摘要：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。
关键词：风电企业；大数据；生产管理；工作建议
引言
风电是较为新兴且特殊的行业，大部分风电场均地处位置偏远、自然环境恶劣的地区，不能有效吸收具有专业才能大学生及经验丰富技术骨干的目光，最终导致越是偏远地区风电运维及管理人才越稀缺。另外风机设备虽小，但从电气、机械到自动化五脏俱全，所有的发电系统及能量传动链都需要同一批人员维修维护，为此对人员的综合素质要求较高。
1影响风电场安全管理的因素
1.1外委单位人员的委控不到位
外委单位的管控是每个企业安全管理当中的重中之重，外委人员复杂，个体素质、文化水平以及安全意识等良莠不齐，三违现象时有发生。安全监督不到位，监护人形同虚设；个人安保用品配置不齐以及使用过期不合格的设备；停电作业无视带电间隔，临时用电乱搭乱扯；高空作业未配备安全带，未挂地线开工。这些现象时有发生，也是安全管理中的一大隐患。
1.2安全生产主体责任制落实不到位
由于设备老化问题引起的大部件吊装时有发生，从风场发生的大部件高空坠落事故来看，事故责任方为吊装单位，全部损失也由吊装单位承担，但是业主方的主要领导和分管领导都受到了处罚。对其总公司而言，分公司是事故责任的主体单位，分公司当然需要承担事故主体责任，从而暴露出对安全生产重视程度不够、主体责任落实不到位、风险管控措施执行不到位、人员安全教育培训不到位等问题。
1.3管控体系不健全
风电场地处偏远，许多单项工程规模小，门槛低，因此承包商管理必须引起我们每一家单位的高度重视。根据国家安监总局上半年工程类承包商自查结果来看，文件类占问题最多，归类于五个关口中的“监督关”问题最多。文件类问题说明我们的管控体系还不完善，或者现场作业时执行存在困难。“监督关”的问题最多则反映了我们要么没去监督，要么监督不到位，没有那个技术能力水平去监督。归根到底是我们员工的能力问题，过程管理的设置问题，执行制度严不严格的问题。
2大数据在风电生产管理中的应用
2.1顶层设计，科学搭建大数据平台
大型风电企业一般是“风电场－区域分子公司－集团公司”三级管理体制，因此，要统一规划、统一管理，根据企业特点和大数据技术要求科学搭建分析平台。
（1）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。
（2）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。
（3）分布式计算模式。
期刊文章分类查询,尽在期刊图书馆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，分层明晰各层计算界面，最大程度的减少上层计算和重复计算，减少平台负荷。
2.2科学组织、加快推进，深入挖掘大数据蕴藏价值
大型风电企业应成立常设机构，集中尖端技能人才，以下述研究方向为重点，细化研究课题，加快大数据的分析研究和价值挖掘。
（1）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。
（2）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。
（3）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。
2.3异常参数运行分析方法
（1）离散度分析。该分析主要针对风机及升压站设备的电压、电流、温度等遥测数据，通过在风电场远程监控与数据分析系统建立模型，并根据指标变化情况对模型长期进行训练，可以实现全厂、集电线路、不同机组、不同间隔等多个维度的差异化分析工作。
（2）一致性分析。该分析紧密围绕达设计值工作，对风电场的各项生产指标达设计值情况进行全面验证，其中重点对风电机组的功率一致性开展验证工作，以与风电场实际空气密度一致、不同机型的设计功率曲线为依据，将经过对限电、停机无效数据点进行过滤后的每台风机功率曲线代入，验证机组的功率曲线达标情况。其次是对风电场的设计等效利用小时、平均风速等主要生产指标与设计值进行对比。
（3）偏差率分析。该分析以全面深化对标工作为基础，实现利用风电场远程监控数据分析系统自动对各类指标进行偏差率的分析，主要实现对发电量、等效利用小时、平均风速、有效风时数、风机可利用率、风电场可利用率等指标与计划值等目标开展同环比分析，及时爆漏偏差率超差的指标。同时重点对风功率预测等两个细则考核指标进行分析，不仅实现了对未来一周发电量及负荷曲线的预测，还能及时统计风功率预测系统的准确率与合格率，这样既能为风电场的运维工作提供风资源数据的支持，也便于不断优化风功率预测系统的模型，进一步提升预测的准确性，持续减少电网公司对风功率预测系统的考核金额。
（4）关联数据分析。在风机运行过程中，风机的各种运行数据是相互影响、相互关联的。如风速与功率深度关联，风向与机舱方向深度关联，机舱温度、齿轮箱温度与功率参数、环境温度相互关联，数据之间关系非常复杂且动态变化。
3结束语
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，生产效率和产能的提升具有重大意义。
参考文献:
[1]姚剑平.浅论风电场日常管理中的四个关键控制项[A].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.
[2]张世惠.风电场生产运营管理研究[A].中国农业机械工业协会风能设备分会2010年度论文集（下）[C].2010.
[3]李子航.关于风电安全生产标准化管理措施分析［J］.工程技术（文摘版），2016（06）：169.
论文作者:吴金凤
论文发表刊物:《电力设备》2018年第15期
论文发表时间:2018/8/20
标签：数据论文; 风电论文; 功率论文; 风电场论文; 风机论文; 企业论文; 不到位论文; 《电力设备》2018年第15期论文;