升高速運維船與運維母船的設計建造能力，探索運維船與無人機、直升機的聯動運維模式，形成“陸海空”協同巡檢與航線自主規劃局面，并注重高清攝像機、紅外傳感器、激光測距儀等機載設備的小型化。以保障運維人員生命安全為前提，探索葉片巡檢、塔筒清洗等特種作業的人工替代方案，進而實現全周期離岸運維。集中力量完成空中維修更換大部件工裝工具、海上換油裝備、波浪補償棧橋等一批智能設備的國產化，加速海上通信基站的帶寬升級并提高信號集成復合能力。鼓勵成立海上運維設備專業供應商，逐漸改善非專業與簡易改裝設備盲目下海的現狀。

3.2.3 優化運維任務智能調度

強化海上風電運維全局意識，持續將數字孿生、智能物聯等新技術與海上風電相結合，通過合理調度運維工具、妥善安排運維人次、無余采購備件備品、精準預報機組狀態，最大限度地提升設備可達性與有效作業時長。推動運維系統編碼格式化，提升多任務感知能力，確保上下游一體化貫通，實現調度命令按需分配。基于數據共享技術，實現海上風電場在時間、空間、資源等多個層次的矛盾管制并推演矛盾和解方案，自動擬寫計劃與命令，從源頭消減人工調度產生的錯配。力爭實現風電場動態實時管理與生產信息全感知，明晰不同運維方案的劃分條件，考量天氣、時間、人事等非確定性因素，徹底打破信息孤島，快速輸出最優化、可共享的調度方案。

3.2.4 發展海上融合創新技術

目前海上風電是框架式的點線用海，應充分利用風機間的空隙，將魚類養殖網箱、貝藻養殖筏架通過系泊的方式固定在海底或風機基礎側翼，實現風力發電與深水養殖的協同發展。利用既有風電智慧技術，構建深水養殖從孵化育苗至消費終端的全生命周期及全產業鏈的實時動態追蹤與監控，實現養殖過程中的魚臉識別、個體追溯、體重測量、損傷檢測等功能。將海上風電場與海上制氫設備有機結合，利用微納米結構化電極直接電解海水制氫，跳過海水淡化環節，極大降低生產成本。建設風電、綠氫、海洋光伏、海水淡化、綜合儲能等多種能源集成的海上“能源島”重大示范工程，以最短距離為能源消納集中區域，提供高品質、低成本、安全綠色的電、氫和淡水資源。

4 結語

海上風電是實現國際碳中和戰略的重要依托，而智能運維是降本增效的必然導向。海上風電智能運維是利用5G、大數據、物聯網、數字孿生、深度學習、精益管理等技術，實現遠程可感、自主可調、風險可控的新一代運維模式，目前已形成以風電場在線監控、故障預警、健康度管理、智能故障診斷、性能評估、運維設備為代表的六大核心技術群。學界已針對智能運維策略、新型運維設備、實時監測模式三大領域進行若干探討，但多局限于生命周期的某個環節，尚未能搭建普適性模型。本研究在已有研究基礎上介紹優化平臺，經驗證可將綜合成本優化約30%。

面對設備智能化、模塊一體化、數據共享化、運維混合化的發展趨勢，我國應充分利用現代“互聯網+”的技術紅利，持續開發集資產運營、故障預警、船舶調度、狀態監測、人員管控、決策優化、海洋協調、環境感知于一體的智能運維體系，完善數據集成管理體系，提升智能設備開發能力，優化運維任務智能調度，發展海上融合創新技術，不斷延展周邊業務與附加值，讓海上風電在去補貼背景下保持強大競爭力。