9月15日

9月16日

数采和新能源设备上云—风电机组管理和智慧风场运维云应用

    • 发布介绍
    • 精彩图集

    主持人:接下来发布的主题是数采和新能源设备上云、风电机组管理和智慧风场运维云应用,有请中国海装大数据专家张方红女士发展具体内容。


    张方红:大家好,我是中国海装张方红,今天想在这里给大家分享一下我们海装在风电运维特别是海上风电运维到目前为止所做的一些工作:我们搭建的这个海装风电诊断预警微服务平台1.0版。

    大家都知道,我们海上资源很丰富,海上风电开发有很大空间,过去18-19年海上风电新增装机容量在突破式增长,海上风电基地在福建、广东都已经初具规模。单个风电场装机容量超过5-10万千瓦已成主流。但由此衍生出来的海上风电运维的相关问题就受到更多关注。

    近年来,海上风电场建设又逐步转移到离岸更远的地方,更深的水域。那么运维成本就会增加更多,同时面临更恶劣的环境和更高难度的维护方式。比如运维受潮汐影响明显,既有台风等恶劣工况,还存在较多的风、雾、雷雨,浅滩,潮间带等各种通达困难。所以如何更好的对海上风电机组大部件进行预警预测诊断,如何更好的优化海上运维策略,如何保证海上维护作业有效时间短且安全的情况下,做好风功率发电量的精准评估,备品备件的动态优化预测等工作,都是我们面临的机遇和挑战。

    针对这样的现状,我们目前风电这个行业缺乏一个统一的信息监管的平台,无法很好的掌握海上风电场的一些水平,无法很好的指导和帮助我们进行经济效益的提升,所以我们需要的就是能够通过统一的数据采集和和通道,以数据采集分析挖掘价值和信息整合为战略目的。

    实现这样一个解决方案,在大数据技术应用方面,我们用了下面这些前沿技术:在海量数据存储这一块,我们主要是用的基于hadoop HDFS 和 mongoDB的数据库技术,也开始使用RocketMQ,一种分布式消息队列,以及 elastic search 这样一些分布式索引技术, 可以实现百亿级数据的一个秒级查询。

    在数据计算处理技术这一块,我们通过mapreduce,将大量的复杂的数据,进行split, shuff等操作,建立规则,标准化,再进行下一步的数据处理。同时也通过spark streaming的一些流计算处理技术以及一些分布式的处理技术来进行海量数据的预处理。

    我们也在尝试用更好数据计算技术和数据互联技术来解决我们风电机组数据量日趋庞大的一个问题。

    比如对机组故障进行诊断建议时,涉及自然语言的处理,我们用nlp算法来优化我们已有的经验专家知识库。在数据计算技术这一块,我们采用的就是利用多核CPU,GPU资源计算,在数据互联技术这一块呢,我们主要就用比如利用物联网技术实时汇入多源异构数据。采用云原生架构,实现数据互联。通过微服务网格化技术,实现业务模块的分布式管理,在数据可视化这块,我们也使用了3D技术同高精度地图结合实现风场风机实时运行动态可视。

    目前,我们这个海装风电诊断预警平台主要实现的作用有:一是风电机组健康评估,实现预防性运维;二是通过机理结合统计分析进行故障预警并推送运维,实现自动闭环验证;三是对风电场运行情况进行后评估,自动生成风机健康状态后评估报告;四是对风电场实现集群分析后评估,以获得发电量提升方案。

    海装这个诊断预警平台是一个海装智能运维的一个建设环境,包含了整个预警的模型,实现了风机健康状态评估,提供超越级的回报,同时实现了风控率的精准预测,风资源的合理调配,是个海装智慧工厂运营管理产品,也是智能运维的一个产品。

    在平台架构这一块,我们是将能接入的所有风场的数据传入我们这样一个海装总部的大数据中心,并进行了一个数据标准化处理,同时我们在这个大数据平台上面搭建了一个数据应用层,通过微服务技术对各种数据进行综合利用,分析挖掘及算法建模,再结合我们已搭建起来的专家经验知识数据库,形成一个闭环反馈效应,来验证我们所有部署的诊断预警模型的运行效果。这样一个数据应用平台,既支持我们总部大数据中心的云端部署,也支持在我们的业主集团、发电集团以及风场集控中心进行轻量级快速的现地部署。

    目前,我们已经将海装海上风场所属海域的风-浪-流多模式耦合气象预报数据(精度在1km*1km)集成到这个平台上作为我们风功率预测系统,海上优化运维排程系统,智能风场选址设计的输入,我们也将我们风场的计划性维护数据及预测性模型实际维护的效果数据,故障运维工单处理数据及备品备件动态库存数据,部件资产管理设备数据全部集成到平台上了,为我们今后的多维度数据集约分析打下了一个较为坚实的数据接口基础。在这样一个整体的解决方案里,我们也通过数学算法,实现了智能的派单系统,自动完成一个智能派单系统,大幅度提升提高我们的运维效率。

    同时平台在数据资产标准化,托管服务这一块,我们实现的是将我们所有的备品备件标准化入库,一个标准化的托管服务平台。我们通过大数据运维平台管理着若干项目库、区域库和总库价值数千万的物资备件库存;我们的设备资源中心数据库管理着数千台风机,几十万条设备数据资产。实现的是一个8h备件响应,24h服务响应的海装技术维修数据标准化技术服务功能。

    另外在这个平台上,我们已经实现将海装所有风场风机的巡检,定检,检修维护数据的集成,全部实现数据标准统一化。加载这样一个标准化检修托管数据库,再通过数学分析,找出影响风机非计划停机的因素和变量,结合风机运行的数据,自动寻找匹配的适合该风场的风电机组维护解决方案,为风电场运维提供了一个智能化辅助决策服务。

    大家也都知道,海上风机在状态监测系统基础上建立健康诊断及寿命预测是进行合理海上运维非常必要的一个基础。我们现在将所有在平台上建立部署运行的风电机组诊断预警模型推送结果全部与运维工单进行匹配,进行闭环准确率覆盖率的实时计算。这样可以真正实际接地气的来验证和优化这些诊断预警模型。

    在运维,尤其海上运维这块,一个精准的风功率预测系统可以保障风能能够安全,稳定,高效的来发电。精准预测风功率,发电量不仅对我们的业主单位非常有用,对我们这样的整机厂商也有很多重要意义。目前我们这个平台也开始构建适合我们自己风场,自己风机的风功率预测系统。比如在我们江苏的海上风场,我们也开始定制化搭建起一个精准的风功率预测系统,实现(4小时,24小时,72小时的)风功率预测,通过采集精准度高的数值气象预报数据、实时气象数据、实时输出功率等数据,完成对风电站的短期功率预测、超短期功率预测

    整个风电行业可以用的数据非常多,目前平台通过大数据技术已经将这些海上风电多维数据全部打通融合。并进行多维耦合的计算分析和可视化。我们将海上我们已有的气象,天气等基础数据,专家经验数据,航线路线人员维修数据,备品备件数据等等,进行了一个全方位的数学分析和利用,通过一系列人工智能算法,做出了一个海上运维智能排程系统,可大大降低我们的运维成本,尽可能帮助我们减少发电量损失的时间,最终给我们所有的海上运维工作带来较大的经济效益。

    我们通过的是规则式算法生成了候选的排程任务组合,通过搜索算法生成各个执行队列的领域解,通过遗传算法计算人员/工具的行动路线,通过粒子分析完成计算每个节点的发电量损失,更新全局最优和个体最优路径,实时计算更新位置等方法。搭建出一个AI智能体系,在平台完成整个海上风场的优化运维排程调度。

    通过对多线数据的融合,AI算法系列的集成,实现了智能的感知,智能的决策,到最终的自动化的执行层面,这是平台目前提供的一个海上风电运维服务功能。

    目前我们平台已经上线的是这样一个海上风场运维优化排程系统,最终实现的目的就是:通过数据的智能算法,达到合理安排运维工作,通过智能关联专家经验,实现管理效率的提升。通过融合大数据分析,优化航行路径,减少停机损失,降低运维优化成本。这也是我们力争完成的一个海上风电数据创新应用的落地。

    在平台运维调度系统里,通过智能穿戴设备实现远程视频通话,提高运维效率。将录制视频数据存储在平台上,达到历史追溯的目的。运维过程中的主动呼救和被动实时报警,物资管理、交通管理、流程管理等,均实现实时监测,以不同展现形式在平台上表达机组运维状态,比如无运维工作的机组显示为绿色,当有人员在机组上执行运维工作时,机组实时显示为橙色,并同步实现同平台一致的手机APP应用。此功能目前已完成内部测试。

    同时我们也开始对风场也进行集群分析了。平台通过数学算法对同一个风电场在相同工况环境下,不同风机的发电性能,发电效率的对比及时间序列longitudinal的分析。对比风电机组在同一时间段的性能和波动范围,并以此作为数据依据来查找预测风功率与实际风功率不同的原因,从而进一步反哺研究测试平台进行风机设计参数的优化及调整工作。

    同时平台也在提供更多的自动化数据支撑及应用分析服务,比如分析工单工时,对今年明年的风机整体吊装,维护计划,做出数据分析,用统计分析结果,帮助进行合理智慧的吊装安排。通过算法自动形成风机设备浴盆曲线,寻找设备失效固有规律及周期。我们将更多元化的为海装生产供应,营销,工程进出质保等各部门提供更多的自动化数据分析支撑服务。目前平台做的这些工作也是开始,我们持续将提供更多类似的数据分析支撑服务。

    目前我们平台正在准备做的一项工作还包括建立以可靠性为中心的RCM维修策略推送服务。将风场设备故障数据进行一个故障信息的自动处理,同故障专家知识库结合,对故障时间,空间进行定性及定量的可靠性指标分析,排序确定风机或部件危害度,失效时间,进行PHM决策,并自动触发生成运维策略推送到海上运维部。

    我们下一步希望能够尝试采用5G技术,以云平台为支撑,实现海上运维大数据的储存平台、监控平台、集成平台一体化建设,实现数据共享,实现数据智慧化。

    我们最终的理想和目标是将新能源:自然的风电资源,实验测试平台,制造及供应链,运营管理平台,运行维护平台,数字孪生仿真平台,数据治理平台融合起来,打造一个更全的数字化生态圈。

    今天我的分享就到这里,是我们海装风电诊断预警平台的1.0版本的发展,非常希望能有更多的同行给我们提出一些更好的想法,让我们能从数据中挖掘出更多的价值,能将共享的数据治理得更好,更标准。