摘要：资产的保值增值是投资者关心的重要问题。近些年随着风电产业的快速发展、装机容量及运行时间快速增加，如何提升风电设备的利用率、降低风电设备庞大的运行维护成本等问题已经成为风电场管理者关心的首要问题，从计划性维护到预防性维护的演变将为投资者实现投资收益的最大化提供必要的条件。而大数据、云平台等ＩＴ技术的发展，为建立电子化、系统化的风电场智能运维管控系统来提升风电运维技术水平提供了有力的支撑。ＩＴ技术、移动互联网及云平台的高速发展、智能手机的普遍使用为风电场运维管理系统提供良好的运行平台。基于此，本文主要对风电场智能运维管控系统方案设计进行分析探讨。
关键词：风电场；智能运维；管控系统；方案设计
1、前言
运维中心应架设多服务器来满足各种业务算法运行需求，提供运行各种智能预警相关模型、专家分析模型等算法服务。并架设集控工作站来满足对所有接入风场相关设备的实时监控业务；架设智能运维服务器，结合智能运维终端实现运营维护（设备管理、检修管理等）业务的电子化、无纸化作业；架设智能预警和专家系统服务器，结合智能预警、装家系统的终端实现智能预警、专家系统业务的开展。
2、智能运维系统软件架构
根据风电场目前的运行管理模式，考虑整机厂家和风电场业主的应用需求，结合ＩＴ新技术并考虑风电场智能运维系统生命周期的的可维护、可持续性，设计了风电场智能运维系统软件架构。如图１所示。智能运维系统主要分为３大功能板块：数据板块、平台维护业务板块和业务板块。
.png)
图１ 智能运维系统软件架构
2.1数据板块
实现智能运维数据的存储和备份，需满足如下要求：
ａ．支持海量数据存储，支持数据的动态扩容。
ｂ．支持关系型数据的结构化存储，提供关系数据库操作接口；主要用来存储集控系统采集的每个风场、每台风机的运行数据等。
ｃ．支持半结构化的日志文件（文本或者其他格式）存储，提供日志文件操作接口。
ｄ．支持图片、视频及声音等媒体文件的存储，提供操作接口。
所存储的数据包含平台数据、基础数据、集控数据、运维数据及专家数据５个部分。其中平台数据主要为智能运维系统平台自身的运行维护（权限分配、模块动态接入、界面动态布局等）提供支撑；基础数据则为智能运维系统业务开展（经纬度数据、ＧＩＳ数据、行政区域数据等）提供支撑；集控数据、运维数据及专家数据统一归为业务数据，为智能运维系统业务的开展提供支撑并记录台账。
2.2平台维护业务板块
平台维护业务来实现对整个智能运维系统平台的运行和维护，提供系统运维的人机接口，主要实现如下功能：
ａ．实现整个智能运维系统的框架模型，对平台ＣＰＵ、内存及磁盘等资源进行监视和维护。
ｂ．提供运维管控系统中各个功能模块的动态加载、模块扩容及升级。
ｃ．实现权限系统，包含对平台进行维护的系统权限、对各业务模块分级操作的业务权限。
ｄ．实现跟踪功能，对智能运维平台内的所有操作，记录操作日志，包括操作人员、操作时间及所进行的操作。
2.3业务板块
业务板块是整个风电场智能运维系统的核心，数据板块和平台运维板块的存在都是为了更好地支撑业务板块功能。根据风电行业目前的运营管理方式分析及未来发展的展望，业务板块主要分为集控系统、运行维护、智能预警和专家系统４大部分。
集控系统基于远程监控及全景展示实用化技术，实现对风电场实时运行数据的采集、传输、存储及实时展示，达到“集中监控、专业化检修维护”的集约化管理模式。集控系统设计为２大业务模块：实时监控和报表系统。实时监控实现为３层展示结构。
第１层展示主界面，通过三维ＧＩＳ的方式展示所有接入的风场，提供所有风场的风机台数、运行台数、故障台数、总容量、开机容量、今日发电量、累计发电量、节能指标（煤炭节省量、粉尘减少量、二氧化碳及二氧化硫减排量）等重要汇总信息；第２层展示单个风场信息，从第１层３Ｄ导航进入特定风场，以汇总页面的方式展示该风场日发电量、累计发电量、运行台数、故障台数等汇总情况，以列表视图的方式展示风机状态、有功出力、无功出力、通讯状态等风机运行情况；第３层展示单台风机运行情况，通过第２层导航进入，通过３Ｄ全景展示技术展示单台风机轮毂、齿轮箱等重要部件的运行情况。另外实时监控模块内置能量管理系统和风功率预测系统的功能。
报表系统提供目标用户和风机厂家关注的报表、图表功能。提供发电量（日、月、年）报表；各种原因（性能、故障、维护、限电）的损失电量报表；可利用率分析报表；风功率曲线图表；风向风能玫瑰图；故障统计分析报表等。
运行维护业务功能主要针对目前风电行业常规的运行维护手段、结合网络及数据库等ＩＴ相关技术，并吸取其他行业先进的运行维护方法，提高运行维护手段的智能化程度。重点完成设备管理、资产优化等核心模块，从设备台账、设备日志、运维档案（检修记录、缺陷台账等）和设备资产监控入手，以设备全生命周期管理、业务绩效与分析为重点支撑智能运维优化，逐步与整体绩效管控相融合。基于运维业务台账及运维过程数据，实现大数据挖掘与分析优化能力，实现运维需求的自动推送并匹配运维指导，提升日常运维的智能化水平，减少备品备件库存及设备停运时间，提高经济效益。运维业务采用开放、可扩展的可视化框架和基于配置的服务框架，支撑与企业现有系统数据共享和业务融合，推进运维服务模式智能化创新。
智能预警基于数据中心的海量数据（远程集控的历史运行数据、实时数据；运维业务的台账、日志及检修记录等数据）和高级算法，把握设备数据分析和优化的关键要素，通过构建数据挖掘、预测分析（关联分析、聚类分析、分类分析、逻辑回归分析和风险决策分析）等完成设备健康指数预测模型、性能指数预测模型、设备故障预警模型３大核心功能，建立对风电机组机械部件的趋势分析机制和预警机制，给风电场的管理维护提供策略，整体提高风电场的故障诊断与趋势分析，实现预警预测。
这里的专家系统是针对风电行业，具有风电行业相关专门知识和经验的计算机智能程序系统。通过对风电行业专家的问题求解能力的建模，采用人工智能中的知识表示和知识推理技术来模拟通常由风电专家才能解决的复杂问题，从而使专家系统达到具有与风电专家同等解决问题能力的水平。基于风电知识的系统设计方法是以风电知识库和推理机为中心而展开的，应具备风电领域专家级知识、能模拟专家的思维、达到专家解决问题的水平。
结语
从智能运维管控系统的软件架构上展开介绍，为风电场智能运维管控系统的开发实施指明了方向和范畴。风电科技公司基于本方案开发的系统，目前已经接入多个风电场、并在许昌许继风电科技有限公司运维中心成功运行。为设备的安全经济运行提供有利的支撑和保障。
参考文献：
［１］张素芳，翟俊海，王聪，等．大数据与大数据机器学习［Ｊ］．河北大学学报（自然科学版），２０１８，３８（３）：２９９－３０８，３３６．
［２］谢芳．基于互联网的大数据挖掘关键技术分析［Ｊ］．信息记录材料，２０１８，（１０）：９５－９６．