风电智能生产管控系统的建设与应用

【企业简介】

国电电力宁夏新能源开发有限公司(简称国电宁夏新能源)2009年成立，是国电电力发展股份有限公司全资子公司，主要经营范围为风力发电、太阳能发电项目的开发、建设及运营管理,新能源发电技术咨询、技术服

务、技术开发、技术转让及设备检修、维护。现有5座风电场，装机容量614.5MW，平均年利用小时为1900小时。    

【案例内容】

随着设备故障排查检修的难度逐渐增大，设备健康管理与可靠性维护正在由计划检修向点检定修+状态检修的模式转变。国电宁夏新能源以互联网、物联网建设为基础，以大数据、云计算、人工智能技术为手段，通过智能启停、智能报警、健康管理系统的建设，实现风电机组远程控制、设备预警、状态检修的智能化，全面构建风电领域的智能生产管控体系，提高设备可利用率和风资源利用率，实现新能源企业远程集中控制、风场电站“无人值班、少人值守”，提高劳动生产率，降低员工劳动强度；实现智能化经济运行、风机智能启停、智能化报警，提高运行管控水平，提升企业经济效益。通过设备健康状态自诊断、故障预警和可靠性预测维护功能，实现状态检修和智能化设备管理，降低检修费用和人员劳动强度。建设覆盖生产、经营、基建、办公、财务和党群的智能一体化管控系统，实现各种信息、数据的互联互通，实现企业的智能化管控。

一、智能启停系统

智能启停的实现是通过数据平台、天气预测及风功率预测系统的结合，根据各个风机校准后的实时有效风速、实际切入切出风速、风电场短期和超短期风功率预测数据,结合当地的气象因素和检修计划及相关历史数据，自动分析风机状态，针对不同地形、风场、型号的机组制定启停策略，并通过计算与比较，自动优化运行方式、优化对风角度、优化启停策略，实现机组的智能化启停，利用算法评价指标召回率来评价启停预判的准确度，一般要求预判准确率达到80%以上。通过不断的数据积累、历史数据比较，不断自学习、优化知识库、优化启停策略，提高启停准确性。

1、机组批量启停。机组批量启动控制适用于多台风机同时操作，可以实现全场批量控制、按照线路划批量控制、按照工程期次批量控制以及任意选择多台风机批量控制。

2、单台机组控制。实现对单台机组的启动、停机、限功率、限转速、调整桨叶角度等控制操作。在智能启停推荐及自动启停控制模式下，系统依据设备健康状态、部件劣化程度、机组性能水平等数据建立智能化启停算法模型，预判设备未来运行趋势，并针对可能存在隐患、缺陷的风电机组给出合理化停机、检修策略调整建议，降低机组故障率，提高机组平均故障间隔时间，进而提升设备利用率。

3、安全策略校验。智能安全策略校验主要分为控制前置条件校验和控制效果反馈，旨在提高控制操作的安全性。对于不满足前置条件的风地机组，不允许也无法对风电机组进行操控，同时对于控制执行后的效果进行实时跟踪和反馈，及时发现控制失效及异常情况，并为用户提供详尽的失败原因。

4、控制权限校验。一是操作权限校验。控制权限主要用于保障控制的安全性，采用操作用户以及授权用户的双重认证方式，最大限度的保证风机控制操作的安全性，同时对可能出现的事故分析和责任判定提供平台数据支持。二是指纹识别校验。指纹识别校验是控制人员身份安全验证的辅助手段，系统可以通过指纹设置来录入人员的基本信息，在对风机进行启动、停机、维护、复位等操作时，需要录入指纹才能下达命令。

5、控制日志记录。控制日志记录了整个控制过程的关键日志数据，包括控制的用户、授权的用户、前提条件、控制操作时间以及控制效果校验结果等。

6、智能启停推荐。一是基于风功率预测的启停策略。基于风电场提供的场站超短期和短期风功率预测数据，结合天气预报数据和风机风速、状态历史统计数据，估算出风机短期（未来3天）和超短期（未来4小时）内每15分钟区间的预测风速。二是基于长期/短期/超短期预测数据的智能启停推荐。系统在现有已经接入功率预测数据的基础上，同时接入外部气象数据，实现对超短期、短期、长期的风资源预测和分析。系统以风资源分布及越策数据为基础，结合特定风电机组的实际切入风速、机组健康状况进行智能启停时机的实时推荐，并将判定结果实时推送给运行值班人 员。三是基于风机性能等级评估的启停策略。通过对风机历史实际发电量指标和当前风机发电量及未来发电量情况预测情况，来分析风机是否处于健康状态，从而决定风机是否进行启动或停机操作，避免风机因性能下降造成的经济损失。四是基于机组健康状态的智能启停推荐。系统与现有风电机组健康分析及故障诊断系统建立数据及业务接口，实现快速、方便的获取机组健康及故障预警情况；对于存在健康隐患或处于亚健康状态的风电机组，系统自动结合机组实际切入风速、风资源情况进行智能启停的推荐，并将判定结果实时推送给运行值班人员。

7、智能启停控制。系统以单台风电机组为管理单位，以海量历史数据、性能等级评估结果数据、健康状态数据、故障期间数据形态为分析对象，引入机器学习、人工智能及相应的数学模型，实现对特定风电机组的启停预判，并结合风电机组的实际切入/切出风速、风资源情况实现对风电机组的自动启停控制。

二、智能报警系统

以大数据、云计算、机器学习为技术基础，融合风电设备及业务特色，建设一套围绕生产设备的在线预警及报警管理平台，提前发现和识别设备潜在故障风险，降低设备故障率，全面提升设备利用率。

1、智能偏差预警。如果某个设备的某个测点值，和同电场同类型设备的同一个测量值的均值、方差、偏差达到设定的范围，系统自动生成基于偏差异常的预警。

2、关联测点预警。系统具备依据多个关联测点间的数据变化趋势和测点关联变化生成关联测点异常预警功能， 部件关联测点知识通过现有系统的设备部件、数据测点、故障报警等知识体系获取。

3、人工智能预警。一是失效机理法智能预警。所谓失效机理指导致失效的物理、化学、热力学或其他过程，失效机理概括分为过应力机理和磨损机理。过应力机理一般包括机械失效、热失效、电气失效、化学失效等；磨损机理通常具备磨损、腐蚀和疲劳三种应用模型。二是异类挖掘算法预警。按照数据对象的属性逐个判断数据点是否异常，并对数据对象的异常属性进行标记，根据数据对象的异常标记分离并输出异常点的数据，同时进行时序异常点检测，将若干个相邻时序点的组合，通过模式结构的异常或者出现频率的异常检测来显著异常数据的特征，完成数据异常的预警。三是大数据分析预判预警。系统支持基于大数据分析的预判及预警分析方法，可以实现对设备潜在的故障进行预判。

三、健康管理系统

在采集SCADA、SIS、MIS等数据的基础上，利用机器学习与人工智能技术，构建设备在线故障预警、故障诊断、状态分析、健康预判、性能等级评估等系统，实现对重要系统和主要设备的在线监视与实时报警，利用机器学习与人工智能技术及早发现设备隐患、故障、缺陷等，对设备运行、检修和管理提供决策支持，提高设备的安全运行和可靠性水平，逐步实现设备计划检修向状态检修过渡。

1、基于性能评估的故障诊断。设备性能量化定性后，进入故障诊断模型，通过故障诊断对设备的故障进行故障判断，形成故障类型，并通过设置设备健康度的指标初始值来进行故障智能报警。

2、机组性能等级评估。发电量平衡分析法的深入应用，实现对风机性能等级评估。通过对风机及其主要设备和配件的性能等级评估后，对性能指标的量化后实现定性要求，来实现故障初判。

3、故障精准预警。通过实时数据、检修数据、视频数据等进入大数据环境，运用数据库融合与多源异构模型，对各类数据进行关联。通过计算模型形成知识，再利用机器学习方法与算法，对健康度初始值进行深度学习，直到指标值完全准确，报警确实精准。

4、健康评估与健康度分析。应用大数据技术、机器学习平台、算法平台，完成机器学习与深度学习，形成准确的健康评估报告与设备健康度分析，实现设备健康状况的实时跟踪与预判。一是健康在线监测。依靠大数据平台实现对样本数据的清洗、过滤，借助人工智能算法提取反应机组健康的特征参数，通过自学习、自趋优实现对特定参数劣化模型的深度优化，进而形成具备一定置信度的风机劣化模型，并实现对机组劣化状态的实时监测。依靠大数据平台实现对样本数据的清洗、过滤，借助人工智能算法提取发硬特定部件健康的特征参数，通过自学习、自趋优实现对特定参数劣化模型的深度优化，进而形成具备一定置信度的部件劣化模型，并实现对机组劣化状态的实时监测。二是健康状态评估。借助基于特征参数生成的多种模型算法，实现对设备健康状态的在线和离线评估，并能够生成设备健康评估报告。三是健康状态预警。基于模型算法数据出街，系统实现对特定风机机组将康状态异常的在线预警功能。

5、基于健康状态的状态检修实现。在完成机器学习、智能化平台与健康管理系统后，实现设备健康的预判，驱动设备检修状态由事后向事中与事前过渡，完成设备检修由定检定修、计划检修向状态检修转变。

    国电宁夏新能源通过推进风电智能生产管控系统的建设与应用，有效增加了发电量和风场及企业收入，提高了设备可利用率，降低了生产成本，取得了显著经济效益。同时，实现了远程集中监控、现场少人值守、无人值班的运维模式，有效改善了工作人员的工作、生活环境，降低劳动强度。大规模风电机组的智能报警、智能启停等创新，成为推动风电等新能源安全可靠并网、持续健康发展的技术保障。