在“双碳”及“风光”总装机12亿千瓦以上双重目标的加持推动下，十四五期间风电产业将迎来黄金发展期，但受限于平价的压力，风电项目开发过程中，风机能否在运转时期发挥最佳性能，成为衡量风场投资成败的关键因素之一。
随着风机产品走向同质化、老旧风机大量出保，后服务市场也在迅速扩大。根据前瞻研究院的预测，2025年中国风电运维市场将超过300亿元。由此可见，智能运维有望成为降本增效的重要突破口，也是实现精益化管理的必然选择。
因此，风电场运维模式必须从传统的被动型、间断型、粗放型的运维模式迅速向智能化的主动型、持续型和精益化运维模式转变。
产品概述
电气风电自主研发的Prognostic-Agent平台采用当下先进的AI技术、大数据技术和边缘计算技术开发了自动建模模块、健康评估模块、故障预警模块、备件预测和工单运维模块。这些模块持续监测风电机组的健康状况、预测故障的发生，评估维修窗口期，进行智能作业规划以及预防性维修方案。
系统具备覆盖主轴承、齿轮箱、发电机、偏航、变桨等各系统30+故障预警诊断模型，可有效提高运维响应时效、减少突发事故频次、降低故障规模和停机时间，实现风电场度电运维成本的大幅降低。
传统运维痛点vs.Prognostic-Agent解决方案
传统的运维方式是被动的、间断的和粗放的，偏重于事后检修，缺乏科学运维策略和合理计划安排，效率低、安全性差、运维成本较高。风电机组运行状态监测缺乏后台强大的数据支撑，机组健康状态、劣化趋势分析不够完善，远程故障诊断和预警能力不健全。
4大产品优势
产品优势
Prognostic-Agent系统基于风云大数据平台，可部署于场端和云端，直接服务于运维一线人员，帮助性能优化和运维决策。模型的准确率更高、误报率更低。
技术亮点
HI（Health Index）指标：描述部件的故障状态，部件故障发展过程一目了然，
主算法建模：模型架构标准化，减少对众多智能模型的依赖和维护，化繁为简；降低了AI在风电行业的应用门槛，为智能运维提供了便利。目前使用主算法可以有效解决80%以上的预警故障；
数据分析工具：多维数据图形展现，提供预警故障的根因分析功能，直溯故障源头，帮助运维人员快速处理故障；提升数据的价值链，将数据分析师的工作普及每一位工程师。利用大数据分析工具，可以分析机组的偏航对风、湍流等特征；
自动建模平台：集成主算法模型，实现预警建模的流水线作业，降低模型开发难度。可实现数据读取、数据清洗、模型训练和模型部署等功能。
客户价值
电气风电Prognostic-Agent平台综合应用了互联网、大数据、机器学习、知识图谱等先进技术，主动维护方案达到行业领先水平。
1.推动从传统运维向知识运维、智能运维的转变，实现真正的“无人值班、少人值守”的风电场运维理念；
2.及时掌握部件运行状态，最大程度避免意外停机的发生；
3.实现对风电机组关键部件的故障预测分析，有效减少非计划性巡检工作量；
4.通过知识库系统推动现场运维经验的积累，运维人员可自主高效解决90%以上的故障，显著提高现场运维效率；
5.通过智能工作任务派发，实现线上预警与线下运维的闭环联动，最大程度降低运维成本。
故障预警准确率 ≥80%
故障率降低 5%以上
案例介绍
多年来，我们持续对风场的实际运行情况和数据进行统计和总结。大量现场案例可以证明Prognostic-Agent系统能够有效为风电场的预防性维护提供有力的技术支撑，实现机组的全生命周期状态检修、对大部件使用寿命进行准确评估，极大地提高运维效率、降低了发电量损失。
以下案例情况及相关数据，均为电气风电的现有运行风场采集：
案例一：叶片结冰状态预测
2020年1月，Prognostic-Agent平台发现某风场的多台风机均报出了叶片结冰预警。平台迅速推送预警工单至现场，通过现场排查，确认叶片轻度结冰情况，并及时采取维护措施。
叶片结冰会导致风机实际功率大幅度低于理论功率，严重情况还会造成停机，极大地了影响风机的发电效率。此外，叶片结冰还会增加叶片重量，改变叶片部分结构参数，容易造成叶片折断，存在很大的安全隐患。
大数据结冰预警信号可协助主控及时启动结冰穿越、提高保险系数，实现结冰期间发电量损失的最小化。
案例二：齿轮箱监控预警
2020年2月，Prognostic-Agent平台发现某风场40#风机齿轮箱健康状态发生劣化，同时齿轮箱油温持续有升高趋势。通过下发工单及时处理，齿轮箱健康状态很快恢复正常。
通过结合部件健康状态预警模型，可有效实现主动维护、预防性检修。此外，通过天气风速预测系统，可将故障检修安排在小风天气，以实现发电量损失最小化，大大降低非计划检修的影响。
