徐兴朝
河北新天科创新能源技术有限公司 河北省张家口市 075000
摘要：现如今，我国科学技术水平显著提升，在这样的背景下，社会已经进入大数据时代。大数据时代下风电场应该应用大数据技术构建智慧型风电场模型，有利于风电场实现智能化管理。本文简要概述智慧型风电场模型的含义，分析大数据在风电行业中的应用场景，构建智慧型风电场模型，同时提出该模型的开发和应用方式。
关键词：大数据；智慧型；风电场；模型开发应用
引言
“物移云大智”时代让互联网与产业深度融合，智慧风电场也是如此，智慧风电场是融入电力信息化发展步伐，利用现代化的新技术，将人的智慧传递到传统的发电设施上，采用智能设计、集中监控、集中运维，提高设备运行效率，构建以数字化交互为基础的智慧风电场。智慧风电场将真正实现风电场的智能控制及智慧发电，以实现发电收益最大化为目标，运维过程中通过有效数据采集，科学的模型建立、算法优化，不断的提高风机设备整体可利用率和风电场发电效益。
1智慧风电场简述
从风电场运营角度来看，“高效”“可靠”“低成本”始终是备受关心的核心问题。近年来，风电机组供货商、风电场开发商以及处在产业链上游的部件供应商、科研院所等单位都围绕着这三点，不断给风电场注入“智慧”的元素。归纳发现，通常所谈及的智慧风电场的核心功能是：依托先进传感技术和感知技术，感知外部环境和自身状态，并利用互联网、智能控制、大数据等先进技术，实现信息与信号的快速、准确交互，提高自身的自我学习、修正能力，使系统运行更加智能，使维护等运营工作更加便利，助力系统级协同决策，最终实现风电场综合效益的最大化。
2智慧风电场发展现状
目前，风机厂家及科研机构虽然在数字化智慧风电场建设方面做了大量的工作，但现有风电场与数字化智慧风电场还存在较大差距，主要体现在以下几个方面。1）缺少对风场选址、机组选型、基建过程信息的数字化智能化管理功能，无法实现设备全寿命周期相关过程的智慧化监管。2）缺少对运维过程及质量、运维安全监督的智能评估体系及方法。3）对风电场各系统、设备健康状态的评估还需人工参与，未实现真正的智能评估。4）由于业内竞争及数据保密等原因，各风机厂家开发的平台及系统对其他厂商生产的机型适用性相对较弱，不能满足风电场对多家厂商、多种机型信息综合分析管理的需求。5）初步整合的信息管理平台虽然实现了部分生产、管理和经营业务间的协同，但仍存在部分信息孤岛如状态监测（CMS）数据、离线检测数据等。积累的海量历史数据和实时数据未得到有效的分析和充分利用。6）智能决策能力不足，仅完成了数据统计分析等基本功能，离智能管控一体化要求还存在一定差距。设备状态数据、备品备件信息与管理平台缺乏有效关联，无法根据数据分析结果自动推出运行优化、检修方案和备件采购工单等一系列运维决策建议。
3开展大数据分析的目的
（１）提高风电的可靠性。在现代信息技术发展环境下，大数据在风电场运维管理中的有效应用，促进了大数据分析与天气建模技术的有机融合，全面提高能源电力系统的稳定性，从而保障风电场运行及维护的可靠性。（２）改善风机性能，实现风电场效益最大化。通过大数据在风电场运维管理中的有效应用，便于相关工作人员对风机的运转数据以及风电场运营数据进行准确的检测和采集，进一步改善风机性能。
风电场相关数据信息往往分散于风机制造商、风电场业主、系统运营商以及运维服务商等多个环节内部，大数据的有效应用，有助于实现利益的合理分配，为风电场业主追求效益最大化提供可靠的依据。（３）细化风电场运维管理基础性工作。就设备管理方面来看，大数据在风电场运维管理中的有效应用，有助于规范风电场建设中的相关操作，充分做好设备选型及风电场规划工作，并加强风电场设备的重点维护管理，通过对大数据技术的有效应用，定期组织开展检测和检修工作，降低风电场设备的故障发生率，保障风电场设备的安全稳定运行。由于风机其所处环境恶劣，维修检测困难，导致设备运维管理中的难度较大。而大数据的有效应用，有助于及早发现风电场设备运维管理中的异常情况，早发现早处理，及时排出风电场安全隐患。
4基于大数据应用的智慧型风电场模型开发应用
（一）风电场模型系统总体设计。风电场模型系统设计应当分为功率预报、误差统计、风机全景、运行管理、系统管理五个大模块。功率预报分为参数设置、风功率预测、风速预测、当前实况四个小模块；误差统计分为参数设置、均方根误差、平均绝对误差、当前实况四个小模块；运行管理分为值班记录、交接班、报警管理三个小模块；系统管理分为用户管理、管理和设备管理三个小模块。（二）风电场模型系统的具体应用。（1）系统登录。系统登录页面输入账号和密码可以进入到不同权限的控制系统页面。（2）功率预报。功率预报主要工作是提供风速和功率的预测数据和实际测量数据的对比图，同时标注异常数据。（3）误差统计。误差统计主要工作是预测风电场的风速和功率，次要工作是计算某段时间内功率的均方根误差。（4）风机全景图。风机全景图中展示了风电场各风机的实时运行参数，工作人员主要是查看负荷功率，如果风机运行异常其风机标准会由绿色变成红色，提醒工作人员进行处理。（5）运行管理。运行管理模块主要负责值班记录和报警管理工作。
5智慧风电场规划建议
未来数字化智慧风电场的建设应从基建期开始收集数据，以实现设备全寿命周期信息的收集、分析及处理。数字化智慧风电场建设过程中应将下述信息在信息智能分析系统中进行统一综合分析和管理：基建期数据信息，包括设备制造阶段的质量信息、设备安装调试信息、风电场基建数据信息等；运维期信息，包括SCADA系统数据开放点数满足数据分析要求、CMS数据、升压站数据（综自系统）、风功率预测信息、备品备件信息、工器具信息，叶片、变桨系统、滑环、发电机、偏航系统、塔筒、地基、UPS、后备电源等设备及系统的状态信息；生产信息，包括设备检修信息、故障处理信息、设备离线检测数据、SAP数据、电网调度数据等；海上风电还需收集完整的气象、水文、船舶自动识别系统（AIS）信息等。对于监测存在盲区的设备，应添加必要的状态监测点，海上风电还应加强对地基防腐、海床冲刷的监测。智慧风电场建设过程中应重点解决下述问题：①完成对各类数据及信息的标准化工作，统一数据接口；②完成对设备状态、人员考核、机组性能评价及优化、运维过程及运维质量评价、设备故障预警和分析、关键设备可靠性及安全性评价、部件寿命预估等工作过程的数字化及智能化；③在数字化、信息化基础上，利用各类智能决策模型，实现风电场运维决策的智能化；④完成信息智能分析系统与风电场主控系统的联接，以实现主控系统根据信息智能分析系统反馈的信息对风机运行状态的实时调整。
结语
综上所述，基于大数据应用的智慧型风电场模型开发应用以预测系统的形式存在，该系统具备系统登录、功率预报、误差统计、风机全景图以及运行管理五个功能模块，通过预测系统对风电场数据的监控，可以实现智能化控制。
参考文献
[1]张君艳,董娜,彭伟,郭禹伶.大数据平台在电力企业中的应用[J].河北电力技术,2016(01).
[2]姚剑平．浅论风电场日常管理中的四个关键控制项：中国农业机械工业协会风能设备分会２０１１年度论文集（上）［Ｃ］．２０１１．
[3]周冰.海上风电机组智能故障预警系统研究［J］.南方能源建设，2018，5（2）：133-137.