9月19日，“2019第三届中国风电设备质量与可靠性论坛”在株洲召开。
高首聪：各位领导，各位专家大家上午好。我是中车株洲所风电板块主管技术和质量的副总经理、总工程师，刚才听了赵老师的一堂精彩的讲课，确实是受益匪浅。从可靠性工程，系统工程的角度，从敏捷维护保障的角度去讲了我们的一些很新的一些理念，确实让我们做整机企业的技术人员有很多的启发。
刚才刘总提了三点倡议，我们作为整机企业非常认同，一个是做通用性，平台化，也是我们行业需要去探讨的一个重要的方向，一个维护性的设计，包括可靠性工程的一个引入。下面我花大概半个小时的时间，介绍一下作为中车整机对全生命周期的一些可靠性保障的探讨和思考。
从以前的全额补贴，到标杆电价的补贴，到后面的电价的持续的下滑，一直到2018年，去年5月份的竞价政策的推出，到2019年5月份推出的风电电价的明确，明确了我们的平价政策，对我们风电的整个产业链应该是一个非常大的挑战和压力，这个是主要的电价背景情况。大家都非常熟悉，我就不重复了。
陆上风电应该在2021年之后面临平价，海上风电也很快会面临平价的要求。所以在政策背景下，我们怎么能够从全生命周期的风电角度来考虑降低我们度电成本的同时，又能保证风机安全性和可靠性。我的分享分为几个阶段，包括前面风资源开发，微观选址怎么做的，中期整机开发，以及整机和供应链的协同，我们的一些思考和想法，以及后期我们故障预警预测，包括风场的智能运维，做了哪些探索给大家做一个介绍。
分享分成5个部分，风资源开发与选址的探索。目前中车有2个大的平台，一个就是中尺度风资源模拟及宏观选址平台，还有一个风能资源数据模拟高性能计算平台，一个是测风的准确性，还有微观选址的准确性，另外一个平台从风场设计到道路设计，包括各种维度的收益率的一些收益计算的平台。这两个平台下面支撑的技术，有6个大技术作为一个支撑，包括中尺度技术，激光雷达测风，无人机测绘技术，地理信息识别技术，精细化流场仿真技术等等。从测风的数据准确性保障来讲，我们联合开发了一套系统，很多业主同行可能都到中车株洲所的智能运维中心看过数据平台，数据的准确性和权威性是没有问题的，这个是来自国家气侯中心的数据。数据的准确性从我们应该来讲，2017年投入应用，应用两三年时间，从平台的应用效果上来讲，它的这种数据跟测风塔的对比，我们用实测的数据跟风资源平台数据做了一个对比，比原来数据的一些准确性，应该说提高了很多，误差率减少了20%左右。风资源是风场一个最基础核心的前提，这个的准确性对于项目开发不确定性的影响，它越准确，风场的收益率越明确，这块有这么一个结果。
同时这个平台还可以提供任意点位的长时间，时间序列的降尺度的计算，作为虚拟的测风塔的使用，见效了无测风塔区域风资源的评估风险。我们可能不光是风资源，还有雷暴，沙尘，湿度，冰冻，极端气温等，我们这个是从国家气侯中心过来的数据，所以减少了风场开发前期的一些成本。
激光雷达这一块作为数据准确性的一个补充和验证的作用，行业里面很多整机商都在应用，我就不赘述了。还有选址精确性的保障，包括无人机的应用，影像的识别，行业通用的技术，可能各家整机场有自家的经验和特色在里面，这种可以解决微观选址的一些过近，机位偏差的问题，可以使机位的选位更准确。同时选址精确性的保障，第二个平台就是多目标，多维度，微观选址优化技术。平台形成之前我们基本上都是考虑人工去算，包括布机的机位，机型，载荷安全性，还有道路的一些设计，很多个可变的一些维度，计算起来工程量非常大，耗费大量人力，用这个平台之后可以做一些多目标优化的方向，可以释放很多灵活性，自动实现期望目标，有些是期望发电小时数最优，我们可以设定目标，按照这个平台计算可以有一个很好的结果来呈现。
这是有几个实例，三个方案，A方案是同一个风场选不同的优化目标它的一个结果。A方案是满发小时数最优，达到2956小时，B方向是IRR最优，C方案是度电成本最优，它可以达到2毛1分2，通过不同优化的目标可以用这个平台做出不同的选择。这个是用这个平台做道路优化方面的一些应用实例，应用之前它的方案，道路可能需要接近19公里的道路，优化之后可以做到14公里。
然后就是平台化的整机可靠性设计，刚才赵老师也提到了，平台化是必不可少，降低成本也是平台化，系列化一个重要的方向，这一块我们的一些做法给大家介绍一下。第一个就是我们有一体化的设计平台，包括前期风资源的数据库，包括微观选址一些点位的测风数据，结合我们工作风力曲线的数据库，再结合CAD，CAE试验设计，包括样机测试数据，以及后面健康数据的管理，寿命预测，形成一个一体化设计平台，保障整机在设计时候需要考虑的维度基本上都考虑到。
第二个就是平台化产品开发的理念，目前形成了4个产品平台，1.5的，2兆瓦，3兆瓦，4兆瓦的，它都有系列化的长度和配制，在系列化过程当中，很多部件可以互用，内部控制的质量指标，会提不同机型之间的护用率，也是用平台化保障产品它的延续性和可靠性。
第三个就是仿真实验一体化的实验体系这个应该说是中车风电一个比较大的特色，轨道交通大家都理解，对于可靠性要求非常高，经过几十年的发展，形成完整的一套试验仿真，实测的体系。中车株洲所的风电板块也是吸收了我们高铁在可靠性管理有关实验方面的一些体系和要求，建立了这么一个体系，包括仿真体系，包括整机的试验体系，也包括依托高铁产业建立起来的，原来的可靠性的实验平台，包括振动，高低温，淋雨，疲劳等各种各样的实验资源。大家如果感兴趣的话，这两天可以去检测实验中心做一个参观，可以看一看。
第四个就是针对特定风场的差异化设计，因为平价，将来平价，平价的话成本压力很大，可能如果是同套设计满足所有风场的话，可能就存在有些风场的过设计，余度过大的情况，我们针对某些特定的风场形成针对性的设计，一个是降低成本，另外一个保障风场的安全性和可靠性。这个也是针对特定风场差异化，尤其是湍流强度。这个是控制与保护系统的可靠性性保证，我们会根据历史经验，我们自己的理解来设置相应的保护策略，来保证我们的机组安全的最后一道防线。
这是有几个实例，应该说中国风电整机的发展，基于需求的拉动在某些方面走在了全球的前列，国外可能也没有这么长的叶片，可能没有我们这么复杂的环境，所以需求拉动整机创新，也对我们特定的条件做相应敏感性分析，对于实际参数跟我们原来在实验室仿真的参数做一些较正，来保证我们风机的安全。
第三个就是供应链管理与协作的内容。中车株洲所供应链管理也是延续了我们原来在轨道交通，高铁这块对于供应链管控的理念，对于供应商准入要求非常严格，有一整套的严格的流程。前两天我们还在讨论说，供应商有些对我们不适应，你们一道一道的关卡才可以交互，有很多抱怨，但是我们还是要坚持这种底线，我们对于供应商的准入一定是非常严格。然后进入我们的合作范围之后，我们一定会是一个长期战略的一个合作，所以对于供应商这块的管理是非常的严格。包括它的一些绩效的评价，包括准入和一些准出的政策，它是有一套整个体系来确保供应商持续提供可靠产品的一个能力。第二个是针对实物质量的控制，包括首件质量管理，首件管批产的质量管理要求，也包括持续改进的一个管理，这个都有完整的体系，来确保供应链管理质量它的符合性，以及确保后面有进度，有一些指标会说明我们这个结果。
第三个也发挥我们产业链的优势，协同设计开放，从根本上来讲，一个是系统开放，关键供应链的协同开放，一个方面提升性能，另外一方面也降低成本。往往就是某些部件，我们整机可能留了一些预料，如果都留预料，那么就会很大很笨，我们的协同开发，在这些参数上有一些深入的探讨和理解，对于整机最优化的设计是非常有利。也取得了一些效果，在2.5兆瓦平台和3兆瓦的平台，对整个机舱重量的降低是非常有效，可以降低20%以上的质量，大家很清楚，机舱的降低重量就是降成本。
第四个方面就是基于大数据的智能运维，赵老师PPT上也讲了，怎么利用现场数据做大数据的一些挖掘和分析。这方面我们也已经形成了一些经验，目前我们面临的一些问题，一个就是风机故障率，或大或小，两个比较困扰的问题，一个就是根本原因，很难找到根本的原因，另外一个就是小而广的问题比较困扰。虽然讲说颠覆性的问题很少或者不多，但是小而广也很烦，因为影响到发电量，总要修。我们怎么能够，因为这个很难查，今天有了明天可能就没有了。我们怎么能够在里面通过数据分析找出规律，找出分析的方向，这个是非常重要的一个信息。
另外一个信息不透明，信息不完善，运维困难，这个是目前风机在运维过程当中面临的主要的一些难题。解决方法就是基于大数据，智能化的智能分析，包括现在建立了一个智能数据的运维中心，把现场大概上千台风机的数据采集回来，经过相应的处理，特征的提取，建立我们的PHM的一个健康管理的中心。目前建立了3个平台，一个是运行监测平台，远程集中监控系统，把上千台风机的数据，这是第一步最基础的，第二步我们怎么利用这些数据做分析，包括一些健康的检测，故障的预警以及故障的诊断，这是我们建立的第二个，健康管理的系统。我们诊断出故障以后，我们怎么去处理，怎么去相应，怎么能够及时进行现场风机的恢复，能够解决我们的一些维修的决策，能够解决我们的备品备件的及时供应，工单的派发，以及现场的统计。我们依托这三个平台来建立我们的基于大数据的智能运维系统。这个就是远程的集中监控系统，它的数据也是依托相关标准做采集的，这是一个主界面。
这是第二个健康管理系统，现在运行了应该有接近2年的时间，很多的算法基本上是，因为我们株洲所下面有一个研究院，有一个专门做大数据，数据中心，大概有几百号人做大数据的研究，有一帮人在研究算法，研究基础的算法，风电行业的应用就是会把这些基础的算法，移植到风电领域来。我们每隔十分钟时间对于现场风场的数据做健康状况的适时检测，这个系统已经管理将近2千台的机组，已经建立了80多个数据模型，现在每天数据中心都在运行。包括病例本的建设，也是为了打通数据的贯通性，从供应商这一块它的数据管理，运用二维码，还有条形二维码的手段，把整个供应链产品信息，把履历本建立起来，方便后面质量的追溯。
这是第三个平台智能运维系统，我们常说的现场资产管理系统，这是界面，包括运行数据，诊断出故障之后，怎么指导现场的运维，目前我们现在几个机场在用，包括以后新建都会推行这个运维系统。后面是几个案例，这些数据回来之后，利用我们的PHM系统每个月会对风场做一个体检报告，对每一台机组的运维状态，包括它的一些温度，一些功率曲线，发电情况，故障情况做一个体检报告，这个对于我们风场是非常欢迎这种报告的，对它的运维指导作用非常明确。
这是另外一个大数据的诊断案例，包括温控阀的异常检测，现在主要是依靠进口，一个贵，一个是故障率高，如何尽早识别出温控阀的故障，及时进行备品备件，减少损失。我们建立了两个指标，超过这两个指标我们认为温控阀不健康了，提前做备品，可以几个月前发现问题，减少现场发电量的损失。
这是做一个对风异常的监测，可以尽早发现偏航对风的异常，识别测风仪的问题，通过大量数据积累调整控制逻辑，提高机组的发电量。
最后一个是源自高铁的可靠性管理体系，赵老师刚才提过飞机的了，其实高铁和风机运行的环境是类似的，比如说高铁在高温高湿高寒，包括沙尘，包括弱电网，祖国的大江南北基本上都跑遍了，这种应用条件下两种是非常类似的，另外高铁寿命是30年，风机是20年，同样都是大型的机电集成系统，只不过一个是发电，一个是用电的。这个是内部做了一些可靠性对比，当然不是同一个维度的，高铁是有几个核心部件，包括网络控制系统，MTBF的水平数都是在百万级，右边是风场整机的MTBF，我们现在管理的指标一个是MTBF，一个是可利用率，推行了可靠性的工程之后，指标改进的效果还是比较明显。
这是两个，左边是高铁可靠性的管理体系，右边是风电的可靠性的管理体系，我们把相关的这种高铁的一些可靠性的管理理念移植到风电领域，还是取得了一些很好的效果，这是目前指标运行的情况在稳步提升。
质量是永恒的话题，这次论坛的主题也是质量和可靠性，无论是当前抢装，还是两年之后的平价，可靠性始终是我们产业持续健康发展的基础，中车株洲所也愿意跟各位同行一道，能够不忘初心，坚持我们制造的本质，能够跟同行一起为行业高质量发展一起贡献力量。谢谢大家。
