2019年10月21-24日，2019北京国际风能大会暨展览会（CWP2019）在北京隆重召开，大会主题“风电助力‘十四五’能源高质量发展：绿色、低碳、可持续”。自2008年首次在北京举办以来，已连续举办11届，成为北京金秋十月国内外风电行业争相参与的年度盛会。
10月23日下午，举办了“智慧运维论坛——风电智慧运维实践”。
以下为发言内容：
王吉利：各位同仁大家好，我是三一重能的王吉利，很容易站在这里跟大家分享三一的智慧风场系统，接下来我会从三个方面来进行对三一智慧风场进行分享，第一是三一智慧风场的理解，第二是关键技术，最后我会介绍三一智慧风场的案例。
首先是三一智慧风场的理念，对于智慧风场来说，我们认为它不仅仅是一个软件系统，更像是生态系统，我们把它分为了三个部分，第一部分是智能风机，然后是风场的软硬件系统，然后是运营服务，智能主要体现在两个方面，第一个是智能的数据采集，第二个是智能的风机控制，它为风机提供了感知和决策两部分的能力，然后我们的风场软硬件系统采集全场全量的数据，最终会实现大数据的存储和分析平台，提供性能分析、故障检测和故障预警还有寿命预测的服务，运营服务是我们三一智慧风场的核心，它使得数字化、智能化形成闭环，最终将问题消灭在萌芽阶段。
首先看一下我们智能风机的概念，首先智能风机是智慧风场的基础，风机的演变经历了变速时速、变桨变速、智能风机三个阶段，主要技术特征是深度感知、自我认知以及系统决策。三一智慧风场主要扩展了常规风场的一些属性，智慧风场分为两部分，一个是场站端，一个是云端ECC，场站端包括服务器、交换机，以及在上面部署安装的操作系统，还有数据库以及上面的一些技术软件。在技术软件安装有SCADA系统，通过采集全网全量数据，最终用来要打破设备和系统之间的信息孤岛，我们采集的数据大概包括风机的等全场的一些数据，在智慧风场价值主要体现在数据的闭环，在场端还部署有我们数据闭环的控制平台，通过闭环控制来解决问题，最终达到消灭问题，将问题消灭在萌芽阶段。我们的云端系统，除了常规的硬件和服务器系统软件之外，还有云端的ECC系统，包括大屏、手机端、微信，可以随时随地的无缝访问。智慧数据分析平台主要是基于对分析机理的理解，结合大数据、机器学习技术，通过对风场采集数据进行分析，发现问题，进而在场站端业绩问题。
运维服务是智慧风场的核心，这是我们的架构图，主要由三部分组成，数据源和大数据平台以及运营服务，数据源主要包括了SCADA数据、运维数据等等一个BOM信息以及备件信息等等，数据通过统一编码规范，通过数据采集服务，统一上传到大数据平台，提供统一的数据访问接口，应用服务主要提供的是部件的故障监测、故障预警还有寿命的预测，还包括专家系统和运维管理，主要是提供设备的全生命周期管理，主要提供了大屏、手机端以及微信的自动报告这些，可以随时随地无缝访问。
接下来看一下三一智慧风场用到的关键技术，首先看一下现在目前发现风场的问题，主要是大型设备故障隐患难以实时监测和预测，一旦发生故障，损失惨重。无法预测备件损坏，备品备件供应不足。非计划故障多，人员调配非常困难，运维计划难以制定，突发性运维也比较多，导致准备不足，时间仓促，存在安全隐患。随着智能化技术和大数据机器学习技术的发展，三一智慧风场运维包括了自动化故障诊断和故障监测，以及大部件寿命的评估分析，进而优化运维的模式，由原来的被动式的运维改为现在的方式。
创造价值是智慧风场的目标，三一智慧风场客户价值主要体现在以下几个方面，第一个是提升的发电量，同时降低安全风险，减少值守人员，增加并网收益。基于风机系统，三一在设备互联、三现大数据分析等核心技术，数据驱动使常规风场在性能和健康指数不断优化，降本增效，为客户创造价值。下面我主要从数字化和智能化、闭环优化进行详细的介绍。
在常规的风场部署中，我们一般会部署很多的专有系统，这些系统并没有统一的规划，导致数据并没有相互关联利用，形成了很多数据孤岛，这些系统主要包括有风机SCADA系统、视频监控系统、变压器、集电线路、继电保护、风功率预测系统、AGC/AVC、测风塔等。三一智慧风场主要对整个风场统一监控，打破信息孤岛，实现随时随地的无分访问，除了在场站端部署有SCADA系统以外，还部署有云端ESS，还有移动端以及每日报表推送系统。通过智能化数据分析，我们对风场采集到的数据提炼了三大指标，用来表征风场现在的一些运行状况和运行情况，三大指标主要是可利用率、性能指数和健康指数，可利用率比较常见，主要是表征在有风的情况下，风机有没有正常发电，性能指数表征的是风机的发电的时候有没有达到性能的最优，健康指数是衡量风机有没有稳定发电的潜力。我们通过对损失电量的根因分析，洞察损失电量的去处，结合三一自主研制的故障预警的算法，将以前的被动技改成现在的主动技改，优化发电性能、减少故障，提升发电量。所有这些都可以通过我们智能分析平台自动出报告，这个是自动住报告的部分内容，主要是电量损失分布以及电量损失严重的故障因子分析等。所有这些指标还有报告都可以在智能分析平台里边进行直观的展示。通过故障预警事后纠正变为事前预防，通过将不可见的问题可见化，将问题消灭在萌芽阶段，同时通过对风机机理的理解，建立模型，从产品的设计和制造系统的设计端，进而避免问题。这个是智能分析的分析框架，主要是由四部分组成，数据采集、建模分析、算法计算以及闭环优化。
刚刚讲了三一的一些理念和关键技术，接下来举几个案例。首先回顾一下三一智慧风场的基本思路，首先是通过数字化的手段，包括远程监控、移动运维，结合数据自动出报告发现问题，提高运维效率，通过智能化手段优化保护逻辑，减少启停过程，减少故障停机时间，优化功率曲线和偏航控制，改进风机的发电性能，基于对风机机理和大数据、机器学习的技术，我们构建了故障预警和大部件的健康预测、寿命预测等，最后通过管理手段以及智慧运维管理系统进行闭环优化。
下面我开始几个模型案例，第一个是偏航的异常监测模型，这个模型目的是用来监测偏航系统的性能，为偏航系统控制逻辑的优化提供依据和预测。我们结合偏航系统的设计以及行业经验，统计了偏航的次数、偏航时长，与标准的设计进行对比分析，通过对横向对比各台风机可以发现9号风机偏航次数以及偏航时长偏多，目前这台机组已经进行了优化，从这张图可以看出风机的微观选址有点不太合适，这个就不展开了。这个模型是变桨后备电容的检测，用来避免飞车倒塌的风险，我们通过分析后备电容的数据，确定电池容量的计算方法，确定计算规则，结合故障数据进行测试验证，如果发现有这些故障，会自动提示报警，我们知道在电网掉电的时候，风机是依靠变桨后备电容里边存储的电量进行收桨的，如果说容量低，说明储存的能量比较少，有可能桨叶无法收到90度角，造成飞车倒塌。这个模型是我们接触器粘连模型，它的目的就是用来判断偏航的接触器是否粘连，用来避免着火风险，我们通过机理结合偏航系统接触器粘连模型，进而形成故障分析的模型，如果发现故障也是会自动提示报警信息。我们知道偏航如果跳闸后，偏航电机开关没有断开，可能会发生火灾。这个模型是主轴承的升温异常的监测模型，模型的目的是用来分析轴承温度是否异常，是为轴承的健康状态提供一些依据，我们通过提取和轴承温度相关变量作为输入，同时建立在健康准备下轴承温度的预测模型，与实际的测试温度去进行对比分析。下面这个图是预测值和实际值差距的百分比，数值小，说明实际值已经偏离正常，存在轴承温度偏高的风险。这个模型是传动链异常监测模型，模型的目的是用来监测是否激活了转速、塔筒的问题，我们通过功率谱的分析能获得对应的数值，如果发现异常也会有自动报警机制。2018年以来，宁乡智慧风场自部署我们的智慧风场系统以来，通过故障监测、预警以及主动技改服务，发电量提升2.3%，下面是每台风机电量提升的百分比，谢谢大家。
