2021年10月17日-20日，2021北京國際風能大會暨展覽會（CWP 2021）在北京新國展隆重召開。作為全球風電行業年度最大的盛會之一，這場由百余名演講嘉賓和數千名國內外參會代表共同參與的風能盛會，再次登陸北京。

　　

　　本屆大會以“碳中和——風電發展的新機遇”為主題，歷時四天，包括開幕式、主旨發言、高峰對話、創新劇場以及關于“國際成熟風電市場發展動態及投資機會”“國際新興風電市場發展動態及投資機會”“風電設備智能運維論壇”“碳達峰碳中和加速能源轉型”等不同主題的15個分論壇。能見App全程直播本次大會。

　　

　　在風電設備智能運維發展論壇上，北京金風慧能技術有限公司數據開發專家劉健發表了題為《風電場智能運維的探索與實踐》的主題演講。

　　

　　劉健：各位同仁大家下午好！下面我給大家分享金風科技在風電場智能運維的探索與實踐。首先，這兩年在風電領域最熱門的一個詞就是平價，平價過程中資產運營方面最值得關注的就是LCOE。在這個過程中，大家會發現，不管是以前故障運維還是響應式運維方式，都已經沒法滿足平價的需求。這個過程中有了數字化的技術或者大數據的技術發展相當于生產力的發展，生產力的發展能夠帶來在風電場的運維做相應的提升，所以這也是為什么會在新形勢下不斷去用新的生產力來做智能運維的原因。

　　

　　在智能運維過程中，結合相應所有外部輸入，相應機組的操作數據還有一些效益指標等等。任務執行策略上面，兩個運維場景，一種是計劃停機，一種是非計劃停機，共同促進智能運維模型，以這三個為目標來做智能運維，最終的目標是達到發電量最大和運維成本最低。

　　

　　不管是智能運維還是運維數字化，它的方向或者說做的內容非常多，本次分享從三個場景進行舉例，一是實時數據的故障可視化來做故障的自診斷或者是方案的自匹配。第二是短周期或者是相對來說長一點周期的數據做異常狀態識別，來做風機狀態維護。第三就是長周期的數據來做風電場的運行和評估，來實現機組運行維護的一機一策。

　　

　　主要從三個方面來介紹。

　　

　　首先是長周期的風電場運行和評估，風電場運行評估是風電場后評估中間的一部分，主要把運行和評估拿出來。從機組相應發電量評估還有發電損失等等一系列的評估數字化，把這些數據做成模塊化，并把評估做成自動化，對機組的穩定性或者是機組運行可靠性進行識別。  

　　

　　下面就是在運營評估，這里可以看到一個是功率曲線的評估，還有風電場的對風偏差還有損失評估等等，把所有的評估集合成評估指標，識別到機組運行不好的情況或者說識別到差異情況進行處理，來得出機組的一機一策的運維方案。

　　

　　下一個就是異常狀態識別，為什么做異常狀態識別，這個圖上可以看到，這是通常運維維護過程中故障識別發現的一個點。我們做異常狀態識別，以前的時候一直都是在B點發生故障，C點進行處理，或者就算做故障預警過程中，大家都是以B的發生數據作為研究對象對它進行分析。但是隨著現在不管是機組穩定性多了以后，還是說機組很多數據不全的情況也好，我們會發現在案例數據會比較少或者說正案例和負案例的不平衡，所以說預警比較難做，一方面比較難以做到比較好的預警效果，第二個就算是比較好從B點進行分析，但很多時候在做故障預警的時候，發生故障才能做預警，永遠是跟著故障發生后做。針對這個情況，沒有辦法發揮大數據的優勢，我們把機組運行正常階段進行總結，最后識別出來做異常狀態的識別，做趨勢的弱化或者是趨勢的變壞，期望于在A點識別到異常問題，在C點做確認，并對故障進行預處理，這個相當于異常狀態識別的理論依據。

　　

　　下面是整體思路，相當于在這個地方正好，因為數據正常規律或者是機組正常運行的時候是非常多的，也就是說這個地方可以充分應用大數據一些相關技術，比如說列舉的一些算法，這些算法相當于不同的系統或者是不同的數據狀況有不同的表現，我們會用不同的算法更好識別它，各種算法去支撐和歸納正常歸類模型，前面是做數據方式，我們把機組進行系統的分類，因為機組結構比較復雜，數據變量也比較多，我們進行系統的分類，分成各個子系統。對于各個子系統識別規律，識別到由點到線，由線到面跟異常狀態識別。這個狀態下，我們可以識別到凡是有監測點或者是凡是有輸入數據的機組狀態，它的異常變化。這里有一些空間點分布異常，時間點的分布異常，加上工況的異常做一些識別或者是功率識別，這個地方只是舉了一個例子，這是異常狀態。

　　

　　第三就是故障可視化，剛剛前一個運達同事已經講過這方面的內容，為什么我們還會做故障可視化呢？特別是現在機組的量越來越大的情況下，運維人員處理過程中需要不光技術的積累，知識的積累還需要經驗的積累，這些積累相對來說都是比較緩慢或者不容易的。第二就是現代機組的更新迭代是非常快的，一旦更新迭代了很多的邏輯或者是經驗都需要進行更新，在這個更新過程中就算是能非常好把這些手冊發到現場人員的手里，不管他去識別或者是應用都有版本的問題或者匹配的問題，都不方便。第三就是隨著機組運行越來越多，你會發現有些特定的故障分析過程中會非常復雜，這個地方完全取決于人員的經驗或者是當時分析人員的狀態或者當時有沒有考慮到的問題，這個時候會造成一些大的安全風險。最后一個經驗處理，很多的經驗處理，不管是依據大家的總結或者是分析報告，這些方式缺少當時在處理過程中快速反饋和共享的平臺。基于四各方面的因素做了故障可視化，故障可視化從五個方面來說，第一個將故障邏輯的可視化，不管是工具跟機組直接接上還是文件直接輸入進來，用軟件直接匹配實行故障邏輯是什么，故障邏輯的可視化。下面是故障定位和自診斷，推出相應的故障解決方案，最后這個解決方案會直接生成工單，讓大家標準化處理。第三做評價和反饋，在這個地方，這是應用實踐，這是一個工具，可以實現故障文件下載導入或者故障文件的分析，實現故障邏輯的觸發展示，告訴大家這個是怎么回事或者是怎么觸發的，再下面按照經驗自主分析，告訴你到底怎么回事或者是什么原因，最后是根據處理的結果來做一些相應的評價反饋，而評價的反饋在線情況下實現方案的補充，相當于故障可視化的一個應用。故障可視化的價值，一個重點是智能診斷，降低運維工程師的門檻，第二讓整個故障處理機實現標準化，第三個提高故障處理的效率。

　　

　　以上就是從瞬時數據的故障可視化還有中期數據的異常識別還有長期數據的風電場的運行評估，三個方面對于運維數字化的案例分享。通過運維數字化，智能運維的實踐能夠提高風力技術的提升還有服務的優化，最終能夠實現運維成本的降低，我的分享就到這里，謝謝大家。

　　

　　（根據演講速記整理，未經演講人審核）