2023年10月16日-19日，2023北京國際風能大會暨展覽會（CWP2023）在北京如約召開。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，聚焦中國能源革命的未來。

本屆大會以“構筑全球穩定供應鏈共建能源轉型新未來”為主題，將歷時四天，包括開幕式、主旨發言、高峰對話、創新劇場以及關于“全球風電產業布局及供應鏈安全”“雙碳時代下的風電技術發展前景”“國際風電市場發展動態及投資機會”“風電機組可靠性論壇”等不同主題的21個分論壇。能見App全程直播本次大會。

10月17日上午，華銳風電科技（集團）股份有限公司數字化平臺主管李海港在人工智能與智能運維發展論壇上發表了題為《大數據與人工智能在智慧風場的應用》的主旨發言。

以下為發言全文：

大家好！我叫李海港，來自華銳，主要是負責數字化平臺相關的一些工作，今天給大家分享的內容是大數據與人工智能在智慧風場中的應用。

我的分享大概分四個部分，第一個綜述，第二個AI在風機優化控制中的應用，第三個AI在華銳場運營管理中的應用，第四總結和展望。

綜述就是大背景，大家應該都比較熟悉，碳達峰碳中和還有基礎的單機容量的大型化，還有風電場越來越往特征場景發展，因為比較一些優質的風電場在前20年已經被建設的差不多了。

大數據和人工智能在應用上，一個是風機優化控制，主要是體現邊緣計算和風機智能控制，還有風電場運行管理，這個主要指場景化及大數據平臺建設、健康管理、智慧運維和無人化運維技術。

第二，給大家講解一下AI在風機優化控制當中的應用。剛才說到它主要是在落地就是邊緣計算和風機智能控制，邊緣計算主要以智能感知為基礎，以風機協同控制為目標，通過對于風機運行數據，各智能傳感的數據進行分析，實現智能傳感網絡以及軟傳感，實現狀態監測和故障診斷，實現模式識別和控制參數的優化等。第二是在風機智能控制運行中，通過數據挖掘和人工智能的應用，基于風機運行數據進行模式識別和風機模糊控制。

首先，邊緣計算雖然是智能感知，智能感風機這種傳感器，相當于主要大部件和控制系統傳感器數量裝的是越來越豐富，越來越多，像這種大部件主要傳動系統，另外一個點就是軟傳感的技術，現在應用也越來越廣泛，是因為在當前大背景下，特別是降成本這種大背景下，通過一些這種數據分析的方式或者建模的方式來實現軟傳感也是應用越來越多，比如說虛擬測風、葉片結冰等等。同時也會結合集控系統來實現風機之間的數據共享，也會用的越來越廣泛。

有了數據之后，邊緣計算就可以做到塔筒和葉片的模式識別，比如塔筒的固有頻率，這一塊其實在機組設計階段肯定是有一個理論的固有頻率，但是在實際運營過程中，其實很難測得固有頻率，而我們通過LSTM模型以及CN算法模型，左側那張圖就能看到紅色線特別明顯塔筒固有頻率，通過統計得到非常明顯的統計值，就是固有頻率的值，同樣這套算法模型在葉片的固有特征以及故障特征方面也會有非常好的一個應用效果，這是在模式識別方向的應用。

另外，邊緣計算基于圖像識別的螺栓狀態監測以及預警方面的應用，這種塔筒螺栓的監測基于這種應力傳感器的方式，像這種其實在塔筒法蘭上房安裝攝像頭，通過拍攝照片來去檢測力矩標識線，通過這種角度可以換算成鎖定的力矩值，左邊這個圖在我們的軟件當中系統截圖，可以看到它是一個三層法蘭，中間第一層法蘭截面，其實每一個螺栓展開可能是代表了大概五六個螺栓的實際監測值，因為它是基于圖像算法識別的，它其實是放在邊緣計算側是比較合適的一種狀態。

第三塊，人工智能在風電場運營管理當中的一些應用。它的總體原則其實就是場景化的大數據平臺建設以及健康管理、智能運維和無人化技術的應用，場景化的這種大數據平臺建設它主要是通過這種數據鏈路的方式來實現數據穩定采集以及建設智能3D的監控系統應用，并且建設大數據平臺以及搭建數據的建模一個平臺，第二塊是健康管理，通過數據分析，開展風機不見得狀態監測、故障預警、故障診斷和壽命管理。智能運維是基于狀態監測和健康管理結果，開展基于狀態的風電場運維以及建立智能專家庫，來提高現場運維能力和故障解決方案解決能力。

最后無人化技術應用也會越來越廣泛，像無人機、巡檢機器人等先進技術，一些“機器替人”的工作也會越來越多。

第一個就是場景化的大數據平臺建設，這一塊有集控中心包括可視化的風電場監控以及模型直接拖拽、自由組合的大數據可視化建模平臺，這一塊其實在下午一點多在展位有更詳細相關軟件體系的介紹。如果大家感興趣可以去展位聽一聽，學習交流一下。

針對于健康管理，介紹幾個應用的方向或者應用幾個案例，第一個去識別葉片不平衡，葉片不平衡其實有兩方面，一方面是質量，就是出場時候質量不平衡導致的，還有一種在運營過程中，這種氣動不平衡導致的，如果說葉片不平衡會對機組風險其實是比較大的，它可以導致機組振動加劇、載荷增大等等一些問題，通過算法可以看到，其實是葉片不平衡最終體現在扭矩信號上，波動幅值其實很大，通過這種識別轉矩信號以及扭矩信號來去實現葉片不平衡，這個準確率其實還是非常高的，可以擬合出來一個模型。

第二，來去識別葉片失速，失速時，相同風速、轉速和功率其實明顯低于正常值，右圖大概8米左右風速，功率其實只有1K左右，右側有主動恢復正常值的情況，右下角標藍色的部分其實就是失速的集合，看到它功率曲線中有一塊區域其實是比較容易去發生失速的，它失速其實更容易發生在功率爬升的一個階段，其實我們最終發現，葉片失速可以通過結合著風速的攻角以及風速這幾個可以構建出來一個比較簡單的函數公式，并且這個公式不僅僅用在邊緣計算當中，可以找到更簡單的方式去計算這個Cp，所以它其實可以同時落地在PRC當中，也就是主控里面去的。

還有一塊偏航矯正優化，偏航系統可分為測風系統、控制系統及執行機構三部分組成，第一快是提高測風能力，激光測風一般會在某一個入風口地方裝幾臺，通過軟傳感實現虛擬車風，把這個結果去輸送到每一個其他沒有裝激光測風上面去，通過精準測風再加上算法控制，右上角這個圖其實是各個分數段一個最優的偏航角度值，看到它其實相對于我們測量的偏航角度值是有一定偏差，通過這種去識別出來最優偏航角度值來去為風機主控和輔控提供更精準的偏航校正。

還有就是遇到這種偏航頻繁的這種問題，可以看到，它其實跟這種風的變化情況其實有強相關性的，然后我們這邊也是首先提出假設，相關驗證來確定和邏輯優化這幾個步驟來做，我們剛開始就是去找，看偏航頻繁它是跟哪些變量具有相關性，最終我們會發現它其實是跟風向的標準差其實是相關性最高的，我們去計算它通過構建算法之后算它的準確度和所對應的，去通過列出來這樣一個表，并且區分了不同的風速段，有了這樣一種數據集，我們就可以給到相應的控制算法這種控制工程師，還去找到一個最優的解，其實看到精確率越高，相對的照速率越低，其實是相對一個變量，所以需要結合實際情況來去找到一個比較平衡的值。

還有基于LSTM預測，去實現主要大部件溫度的預測，它其實可以應用于齒輪箱、發電機、主軸等等一些主要部件都可以來適用。通過去預測一個機組的溫度模型，然后來和實際測得的溫度來去做一個匹配做個對比，去計算殘差，來實現這種溫度提前的預警，比我們直接去使用實際測得的這種溫度值來在算法實現上其實更加容易，然后它的精確性以及它的泛化能力也會得到極大的增強，其實是在如果說風電場、溫度差不多情況下，其實是具有很強的泛化能力，同時預測值、精確度也會比較高。

運維能力提升，其實涉及到風電場集中監控及運行管理平臺還有綜合的一個現場綜合運營管理平臺，綜合信息管理平臺是涉及到管人、管物和管事，各方面都是有的，還有智能風機的健康管理平臺，這一塊在下午的三點左右，在我們展位上也會有這一塊相關軟件體系的介紹，如果有感興趣的話，下午大家也可以去聆聽一下。

無人化技術應用，之前有很多相關同時也介紹過，現在不管是通過無人機去巡檢葉片，還有這種軌道機器人以及在場站里面一些機器人等等，都已經應用越來越廣泛越來越成熟，相信未來在做機器人消缺方面也會有更好的落地和更好的應用。當然現在來做消缺可能還是有一定的難度。

最后簡單的總結，智能傳感以及物聯網給風電行業帶來海量數據，大數據蘊含著風機運行和風機量管理相關的信息，數據挖掘具有很大價值，第二塊就是人工智能跨界，給大數據挖掘提供平臺和工具，并且在邊緣計算、風機控制以及場群控制包括智慧運維、平臺建設也發揮著越來越重要的一個作用，在未來，第一方面數據標準化還有模型的標準化以及應用的標準化這方面如果我們整個行業內可能做到這方面標準化進一步拓寬大數據應用邊界、模型豐富程度以及應用的生態化。

我的基本介紹就這些，謝謝大家！

（根據演講速記整理，未經演講人審核）