明阳智慧能源李永战：开启风电场运维的智慧模式

由中国农业机械工业协会风力机械分会主办的“第五届中国风电后市场专题研讨会”，于2018年6月13-14日在上海市召开，能见App作为战略合作媒体全程直播本次大会。

明阳智慧能源股份有限公司智慧运维部部长李永战出席“第五届中国风电后市场专题研讨会”， 在风电场运维与安全管理专题论坛，分享题为“开启风电场运维的智慧模式”的主旨演讲。

以下为发言内容：

李永战：各位领导、行业的专家，大家上午好！大家都知道我们现在处于一个科技日新月异数字化和智能化的时代，分享一下明阳智慧在运维新模式这方面开展的模式。主要从三个方面做介绍。

首先介绍一下我们对智慧风场的理解；智慧运维新模式开展的工作，之后介绍风场后市场评估的业务。

考虑在设备侧如果最大的利用风能，控制成本，使我们风场的投资收益最大化。以往从单机角度考虑这个问题，而整机商要从场机的角度整体思考这个问题，建立高精度的模型去研究我们风场内风机和气流的关系。我们在风场特定来源情况下，不一定让每台风机全力去运行，通过场机控制的方式进行最大化，对特定的机位做定制化的配置，包括我们生产，包括控制策略的调整，这也淇河了我们工业测验的要求。智慧风场最终的目的是降低LCOE也就是度电成本。在当前竞价上网的时代，通过智慧化的运维模式降低整体的成本，提高发电量是大家都非常关心的一个课题。

下面针对明阳开展的工作做个重点介绍。我们针对方案的机理还有现场运维的经验，针对故障建立了一个故障数，并且通过一些经验库对我们故障数进行校正，保证实时可信的。通过故障方案前的数据特征开发一些运维模型，这张图是我们一个偏航故障导致振动发的一个故障率数据，在正常的时候机组的振动只有一个0.25的频率，在故障发生前，在上面叠加了0.32频率振动，这就是一个故障特征，我们采用了知识经验、数据驱动、实效模型，我们开发了故障预警模型，并且在大数据平台已经全部上线了。我们也建立了自己的智慧健康度管理平台，通过系统汇集成12大健康度，整个健康度分为良好、注意、警告、较差四个等级。当整机的健康度处于注意以下等级的时候，通过完善的管控机制去有针对性地处理，提高整机的健康度。

下面对整个管控机制做个介绍，当机组出现亚健康状态的时候，通过两种方式去做诊断，一种是基于模型智能诊断，模型会自动地将处理方案还有一些人员的配置一些工具、备件等等信息推送到现场的运维人员。但是模型并不能诊断所有的问题，当模型无法实现自动诊断的时候，我们还有个专家团队去介入。这个就是发电机温度的故障预警，通过数据可以看到发电机其中有一个温度跟其他机组偏差比较大，这个预警出现以后通过不断地显示下发到现场，现场人员通过排查发现是接线的问题，他们处理以后数据恢复正常，说明我们这个模型是有效的。

刚才讲到故障模型、健康模型，都是针对故障还没有发生的时候，我们开展一些工作。针对故障已经发生的，我们开展了智能故障诊断模型，通过故障代码会调取智能诊断模型，智能诊断模型通过分析，大数据的数据、毫秒级的故障数据，提取故障发生后的故障特征，基于故障数、高级算法进行推理，输出各故障原因百分比和处理措施，推送给现场运维人员，现场运维人员处理完成之后会对准确度做个评估，这样形成一个闭环。这个智能故障诊断模型已经上线了，形式上看也是一个故障数，其实背后运行的是一个智能故障诊断模型，将各个原因的百分比通过不同的颜色标识出来，方便现场人员的查看。

为了提高现场人员的运维效率，基于未来两天风力预测也给出多个运维窗口期的推荐，现场人员通过扫描二维码信息可以查看我们机组类大件的配置，机组发生的一些故障，指导现场的运维工作。明阳在大数据平台也上线了一个风力预测的系统，可以实时查看风速、海浪的信息，对未来十天进行预测，尤其是台风，可以精准地将机组切换成抗台模式，并且增加发电量。每年在东南沿海有很多台风，前几天的台风在广东反复登陆三次，明阳在广东安装的机组超过1000台，每年都会经历台风的考验，在这方面也积累了很多的经验。

特别值得一提的是去年8月份，我们广东省第一个海上风电项目，珠海项目，我们刚刚完成，面临历史上最强大的台风，天歌，极限风速最高到66.9m，我们也实现了基础的抵御。说到风率预测系统，做到可达性、运维窗口期管理，运维船AIS定位管理，智能推送运维航道上机组待办事项，通过APP智能推送运维航道上的待办事项，有一些待办事项可以一次出海把这些全部运维工作做掉，提高整体的运维效率，降低运维成本。我们也采用离岸人员GPS安全管理，保证海缆状态检测。通过疑难诊断，常规是通过振动数据去做诊断，现在还开展基于声音的疑难故障诊断，声音严格意义上来讲也是一种振动，只不过是在空气中传播的振动，用声音去诊断难度比（CMS）要高。我们采用手持终端和在线监测两种方式去做这个事情，这张图是一个案例，偏航机组的故障声音和正常声音的对比。故障声音样本在1khz以下比重比较大，正常声音在整个全频率段分布比较均匀，这样有个明显的对比。中间靠下的图是液压泵故障声音和正常声音数据的对比，我们对30个样本做了分析，这个故障是非常明显的。将故障声音和正常声音录下来以后在实验室回放，通过手机终端可以看到，故障声音放出来以后可以触发手持终端设置的阈值，说明这个方法也是有效的。同时还通过性能评估的方式去保证我们机组的额定出率，左边的图，通过更换温控阀，功率特性恢复正常。

基于后评估的增功增效业务，我们采用一个软切出技术保证风机在20到25米期间可以正常运行，基于模型的控制策略使功率性能得到提升。通过空气动力性能优化来提升发电量。如何通过健康度管理保证机组的可靠性，使机组少报故障，甚至不报故障，通过整机性能评估保证机组应用的出力，通过整机性能评估增加发电量，后市场评估保证运行指标和发电量指标，使我们的收益最大化。

随着技术不断变革，我们常常也会因为一些新的技术理念出现而惊呼，同样重要的是现有的研究方法如何在风电场良好的实施落地，发挥良好的效果来提升风电的指标，这样才能真正迎来风电场的智慧时代。

谢谢大家！

（根据发言整理，未经本人审阅）