大数据在风电生产管理中应用研究.docVIP

大数据在风电生产管理中应用研究 　　摘 要：随着风电的迅猛发展，一些大型风电企业管理的风电机组达到几千台、上万台，沉积了大量的生产数据。这些数据中蕴含了重要的生产信息具有重要价值，但这些数据未得到充分的开发利用。如何有效利用这些数据已经成为风电企业提高价值、赢得竞争优势的关键。本文结合当前大型风电企业在大数据应用中的探索，研究了风电场生产数据的特点及其在监测控制、指标管理、状态评估、故障判断等方面的价值；然后对其存在的主要问题进行了系统性的研究；最后针对其问题，提出了科学搭建大数据平台、统一数据判断和计算标准等工作建议。 　　关键词：大型风电企业；大数据；数据价值；工作建议 　　DOI：10.16640/j.cnki.37-1222/t.2018.11.178 　　0 引言 　　在国家大力发展清洁能源的背景下，风电企业发展迅猛，一些已经成长为大型风电企业。这些大型风电企业管理着大量的风电机组，积累了巨大的生产数据，但这些数据还未得到充分的开发利用，有效地利用这些数据对于风电企业具有重要意义。 　　大数据在风电领域的应用和研究已经起步，但在数据获取、统筹规划、专业研究、产权保护等方面还面临很多问题。本文对大数据在大型风电企业中的生产管理应用进行了研究及探讨，分析了其中存在的问题，并提出了一系列的工作建议。 　　1 大型风电企业生产数据的特点及价值 　　1.1 数据特点 　　（1）体量大。风电场的生产数据来源于风电机组、能量管理平 　　台、AGC、AVC、升压站综合自动化系统等众多装置。目前，不同厂家、不同型号的设备数据点各不相同，按当前主流风电机组估算，1台风电机组的数据点在200点以上，1个风电场其它装置数据点在1000点以上。 　　（2）速率高。风电企业的生产数据主要来源于温度、压力、转速、振动、方向、角度、?压、电流、频率等各式各样的传感器，属于典型的机器大数据，更新速率非常快，一般每秒1次。按大型风电企业的体量估算，每秒将有240万个实时数据，在不压缩的情况下，每月将产生约25TB的生产数据，每年将产生约300TB的生产数据。 　　1.2 数据价值 　　大数据的关键不仅在于“大”，更在于价值含量和挖掘成本。单以数据规模衡量，大型风电企业现有的生产数据或许还未达到大数据的PB级别，但就其行业特点而言，产生的价值却是颠覆性的。 　　2 大数据应用的工作建议 　　2.1 顶层设计，科学搭建大数据平台 　　大型风电企业一般是“风电场-区域分子公司-集团公司”三级管理体制，因此，要统一规划、统一管理，根据企业特点和大数据技术要求科学搭建分析平台。 　　（1）开放式数据仓库。数据是分析研究的基础，风电企业要制定数据管理标准，统一数据库及数据的存储方式、结构等技术要求，独立建设开放的、自己掌控的数据仓库，为风电企业技术人员和合作伙伴提供数据。 　　（2）云计算管理模式。传统的服务器管理模式是按功能管理，各服务器只承担固定的计算任务，资源不能充分发挥。因此，在集控中心、集团总部生产调度中心建设时，要按照云管理架构进行搭建，架构内的服务器不再进行功能分工，统一由主机指挥，进行集群式计算，提高计算能力。 　　（3）分布式计算模式。大型风电企业大数据平台按三级搭建，从层次上看，越往上层数据量越大。因此，应本着“底层优先”的原则，分层明晰各层计算界面，最大程度的减少上层计算和重复计算，减少平台负荷。 　　2.2 底层突破，统一数据判断和计算标准 　　对于风电企业来讲，风电场是所有数据的源头，目前，风电场数据的完整性和一致性均无法保障，成为制约大数据分析应用的关键瓶颈，必须进行突破创新。 　　（1）完善数据获取标准。大型风电企业要制定统一的风电场信息化管理标准，明确风电机组和升压站的保护及自动化装置的设备网口数量、计量点位置及精度、测控装置配置、通讯网络要求等设计标准，明确设备厂家应提供的数据点数和接口软件。 　　（2）开发标准化软件。应在风电场开发通用的SCADA平台，研究不同风电机组、变流器的通讯协议、控制方式、状态分类、判断逻辑和计算方法，建立适用于多厂家、多机型的数据接口模块，自动完成差异化输入、标准化输出。 　　2.3 科学组织、加快推进，深入挖掘大数据蕴藏价值 　　大型风电企业应成立常设机构，集中尖端技能人才，以下述研究方向为重点，细化研究课题，加快大数据的分析研究和价值挖掘。 　　（1）集中预测。可将风电场气象信息、地理信息、测风塔数据直接传到区域分子公司或集团总部，在原有的温度、气压、湿度、降雨量、风向、风力等参考变量的基础上，增加同区域风电场群差异化校正、同风向关联风电场管道效应校正等因素，提高功率预测的准确性。 　　（2）劣化分析。研究各部件异常运行工况与参数的关联关系，