摘要：大数据在风电领域已有所建树。首先，结合了大数据分析和天气建模技术的能源电力系统能够提高风电的可靠性。以往对风资源的预测不够精准，在风能无法贡献预期功力时，火电就要作为后备电力。这样，电网对风电的依赖程度越高，需要建设后备电站的成本就越高。另外，启用火电站就等于向环境中释放碳排。然而，在大数据分析的帮助下，温度、气压、湿度、降雨量、风向和风力等变量都得到充分考虑，对风电的预测更加精准。电网调度人员可以提前做好调度安排，也有助于电网消纳更多风电。
关键词：大数据；风电；生产管理；应用；分析
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
一是体量大。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。二是速率高。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、电压、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.大数据及风电行业的发展简史
从1944年卫斯理大学图书馆员弗莱蒙特•雷德出版的《学者与研究型图书馆的未来》一书（他估计美国高校图书馆的规模每16年就翻一番。按照这一增长速度，雷德推测2040年耶鲁大学图书馆将拥有“约2亿册藏书，将占据6，000余英里书架…需要的编目人员超过6，000人），到2010年尼斯•库克尔在《经济学人》上发表的一份关于管理信息的特别报告《数据，无所不在的数据》（库克尔在文中写道：“…世界上有着无法想象的巨量数字信息，并以极快的速度增长。”），从经济界到科学界，从政府部门到艺术领域，很多地方都已感受到了这种巨量信息的影响。科学家和计算机工程师已经为这个现象创造了一个新词汇：”大数据”。
电力企业的数据资源非常丰富，在风电行业中体现的更加明显。准确的风电预测（风速、风向）是高效消纳风电的关键技术之一，采用集合预报的数值天气预报，无疑是提高风电预测的最坚实技术，但国际范围的研究表明它预报效果的提高是昂贵且慢速的。我国现在已有400个用于风电评估的70-120m的测风塔，并有更多的气象部门观测站，特别是沿季风路径的内蒙、河北、山东、辽宁、江苏等，都是国家风电建设的重点地区，这些大量的观测资料是使用多元实时大数据挖掘技术的基础。多元实时大数据挖掘技术与传统数据技术不同，是专门用于海量时间标签数据的挖掘技术。它能将各个监测点传回的原始海量实时数据转换为实时天气模型，使得各风电机组能根据这种天气模型自动实现偏航和桨距的调整，从而使得对风能的利用率大幅度提高。
期刊文章分类查询,尽在期刊图书馆同时通过对各监测点的历史数据进行大数据分析，能够较为准确的预测天气，从而使得风电机组能预先判断风向与风速以做调整。
3.大数据应用的工作建议
3.1顶层设计，科学搭建大数据平台
一是开放式数据仓库。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。二是云计算管理模式。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。三是分布式计算模式。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。
3.2底层突破，统一数据判断和计算标准
一是完善数据获取标准。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。二是开发标准化软件。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。
3.3科学组织、加快推进，深入挖掘大数据蕴藏价值
一是集中预测。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。二是劣化分析。研究各部件异常运行工况与参数的关联关系，如风向仪不准时，与机舱方向、风速、功率的变化规律；叶片角度错误时，与风速、负荷、振动、叶根载荷的变化规律，及早发现设备劣化趋势，开展状态检修维护。三是智能控制。研究风电机组各部件的控制策略，特别是定值式、周期式的简单控制策略，重点进行分析研究，加入风机运行状态、参数识别技术，开发智能偏航、智能变桨、智能解缆、智能测试、智能加热冷却等控制技术，提高风电机组可利用率和产能。
总结：风电场的运行大数据中蕴藏了大量的信息。通过集中预测，深入挖掘气象信息，可以提高天气和功率预测的准确性，科学制定调度计划、检修计划，减少检修弃风损失；通过算法、模型和工具开发，深入挖掘设备运行数据，可以预判设备劣化趋势，精准判断故障部件，计算电量损失，提高产能；通过智能作业指导库和专家在线指导平台建设，可以集成专业技术人员维护技能和经验，提升机组运维能力和水平。因此，大数据在大型风电企业生产管理中的应用研究对于风电企业管理模式、生产效率和产能的提升具有重大意义。
参考文献：
[1]汤东升.海上风电大数据分析技术及应用前景初探[J].南方能源建设，2018，5（02）:65-66.
[2]赵梦露，胡睿.试论大数据技术在风电机组运行状态监测评估中的应用[J].电子世界，2018（09）:196.
[3]尹诗，迟岩，王其乐，王寅生，何伟.基于大数据的风电生产运营监控系统设计与实现[J].分布式能源，2017，2（05）:60-64.
[4]肖凯，刘鹏，车建峰，刘镇京.基于电力大数据平台的海量风电数据处理架构与应用研究[J].电力信息与通信技术，2017，15（07）:13-19.
[5]李景波.试析大数据技术在风电机组运行状态监测评估中的应用[J].机电信息，2017（09）:67-68.
论文作者:汪宏江
论文发表刊物:《电力设备》2018年第28期
论文发表时间:2019/3/12
标签：风电论文; 数据论文; 机组论文; 技术论文; 企业论文; 风向论文; 风电场论文; 《电力设备》2018年第28期论文;