摘要：近年来社会用电需求的不断增大，电力工程建设数量也逐渐增多。随着风电的快速发展，风电场的运维管理与运维模式越来越重要。风电场因单台风机装机容量小、台数多、转动部件成本多等诸多因数导致风机故障也相对较多，现场管理人员对运维管理的好坏直接影响到单位的经济效益，而对运维模式的转变则能最大程度的降低成本，做达到利益最大化。本文就大数据管控下的风电场创新型运维管理模式展开探讨。
关键词：大数据；风电场；运维管理；创新
引言
我国风电运维服务市场于2016年迎来发展拐点，至2020年市场容量将达300亿元左右，未来我国风电运维市场前景广阔。之前或许我们在讨论“大数据”管控是什么，大数据能干什么，能带来什么价值；而现在已明确了大数据是一种有着真正未来的趋势，大数据的价值无可限量。风电场的大数据是为风电企业提供更强的决策力、洞察力和流程优化能力，从而适应多元化的信息资产。随着风电场设备的趋于完善，大数据对风电场整体运维的分析及管控具有重要的现实意义。
1风电场运维管理的主要问题
（1）运维人员紧缺。随着风电场不断增加，且大量原有风机已出质保期，现场运行人员和检修人员需求不断增多，生产生活条件艰苦，对人才吸引力不足，国内风电场普遍面临严重的缺员问题。（2）风电专业人才稀缺。随着近几年风电的快速发展，风电技术人才越来越匮乏，除少部分人员有风电、水电、火电工作经验外，大部分都是刚从学校毕业或未从事过发电行业工作的人员。（3）运营成本不可控。伴随着招人难、留人难等问题，人工费用越来越高，运营成本也不断攀升，给风电运营商控制成本带来了一定的压力。（4）运维工作不主动。由于电厂地理位置偏僻，工作环境恶劣，现场员工工作积极性不高，且容易引起风电场人员频繁流动，使风电场运维工作处于被动。（5）设备管理困难。风电场点多、面广、线长，设备台数多，分布区域广，气候条件恶劣等均增加了设备管理的难度。
2风电场的运行监视与远程操控
风电场的建设往往规模较大，分布区域相对广阔，上述原因造成风电场管理难度较大，管理差异系较大，设备基本情况记录不清晰，设备管控能力较弱。为解决以上问题远程集中监控系统应运而生，数字化管控时代来临。通常风电场采集的数据有风机运行数据、升压站运行数据、风功率预测运行数据、计量设备数据、测风塔信息、远动数据、自动化信息等。此外在条件允许的情况下还可以将设备实时监控图像及人员、车辆定位信息一并传输至集中监控系统。通过对设备进行实时监视，采集设备的实时状态及运行信息，人们可以清楚的了解远在天边的风电场设备运行状况，根据监视情况，下达运行指令。而设备的远程操控可利用专用通道，对远程操控装置直接下达操控指令，从而达到远程操控的目的。结合现场远传回来的图像信息，使操控更加安全。集中监控系统的数字化管控直观有效的将设备信息进行集中整合，作为大数据采集的基础，为后续的大数据分析提供数据服务及数据工具支撑，为实现少人运行监视，为无人运行监视提供支点。
3大数据分析的必要性
风电机组性能差异大，大量风电机组未经性能检测就并网运行，风电机组实际运行与设计功率特性存在较大的差异，年发电量达不到预期目标。风电场设计、运行不合理，很多风电场风资源与之前设计时评估的结果有很大出入，造成风电场设计的偏差，发电量难达到设计目标。风电数据难以有效利用，风电机组及风电场积累了海量的运行数据，但未能充分利用，通过对这些数据的分析可发觉很多改善发电性能的措施。
4风电场设备的全生命周期管理
通过对所有设备的数据采集，形成大数据积累。
期刊文章分类查询,尽在期刊图书馆“大数据”可以掌握任意一个风电设备的“生、老、病、死”的所有数据信息。以风电机组为例，从风电机组的吊装运行后风电机组即被大数据管控，可以记录风电机组在各风速下的运行状况，风电机组的每年的定检周期，风电机组何时发生故障，故障后进行哪些处理，哪些元器件在何时被更换，直至这台风电机组服役期满无法再运行。所有的数据将被一一记录在案，为企业的管控决策提供相应的数据基础。所记录的信息将被一一分析处理，并进行具体的分类，根据风电机组的历年风速情况，推测下一年度风向及风速走势。可靠计算风机性能衰减的幅度，从而制定风电场的年度发电量计划。综合风电机组的维护情况，科学的制定风电场风电机组的定检周期，利用风电机组的故障情况，提出下一步风电机组的备件储备建议等等。
5风电场运维模式探讨
风电场目前运行方式基本为运行由本单位人员进行，风机检修由厂家在开展，升压站检修、预示采用招投标方式进行，并签订外委协议，当现场人员发生不能处理的事故或故障时由委托单位到现场处理风电场因单机容量小，单个风场容量小、升压站多、分布广泛等特点。导致需要建立多个升压站、运行、检修、管理人员均增加较多。若能采取集中监控方式对现场设备进行管控则能减少现场人员，并能根据风机机型、区域成立检修队伍，既能有效解决风机运维问题、也能提升企业技术能力。
6大数据的实际应用及管控
通过对以上数据的采集、计算、分析，结合公司实际情况，制定相应的管控模块，将大数据转化为实实在在的管控手段提高工作效率。包括以下方案，故障预警分析及故障解决方案，风机状态检修及定检周期的合理化制定。风电机组性能差异判定及发电量的预测，风电机组群停群起的智能应用，风电机组物资订购建议，“生产营销一体化”平台等等。大数据统计将风电机组的故障进行整理分析，记录设备损坏的周期、频率，为设备的技改提供技术支持。通过多种故障搭配的分析，大大缩减故障处理时间。通过采集风电机组的运行状态信息及定检周期信息，将单纯的周期性定检检修，演化成风机状态检修，结合风电机组在风机定值变化对风机造成的影响，判定风电机组应做那些维护，减少风机定检时长，精准定位维护内容，提高风机定检水平。
7改变设备被动治理状态
目前运行大数据分析作为一项先进的技术手段，在公司生产管理中得到越来越广泛的应用。公司集控中心每天向风电场推送风机异常预警，风电场也可以利用集控平台进行运行数据的自由查询，及时开展分析，查找存在的问题。通过运行数据分析，风电场改变了过去设备故障后被动治理的管理方式，更多地将检修力量投放在预防性维护上。风电场推行设备责任制管理，严格执行定检三落实要求。风机定检后责任人要持续开展运行数据分析，如在三个月内发生与定检责任有关的油位低、水位低、滑环磨损等故障，将对责任人和定检人员进行连带考核。
结语
通过对大数据的有效运用，加强风电场运维管理的智能化和精细化，从整体上推进未来风电场的稳定发展。使风电场运维管理工作的顺利开展，应当基于当前风电场的实际情况，加强风电设备、技术及操作人员等方面的运维管理，坚持与时俱进，充分发挥大数据在风电场运维管理工作中的应用价值，为企业潜能的发挥提供可靠的保障，推进风电事业的稳定发展。大数据云平台等将会是未来发展的必然趋势。
参考文献
[1]陈世慧,张丽萍,刘英博.风机全寿命数字化集成运维管理系统的设计[J].内蒙古电力技术,2015(02):5-10
[2]许元军.海上风电运维市场的新契机与对策[J].中国市场2016,19(063):63-64.
[3]张志坚,乔文生,艾士娟.监测诊断技术促进风电场运维[J].管设备管理与维修,2017(11):133-134
论文作者:葛鹏
论文发表刊物:《当代电力文化》2019年第06期
论文发表时间:2019/7/31
标签：风电论文; 风电场论文; 数据论文; 机组论文; 风机论文; 设备论文; 人员论文; 《当代电力文化》2019年第06期论文;