打开文本图片集

摘要：近年来，内蒙古蒙西电网新能源行业快速发展，截至2018 年底，蒙西电网累计装机约6900万千瓦，新能源累计装机约2830万千瓦，其中运行超5年以上新能源老旧场站占比达到75.85%。2020年9月22日，习近平总书记在75届联合国大会上庄严宣告：“2030年前中国要碳达峰，2060年实现碳中和”，毕竟引起国内新能源发电市场的大规模开发，新能源电站数量和业务规模将同步快速增长，电站遍布中国各省。但是随着新能源电站数量的急剧攀升，及老旧机型问题日益凸显。

关键词：大数据;人工智能;新能源设备;预警管理

一、背景

1、众多电站分散与集中式运维管理的矛盾

电站数量众多、场址分散，所处地区不同，发电机理不同、布置方式不同、受辖电网不同，且电站监控系统功能简单，无高效的数据整合、统计、分析能力，呈现方式过于单一，无法满足客户的多样性的需求。发电企业生产运维由分散型向集约型发展是大势所趋。

2、安全隐患、经济损失日益明显

成规模的大量设备出质保，老旧机型设备故障频发，带来大量的安全隐患，同时因为大量故障停机造成发电量损失金额日益增大。而目前无法及时、全面获取设备运维状态信息、无法提前预警设备故障、无法及时调动排程运维队伍都是摆在新能源运维人面前的挑战。

3、经济效益压力与日俱增

平价上网、限电、设备故障等因素对新能源企业在生产运维阶段成本方面形成巨大压力，在创造利润方面又形成了极大的阻碍。如何有效提升设备可靠性，增加设备有效利用小时数，作为一个重要的课题摆在新能源人的面前。

4、提升设备性能迫在眉睫

设备性能提升主要有以下几个方面：对老旧机组提供长期的、可靠的、稳定的、持续的服务，提升性能。对部分低效部件实施通过验证的技改，提升设备自身性能。对数据进行诊断、检测、计算，通过优化包括叶片等主要部件的运维参数和控制系统升级，实现发电性能的提升。

5、老旧管理模式已无法适应新能源快速发展的需要

早期场站独立运维管理模式较适合规模小、数量少的阶段。随着近几年公司快速发展，这种模式已不再适应公司规模化发展的需要。如果利用信息化、数字化技术，实现公司对老旧机组精细化管理，有传统的“被动”向“主动”治理思路转变，已成为新能源人探索新课题。

二、主要研究内容

（一）总体规划

近年来，随着风机运营规模不断扩大以及场站投运年限的不断增加，设备逐渐老化，进一步增加了公司业务流程、设备运维等生产管理方面的难度和复杂度，虽然在信息化道路上取得一定成就，但各系统相对独立、各司其职，基础数据质量较差，功能不健全，业务、数据交互功能程度不够，没有完全发挥其应有的作用。伴随着智能化、数字化、大数据、人工智能等新技术的高速发展， 面对公司强大的设备管理体量和智能化运行维护，基于对智慧生产运营管理的建设需求，实现风电新能源公司总部、分公司和场站的三级运维管理和指导体系建设，以数据采集系统作为输入，构建设备故障预警系统，已成为当前的重点任务。

实现以新能源公司总部SCADA数据、CMS数据采集系统数据作为输入，构建基于大数据分析、算法开发，预警模型、监测展示等预警机制的设备健康状态预警大数据平台，实现了与已有生产运维管理系统预警成果的共享和发布，大大降低设备故障发生概率，减少运维成本，提升公司整体运营收益。

（二）平台主要内容

通过多源异构数据采集，大数据清洗与融合，结合分布式存储与并行计算技术，实现多系统数据的集中存储、统一管理、横向关联，纵向贯通。快速实现数据赋能与增值，提升公司设备运维及相关业务的精益化管控水平。平台集成的风电厂家数据涵盖金风、远景、上气、明阳等9个整机商涉及27种机型;振动数据厂家包含中自庆安、威锐达、汉能华等16个品牌，光伏场站有隆基、晶澳、天合和晶科等6个厂家数据。

该系统以数据分析、机理分析为基础，融入人工智能、深度学习、数据挖掘模型，建立新能源设备状态预警模型及管理体系，实现从预警模型构建到预警信息处理反馈的全流程闭环管理。为公司设备健康状态预警管理提供平台支撑，最终达到降低故障发生率，减少运维成本，提升公司整体运营效益的核心目的。

该模式+平台有效落地，将为公司产生了明显的经济价值、安全价值，在行业上为其它同行实现预警模式的落地也有较好的示范效应。具体建设内容包含：

1、预警模型构建

预警模型规则构建流程由公司总部数据信息中心组织发启，安全生产中心、检修管理中心、技术中心、信息中心技术专家、业务专家共同参与提出典型预警规则，然后根据各风机厂商数据点表，进行数据参量的选择。

根据预警规则要求，预警模型主要划分为常用规则和挖掘规则两种，常用规则结合业务专家经验及各厂商的历史预警报告的分析结果，采用系统提供的预警模型配置按照预警基础信息设置、预警变量配置、预警模型配置三个环节进行配置。配置完成后，进入预警模型规则的验证、发布及部署阶段。部署后，通过启、停操作进行模型的启用和停用。

最终结合模型应用情况，按照模型每次模型预警审核下发且被采纳执行的预警信息所有模型预警审核下发的信息的占比情况，进行模型优劣情况的评估。

2、预警信息处理

预警审核处理流程，通过设备健康预警系统自动生成预警后，系统自动发送技术中心技术专家进行预警内容的准确性审核。如果审核通过，则流转至预警关联的所在风机的场站，交由场站检修处理人员，根据处理情况提交处理反馈意见，如果审核不通过，流程直接结束。在场站处理反馈环节，如果处理通过，并采纳相关处理措施意见，则流程流转至预警完结，并最终结束。如果未采纳，则流程直接结束。

3、预警模型管理

预警模型管理提供对当前已发布模型数量及准确率、模型效益情况进行了综合统计展示，同时是所有已发布模型的管理窗口，实现模型的启停操作。

挖掘阈值构建功能是阈值挖掘规则类模型构建的前提，通过分析历史预警发生的规律和变化趋势，构建数据挖掘模型，进行阈值规律的分析和挖掘，输出结果直接提供阈值挖掘规则类模型构建。

4、数据质量管理

数据质量管理是对从场站采集数据的质量情况进行监控、检查及统计分析报告，同时结合数据质量情况，采用质量检查规则的对应处理措施，开展数据预处理工作。

数据接入监控功能实时开展对场站采集数据的接入规模、接入质量、接入情况进行对比分析，包括接入的数据包，数据条数，完整率等指标，及时发现数据接入环节的断点、重复等问题。

数据接入报告展示数据接入报告、穿透进入数据明细查询等信息，涉及到各区域、场站、厂商数据接入完整率、接入场站数量、中断数量等信息。

数据查询管理提供按照区域、场站、风机编号、厂商、风机型号、开始时间、结束时间等查询条件范围，开展已接入数据的详细查询和检索，同时可以查询该点位数据近30天的接入情况。

数据统计分析重点针对接入的数据纵向时间维度、横向空间维度的数据情况进行同比、环比分析，发现数据的质量问题，为数据质量检查提供依据。

数据预处理功能，结合空值、重复值等数据质量检查规则对接入的数据进行判断和分析，同时结合数据预处理规则对不符合规则的数据进行编辑、赋值等操作完成数据预处理。

5、基于云、雾、边协同框架构建机组、场站、云端健康管理平台

开发一级系统、三级组件应用，实现总部云端、场站雾端、机组边端三级健康管理应用平台。基于云雾边协同框架，实现云端自动化模型下发、参数配置、模型运行监控等总部控制机制。构建总部云端、场站雾端、机组边端协同框架，实现云端风电机组预测模型开发、测试、分析监控，实现雾端和场站端模型应用监测，最终实现风电机组海量数据的模型挖掘计算，完成机组、场站、云端健康管理平台。

6、构建运维专家知识库和立体化预警指导措施

基于场站端大量关键设备运行维护经验，构建设备故障预警专家建议库，指导场站运维人员快速开展设备故障排查及维修工作。开发预警处理建议联合下发机制，设备故障预警信息下发同时，下发专家建议/历史解决经验，辅助场站运维人员快速进行故障问题排查风险消缺。建立场站处理措施审核应用机制，现场故障/风险排除的宝贵经验，及时纳入专家建议库，便于同类故障或预警的快速响应。

7、大数据及人工智能技术应用

计算机视觉实现风机关键部位故障点识别，通过图像识别技术实现摄像头、机器人、无人机等大量远程监控设备采集的视频、图像的智能化分析，包括部件异常（例如：叶片缝隙、着火等）、关键部位异物阻塞等异常识别分析。

利用主流NLP技术及相关模型对机组运行过程中关键部件的音频数据分析，通过音频降噪技术对机组部件历史数据进行数据频域分析、时频分析，基于音频帧、音频段的分析等分析方法提取相关特征组成风机部件异常特征集，通过对机组部件运行音频数据分析，识别机组部件运行异常。

（三）平台实施情况

1、搭建开放灵活、高效可扩展的基础大数据平台

预警系统满足结构化、非结构化数据、实时数据、第三方平台数据及API接口等多源异构数据的灵活接入和数据标准的统一管理，支撑数据存储的高效扩展、数据计算的高可用和安全备份。

2、构建设备健康状态预警业务应用

预警系统基于智能分析平台的分析成果，开展设备健康状态预警及管理功能，包括设备运行状态监测、异常运行状态分析、状态预警、综合展示等功能，全面实现设备健康状态的预警信息审核、发布、推送、监控展示、执行和反馈等全流程应用。

3、设计研发自助式分析、敏捷建模的智能分析建模应用。

预警系统提供工程整体的创建，数据加载、数据处理、模型构建、模型验证审核、模型导出、模型自更新等应用，模型设计环境支持java、Python、scalar等开发语言，融合交互式自助数据挖掘与建模自然语言处理等多种分析方法，实现数据的深度分析，为数据分析和价值应用提供一体化分析工具。

4、面向业务人员的轻量级可视化探索应用。

预警系统提供数据可视化、数图映射、视觉探索等功能，让用户能够随时观察数据的维度、指标，将数据以丰富的图表方式，进行迅速、直观的表达，同时借助联动、钻取等交互操作，发现数据内部的细节规律，为总部、区域、场站用户提供Web、大屏等多种形式丰富、多样化的图形展示。

5、建立设备状态监测预警的长效运营机制。

基于智能健康状态预警系统设计思路，形成新能源设备运行状态监测、故障分析、状态预警及故障处理的常态运营机制、预警工作流程与应用模式，提升风新能源设备运行效率和可靠性水平。

（四）案例介绍

3月24日平台推送预警信息：

预警内容如下：

重要提醒：XXX风电场，13号机组和6号机组在3月20、21日的发电机非驱动端轴承温度预警信息。

现场人员反馈内容如下：

现场登机排查，发现：发电机轴承端维护过程中油脂注入过量，油脂飞溅。

目前我公司新能源设备健康预警系统覆盖约1500台机组，2020年度发布预警149条。经过现场排查反馈，预警准确率达80%，预防风险所规避的直接经济损失超过632.8万，对大部件发电机轴承过温、变桨电机过载、齿轮箱油压力低引起的润滑不良等模型有明显的预防性指导作用。

四、平台价值及意义

（一）技术创新

1、实时预警、在线研判

系统提供了强大的预警模型规则研发平台，在线预警设备部件状态，实时开展新能源部件的监测预警、处理反馈，降低风机故障发生概率。

2、平台架构设计灵活、可扩展性强

系统采用开放性大数据技术平台和软件架构，满足用户差异化应用需求。扩展性体现在应用功能的可扩展、硬件节点的可扩展、数据模型的可扩展和服务的可扩展。

3、数据接口统一设计、统一规范

在数据接入方面，系统提供数据采集系统、SCADA系统等统一设计、统一规范的标准化数据接口，在存储节点扩展的情况下，支持多场站数据的持续接入。

4、数据编码规范标准化

设备数据模型设计标准严格遵循新能源行业标准，保证不同类型设备的数据统一标准化。

5、灵活的预警挖掘模型规则配置

丰富详实的预警挖掘模型洞察内容，包括数据分布、分析结果、模型信息、模型对比、模型评估等，帮助用户轻松获取隐藏在业务数据中的规律和模式。将交互式编程、智能化建模所构建的智能模型以数据或服务方式接入。

6、丰富灵活的可视化组件

支持柱、线、饼、地图、散点、雷达、KPI、桑基、K线……等近三十种可视化统计图表，URL、富文本、图片等多种页面元素。支持R、JS等分析与开发接口，便于高级分析与开发人员灵活进行分析与可视化设计，满足企业级个性化定制应用。

7、数据架构

预警系统大数据存储架构采用分布式技术和低成本存储设备，将结构化数据、半结构化数据、非结构化数据和流数据，以分布式文件系统、行式数据库、列式数据库等业界典型功能系统，支撑各类数据的有效存储。

（二）模式创新

某新能源公司预警系统在业务系统集成基础上，叠加了电力行业能力开放、知识经验复用与开发者集聚的功能，大幅提升电力知识生产、传播、利用效率，形成海量开放APP应用与电力用户之间相互促进、双向迭代的生态体系。预警系统需要打破原有封闭、隔离又固化的电力行业系统，并且需要高效的设备集成模块、强大的数据处理引擎、开放的开发环境工具、组件化的电力知识微服务，向下对接海量电力装备、仪器、产品，向上支撑电力智能化应用的快速开发与部署。其核心是将电力技术、知识、经验、模型等原理封装成微服务功能模块，供电力行业APP开发者调用。

三、实施效果

基于新能源行业规模高速发展，面临挑战日益巨大，某新能源公司结合大数据、人工智能等新一代信息技术，以及丰富的行业实践经验，提出了基于大数据和人工智能的新能源设备预警系统应用与运营服务模式，通过运营服务模式+柔性信息化平台，适应科技发展趋势，在设备管理、维修管理、预防性维护、运行管理以及经营管理、财务等各个方面，通过不断地降低运营成本、提高设备健康情况、提高员工素质、增强生产效率，确保企业在市场竞争中的优势促进新能源企业效益增长，满足大规模新能源发展需要，未来数据驱动生产的方式是企业必然的趋势。具体体现在：

（一）对大量分散的电站实现集中式运维管理。

通过“区域管理、集中管控、运检分离、少人/无人值守，智能化、专业化运维”的创新运营模式，通过区域运维的集中管控实现电站投入的持续降低，对整个电站的全生命周期的运行情况、发电情况、告警情况、运维情况进行实时有效的量化评估，从而主动发现电量提升点;可对发生的告警提出处理建议，为运维效率的抬升提供支撑;可对电站的人员或班组效率、日常办公、操作票与工作票进行管理维护，保证流程的规范化;可对电站的设备情况进行有效的管理与评估，为资产的选型提供数据支撑等等;通过以上功能点，实现电站安全本质化、管理精细化、运维专业化、流程规范化，收益最大化，人员精干化。

（二）通过智能化安全手段降低设备安全隐患。

以科技手段实现本质化安全，实现技防尽量取代人防的目的，当现场发生告警后，需实现第一时间发现、传送、分级告警，实现安全全天候、全覆盖、全员化、全生命周期管理;

1、通过系统平台提升性能

以设备健康状态跟踪实时优化设备性能，结合预警信息化建立预测性检修模式。通过大数据分析，及时发现低效运行部件，提出性能提升建议。

2、通过大数据分析进行业务优化

结合大数据分析手段实现行业趋势分析，助力发电-售电高效协同。电站设备众多，数据采集量大，是否可以利用先进的云计算技术对电站数据进行整合、分析、大数据分析。

3、创新模式提高经济效益

通过上述信息化+精益生产的模式，实现显著提升企业经济效益的根本性目标。结合云、大、物、移、智手段，使精益生产模式在新能源行业焕发更大价值，显著推进电站安全本质化、管理精细化、运维专业化、流程规范化，收益最大化，人员精干化，并促进专家经验的共享，最终转化为显著提升企业经济效益。

四、推广意义

通过该系统的应用，对企业的生产管理达到降低生产成本、提高生产利润的目的，精益生产管理信息系统根据场站的科学化管理，对场站的工作进行流程化、规范化、标准化管理，主要外溢关键点如下：

建立新能源公司设备健康预警系统，包括各场站的运行实时数据、安全生产管理数据、远程控制数据，实现各场站设备管理、运行日志、缺陷管理、许可管理、两票管理、定期工作、绩效分析等，实现生产管理工作网络化和自动化。

大数据分析平台在海量实时数据的基础上，实现生产运行的集中管理，公司、风场和单机的经济运行分析，风机首发故障、TOP5故障和故障根本原因分析，风场之间、班组之间和单机之间对标，实现重点设备故障智能预测预警。

实现新能源的远程集中值班监屏，提高值班集中度、运行值班水平和信息有效沟通，实现首发故障实时报警，降低故障处理时间。

在互联网技术、5G技术、区块链技术、AI智能技术等不断革新、进步的背景下，能源互联网将激发能源设计、施工、发电、售电、消费等能源全价值链的变革，将形成集中式与分布式协调发展、相辅相成的能源供应模式;将对能量转化成可识别的数字信息，实现数字流对能量流的控制。

结束语：

当前数字化的时代，新能源企业要通过数字化技术的应用，实现精益生产系统从结果化管理向过程化管理转型，从粗放向粗细化转型，从局部管理向全局管理转型，从静态管理向动态管理转型，本项目已在多个风力场站与光伏场站推广应用，取得较好的成果。本方案解决可在具备一定信息化基础，拥有大量新能源发电设备的企业内优先进行推广，例如新能源发电企业，包括新能源风电机组场站发电企业和新能源光伏发电企业。