摘要：风电运维管理是风电行业发展到当下时期很多企业都在探究的话题，所出现的问题也很具代表性，只有正视问题才能提升管理，确保风电行业在快速发展的过程中安全平稳，推动新能源事业高质量发展。鉴于此，本文主要分析大数据分析在风电场运维模式中的应用。

关键词：大数据;风电场;运维

中图分类号：TU75  文献标识码：A

1、引言

风电行业内已经将大数据分析视为风电场运维模式更新迭代的重要技术手段。新近开发的集控系统均将大数据分析功能列入设计规划中。但根据行业研究报告不完全统计，在全国68家风电运营商中，有51%完成集中控制中心系统建设，只有4%实现基于数据分析的深层应用。

2、风电场运维管理工作中存在的问题

2.1、针对风电场设备全寿命周期的运维意识不足

风电场的运维管理工作是一项极其复杂的系统工程，特别是设置在我国西北与北方地区的大型风电场，超出质保期限之后的定检等运维工作均通过招投标、询价采购等形式与第三方专业机构合作开展。由此造成的后果是，风电场与第三方运维机构的工作目标不一致——为了保证发电量，运维合同中拟定的检修运维方案需要双方根据现场情况不断协调，可能无法按照全寿命周期的运维理念实施。

2.2、设备故障处理处于“被动状态”

由于风电场日常运维工作量大，导致风电场有些机组设备出现故障，已经严重影响正常生产时才“被迫”维护，导致出质保后设备生产商与风电场之间的技术交流出现断层，风电场也未能针对机组设备故障的成因进行仔细分析和如实记录，致使风电机组的“一机一档”设备健康管理工作无法深入开展，直接影响设备的可利用率。

3、大数据分析在风电场运维模式中的应用

3.1、完善风电场运维管理安全性评价和技术监督工作体系

（1）在场区内构建安全监控体系，通过信息化手段对风电设备的运行状态、风力强度、设备负载量、是否存在故障等信息进行全面监控，发现问题时需根据实际情况对单台或整组风机进行启停操作，进而对故障设备进行即时检修。（2）整合风电场风功率预测数据并校验其准确性，周期性导出平均风速、有效风速等信息，进而与风机监控系统、风电场测风塔及有关部门围绕数据进行全面校验，分析风能变化趋势，做好一切运维准备工作，如在未来一段时间内，风力持续处于较高水平，意味着设备负载量会大幅度增加。

3.2、基于大数据技术的巡检无人机和机器人

应大数据中的eMBB和mMTC技术赋予网联无人机实时超高清图传、远程低时延控制等重要能力，实现海上风电精细化的多方位巡检。5GmMTC和uRLLC技术同RTK差分定位技术相结合，为无人机和机器人提供了精度更高的定位技术。实现海上风电“无人值守、少人值班”的运行要求，在海上升压站安装具有环境适应性强、远程控制功能的智能停机坪。停机坪与大数据网络连接，应用边缘计算技术实现视频及数据的处理。同时为无人机作业提供指引、存放、充电、数据传输等功能。

3.3、无人机叶片故障识别与实时反馈

风电机组叶片远离地面，常规手段难以对叶片故障进行有效识别，海上风电由于可及性差、出海窗口期短，更加剧了叶片故障识别的难度。传统的人工检修方法，会使得风机停机时间长，发电量损失严重。无人机可以随同风电机组的叶片同步运动，无须叶片保持静止状态。无人机叶片故障识别具有安全、可靠、高效的特点，消除了人员登高坠海、高空坠物的安全隐患。

基于“大数据+工业互联网平台”的海上风机叶片故障识别无人机能够实现无人机航线自主规划、无人机随动叶片、多机协同作业、叶片缺陷智能识别等功能，同时结合机器学习与人工智能技术，可以实现无人机对叶片故障情况的实时反馈。

3.4、风电作业现场智能化的风险管控平台

应用大数据的uRLLC低迟延技术实现风电作业全方位的实时监控和全闭环管理。作业人员携带的高清摄像头与人员进行绑定，并能实时将作业环境、设备监控和监控画面传输至作业风险防控服务器。作业风险防控服务器安装了基于机器视觉的智能化识别系统，系统根据电站实时数据（管理区获取）结合机器视觉分析系统分析结果，当发现作业人员及设备存在安全风险后，立即通过语音提示作业人员，停止作业并及时消除危险因素。

3.5、其他应用

（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。

4、结束语

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。

参考文献：

[1]韩斌，王忠杰，赵勇，马勇，甘勇，孙仕辉，李颖峰.智慧风电场发展现状及规划建议[J].热力发电，2019，48（09）：34-39.

[2]张艳锋，田震，杨海涛，陈海滨，王明明.风电场智慧运维管理浅谈[J].中国设备工程，2019（15）：35-37.

作者简介：

贾洪岩（1989-），男，汉族，黑龙江海伦人，大学本科，工程师，主要研究方向：電力系统、新能源。

白永忠（1994 -），男，汉族，山西吕梁人，大学本科，助理工程师，主要研究方向：电力系统、新能源。

朱董军（1990-），男，汉族，河北秦皇岛人，大学本科，工程师，主要研究方向：电力系统、新能源。

董超（1991 -），男，汉族，河北张家口人，大学本科，工程师，主要研究方向：电力系统、新能源。

王海（1990 -），男，汉族，山西大同人，大学本科，工程师，主要研究方向：电力系统、新能源。