张维 赵亚雄
华能新能源蒙西分公司 内蒙古呼和浩特市010010
摘要：风电机组故障常体现在机组功率、风能利用系数和推力特性等方面，利用大数据技术对产品运行状态进行实时采集分析，有助于及时发现故障，明确故障类型，快速提供服务。
关键词：大数据技术；风电机组；运行状态监测
随着能源结构的转型及调整，风力发电得到了迅速发展，成为当前主要的发电方式之一。风电场一般位于偏远地区，运行条件相对较差，状态监测和性能评价对机组的安全性及经济性十分重要。如今，大数据是驱动新一轮技术创新的关键力量，已渗透到各行各业，风电行业也不例外。基于此，本文分析了大数据技术在风电机组运行状态监测评估中的应用。
一、大数据在风电行业的应用现状
首先，融合天气建模技术和大数据技术的能源电力系统极大地提高了风力发电的可靠性。以往由于缺乏准确的风能预测手段，在风能无法贡献预期功率时，需使用火电来作为后备电力，这就使一大笔资金将被投入到后备电站的建设中。在天气建模技术和大数据技术的帮助下，对风向、风力、气压、温度、湿度等变量进行综合考虑，能提高风能资源预测的精准度，在帮助电网消纳更多风能、提高风电企业经济效益等方面的效应立竿见影。
其次，利用大数据技术有助于实现风电场运维管理的标准化和专业化。利用大数据技术，运维人员能对风电机组的运行状态进行集中监控，随时获取风电机组的运行数据和历史信息，再结合专家知识及外界环境等信息调整检修计划，开展风电机组的预测性维修，从而从根本上改变风电场运维流程。
当前，大数据技术在国内外风电企业的应用日益增多。如丹麦Vestas利用大数据技术来对地理空间、PB量级气象报告、卫星图像、潮汐相位等海量数据的快速分析，实现了风力涡轮机布局的优化；国内龙源电力通过构建统一大数据平台，实现了企业前期设计优化、设备科学选型、安全生产规范、科学对标考核及资产精准评估。
二、大数据在风电机组运行状态中的监测流程
1、海量数据的采集阶段。提供海量的实时数据是应用大数据处理技术的必要前提。在风电机组内部，分布着大量的数据监测和采集装置，可动态的获取各种数据，如轴承的温度数据、风轮的转速数据、关键部位的振动数据等。这些装置在获取风电机组的实时数据后，采用内置的无线传输模块，将数据打包发送给控制中心，并存储到数据库中，为下一步数据分析和处理提供素材。
2、数据汇总与分析阶段。数据库内存储的海量数据，由于采集部位与时间不同，为提高数据利用价值和减轻系统运算压力，会在数据库内按多个指标将其分类存储，如以时间为分类指标进行数据划分，技术人员就能动态掌握某个时间段里风电机组的运行状态，并通过绘制以时间为X轴的坐标系，观察风电机组状态变化曲线。
3、数据挖掘和评估阶段。根据数据分析结果，能为风电机组的运行管理提供必要的参考。为避免机器误判，得出更加精确和真实的状态监测结果，还要求技术人员对数据分析结果进行专业评估。将分析结果中明显失准、误差大的数据剔除，然后利用剩余的分析数据表示风电机组的运行状态。根据评估结果，若发现风电机组某些部位有异常情况，则安排维修人员通过实地检查，做出进一步的判断和处理，这样既能减轻风电机组维护人员压力，又能提高检修工作效率。
三、基于大数据技术的风电机组状态监测系统应用
1、构成。基于大数据技术的风电机组状态监测系统的总体构成不同于传统的C/S模式，传统C/S模式只能在PC端运行，一般在外业作业时，需配置便携式手提电脑才能实现，维修成本高。基于大数据技术的风电机组状态监测系统采用B/S模式，通过智能手机应用端可实现在线实时监测，特别是系统设置的数据库服务器可随时随地执行各个工作节点，并根据某一部分管理人员的需求突出显示，随时随地对风电机组运行状态进行全方位监测。系统结构包括：风机运行状态监测、风机状态明细监测、主变监测、变电站状态监测、数据层、系统数据库和应用层。在大数据技术下，风电机组状态监测系统是基于风电场的实时数据，如发电机温度、总功率风速、风场满负荷率、总发电量等，以及变电站接入容量、有功功率、接入台数等数据，通过对各种数据的分析、融合和集成到系统数据库中，然后通过大数据分析技术及可视化技术构建B/S结构的风电监测应用，并在此基础上实现对风电机组运行状态的监测及故障预警。目前大数据下的风电机组状态监测系统的B/S结构主要包括浏览器和服务器，但其能在不同的设备上随时获取运行状态数据，包括PC和移动APP端，最大限度地保护了数据的安全。只需管理人员账号，自动配置不同岗位、不同工作需求的权限即可。这样就能保证数据传输的规范化、标准化，实现风电机组设备状态监测功能的无缝切换。
2、技术架构。根据我国风电行业企业应用风电机组的业务特点及具体需求，能有效支撑风电运行监测系统的系统架构主要采用数据采集、数据存储、数据处理和数据分析的功能设置，这种设计思路能在各个技术环节不断研发新功能的基础上加以改进。数据采集系统包含传感器、SCADA、GIS、故障数据库，利用传感器采集风电机组的状态监测信息数据，数据参数通过分布式采集进行聚合与传输，并通过简单的配置进行数据源、数据传输通道和数据目的地的执行，实现数据采集。同时，跟踪监测数据，从采集到处理再到数据库存储的全过程监控，通过配置文件的校验规则及预处理规则进行转换，实现文件的集合，完成文件数据的接入。大数据技术需根据数据的特点选择合适的数据存储模式。确保有足够的存储空间来存储数据参数，并具有高效的查询索引性能。为不同的数据参数类型选择不同的存储引擎，能保证数据的大规模和动态增长，存储节点的作用更有利于扩展分布式存储系统，特别是对分类数据的搜索及应用。数据计算是利用大数据处理技术的功能，根据不同业务领域的数据处理时间和数据规模，对不同的数据进行处理，以保证在最短时间内得到数据计算结果。传统的数据分析方法已不能满足更复杂的数据和更高的数据维度需求，因此采用大数据技术，可实现风电监测的大数据分析发掘，采用统计分析方法、数据挖掘方法、机器学习法和新兴方法等，除大规模外，还可根据维度特点分析和发掘数据参数，还可使用特征学习和特征选择算法。需注意的是，风电大数据信息物理系统的耦合特性也应注重分析的难度，必要时，可根据实际业务需求结合多种算法对数据进行分析挖掘。
3、运行结果。当前，我国风电行业大部分风电机组已通过系统测试，状态监测系统已应用于风电机组的监测中。通过对实际运行情况的观察，其运行结果总结为：在线监测和预警功能可通过智能控制系统及移动客户端实现对风电机组重要部件的在线监测与预警功能，并具有可扩展组件、数据统计和报表功能、决策管理、标准化作业流程管理等。将风电机组运行状态和数据参数实时发送并在客户端实时显示，包括风电机组运行电压、电流、功率、外部环境变化等信息参数。通过对这些数据参数的观察，能充分了解风电机组的运行状态，数据参数的显示除保证风电机组的安全性外，还能把住数据显示的易读性及美观性。此外，智能控制中心及移动客户端还能实现风机温度的预警，通过输入模型的数据参数，可检测风机功率、环境温度、风速等，根据这些数据能比对温度阈值，若温度超过设定的阈值，即发出警报。经运算结果表明，可扩展组件还可通过系统控制中心及手机等职能移动端实际管理人员实际需求的定制化设置，若需管理风电温度数据，管理人员可选择重点获取和突出显示风电机组内外部温度数据，将一些不必要的数据参数暂时从界面去除。
参考文献：
[1]赵梦露.试论大数据技术在风电机组运行状态监测评估中的应用[J].电子世界，2018(09).
[2]李景波.试析大数据技术在风电机组运行状态监测评估中的应用[J].机电信息，2017(16).