基于大数据平台的新能源智能化运营监管技术

张树晓

(中国大唐集团新能源科学技术研究院有限公司,北京市 西城区 100052)

0 引言

风电、光伏产业的迅速发展,已经成为实现“碳达峰、碳中和”的重要推手。同时,大数据、工业互联网、人工智能等先进技术与传统工业的深度融合,促进了新能源产业的数字智能化发展,通过建设新能源监控与大数据平台,对新能源设备数据、运维数据、环境预测数据进行采集,实现设备运行监控和指标分析,建立预警算法,实现事故隐患的提前预警,减少电量损失[1-4]。

当前,国内外各大发电集团和风机厂商开展了新能源大数据平台的建设,并基于大数据平台开展相关的业务。GE 公司于2015年结合了世界级的风机和风电行业的数字基础设施,建立一套动态的、可以联网且适应性极强的数字化风电场,可以提高风电场的发电量最多达20%,为风电行业创造大约500亿美元的价值[5]。2018年1月,国家电网青海新能源大数据创新平台作为中国首个新能源大数据创新平台上线运营,首批确立了36项高级创新业务服务,现已具备功率预测、设备健康管理、电站运营托管、金融服务等多项线上技术服务能力,为新能源产业的发展提供全面准确的数据支撑。国家电投云边协同工业大数据平台是能源发电行业首个工业大数据平台,确定了“搭平台、汇数据、建应用、做运营”4条业务主线,为集团未来智慧化、数字化转型提供支撑[6-7]。国内的整机厂商远景能源、金风科技等企业也在研究大数据、互联网和数字化技术在提升风机和风场价值的应用。远景能源基于全球最大的能源物联网平台En OS、金风科技智慧运营系统SOAMTM,都是基于智慧风场的大数据平台的整体解决方案[8-9]。明阳大数据平台包括气象数据分析模块,智慧风场监控系统、能量管理系统(energy management system,EMS),机组健康度管理系统,能够实现从气象预测到风机健康状态监测预警、风电场优化运行,再到风电场群的协同协调[10]。上海电气的“风云集控”系统在风电行业首创基于互联网技术的分布式数据处理技术,利用人工智能+大数据+云计算技术高效利用数据,打造了智慧风电的大数据平台[11]。中国海装风电的LiGa大数据平台,通过LiGa远程运维中心、LiGa气候资源平台和预测性维护3 个主要模块,并统一构建风电装备故障诊断算法模型库和风场运行模型库,满足智能风电装备故障诊断与预测、设备健康管理及系统运营维护优化等应用要求[12]。

综上所述,新能源大数据平台已经成为国内外新能源行业积极研究的对象。目前在新能源大数据平台体系架构及功能使用的研究上已推出了针对行业关键问题的解决方案,但多侧重于局部功能、单一机型或风电场的智能化优化与升级,缺乏多个子系统间的协同管控、缺乏多种设备机型的跨域融合,缺乏集团级新能源业务的整体规划,没有形成行之有效贯穿“集团-区域-场站”3级的科学管控体系。同时,在底层建设上,数据及通讯等基础设施没有形成统一标准,大数据“大而不精”,难以支撑新能源数字智能化运营相关技术的深度落地;在实施方面,偏重于信息集成与展示,缺乏深度的大数据分析、智能化应用,无法有效指导生产运维等问题。没有真正体现出利用大数据平台实现新能源电站远程监控、数字化智能运维与决策的作用。

本文依托中国大唐集团新能源监控与大数据平台,提出一种基于大数据平台的新能源数字智能化运营监控技术,通过建立集团风电、光伏生产数据质量标准化体系,实现边缘端生产运维数据采集规约标准化并下发算法模型进行边缘计算,在云端采用“云边协同”架构,监测数据质量,生成生产应用处理方案,以实现实际应发电量等指标的实时监视、场站设备故障预警等智能应用,搭建成行业领先的基于“监控区”与“功能区”双区建设的数字智能化运营监控平台,实现“集团、区域、场站”3级跨域的新能源数字智能化运营与监管。

1 业务部署

大数据平台基于“监控区”“功能区”双区建设理念,建设集团级新能源监控与大数据中心。监控区主要基于数据标准化采集,融合大数据、边缘计算等先进技术,打通数据流,顺畅管理链,实现对风电生产运营5类34项、光伏生产运营5类35项指标的实时管控,掌握每台机组应发实发电量差值,开展多维度对标分析。功能区依托监控区数据支撑,与监控大平台的实时数据和历史数据互通互联,整体贯通新能源前期、工程、生产的全生命周期数据,结合集团新能源生产管理经验,打造了资源评估、智能分析、系统优化、专家支持、光伏管控平台,实现集团到新能源场站的透明管理,预判潜在风险、挖掘增量价值、解决疑难杂症,真正管好每台发电机组。

2 数据源采集与传输

数据源采集完整覆盖新能源场站设备测点和测风塔数据,包括风电/光伏生产运营数据(可编程逻辑控制器(programmable logic controller,PLC)、数据采集与监视控制系统(supervisory control and data acquisition,SCADA)数据等)、升压综自系统、测风塔数据、智能传感器(声音、载荷、振动、视频等)数据等实时生产数据及故障文件、振动监测、定时数据等非实时批量传送数据,同时,还包括生产管理系统、物资管理系统、人员/资产成本模型等企业级其他运营管理数据。

数据传输过程包括数据上送、对端数据的转发、采集数据的中心端接入。对于集控生产数据通过实时数据通道,按照IEC 60870-104通信规约向集控SCADA 系统推动实时数据,同时直连机组PLC破解报文,开通历史数据补传通道,如图1所示。按照规定的传输链路,如图2所示,传输到集控端的能源物联网关,能源物联网关经过采集通讯、数据标记、数据预处理、边缘计算等操作将数据预制后,通过数据Io T-Hub将数据传送到分发器,经分发器后的数据通过流处理进程和批处理进程实现数据持久化[13]。

图1 数据源采集与传输Fig.1 Data source acquisition and transmission

图2 数据传输链路Fig.2 Data transmission link

3 边缘计算与质量控制

边缘计算是在数据采集边缘侧进行数据处理、分析。对于多端采集的数据进行计算,将分析处理后的结果数据发送到新能源场站和集控中心,确保多个接收端接到的都是相同数据,同时,由于采用数据采集软件进行数据分析、处理、计算,减轻了集控中心的负担,并且数据采集也无需将全部数据通过网络传输到集控中心,只将计算结果传输到集控中心,降低传输压力,减少网络带宽,对于一些敏感数据,提高了数据的安全性[14-16]。边缘计算包括以下类型。

(1) 数据预处理。

数据类型转换,即根据配置将数据值由一种类型转换为另一种类型,如float转换成double,int转为bool等。根据配置将遥测转换为遥信,采用的策略是配置遥信值对应的遥测值范围、区间,则可对接收到的遥测值按范围、区间转换相应的遥信值。

数据时间戳处理,对接收到的没有时标的数据增加时标。对于根据两次遥信值不同而产生的变位,采用最新遥信时间做为变位时标。

数据品质处理,即数据清洗。对有数据品质标志位的数据,数据采集可以对有效位、无效位进行处理。根据品质标志设置数据点为有效点、无效点,对后续处理提供品质判断依据。

数据变比,对于原始数据值,根据配置的比例、系数等计算结果值。

偏移处理,对于原始数据值,根据配置的偏移值计算结果值。

数据包错误判断,根据数据包校验逻辑判断是否接收到错误数据,如误包、丢包、错包,根据判断结果进行相应的后续处理。

(2) 数据重抽样。

根据配置将采集到的风机PLC 数据由高频数据重抽样为低频数据,在满足集控中心数据要求的情况下减少传输数据量。

(3) 专用业务计算。

风机状态计算,按照电网要求,将风机状态转换为电网标准状态。

数据可用状态计算,根据配置的多个条件组合计算,设置风机可用状态。

故障计算,根据配置的多个故障、变位、遥信、状态综合计算出风机故障。

理论功率计算,对于风机数据,能够根据风速、风速+转速、风速+扭矩,依据功率配置表计算出理论功率。

(4) 统计计算。

包括风机数据的一分钟数据统计,五分钟数据统计,十分钟数据统计。即在数据采集内部创建缓存,缓存一定时间的秒级数据,根据统计周期定期统计数据,输出统计结果传输到集控中心或其他外部接收系统。

(5) 指标计算。

包括功率曲线数据生成,温度曲线数据生成等。缓存一定时间的功率、温度数据,发送曲线数据到监控与大数据中心。

如图3所示,数据采用“云边协同”的边缘预处理架构,边缘端、集控端和云端的设备模型、知识模型、算法模型和实施模型保持同步,在云端生成生产应用处理方案。

图3 数据边缘计算Fig.3 Data edge calculation

基于IEC 25012—2008数据质量标准,通过考察数据覆盖率、采集数据完整性、数据有效性、数据一致性以及数据及时率这5个指标直观了解数据质量的整体状态,提供监控抓手,快速定位质量异常。数据质量控制指标如图4所示。

图4 数据质量控制Fig.4 Data quality control

4 数据存储

以满足性能和需求为原则,采用灵活的数据存储策略,优化数据存储成本。在站端、边缘集控端和云端分别采取不同的存储策略,如图5所示。在站端秒级SCADA 数据、预处理数据和毫秒级数据文件缓存时间为1 个月。在集控边缘端,秒级SCADA 数据、预处理数据、毫秒级数据文件保存时间为3个月,实时监测指标做到永久存储。在云端,隔离热/温/冷数据,热数据(运行实时监测数据,其他联机分析处理(online analytical processing,OLAP)应用指标)永久存储;温数据(原始SCADA数据、遥测(一分钟采样、十分钟统计数据)、应用处理数据、数据文件)保存2年、遥测(秒级数据)6个月;冷数据(原始SCADA 数据、应用处理数据,数据文件)超过2年后,作为冷数据归档[17-18]。

图5 数据存储策略Fig.5 Data storage strategy

5 指标体系与运行监控

依据集团风电/光伏生产指标体系,通过大数据平台采集的各项数据,风电实现5类34项指标的自动计算,其中5类指标分别为:风资源指标、电量指标、能耗指标、运行水平指标、运行维护指标[19-20],详见表1。光伏生产运营5类35项指标的实时管控,其中5类指标分别为:光资源指标、电量指标、能耗指标、运行水平指标、运行维护指标[21],标详见表2。

表1 风电指标体系Table 1 Wind power index system

表2 光伏指标体系Table 2 Photovoltaic index system

6 智能运营平台

新能源数字智能化运营平台的高级应用将基于监控区的生产运行数据,并向前关联至前期设计、工程数据,专业上延伸至资源环境数据,包括中尺度气象数据、地理信息数据等,在统一设备运行指标基础上,充分利用后评估、地理信息系统(geographic information system,GIS)平台、虚拟测风塔、流体仿真等先进技术,搭建智能分析平台、系统优化平台、专家支持平台、资源评估平台,如图6所示,依次完成“全面体检-系统优化-疑难杂症分析-资源数据支撑”。

图6 高级应用总体设计Fig.6 Advanced application general design

6.1 风电场智能分析平台

智能分析平台实现所有运行风电场、风电设备运行评价指标的统一,对于集团所有在运风电场整体体检,从移交生产前、运行评价、设备评价等全生命周期展开多维度分析,以识别项目质量、及时发现低效资产及早干预,为生产管理提资增效提供首发的、指向性支持。

6.2 风电场系统优化平台

风电场系统优化平台是对于单个项目进行可视化决策支撑,在前期、工程、生产全过程数据全链条贯通的基础上,基于“数字双胞胎”的理念,以三维数字化平台为载体,进行管理和呈现,提供可视化的项目管理系统,实现数据对比、机位点纠偏、高精度地形地貌的定制化服务,针对分析结果做系统优化,实现发电量、可靠性、运维等效果最佳,为每个项目的提质增效和快速决策提供技术支撑。

6.3 专家支持平台

专家支持平台对故障/质量问题项目进行专家决策支撑,从时间、处理措施及各个专业数据等多个维度,建立项目档案,实现集团专家力量对重难点安全事故的分析、协同与远程诊断,并积累建立故障问题处理经验智库,进行经验推广,最大化避免同类事故的发生。

6.4 资源评估平台

资源评估平台是以风资源为核心,涵盖地形、测风、中尺度、微尺度、发电量评估等多维度,包括地形评估、测风数据分析、中尺度数据应用、风资源分析、发电量分析等多功能,立足资源数据的收集、整理、查询与应用,为业务部门提供数据基础,为生产监控部门工作的展开提供数据、分析工具支撑。

7 网络信息安全

为确保大数据平台的安全稳定性,IT 硬件满足高可靠性、高安全性、标准型和开放性、先进性和成熟性、灵活性和可扩展性、可管理性。如图7所示,整个网络主要由互联网区、集团广域网区、数据中心核心网络区、计算节点区、安全管理区、集中式存储区组成。其中数据中心核心区、计算节点区、安全管理区、集中式存储区统称为数据中心内网。

图7 平台侧安全防护体系拓扑图Fig.7 Topology diagram of platform safety protection system

数字智能化风光运营监管平台中心侧安全防护主要涉及内部网络及设备之间的防护、与集团公司内网之间的防护、与外网之间的防护,建设方案按照《信息安全技术网络安全等级保护要求》,即等保2.0的三级等保相关要求制定,从安全通讯网络、安全区域边界、安全计算环境、安全管理中心4个方面进行设计,针对中心风电数据接入的采集方式,采用双核心部署方式,部署安装防火墙、入侵防御系统、安全审计系统、漏洞扫描系统、堡垒机、日志审计系统等符合等保要求的安全防护设备及软件。

8 应用案例及效益

目前已累计接入风电机组13 000多台,光伏发电容量300多万k W,实时采集测点600多万条,每天处理数据量达300多亿条,是业内最大的工业互联网系统,并对部分项目进行了全方位的诊断、优化、专家分析,并出具相应专题报告。

以大唐某项目1为例,智能分析平台诊断结论指出项目其他发电量损失、发电量模型偏差分别为-621.11 k W·h和240.92 k W·h,结合系统优化平台数据分析后,得出安全方面及提质增效方面共7项提效建议累计约270 h,以平价上网电价计算,单个风场每年可提升直接经济效益约1 000万元,20年运营周期约2亿元。若全面推广到集团其余风电场,则预测经济效益至少达百亿级别。

以大唐某项目2为例,风电场系统优化平台对该项目在前期、工程以及生产3个阶段,通过对风资源、设备可靠性以及发电性能不同维度的发电量进行分析并提出优化建议报告。该风电场资源较优,现场限电水平相对较低,发电利用小时数区域对标先进,但仍有较大提质增效空间。(1)风电场降容损失最高。经平台分析存在机组偏航对风、叶片零度角校准、叶片污染、设备高温以及振动等方面问题。通过设备治理以及参数优化,预计提效在120 h左右。(2)机组功率曲线一致较差,且功率散点分布较宽。开展空气密度优化、控制参数升级,预计可提效50 h左右。(3)风电场整体尾流损失为4.69%,开展整场控制优化工作,可预计提效在20 h左右(提效1%)。(4)项目存在大风天气,可开展机组切除风速延迟的技改,预计提效在30 h左右(提效1%)。

9 结论

本文提出搭建基于大数据平台的数字智能化风光运营监管一体化方案,基于“监控区” “功能区”双区建设理念,建设集团级新能源监控与大数据中心,通过“人-机-网-物”的跨界融合,形成跨域协同的开放架构,打造从底层感知到顶层决策的多层次融合,创建全生命周期数字档案。对于提升集团公司新能源安全生产管控能力,提高精细化管理水平,优化资源配置,减轻新能源生产运营监控系统的负载,提升新能源生产系统的稳定性具有非常重要的意义。

在功能方面,可以实现集中运行监控和状态检修维护,实现发电功率提前预判,利用数字化管理平台,实现对各项目运行数据的实时采集、处理和分析,量化生产损失和收益,开展故障分析诊断,优化风、光新能源场站运行方式,进而提升机组利用率,有效增加发电量。为打造安全、绿色、经济和可持续的现代数字智能化新能源产业管控体系提供支撑。