【摘　要】　传统运维模式下，业主考核只看发电量，无设备、人员的考核指标，但因“真实”发电量无法获取，只能采用事后维修和定员定编模式进行运维的管理。对业主来说，这种模式不仅无法提高发电水平，更无法降低运营成本；而对于运维方来说，因为没有技术门槛，粗暴选择低价竞争，同时，走入“降本就减员”，或者“保电就增员”的困境。本文提出的基于数据驱动的老旧电站智慧运维模式，利用生产运行数据，使用能量可利用率等与生产直接相关的指标，以电量损失为导向，独立剖析风资源偏差、发电设备性能问题、运行维护问题，定量分析运行维护带来的电量损失，找到问题根源，同时，通过建立人员、设备的考核指标，调整现场运维策略，降低运维成本，提升人员能力，达到“降本+增效”的目标。

【关键词】　数据驱动　电站运维　数据分析　老旧电站

1.引言

截止2020年底，全国风电累计装机2.81亿千瓦，占全部发电装机容量的12.79%。其中1.5MW及以下老旧风电机组装机近8000万千瓦，数量超5000台，由于这些风电场开发较早，大部分位于风资源特别优异的地区，前期限电严重，普遍存在发电能力差、故障率高、安全隐患多等问题。这些老旧风电场的运维模式的转变将关系到风电场能否扭亏或继续盈利。

随着“30·60”目标被写入“十四五”规划纲要中，大力发展可再生能源成为我国减少碳排放的重要手段。2021年风电进入平价或竞价上网，在电价大幅下降的情况下，如何在确保发电量的情况下降低运维成本，将直接关系到风电场投资效益。

传统运维模式，不能很好的解决设备状况逐步恶化，发电量持续走低，风电场投资效益得不到保证的问题，也不能很好的体现运维企业的技术能力和规模效益。本文创新的建立一套基于数据驱动的电站运维模式，来确保风电场的投资收益，推动运维服务企业技术能力提升，体现运维服务的技术价值和规模效益，降低运维成本。

2.传统运维模式

电站运维包括整机商、业主以及第三方企业。整机商手中握有风电设备的核心技术，但缺乏经营经验;业主主要进行投资风电场，无法掌握风电设备的核心技术;第三方企业则专注于风机设备的检修及状态分析，但技术水平和服务质量参差不齐。总的来说传统运维模式存在以下问题。

2.1 指标考核不利于运维效果提升

传统运维业主多以发电量为考核指标，同时用最低价中标运维服务，而运维方总能从现场粗放的考核方式中，找到发电量不达标的借口，两败俱伤。

2.2 运维服务缺乏有效评价

风电场缺少人员的考核指标，为节约成本运维方多采用劳务租借方式，能力参差不齐，单纯的靠便宜的人工平衡收支，人员流动大，无法形成核心竞争力和业务增长点。

因为没有技术门槛，运维业务成为低利润的持续人力资源输送。这种行业背景下，运维人员的技术价值得不到体现，运维企业规模增长带来的不是优势，而变成了风险。

2.3 风电场管控缺乏有效手段

风电场运营主要靠管理人员经验，缺乏有效手段掌控电站状况，导致电站运营效率并没有得到充分释放。

生产部门作为电站的“成本中心”，虽然开展了大量的集控、数字化、智能化建设，但目前尚未通过这些手段减少人员配置、降低全生命周期运营成本。运营商分权而治的组织结构，业务碎片化的采购特征让各个细分市场越来越割裂，整个行业不缺好的技术和产品，但遗憾的是没有形成整合价值。

2.4 老旧电站运维举步维艰

老旧电站由于亏损，生产投入少，设备故障多，运维追着修，工作量太大；技术改造缺乏数据支撑，钱没有花到该花的地方；运维和业主经营压力大，双方互不信任，运维合理的技改、维修方面的建议得不到重视；运维企业员工离职率高，维修水平得不到提高，故障重复维修，长停机组找不到故障根源。

3.数据驱动的运维模式

基于数据驱动的老旧电站体检式运维模式，利用生产运行数据，建立运维评价的指标体系，以如何挽回电量损失为导向，定量划分电量损失的根因，明确责任主体，进而调整现场运维策略，降低运维成本，提升人员能力，达到“降本+增效”的目标，增加运维主营业务的竞争力。这种体检式运维模式包括构建运维管理指标体系；强化体检式运维管理；借助智能分析系统和EAM系统等数字化工具。

3.1 构建运维管理指标体系

数据驱动的运维模式，以数据分析为输入，解决人员、设备的考核指标，指导解决风电场运维过程中的重点、难点，做到远程有分析-现场有行动-动作有评价-方案有依据。

3.2 强化体检式运维管理

数据驱动的运维模式，采用PDCA模式，结合总部-区域-风场三级管理体系，总部管控支持、区域经营分析、场站高效执行，层层管控，层层考核，提高执行力、竞争力。

3.3 借助数字化手段

数据驱动的运维模式，借助智能分析系统和EAM系统等数字化手段，为每个现场提供入场前、月度、季度运维生产的指标分析，数字化考核运维效果，及时、快速跟踪现场情况，监控人员能力、现场实施效果。

4.新运维模式的实践

某风电场已投产10年，投产后长期限电，常年亏损，区域对标垫底，导致近几年生产投入不足，长停机组多，故障率高，现场运维工作量大。2020年区域限电大幅度缓解，企业希望电站扭亏，准备投入生产费用对电站进行治理，但是缺少数据支持，不确定钱投向哪里能带来效益。

以此为契机，运维公司提出了基于数据驱动的老旧电站体检式运维模式，利用生产运行数据，建立运维评价的指标体系，以如何挽回电量损失为导向，定量划分电量损失的根因，明确责任主体，进而调整现场运维策略，降低运维成本，提升人员能力，达到“降本+增效”的目标。

4.1 构建运维管理指标体系

运维公司依托风电场现有生产管理和运维人员，增加总部运维管理人员、数据分析团队、技改服务团队和远程技术支持专家，共同组建专项治理小组，制定“数据驱动，以检代修，定量技改，远程支持，量化评价，持续改进”的工作方针。

梳理出11个设备状态、20个设备评价指标，发布《风电场设备运行评价指标》。该指标通过对风力发电机组状态和电量损失的划分，根据风电场管理模式不同从输变电检修、机组检修等不同管理团队角度，区分及评估各责任团队责任范围内造成的电量损失。

4.2 数据分析诊断问题

风电场现场提供全场134台机组，2019年52个测点的10分钟数据，59962条故障记录，测风塔风速、风向、温度和气压数据，计划、限电、维修、技改、备件维修等人工记录数据和大部件检测报告，风电场可研设计报告、机位布置图、2011年投产以来的风电场风速和发电量、历年大部件损坏和维修情况、历年技改情况。

数据分析团队对测点数据进行标准化处理，将59962条故障利用算法提取出26450条首故障，分为变桨等12个系统，并将人工记录的限电、计划工作等规范化后与故障记录进行整合和责任划分，利用智能分析系统计算出风电场考核指标、各类损失电量、故障次数和时长，分析集中性缺陷、可挽回的电量。初步得出解决5台长停机组可挽回损失电量约1062万；解决变频器集中性故障可挽回电量1253万，解决重点机组变桨故障可挽回电量403万；开展滑环、变桨及齿轮箱油路维护可挽回电量997万；齿轮箱散热技改或维护可挽回降功率电量60万，发电机轴承改造或维护可挽回降功率电量77万。提出全力恢复长停机组、集中力量解决变频器一般性故障和变桨驱动故障、现场运维增加定期维护内容的建议。

图1：风电场存在问题和可挽回电量损失

技改服务团队和远程技术支持专家深入风电场，与现场运维人员交流运维经验、梳理维护内容和操作规范，从设备获取高频录波数据深入分析变频器一般性故障和变桨驱动故障等集中性故障的根源，制定对应的解决方案在小范围检验效果。最后从现场实际情况出发，制定了运维方案，包含定检及针对性维护优化项目10相，专项深度维护2项，主要问题器件预更换3项，备件维修把控2项，技改优化3项，并按不增加费用的项目先上、挽回发电量多的项目优先，解决重点问题重点机组，小排量检验后大批量推广的思路下发现场执行。

图2：风电场综合治理方案

4.3 现场综合治理

现场运维结合综合治理方案，协助风电场逐步恢复5台长停机组，立即按照优化后的定检手册开展机组定检，在专家培训后陆续针对重点的40台机组开展变频器深度维护，配合专家远程支持快速处理变桨驱动和发电机绕组烧毁等疑难故障，把控发电机编码器、滑环和变桨驱动板维修质量，小批量开展偏航卡钳和发电机轴电流技改，将基于数据驱动的电站运维方式融入到日常的定检、巡视、消缺、技改工作中。通过分析，现场运维人员主动在登机必检项、机组专项工作、故障建议、定检方向、技改方向、库房管理方面增加针对性的工作内容。

表1：现场运维制定的运维措施（部分）

4.4 强化体检式运维管理

依托智慧运维服务请求、智慧运营监控中心、区域集控中心、资产管理系统、运维智库等平台和专家团队建设，形成“总部—区域—场站”的三级技术支撑体系。

设立运维技术委员会，统一负责运维的技术管理工作，技术委员会下设总部专家组(含总部电气专家组、总部风机专家组)、区域专家组(含区域电气专家组、区域风机专家组)、场站技术骨干，形成运维三级技术支撑体系。其中，电气专家组负责变电和光伏设备的技术支撑工作，风机专家组负责风机设备相关技术支撑工作。

细化体检式运维模式具体内容。运维通过技术创新和管理模式优化，对风电场的设备可靠性及集中性缺陷进行故障根源剖析，最终对风电机组的潜在安全隐患和亚健康状态进行全面评估，并基于分析和诊断结果提供定制化的运维建议。

要求通过风电场数据分析服务，对设备故障、设备性能等方面发现的问题，进行归类，发掘问题发生的根源，并提供针对问题根源的解决方案内容；要求数据分析服务贯彻于整个风机运维服务全过程，来保障风机检修运维质量；要求通过数据分析可以得到定制化的机组运维服务方案，从而做出针对性的运维措施，提高检修效率。

明确风机健康体检报告要求，从机组日常应急检修、机组巡检和机组定期维护等方面给风电场提出合理化的建议和方案。双方就风机数据分析结果进行相互确认，确定最终的运维检修方案。

规范故障处理过程，明确每台风机责任人；通过定期的数据收集，分析风机的运行状态，制定风机的检修计划；定期将故障频次较高的机组或频发性故障进行分析，根据数据分析结果确定故障的根本性原因，从而在检修过程中可以做出针对性的措施。

图3：故障处理流程

根据数据分析结果持续迭代常规工作，巡检、定检、专项检查、一般性维修、日常管理等常规工作遵循“计划-执行-检查-改进（PDCA）”的流程。要求根据“风机健康体检报告”，优化短期内风机的巡检方案和计划，除了机组常规巡检内容外，对每台风机出具定制的巡检方案。在整个风场机组运维过程中，每月出具月度经营分析指标，从而确定下一次巡检周期的机组定制专项巡检计划。通过风电场数分析服务，针对不易察觉的设备隐患，从机组安全、可靠性和发电性能多方面，联合对机组状态进行评估，从而确定机组定制化的定检维护内容。通过数据分析运维方案，能够精准确定机组故障点，从而减少备件更换的频次，降低机组更换下备件良品率，减少库存量，降低库存成本和运营成本。各生产现场设立兼职资料员，全面负责资料管理工作，及时建立健全员工档案、各种技术资料、档案、设备台账和图纸的收集、存档工作。

4.5 建立数字化系统

建立智能分析系统和EAM系统等数字化系统。智能分析系统接入风电场SCADA数据和EAM管理数据，着眼于电站生产期的数据价值挖掘，以电量损失为导向，融入经验丰富的生产管理人员、数据分析人员的业务分析逻辑，将电站损失电量的原因层层剥离。独立剖析风资源偏差、发电设备性能问题、运行维护问题，定量分析运行维护带来的电量损失，洞察规律，找到问题根源，从而为制定优化方案提供科学依据。

图5：智能分析系统可靠性分析界面

生产管理借助手机或PC端的EAM和智能维系统，规范生产管理数据，连通三级管理体系。风电机组出现故障或异常状态后，风电场利用手机EAM的APP或PC端中的故障智库来查询相应的故障代码和处理方法。现场因技术问题或其他原因无法解决的情况，利用EAM系统中技术服务请求功能，总部专家团队和技术部给出远程支持，必要时到现场解决问题。EAM系统每月给出风电场运维考核指标结果，区域对结果进行解释并制定解决措施，现场列出具体优化计划。

5.经验总结

基于数据驱动的老旧电站运维方式，在该风电场运维人员和运维成本没有变化的情况下，2020年挽回电量1103万kWh，机组故障次数从1.5台次/月下降到0.35台次/月，故障时长从54小时/台?月下降到6小时/台?月。新的运维模式通过数字化手段减少人工参与，提高现场管理效率，减少人员管理时间20%，减少人员和备件损耗，节约成本10%。

通过该风电场的实践总结经验如下：

（1）该模式可应用于所有电站运维项目、资管项目，一方面智能分析系统和EAM系统的使用，数据来源统一、可靠，无额外数据资产投入，便于加强生产运行数据和管理记录的标准化；另一方面，数字化、指标化的管理模式，便于直观透明的反应运维水平，提高现场的管理效率，加强人员能力管理，提高公司业务竞争力。

（2）该模式的试点和推广，完备的建立了人员、设备考核指标，改变了以前以发电量为主的考核模式，是行业内的创新，真正使数据对生产产生价值；总部-区域-现场的三级运维管理模式，高效的推动并监管生产，增强了企业竞争力和员工的积极能动性；智能分析系统的开发应用，将管理的标准化、数字化落到实处，行之有效，收益显著。

（3）数字化、标准化的运维管理模式，可以对风电场运维进行统一评价，保证现场实施的标准化、及时性、高效性，使人员能力稳定、现场监控直观，有效提高现场的安全性和稳定性。

（4）该模式下包括一套自主研发的风电智能分析系统，利用生产运行数据，以电量损失为导向，定量分析电量损失，并找到问题根源，制定现场人员、设备考核指标，为风电场制定特定的优化及运维方案，给出可挽回电量指标，使行动有目标，可考核。

（5）该模式建立了一套完整的流程：机组原始数据录入，采集风电场SCADA原始数据及故障记录；采用智能分析工具，对现场损失发电量进行分解，确定可挽回电量指标，进而发现运维难点、要点，给出检修、技改建议；现场根据运维、检修、技改等建议进行工作；根据EAM系统记录情况，收集运行维护情况数据，进行二次评估；形成针对当前风电场的定制化运维指导文件。

（6）该模式的应用对行业内风电场运营有借鉴意义，对业主来说，损失电量的分解，倒逼生产各项费用明确分类，明确细化的指标考核，可以对各个成本环节分别把控，有效降低成本、增加收益；对于第三方运维公司来说，细化的设备、人员指标考核，便于及时发现隐患，提高改进现场操作，快速反馈，降低人工成本，提高人员能力。

参考文献：

[1] 史香锟,贾爱庆,陈忠良,马驰,张淑兴.海上风电运维管理系统的研究与建议[J].能源与节能,2021,(01):131-134.

[2] 包鼎,赵双奎.“三维一体”智慧风电场建设实践[J].能源科技.2021,19(01):12-16.

[3] 孙杰,高志国,曲文涛.数字技术,油服行业转型加速器[J].企业管理,2021,2:107-109.

[4] 马存先.数据“动起来”也要“用起来”[J].企业管理,2020,12:100-103.