周军军，蒋剑，汤浩然，江增元
华能（浙江）能源开发有限公司清洁能源分公司，浙江杭州，310000
摘要：随着最近十年我国风力发电事业的蓬勃发展，并且随着智能技术在人们日常生活中的普及，智能化风电场逐渐成为了未来风电场领域研究的主要方向。基于此，本文立足于目前智慧风电场建设过程中风电机组设备故障、日常维护、日常制度建设中存在的各种问题进行阐述，针对性地提出几方面解决、优化举措，希望能够对智能化风电场中的技术、管理与制度建设的发展提供参考。
关键词：智能化风电场，陆上风电，智能诊断，风电运维
一、引言
风力发电作为新兴的绿色能源之一，在全球得到长足的发展，尤其是近十年我国风电快速发展，风力发电机组数量急剧增加。与传统火电相比，风电的特点是机组分散、数量多，而如何提高风力发电机组的利用率，降低设备故障发生率和故障时间，同时避免设备的突发故障，已经成为风电场日常运维的主要目标。
智能风电场是近几年新出现在我国发电领域的新技术，通常情况下是指在风力发电过程中应用智能测控技术、数据处理技术以及通信技术等进行发电控制的技术模式，合理的应用智能风电场不仅能够及时响应风电场周边环境变化对风电场运行所带来的不同影响，同时也能够在一定程度上提升后续智能风电场运行的精准程度。可见智能风电场项目已然成为了我国未来风电场项目发展的必然趋势。
二、陆上风电场的智能化运维的现状
随着各发电集团风电装机规模不断扩大，作为资产的拥有者，由于没有信息化的数据支持和科学的度量指标体系，无法准确量化资产发电效率损失水平，进而无法有效识别出提升资产发电效率的重点，也无法对生产运维体系团队进行正确的考评与有效的激励。而伴随大数据、云计算的理念融入到风电产业的捕风能力、气动效率、风能转换能力等各个技术环节，通过对风力发电机组的运行、监控、管理、维护、检修等工作进行重构，实现数据的互通互联。风电场将真正实现智能化运维和管理。
长期以来我国风电场管理方式粗放、分散：管理人员与风电场及设备信息之间严重不对称；人员专业技能参差不齐，缺乏技术支持；由于运维方式落后，24小时值守检修消耗了大量的人力成本。所有这些，都导致风电场运营很难达到较好的状态，损失大量的发电潜力，故障隐患得不到及时排除，隐形成本大幅提高。采用大数据和人工智能与机器学习技术进行风场智能运维变得迫在眉睫。
三、智能化陆上风电场运维的原则
智能型风电场主要目的：一是明显提高发电量；二是有效降低风场运维成本；三是帮助风电企业风电电场快速提升管理能力。
强化标准的主导作用，建立设备技术规范和设备管理规范的标准体系，解决规模化发展和深度应用问题，提高运行和检验管理的质量和效率。以加强设备本质安全为核心，立足于设备管理的实际需求，提升对设备状态的深度感知，加强风险防控，提高设备安全可控、可控、在控水平。
从管理角度看，国内风电运维依然停留在依靠远程监控平台实行分散式、扁平化管理的水平。可以预见的是，由大数据平台进行分析监控的“互联网+”智慧管理系统的研发将真正推动无人电站建设的发展，在未来几年将迅速发展成为主流。目前国内金风、远景、海裝等排名靠前风电整机供应商仍处于研发阶段。然而国内已有公司和风电运营企业签署了第三方运维协议，分散式、扁平化管理模式已有向区域化、集约化发展的突破。
随着风电智慧运维的起步和创新发展，未来风电运维内涵将产生新的变化，即全生命周期理念，推动管理走向区域化、集约化，服务走向专业化、系统化。
四、智能诊断技术在风力发电机组的应用
一般的故障诊断系统应包含两方面: 信息采集和故障模型。根据实时采集的信息和历史运行信息，参照故障模型，就可能自动、快速. 准确地进行故障定位，继而采取正确的后继处理措施，所以要建立变桨距系统的故障诊断系统，首要任务就是分析需要采集哪些实时信息，存储哪些历史信息，建立各种典型常见故障的故障模型。出现故障是我们首先看故障信息和现象，然后建立和查找信息流图，找到相应的故障回路，确定可能的故障点。
因为风场的气流是不可控的，这样就会造成齿轮箱或是发电机的障碍信号为持续变化状态，对此,若采用传统的频域分析方法则不能满足故障诊断需求，也不能混合的运行异常信号进行分析和梳理。小波分析是一种时域一一频域分析方法，可将其应用于特定时城或者是频域的故障信息分析与诊断:为了提升风力发电机组的故障诊断功能,可采用人工神经网络进行系统架设，因为人工神经网络可及时更新内部数据库,同时，也具有非线性映射能力,将其应用于复杂故障分析时,可以对非确定性故障信息进行计算、分析和处理。采用智能诊断模块,将信号的单子带重构变为小波变换,从小波交换自带系数中进行信息的特征提取和分析，并将其录入神经网络中，系统可以自动依据事先编制的映射关系输出处理结果,即故障诊段结果。
1、实时显示风场变电站的高低压侧电压、电流、频率、有功功率和无功功率,数据显示为实时曲线和数字量。
用户可以在界面上输入关键字,查询相关状态信息,及时了解风场的运行状态。
2、风场累计发电机量显示风力发电机组和风场每日、每周、每月、每年的发电量,并将数据转化为柱状图显示,与传统管理方法相较而言,计算工作的效率和质量更高,也减轻了人力工作压力。
3、需跟踪监测风力发电机组的运行状态，监测指标包括电气运行参数和状态参数两类。系统界面可提供设备检修的直接数据依据,也可将其作为参考用于故障的智能诊断。
4、风力发电机组智能故障诊断，可通过齿轮箱振动参数的时域图、小波分析图、发电机定子电流的时城图、小波分析图、故障案例示意图等问。需对采样时间进行合理设置，系统便可对发电机以及齿轮箱的故障类型进行分析和诊断，并给出故障诊断结果。在产生故障诊断结果的同时,可自动生成小波分析图。登陆远程监控管理系统，可通过小波分析图对故障进行深入分析。
5、需对系统的管理权限进行合理设置,而系统只对管理员开放，可以查阅系统维护升级、故障日志记录、信息报表等信息,可根据管理需求对报表进行查询、导出和打印。
四、日常检修维护体系设计
1、日常健康管理。通过风力发电机组数据的大数据采集和分析，对风力发电机组所有部件与其标准进行比对、逐项评分，最终汇总分数，在通过分数排名对风力发电机组进行健康评估，可以此来进行半年、一年定检的安排等工作。
2、故障预测。通过风力发电机组首发故障诊断、报警级别排序对风力发电机组实际报警类型进行甄别，最终直接显示当次风力发电机组报警的预测故障。以便于检修人员对故障的快速排查和解决。
3、巡检摄像。通过对所有风力发电机组实现有线和无线网络（基于5G或WIFI）双重覆盖，连接到高精度电子地图，实现巡视全程录像，便于巡视管理及检查检验，实现痕迹化管理。
4、升压站及风电场巡视。采用机器人摄像巡视，同时进行录像存储，门禁设置为机器人固定时间及密码可进入，以规范升压站及风电场巡视，并达到现场真正少人值守的目的。
5、风力发电机组全生命周期管理。通过对风力发电机组相关数据的录入，和与物资系统的链接实现每台风力发电机组的全生命周期管理。例如，在监控系统可看到每台风力发电机组目前的运行状况，使用全生命周期管理，还可以通过详细的运行情况分析出某台风力发电机组的某个零部件未来某个时间可能会出故障，提前更换。此外，如若某台风力发电机组一个螺丝损坏，可以查询同一批次的螺丝都用在了哪台风力发电机组上，这些螺丝有没有可能出问题，需不需要更换，及时通知运维部门前往现场进行维护。
6、检修报警。在系统确认了需要维修的故障后，可由系统自动报警至值班检修人员房间，报警为声光报警，在值班人员进行人为确认前均保持报警状态。
五、日常管理制度建设
1、人员管理。实现智慧风电场的目标即为“现场少人值守”，风场只保留少数检修维护人员。对风场检修人员试行风力发电机组运行状态、风力发电机组管理的对标考核，以此激励检修人员的工作热情。
2、风场物资及库存管理。通过建立相应物资库存系统，将风场常用备品备件及库存数量进行数字化管理，并与公司整个物资大网相连接，实现附近区域风场间备品备件的互通有无，以达到尽快维修风力发电机组故障的目的。同时对于备件缺陷的批次追责有一定的指导意义。
3、风场监控管理。智慧型风电场将升压站、继保室、风力发电机组、巡视界面全部接入集控中心，因此对相应监控需进行系统化管理。可设立定期轮换监控，视频质量抽检等制度，来明确视频监控的管理体系，以达到全面监控风场设备和巡检的目的。
4、移动管理。通过安卓和苹果平台的APP的建立，实现手机终端的全程可监控功能，不仅可纵向查看所有风电场细化至风力发电机组的运行详细数据，也可横向查看所有风电场之间的数据对比；不仅可查看风力发电机组定巡检报告单，也可查看定巡检检修视频；不仅可查看风力发电机组备件更换情况，也可查看备件库存数量。此项功能便于管理者整体把控风场的相关运行情况和有效数据，对于及时制定相关策略及追溯工作起到一定作用。
六、结语
智能化陆上风电场不仅解决了风电场偏僻，常常位于环境恶劣地区，风电机组分布分散，维护工作不便，风电场现场工作人员的工作难度较高的问题；也解决了风力发电机组厂家较多，导致控制系统、运行系统各不相同，难以掌握每个风电场的运行情况，并无法对不同的机组进行对比分析，从而使运营维护成本较高的问题，以及多座风电场统一管理的问题。因此以大数据、全面的业务流为基础，对各风电场的运营情况进行深度挖掘分析，以优化运行、降低成本，指导后继采购的风电场具有极大的管理统筹优势。
参考文献
[1] 吴巍. 智能化风电场运行维护研究[J]. 通信电源技术, 2020, v.37;No.197(05):277-278.
[2] 刘永前, 马远驰, 陶涛. 海上风电场维护管理技术研究现状与展望[J]. 全球能源互联网, 2019, 2(02):33-43.
[3] 黄超群, 蒋仁言. 风电机组的运维管理研究现状与展望[C]// 全国机械行业可靠性技术学术交流会暨可靠性工程分会全体委员大会. 2015.