（内蒙古龙源新能源发展有限公司 内蒙古呼和浩特 010010）
摘要：近几年我国的风电事业飞速发展，风电场越来越多，如何有效的管理风电场设备，使其能健康稳定的运行实现多发少损，逐渐成为一个重要课题。利用大数据技术，对风电场数据进行分析，可以提前预判设备存在的缺陷，从而采取措施进行处理，可以有效提高设备的运行效率，加强对设备的管理，保证风电场设备的安全稳定。本文
关键词：大数据分析；风电场管理；应用与实践
现如今是大数据的时代，在风电场中，也可以利用相关的数据来对风电场进行分析。风电行业在不断的发展，风电场的数量也越来越多。要想提高其管理水平，就必须要借助新时代下的大数据来对其进行全方面的管理从而提高风电场的能力。利用大数据对风电场进行远程监控，便于及时了解风电场的动态，还要对其数据进行详细的分析。
一、研究背景及意义
大部分风电场都建在比较偏远或者开阔的地区，周围的环境比较恶劣，无法吸引一些优秀的人才到这些地区来工作，缺乏技术骨干使得在一些风电场不具备相关的管理人才。虽然风电场中的设备规模比较小，但是它们的设备却十分全面，这就需要很大的一批人员进行维护，因此对人员提出了更高的要求。现在很多的风电场已经逐渐推动风电场朝智能化和专业化转变，并采取一定的措施来留住专业人才。另外还有专业的团队来对风电机组的运行进行监控并及时了解风电机组的动态，在这些工作之下就会产生很多的数据，依托现有的系统可以分析各类指标，并且还能够找出其中出现的问题，这便于开展大数据分析。
二、现状分析
目前有很多风电场通过进行不断的研究，根据以往的经验制定出一套有效的、符合风电特点管理模式。经过不懈的努力，风电机设备也达到了很高的可利用率。但这并不能代表风电场的全部。要在这一管理模式上还要采取措施来提升管理水平，使其能够对风电场进行科学有效的管理。根据相关的数据统计，可以发现风力机的缺陷存在着一些规律并且这些缺陷可以借助一些技术手段来根除。因此要不断的加大研究、分析力度，可以提前采取一些相应的解决措施。这能降低故障的发生率同时还节省了资金。由此可见数据分析为风机设备的正常运行提供了保障，必须要开展对运行数据的大数据分析。
三、研究内容
3.1大数据分析的必要性
风力机设备之间存在着很大的差异，很多部件没有经过专业的检测就投入运行，这加大了故障发生的几率，还会造成风电机组降出力运行，根本达不到额定功率，发电量无法满足要求。风电场建设之初没有进行合理的规划也缺乏准确的评估，无法为可行性研究提供准确的依据，使得发电量没有达到预期目标，无法有效地利用相关数据。风电场虽然已经积累了很多的数据，但是它并没有进行有效的应用。如果我们可以利用大数据来对其进行挖掘，就可以改善机组的发电性能。
3.2开展大数据分析的目的
（1）提高风电的可靠性
现如今是信息化的时代，现代信息技术在不断的发展，在风电场的运维管理中应用大数据技术，将大数据与天气建模进行融合，可以确保电力系统的稳定。便于安排风电场检修维护工作，还可以保证风电场的可靠运行。
（2）改善风机性能，使得风电场获得最大的效益。一般风电场的信息比较分散，它会分散到各个内部当中。应用大数据可以对数据进行有效的分配，从而获得最大化的效益。
（3）细化风电场运维管理基础性工作。在对设备进行管理时应用大数据可以规范风电场建设中的操作，同时还可以为设备的选型提供一些建议，要对风电场的设备进行重点管理。应用大数据检测技术，并且还要对风电场的设备进行检测，如果发现了风电场设备存在故障，就需要立刻采取针对性的措施解决，使得风电场设备可以安全运行。风电场周围的环境比较恶劣，这加大了维修的困难同时也加大了对设备的运维管理，应用大数据可以较早地发现设备当中所存在的问题，及时解决这些隐患。在对技术进行管理时应用大数据可以及时地记录相关的情况和数据，可以使的管理方式更加的标准。另外还可以较快的排查在风电场当中的故障。建立信息系统，便于进行查询，方便以后的运维管理。
（4）转变管理模式，发掘风电场运维管理综合效益。在风电场中应用大数据分析，可以转变资源配置的方式，使得资源可以得到有效的整合从而使得风电场的业务转变成一体化的运作方式便于集中的管理，并且各个业务之间还能够进行合作，这便于对风电场进行远程监控，可以方便地掌握风电场的动态。应用大数据技术可以及时的发送预警，如果风电场出现了问题会第一时间发送相关的信息，在风电场运行时还可以提高工作效率，节省投入的资金，便于资金回拢。另外，还可以使得风电场的运维管理变得更加有效，推动风电事业的发展。
3.3数据采集模式及方法
（1）升压站数据采集。在对升压站进行采集数据时，需要对站内的一些设备进行采集，主要有电压、电流、功率等这些数据。同时还要对那些具备控制系统的设备进行数据的上传并且还可以保护那些设备。
（2）风机数据采集。由于厂家不同，它们所使用的机型和采集方式也会存在着较大的差异。特别是一些进口的风电机组，会受到厂家技术的制约。采集这些数据之间的难度很大，通过多次的谈判，才完成了对数据的采集工作。
3.4运行参数数据存储与挖掘
在进行数据采集时，遥控数据没有分析的意义，因此我们分析的主要对象是那些遥信类的数据。并且根据分析价值的数据，要将其分成实时变化类和遥信类等。
期刊文章分类查询,尽在期刊图书馆要对每一种数据进行大量的采集，但是在采集时也要注意方式方法，不管采用什么样的方式，都需要借助已有的数据，因此必须要注重对历史数据的存储。
（1）对实时变化率数据进行储存和挖掘。根据风电机组的机型不同，它们的采样周期也不同，通常我们采用的模式是变化上送。一般风速和功率的指标刷新在一秒，之后将这些数据存入到数据库当中。实时变化数据是一个重点。这些数据的变化很大，并且存储量也很大，需要借助相关的程序来对其进行全方面的分析。
（2）非实时类数据存储与挖掘。这种数据般都会进行定时召唤或者定时相送，主要是针对发电量和数据。一般五分钟汇总一次升压站当中的发电量并且一天要汇总一次预测的结果。非实时数据的数量比较少，要及时的将这些数据存入到数据库当中，然后利用计算机对其进行计算并且展示。运行人员还要定期的检查报表的数据，这样就可以发现在数据中出现的异常，减少故障的产生。
3.5异常参数运行分析方法
（1）离散度分析。这一种分析，主要是对风电机当中的风电设备等这些遥测数据进行分析，可以对风电场进行远程的监控并建立模型。根据数据所发生的变化训练模型，从而对整个机组和风电场进行不同的分析工作。
（2）一致性分析。这一分析主要是围绕数值来展开工作，要验证在风电场当中的一些生产指标，重点是要保证风电机组的功率一致并且还要与周围的空气密度一样。要根据相关的曲线来对机组进行验证，确保其能够达到标准，另外还要检验风电场的数据。把风速和生产指标之间进行对比，在一些赤峰地区会忽视对风电的使用，要进行全方面的查找，要寻找它们之间出现差距的原因。
（3）偏差率分析。该分析是建立在全面深化对标工作之上的，可以对风电场的数据进行远程操控。另外，对其存在着偏差，还会进行详细的分析，主要是对发电量，有效风时数等这些指标与计划值进行分析，及时的检测出那些偏差率较大的指标。另外，还会对风功率进行预测。
（4）关联数据分析。在风电机运行时，它们的数据之间是互相影响的并且还有着一定的联系，风速与功率之间就有着联系并且齿轮箱的温度和功率参数也有着联系，数据之间的联系十分复杂，并且还在不断地变化。从功率的曲线为切入点来进行分析，标出相关的数据，并且与设计好的曲线进行分析，可以判断风机的发电能力。
（5）共性分析。根据风电场要根据不同的时间，不同的节点，来对一些出现问题的数据和相关指标进行统计分析。要统计出现故障所损失的电量以及时长和频次等这些指标，要对重复出现并且排名靠前的指标进行具体的分析，找出发生故障的原因，并且还要采取预防性的措施，避免再次发生同样的问题。
四、实践成效
4.1实现风机故障早期预警
在进行判断故障和监测时，采用传统的人工方法可能会出现误差，从而延长发现故障的时间，并且还会浪费大量的人力物力。在完成对数据的采集和挖掘上要结合已有的使用经验，总结出一套科学预警的方法。
（1）搜集并建立预警样本数据
在相关的数据当中，可以抽取在风电机组当中的一些数据作为样本，然后对这组数据进行分析，从而找出那些常见的故障并建立一个故障指标体系，从风电机的系统和设备后台的控制系统来抽取数据作为样本，从而对其进展开探索并做好预防的处理工作，首先要分析正常和异常状态下的特征，对样本进行预处理。构建预警模型，把处理后的样本数据分为两组，一组是训练样本另一组是测试样本。构建模型之后，利用样本来整个风电机组的故障。
（2）训练预警模型
首先要对风电机组的故障进行分析，并评价这一预警模型。根据其预测出来的结果，对其阵型诊断，如果预测都是正确的，说明模型的效果良好。如果出现了偏差，就要对模型进行不断地优化。要明确风电机组当中曾经出现过的故障和正常情况下的数据，训练模型并不断的进行更新。
（3）实时诊断预警
首先要在建立好的模型上来对风电机组进行整顿，对相关的数据进行预处理，并且把它放入到评价之后的模型当中，这样可以实现对设备数据的监测和诊断。现如今在风电场已经具备了监控系统预警的功能，并且还取得了良好的效果。
4.2实现故障录波及故障回溯
首先要利用相关的技术来改变升压站的功能，使其可以对故障进行录播和回溯。可以同时保护多个升压站的信息和相关的数据，并且还能够随时随地的调取相关的数据，便于工作的开展。另外还可以召唤风电场升压站当中的录波情况。升压站的录波功能可以对一些故障的处理起到一定的指导作用，一旦发生故障，就可以立刻地得到解决，最大程度的降低危害。
4.3结合分析结果开展预防性维护
风电场应用大数据分析，要想知道它的结果，就必须要应用大数据分析。风电场要根据设备运行的数据进行分析，当它运行一定的周期后可以对其进行归纳总结出相关的规律，这样便于以后发现问题，根据这些数据存在的特点，可以做出一些总结，并提前采取预防措施。另外，在风电场还要成立专业的技术小组，有针对性的来展开分析，提前制定好预测的方案以及修理的方案，一旦发生故障，可以立刻启用方案进行解决。风电场的管理流程可以为分析数据找出存在的问题并进行解决，最后再评估解决效果。这是一个完整的流程，使得对设备的管理由粗放转向了精细化。现如今主要是借助对数据的分析，来对风机进行预防性的维护。当控制中心发现异常的数据，并做出预警之后，风电场对运维人员要及时的分析这些结果，并启动处理方案对风机进行预防性的维护，要提前消除在风电机系统当中所存在的问题。减少风机故障的出现，使得风电机可以安全稳定的运行。根据相关的结论制定的风电机技术的标准，通过对大数据的分析和那些出现故障的数据，一些常见的维护工作通过相关的标准进行了巩固，便于风电工作的开展，根据相关的结果，要对风机的散热片进行深度的清理，还要定期更换设备，这些都是风机定期检查的项目，并且还更改了相关的更换数据。这样可以避免风机出现高温和超时的情况，会降低故障发生的频率。
4.4改变设备被动治理的状态
现在大数据分析是一个十分先进的手段，在风电场的管理当中被广泛的应用。风电场的控制中心会对其作出预警。另外，风电场也可以借助总体平台来查询数据，并及时的进行分析，查找其存在的故障，通过这些数据的分析，使得风电场对设备的治理由被动转为主动，把维修力量放在预防性上。另外风电场还实行了设备责任制，使得员工能够明确各自的责任，检查之后，责任人还要对运行数据进行分析。如果在一定时间内与出现了相关的问题，将会对责任人进行考核，通过调整这些管理制度，大大降低了风电场故障的发生，从而提高了对设备的管理水平。
结束语：
大数据分析广泛的应用在风电场当中，并且取得了一定的效果。但是在工作当中仍然会出现一些问题，因此必须要不断的学习相关的技术来深化对数据的分析。并且还要与一些专业的科研单位进行联合，不断地优化大数据分析，提高对大数据分析的深度。
参考文献：
[1]李硕.大数据分析在风电场管理中的应用与实践[J].电工技术，2018.
[2]程兴防. 风电场远程监控系统的设计与实现[D].山东大学，2018.
[3]张慧亭，王坚，凌卫青.大数据分析技术在风电设备异常预测中的应用[J]. 电脑知识与技术，2017.
[4]张克功，杜吉梁.基于大数据分析的风电场建设评估方法[J].科技风 2017.
[5]安克，李晓江.大数据在风电行业中的应用研究综述[J].轻工科技2017.
论文作者:戚顺强
论文发表刊物:《河南电力》2018年23期
论文发表时间:2019/7/2
标签：数据论文; 风电场论文; 风电论文; 设备论文; 大数论文; 故障论文; 机组论文; 《河南电力》2018年23期论文;