大數據分析在風電場管理中的應用與實踐

大數據分析在風電場管理中的應用與實踐具有獨特的性質。目前，風力發(fā)電廠在運行過程中，還沒有建設出一套真正完整有效的管理機制。因此，為了做好風力發(fā)電運維管理工作，應積極采用現(xiàn)代化大數據分析管理方法，確保其正常運轉，高效地完成各項發(fā)電任務。關鍵詞：大數據；風電場；管理；應用；實踐引言：我國風電運維服務市場于2016年迎來發(fā)展拐點，至2020年市場容量將達300億元左右，未來我國風電運維市場前景廣闊。之前或許我們在討論”大數據”管控是什么，大數據能干什么，能帶來什么價值；而現(xiàn)在已明確了大數據是一種有著真正未來的趨勢，大數據的價值無可限量。風電場的大數據是為風電企業(yè)提供更強的決策力、洞察力和流程優(yōu)化能力，從而適應多元化的信息資產。隨著風電場設備的趨于完善，大數據對風電場整體運維的分析及管控具有重要的現(xiàn)實意義。風電場運行管理現(xiàn)狀分析以及信息化管理平臺不完善的情況，導致運行管理維護中缺少必要的信息數據作為支持，難以有效掌握動態(tài)生產信息，對下一級段的管理方案的編制影響較大，不利于運行管理工作的開展。第一，運行維護。風場之間距離比較遠，且每個風電場內均安裝設置了大量的風機，但是不同風機設備對應的供應商不同，這樣就導致實際維護中需要有相互對應的機構、人員、資源以及器具等作為支持，不僅檢修維護難度大，且成本高昂。第二，人員管理。風電場產業(yè)特征決定了技術工作人員需要長時間駐守在現(xiàn)場，工作生活便利性差，難以吸引和維持人才隊伍，整個行業(yè)嚴重缺乏專業(yè)技術人才，這在根本上限制了維護工作的開展效率，對風機設備運行效率和生產效益影響非常大。第三，管理規(guī)范。雖然風電場現(xiàn)在均設置了管理規(guī)范和制度，但是就實際應用效果來看，其受火電、水電管理模式影響較大，對風電場行業(yè)發(fā)展趨勢與實際情況研究深度不夠，現(xiàn)存的規(guī)范制度無法完全滿足發(fā)展需求，必須要對其深度以及廣度做更進一步的研究，并建立一套完整可行的運營管理體系，來達到最佳管理效果。大數據分析在風電場管理中的應用數據采集模式及方法升壓站數據采集IEC104規(guī)約采集的范圍主要包括升壓站內一次設備電壓、電流、頻率、功率等數據，開關、刀閘、接地刀閘、主變分接頭等位置信號，升壓站繼電保護動作信號數據，其他輔助系統(tǒng)硬節(jié)點信號等數據。同時還可以對站內有功功率自動控制系統(tǒng)（AGC）、無功功率自動控制系統(tǒng)（AVC）（AVC）遠程投退，實現(xiàn)對風電場故障錄波器數據的遠程召喚。受廠家技術把控等因素的制約，采集上述機型的數據十分困難，通過組織多次商務與技術談判，終于完成了全部機型風機數據的采集工作。運行參數數據存儲與挖掘采集的數據中，遙控等數據基本無分析意義，主要側重遙測類及遙信類數據進行深入分析。具備分析價值的數據根據主要指標數據的變化情況主要可以分為實時變化類、非實時變化類、遙信類。針對每類數據的挖掘也采取不同的方式，但無論采取何種方式首先需要大量的歷史數據，所以歷史數據的存儲尤為關鍵。實時變化類數據存儲與挖掘結合不同機型PLC的采樣周期，通常采取變化上送的模式，如風速、功率等實時變化的指標數據刷新率在1s左右，并將上述數據存入實時歷史數據庫。實時變化數據是大數據分析的重點對象，由于這些數據變化率、存儲量較大，需要應用軟件的相關程序及建模進行深入分析。非實時類數據存儲與挖掘非實時數據通常采取主站定時召喚或子站定時上送的模式，主要針對發(fā)電量、計數器、風功率預測結果、測風塔數據，其中升壓站發(fā)電量為每5min風功率預測結果及測風塔數據每日匯總一次。針對非實時數據量較小的特性，及時將相關數據存入實時歷史數據庫后由關系庫進行計算后及時在相關報表中展示。通過運行人員定期對報表數據的對比檢查，即能及時發(fā)現(xiàn)非實時數據存在的異常。異常參數運行分析方法離散度分析該分析主要針對風機及升壓站設備的電壓、電流、溫度等遙測數據，通過在風電場遠程監(jiān)控與數據分析系統(tǒng)建立模型，并根據指標變化情況對模型長期進行訓練，可以實現(xiàn)全廠、集電線路、不同機組、不同間隔等多個維度的差異化分析工作。一致性分析該分析緊密圍繞達設計值工作，對風電場的各項生產指標達設計值情況進行全面驗證，其中重點對風電機組的功率一致性開展驗證工作，以與風電場實際空氣密度一致、不同機型的設計功率曲線為依據，將經過對限電、停機無效數據點進行過濾后的每臺風機功率曲線代入，驗證機組的功率曲線達標情況。其次是對風電場的設計等效利用小時、平均風速等主要生產指標與設計值進行對比，因地區(qū)棄風限電情況較為嚴重，為保證利用小時達設計值工作符合客觀規(guī)律，使用將棄風限電損失還原后的等效利用小時進行對比分析，深入查找與設計值偏差的原因。偏差率分析該分析以全面深化對標工作為基礎，實現(xiàn)利用風電場遠程監(jiān)控數據分析系統(tǒng)自動對各類指標進行偏差率的分析，主要實現(xiàn)對發(fā)電量、等效利用小時、平均風速、有效風時數、風機可利用率、風電場可利用率等指標與計劃值等目標開展同環(huán)比分析，及時爆漏偏差率超差的指標。同時重點對風功率預測等兩個細則考核指標進行分析，不僅實現(xiàn)了對未來一周發(fā)電量及負荷曲線的預測，還能及時統(tǒng)計風功率預測系統(tǒng)的準確率與合格率，這樣既能為風電場的運維工作提供風資源數據的支持，也便于不斷優(yōu)化風功率預測系統(tǒng)的模型，進一步提升預測的準確性，持續(xù)減少電網公司對風功率預測系統(tǒng)的考核金額。關聯(lián)數據分析在風機運行過程中，風機的各種運行數據是相互影響、相互關聯(lián)的。如風速環(huán)境溫度相互關聯(lián)，數據之間關系非常復雜且動態(tài)變化。通過與設計功率曲線或同類型風機功率曲線對比，確定風機發(fā)電能力是否正常。共性分析對運營商各風電場按周月不同節(jié)點的停機數據、故障數據以及所有可靠性相5對同類型風機進行預防性消缺，避免故障重復發(fā)生。結束語總而言之，大數據分析在風電場管理工作中的應用仍存在許多不足，應持續(xù)跟蹤國內外先進技術，繼續(xù)深化數據分析研究和應用，并可大力推動與在這個領域有深厚技術積累的金風科技、華北電力大學等科研單位合作，科學進行風機建模，應用先進算法，高效進行數據挖掘，進一步提高風電場大數據分析的深度和廣度。參考文獻：王兆嚴.風力發(fā)