大数据在风电生产管理中的应用研究

摘 要：随着风电的迅猛发展，一些大型风电企业管理的风电机组达到几千台、上万台，沉积了大量的生产数据。这些数据中蕴含了重要的生产信息具有重要价值，但这些数据未得到充分的开发利用。如何有效利用这些数据已经成为风电企业提高价值、赢得竞争优势的关键。本文结合当前大型风电企业在大数据应用中的探索，研究了风电场生产数据的特点及其在监测控制、指标管理、状态评估、故障判断等方面的价值；然后对其存在的主要问题进行了系统性的研究；最后针对其问题，提出了科学搭建大数据平台、统一数据判断和计算标准等工作建议。

关键词：大型风电企业；大数据；数据价值；工作建议

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

0 引言

在国家大力发展清洁能源的背景下，风电企业发展迅猛，一些已经成长为大型风电企业。这些大型风电企业管理着大量的风电机组，积累了巨大的生产数据，但这些数据还未得到充分的开发利用，有效地利用这些数据对于风电企业具有重要意义。

大数据在风电领域的应用和研究已经起步，但在数据获取、统筹规划、专业研究、产权保护等方面还面临很多问题。本文对大数据在大型风电企业中的生产管理应用进行了研究及探讨，分析了其中存在的问题，并提出了一系列的工作建议。

1 大型风电企业生产数据的特点及价值

1.1 数据特点

（1）体量大。风电场的生产数据来源于风电机组、能量管理平

台、AGC、AVC、升压站综合自动化系统等众多装置。目前，不同厂家、不同型号的设备数据点各不相同，按当前主流风电机组估算，1台风电机组的数据点在200点以上，1个风电场其它装置数据点在1000点以上。

（2）速率高。风电企业的生产数据主要来源于温度、压力、转速、振动、方向、角度、電压、电流、频率等各式各样的传感器，属于典型的机器大数据，更新速率非常快，一般每秒1次。按大型风电企业的体量估算，每秒将有240万个实时数据，在不压缩的情况下，每月将产生约25TB的生产数据，每年将产生约300TB的生产数据。

1.2 数据价值

大数据的关键不仅在于“大”，更在于价值含量和挖掘成本。单以数据规模衡量，大型风电企业现有的生产数据或许还未达到大数据的PB级别，但就其行业特点而言，产生的价值却是颠覆性的。

2 大数据应用的工作建议

2.1 顶层设计，科学搭建大数据平台

大型风电企业一般是“风电场-区域分子公司-集团公司”三级管理体制，因此，要统一规划、统一管理，根据企业特点和大数据技术要求科学搭建分析平台。

（1）开放式数据仓库。数据是分析研究的基础，风电企业要制定数据管理标准，统一数据库及数据的存储方式、结构等技术要求，独立建设开放的、自己掌控的数据仓库，为风电企业技术人员和合作伙伴提供数据。

（2）云计算管理模式。传统的服务器管理模式是按功能管理，各服务器只承担固定的计算任务，资源不能充分发挥。因此，在集控中心、集团总部生产调度中心建设时，要按照云管理架构进行搭建，架构内的服务器不再进行功能分工，统一由主机指挥，进行集群式计算，提高计算能力。

（3）分布式计算模式。大型风电企业大数据平台按三级搭建，从层次上看，越往上层数据量越大。因此，应本着“底层优先”的原则，分层明晰各层计算界面，最大程度的减少上层计算和重复计算，减少平台负荷。

2.2 底层突破，统一数据判断和计算标准

对于风电企业来讲，风电场是所有数据的源头，目前，风电场数据的完整性和一致性均无法保障，成为制约大数据分析应用的关键瓶颈，必须进行突破创新。

（1）完善数据获取标准。大型风电企业要制定统一的风电场信息化管理标准，明确风电机组和升压站的保护及自动化装置的设备网口数量、计量点位置及精度、测控装置配置、通讯网络要求等设计标准，明确设备厂家应提供的数据点数和接口软件。

（2）开发标准化软件。应在风电场开发通用的SCADA平台，研究不同风电机组、变流器的通讯协议、控制方式、状态分类、判断逻辑和计算方法，建立适用于多厂家、多机型的数据接口模块，自动完成差异化输入、标准化输出。

2.3 科学组织、加快推进，深入挖掘大数据蕴藏价值

大型风电企业应成立常设机构，集中尖端技能人才，以下述研究方向为重点，细化研究课题，加快大数据的分析研究和价值挖掘。

（1）集中预测。可将风电场气象信息、地理信息、测风塔数据直接传到区域分子公司或集团总部，在原有的温度、气压、湿度、降雨量、风向、风力等参考变量的基础上，增加同区域风电场群差异化校正、同风向关联风电场管道效应校正等因素，提高功率预测的准确性。

（2）劣化分析。研究各部件异常运行工况与参数的关联关系，如风向仪不准时，与机舱方向、风速、功率的变化规律；叶片角度错误时，与风速、负荷、振动、叶根载荷的变化规律，及早发现设备劣化趋势，开展状态检修维护。

（3）智能控制。研究风电机组各部件的控制策略，特别是定值式、周期式的简单控制策略，重点进行分析研究，加入风机运行状态、参数识别技术，开发智能偏航、智能变桨、智能解缆、智能测试、智能加热冷却等控制技术，提高风电机组可利用率和产能。

3 小结

风电场的运行大数据中蕴藏了大量的信息。通过集中预测，深入挖掘气象信息，可以提高天气和功率预测的准确性，科学制定调度计划、检修计划，减少检修弃风损失；通过算法、模型和工具开发，深入挖掘设备运行数据，可以预判设备劣化趋势，精准判断故障部件，计算电量损失，提高产能；通过智能作业指导库和专家在线指导平台建设，可以集成专业技术人员维护技能和经验，提升机组运维能力和水平。因此，大数据在大型风电企业生产管理中的应用研究对于风电企业管理模式、生产效率和产能的提升具有重大意义。

参考文献：

[1]姚剑平.浅论风电场日常管理中的四个关键控制项[A].中国农业机械工业协会风能设备分会2011年度论文集（上）[C].2011.

[2]张世惠.风电场生产运营管理研究[A].中国农业机械工业协会风能设备分会2010年度论文集（下）[C].2010.

作者简介：孙昊（1991-），男，江苏南京人，学士，助理工程师，主要研究方向：电力系统及自动化。