浅析大数据分析在风电场运维模式中的应用
仝晓亮
大唐山西新能源公司 山西太原 030000
摘要：我国在经济发展的进程中非常注重新技术和新设备的创新和应用，尤其是在风力发电产业，依靠先进的设备和技术，降低运营成本，不断提高运行效率。一个风电投资项目，除了质量优良的发电运维做保障，还需要风电场全生命周期的度电成本优化，在设备运维、保养等方面，加强科学管理，加大科技创新，不断开展更深层次的研究工作，使风电场在额定运转时期内发挥最佳性能。关于风电场运维和检修存在的问题及其问题产生的主要原因等必须结合风场实际开展具体化分析，并研究制定出问题的解决方案和有效的管理措施。基于此，本篇文章对大数据分析在风电场运维模式中的应用进行研究，以供参考。
关键词：大数据分析；风电场；运维模式；应用对策
引言
随着科技的进步，如今社会已经进入到大数据时代，不同行业开始将各种各样的高新技术引进到企业中，以此来提升企业生产效率。由于大数据技术的广泛应用，社会各行业之间联系越来越紧密，各行业之间联系的桥梁就是大数据信息系统。
1大数据技术
大数据由巨型数据集构成，其数据集规格远超人类在可接受状态下搜集、剖析、处理数据的本领。大数据不采用随机抽样或是分层抽样的调查方法，而是采取全部抽样的方法，将所有数据纳入处理体系，数据量的巨大使得大数据具有Volume（大量）的特点，数据量以TB级到ZB级计量；全部抽样使得其Variety（多样）的特点得以体现，不仅包括文本信息，同时将图片、视频、音频、地理位置信息也囊括在内，数据类型多样，兼容性佳，不仅将共性数据全部获取，个性化数据同样兼容；高并发即时处理体现出大数据Velocity（高速）的特点，高处理速度满足快速数据增长所要求的高实时性；从海量数据获取数据中隐藏的价值也体现出大数据技术Value（价值）特点，具备较高商业价值。结合起来就是大数据4V特征，即Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。大数据技术的这些特点使得其成为引领信息产业持续发展的新引擎，对大数据的处理分析正成为技术融合的新焦点。移动互联网、线上购物、产业信息化等是新一代信息技术的应用形态，价值信息不断产生。各行各业充分利用大数据，引导新技术、新产品不断涌现，行业决策正在从“业务驱动”转变“数据驱动”。大数据的应用成为企业提升核心竞争力的有力武器，助力科学研究手段不断进步。
2存在的问题
大规模的风电投产后，如何解决风电的运维问题，成为当前迫切的问题。当前，风电项目的建设、运维过程面临以下痛点问题：（1）通信困难；（2）无法掌握作业人员的实时画面情况，也无法进行视频回放和信息查询等功能；（3）建设、运维车辆全靠人工调度，没有结合AIS、气象预测等情况，导致建设、运维检修的计划性不强，运维成本高；（4）建设、运维过程中，没有对人员进行资源管理和定位，无法保障车辆和人员管理安全；（5）对于风电场基础设施没有进行统一的管理，无法及时获取当前设施实时情况。因此，需要建立风电场智慧运维管理系统，实现风电场人、车辆、风机的全面管理，提高运维效率和质量。
3大数据分析在风电场运维模式中的应用
3.1大数据分析在风电场运维中的全息应用
（1）智能故障预警系统。智能故障预警系统以短期、超短期风速波动数据和传感数据为基础，经过大数据中心分析，根据分析结果进行故障点预测，并向现场人员提供故障预警分析以及故障预警报告，通过提前更换折损部件，缩短机组故障停机时间，变相提升运维效率。（2）智能故障诊断系统。
智能故障诊断系统根据设备部分历史周期信息和当前运行状态，结合设备运行中产生的信息，自主比对数据中心内历史故障信息。基于比对结果给出故障针对信息，出具初步排障方案和步骤，减少排障时间，降低排障难度。（3）智能场群控制。智能场群控制是基于风电场最优发电层面的区域级应用，扩大场级机组故障容错空间，提升风电场系统整体柔度。根据现场条件及运行数据分析，建立单台风机的控制巡游策略。根据不同风机的产出与载荷情况，建立风电场级巡游策略、限电分解、场级尾流寻优控制、预测性寻优控制。大数据分析会将成为风电场运维常用的技术手段，大数据分析在风电场运维中的全息应用会是未来风电场运维的主流方式。
3.2大数据分析在风电场运维中的浅层应用
集中控制中心针对风电场采集数据包括升压站运行实数据、风功率预测运行实况数据、风机运行实况数据、测风塔实况信息、计量设备实况数据等信息进行整合，使操控员可以清楚了解辖下任一设备的运行状况，根据监控情况结合现场回传图像信息，下达指令，远程操控设备。通过集中控制中心体系，解决了风电场管理不易、管理差异大、设备基本情况记录不到位、设备管控能力有限等问题，进一步提升了风电场运维效率。大数据分析在风电场运维中的浅层应用停留在可视化分析与数据仓库层面。公司所辖风电机组接入集中控制中心，由集中控制中心统一管理，并且风电场数据也存储在集中控制中心。集中控制中心仅起数据仓库的作用，并没有进一步挖掘数据的价值。此时数据仍具有相当大的挖掘价值，风电场运维效率亦存在提升空间。
3.3全面提高运维人员的技能水平
风电场运维工作最突出的矛盾是运维人员的专业素质不能满足风电场日益发展的要求，而运维工作必须依靠人员之间的协同配合。对运维人员的培训主要是两个大的方面，一是接受风电场全面、系统和严格的安全生产培训，加强安全生产意识，提高安全生产技能，取得安全生产资质；二是接受技术和技能培训，全面了解风力发电设备知识，掌握相关专业技能，具备发现问题和排除故障的能力。定期组织技术交流，运维验交流，知识和技能大赛等，都可以促进和提高运维人员运水平和工作质量，从而保证风电设备的健康运行。运维人员双向代培，也成为主机厂和风电场相互交流，确保风电场安全生产，共同提高风电设备运行效率的手段。主机厂为客户风电场代培运维技术人员，便于出质保后的运维工作无缝衔接；客户风电场为主机厂代培运维管理人员，确保风场管理要求和各项安全生产制度的有效落实。随着风电后服务市场的蛋糕越来越大，主机厂已经调整了发展战略，利用主机厂的技术优势、产品优势和供应链优势，组织更加专业的运维队伍，将主营业务延伸到了风机出质保后的运维服务市场，运维人员整体技术水平得以保障。
结束语
对于风电行业来说，积极应用大数据技术，将实现为发电企业的精细化生产管理、特色经济化运行、全面智慧化经营提供长远、持续的改进及优化方向，以此实现对各场站的智能化管理，为实现标准化、国际化的管理模式创造了条件，成为国内各行各业中先进管理水平的代表，把握新能源“命运共同体”新时代带来的机遇，同时迎接新时代的挑战，为未来在国际环境中竞争与合作奠定坚实的基础。
参考文献：
[1]罗明兴.湖南大型山地风电场运维管理模式探讨[J].太阳能，2018（08）：71-75.
[2]罗明兴.山地风电场变流器网络监控系统的研究及应用[A].中国农机工业协会风能设备分会《风能产业》编辑部.风能产业（2018年7月）[C].：中国农业机械工业协会风力机械分会，2018：3.
[3]汤东升.风电大数据分析技术及应用前景初探[J].南方能源建设，2018，5（02）：65-66.
[4]侯振国.基于风电场SCADA大数据的云计算平台设计与应用[D].河北工业大学，2018.
[5]邹继行.风电场群集控中心SCADA系统的设计与开发[D].河北工业大学，2018.