年年岁岁风相似， 岁岁年年鹊不同。近年来，远景智能EnOS™风电健康度管理模块（后文简称扁鹊）日益发展壮大，其基于风机SCADA/CMS/第三方传感器等主流数据源，全面覆盖风机性能与关键部件亚健康预警，正在为国内外30000+风机提供服务，已集成过150+各厂家机型数据，检出10000+预警结果，已验证案例数量8000+条，2021年全年准确率超90%。
截止2021年底，全国风电累计装机3.28亿千瓦，其中陆上风电累计装机3.02亿千瓦。在政策利好下，风电产业正处于蓬勃发展时期。与之同时，如何高效管理风机资产的健康水平成为困扰几乎所有管理者的问题。此时，尤其需要一位懂风机、懂数据、懂管理的“专业健康顾问”，辅助客户实现精准运维。
十年前远景就在业内首次提出基于最新的信息技术实现智慧风场的构想，为了进一步提高风电光伏的并网友好型，通过智能化和数字化手段提高新能源的电量占比，远景又率先布局全球领先的EnOS?智能物联操作系统，成为全球AIoT技术的领军者，截至目前已连接管理全球超过400GW的能源资产和超过2亿个智能终端机器设备，涵盖了风、光、储、充、动力电池、智能电网等多个领域。
基于EnOS™智能物联操作系统打造的风电健康度管理模块扁鹊，作为风机的专业健康顾问，深耕风电机组控制原理与各系统部件工作原理，具有识别并排除无效数据干扰的丰富经验，兼具远景集团积累历史约十年的风机运行数据、部件失效案例、详细检修记录和长期以来与各客户现场共同迭代的各机型真实故障案例，致力于解决风机运维四重难题，为风机高效长寿的运行保驾护航。
问题一 是风不佳，还是风机不佳？
风机的发电能力是运营单位最为关注的性能指标，而长时间持续运行的风机或因部件老化、或因策略参数不匹配，导致无法达到设计应发电量。在试图解决该问题时，业内普遍面对一个难题：是风不佳，还是风机不佳？
通过比较不同时间段的功率曲线，运营单位可以发现风机存在发电性能劣化，但无法确定是受周围风资源（如湍流大、风剪切等）影响，还是风机自身的发电控制策略不佳。如果不从劣化源头出发，便无法排除环境因素的影响直接定位根因、最终实现闭环。
扁鹊为风机呼吸系统（偏航对风控制系统）、姿态控制系统（变桨、转矩控制系统）提供全方位的 “在线数据超声波体检”。借助AI技术及对风机控制机理的了解，扁鹊“透视”风机历史运行SCADA数据，洞察劣化根因。同时，也提供尾流分析模块评估风场整体尾流损失，为用户量化“风的问题”，并为业主优化尾流控制策略、提升风电场整体收益提供参考。如此便将风机发电性能劣化问题从黑盒子变成了白盒子，让 “疾病”无处遁形。
下图中预警结果为扁鹊基于某风机实际运行数据评估得到：风机偏航后目标位置与实际风向长期存在偏差，造成发电量损失。现场人员登塔后反馈风向标存在对零偏差，故将风向标顺时针旋转5°消缺。修复后该风机预计每年至多可挽回发电量损失约57MWh。
问题二 风机各异，如何精准预见部件隐患？
据统计，截止目前运行10年以上的风电场装机规模约6400万千瓦，风机数量约4.9万台。随着时间推移，这些老旧风机各部件损坏的概率越来越高，运维成本陡增。传统运维方式仅被动响应风机告警，无法主动高效识别部件隐患。因此，提前预警部件隐患、降低风电场运维成本是业内的共性需求。
要借助部件隐患预警实现降本增效，对其准确性有着极高的要求，也存在着巨大的挑战：
一是风机的故障根因多种多样，但往往只有有限的温度/压力/测点能表征系统状态。如果不能做到精准识别，检修人员只能全面排查，无法降低现场运维的难度。
二是每台风机的设计参数、所处地理位置均有其独特性，一套通用的模型或规则无法适用于所有风机。
三是如何排除脏数据、重复数据、冗余数据、数据不一致等问题的干扰，洞察设备自身的真实故障。
扁鹊多年深耕风电机组各系统工作原理，结合风机实际测点布置和数据接入情况，建立单维/多维、长期/短期、机器学习/深度学习/统计学习的多元模型。目的是利用不断迭代的AI智能算法，让高维度的数据充分“自我表达、自我学习”，从而可以从复杂的数据表现中区分不同故障模式，满足不同风机的特异性，激发数据发挥其最大价值。同时，扁鹊全面覆盖风机SCADA和CMS两大运行数据源，对关键的传动链部件能进行温度预警和振动预警的交叉验证。
下图中预警结果为扁鹊基于某风机发电机驱动端轴承长期实际温度表现、环境数据与运行工况，预测部件健康温度后发现：部件实际温度相较于预测健康温度持续存在较大偏差。经现场人员检查发现该风机发电机轴承异响，更换发电机前后轴承后机组恢复正常。
问题三 新型感知，如何诊断特殊病症？
大多数疾病采用常规器械和方法即可诊断，但总有些特殊病理信息由常规器械无法触及或难以探明。风机的叶片、塔筒一般缺少传感器覆盖，这导致运营单位需要付出较高的巡检成本。以叶片故障检测为例，风场通常采用无人机巡检，不仅耗费人力物力，且考虑到无人机续航时间短，如何高效合理规划路线对于现场人员也是一大难题。而如果在叶片上加装振动、应力等传感器，则需要复杂的技改过程，故障点覆盖面也较窄，总体性价比较低。
扁鹊独创性地提供吸附式智能声音采集设备，简单装配即可为风机提供“听觉”范围达到48kHz的“耳朵”。通过集成深度学习、机器学习以及传统的图像处理算法，可以轻松识别前缘腐蚀、后缘损伤等多种叶片损伤类型，即使是排水孔堵塞引起的哨音都难逃法眼。
此外，还可为风机加装倾角仪、陀螺仪、气体及雷击传感器，对塔基及机舱系统的进行全方位监测。传感器精度高达0.005°，可直接监测塔筒基础不均匀沉降，监测塔筒位移，避免倒塔或者极限推力超出风机设计范围。
扁鹊还支持集成第三方油液、螺栓在线监测系统，让风机获得更多的感知能力，为具有高级算法与强大计算能力的云端大脑提供更全面有力的数据支撑。
下图中预警结果为扁鹊基于叶片扫风声音检出叶片表面损伤。经现场登塔勘查，确认该风机叶片前缘损伤，进行叶片修复后有效避免故障进一步劣化。
问题四 专家服务，如何赋能用户高效管理？
扁鹊一直致力于提升算法精度和预警部件覆盖率，但我们没有忽视客户另一大关注点：如何借助预警结果真正实现降本增效？在反复实践中我们认识到：在风机实现智能运维的道路上，提升运行人员的监管指导质量和现场人员的检修闭环效率是不可缺少的重要环节。
为了进一步破除算法模型的专业壁垒，针对性解决每个运营单位存在的特异性问题和风机设备中出现的“疑难杂症”，扁鹊配套全生命周期专家服务：
基于专家对风电场生产管理流程的丰富经验，在前期咨询时即参与设备资产和配套流程制度“把脉”；正式投用后，专家将结合运营单位生产管理流程与业务指标要求，“把脉”用户痛点，搭建合理的信息沟通链路，引导完善预警配套管理，保障生产运营效能和预警效果。同时，系统也具备可灵活配置的在线预警闭环管理功能，帮助运营单位跟进逐条预警的现场检修方案、确认风机真实故障原因。
扁鹊与用户管理相结合，不断助推稳定生产和优质管理。“扶上马，送一程”并不只是一句口号，而是实实在在的专业服务。
