智慧电厂技术指引-风电-大唐集团

中国大唐集团有限公司2021年10月 12适用范围 3引用文件 4术语定义 25总体要求 46智能风电设备与场站 67智能风电场群集控与集团管控 8智慧风电评价 附录：智慧化风电关键要素 1为贯彻关于推动数字经济和实体经济融合发展的重要指示精神，落实工信部有关两化融合、工业互联网的系列部署，以及国务院国资委《关于加快推进国有企业数字化转型工作的通知》等上级要求，2适用范围本指引提出了风电领域智慧电厂建设(智慧风电)的基本概念、系统架构、关键要素、主要特征、技术要求等内容，包含了智能风电设备、智能风电场站、智能风电场群集控和集团管控的多层级系统框3引用文件本指引引用下列文件或其中的条款，其最新版本(包括所有的修改版)适用于本文件。1)GB/T23000-2017信息化和工业化融合管理体系+基础和术语2)GB/T23001-2017信息化和工业化融合管理体系+要求3)GB/T23002-2017信息化和工业化融合管理体系+实施指南4)GB/T23020-2013工业企业信息化和工业化融合评估6)GB/T23005-2020信息化和工业化融合管理体系+咨询服务指南7)GB/T23004-2020信息化和工业化融合生态系统参考架构19)NB/T31122—2017风力发电机21)TAIITRE20002—2020两化融合管理体系评定分级指南22)TAIITRE10003—2020两化融合管理体系新型能力分级要求223)工信部国资委国标委《关于深入推进信息化和工业化融合管理体系的指导意见》24)国资委《关于加快推进国有企业数字化转型工作的通知》25)国家发改委国家能源局中央网信办工信部《能源领域5G应用实施方案》26)国资委《中央企业北斗发展三年行动计划(2021-2023年)》27)国务院28)国务院29)国家能源局4术语定义4.1智慧风电Intelligentwindpower以新一代信息技术与风力发电技术深度融合为本质，以数字化、网络化、智能化、无人化为方向，以数据、平台、网络、算法为关键要素，具有泛在互联、全面感知、智能优化、精准管控、安全稳固等特征的工业互联网形态，旨在提升风电管理效率、经济效益和员工获得感、幸福感、安全感，促进高质4.2智能风电技术Intelligentwindpowergeneration利用大数据、云计算、人工智能、物联网等新一代信息化技术，支撑设备设施和软件系统具备自感知、自学习、自适应、自寻优、自诊断等智能化特征，实现全局资源的优化配置和协同，推动风电行业在风电场内，除基本功能外，具备数字通信和配置、优化、诊断、维护等附加功能，具有感知、分4.4智能风电场Intelligentwindfarm由智能风电机组、集电线路、主变压器及其他智能设备组成的，基于智能化技术能自主控制、自主4.5智能风电集控平台Integratedintelligentwindpowerplatform对多个风电场以及其中的风电机组进行集中监测、控制和管理的平台系统，其核心是打破风电场站之间的信息隔离，汇聚海量风电运行、维护和管理数据，承载大数据的深度集成和分析工具，实现智能4.6集团层智能风电大数据平台Company-levelintelligentwindpowerbigdataplatform用于对风电生产、运行、维护和管理数据的采集、存储、分析、展示以及应用的数据平台系统，其3能够实现智能风电应用模块化开发，具有可复用、可移植特性的单一风电业务功能模块集合，具有45总体要求5.1架构智能应用算法软件载体关键资源大数据支撑储存程过数据采集网络据数5c)智能风电网络：面向风电行业数字化、网络化、智能化需求，通过专线通道及物联网、5G等新一代通讯技术，实现智能风电系统全要素、全生产管理过程的深度互联互通。高效、安全、准d)智能风电平台：海量风电生产管理数据、各类风缘计算、高级智能应用程序等各类要素和资源的载体，支撑各类资源的泛在连接与汇聚、弹性供给、高效配置，实现风电生产过程分析与智能决策、新技术融合扩展等服务的综合管理，为5.3实现过程a)感知是指通过广泛部署智能感知终端与数据采集设备，实时监测风电生产管理过程中的全要素、开展数据清洗、数据分析、状态评估与优化决策、模型更新升级等大规模运算工作，支撑智能5.4应用层级智能化无人风电的应用层级应分为设备层、风电场站层、风电场群集控层、集团管控层。不同层级b)风电场层：应具备智能监控、运行协调控制、设备故障自诊断及预测性维护、备品备件供应链c)风电场群集控层：应具备远程智能监控、区域智能协同运行、智能化设备维护与区域备品备件d)集团管控层：应具备风电资源的全面监控与全局优化，实现集团从信息交互向资源与战略的全5.5主要特征基于信息物理系统技术，通过先进的传感测量及网络通讯技术，实现对大气环境信息、风电设备信通过广泛部署感知终端与数据采集设施，实现全要素、全产业链、全价值链状态信息的全面深度实6基于全面感知、互联网、大数据、云计算和三维可视化等技术，深度融合多源数据，实现对海量数通过网络技术实现风电场中设备与设备、人与设备、人与人之间的实时互动，增强智能风电场作为风电机组、风电场时刻处于自我提升的状态。自趋优全程控制保证风电场在不同的流场环境条件下，整场和单机控制系统均能克服对象自身非线性特性以及外界因素变化的影响，使被控对象处于优化运行充分挖掘和利用机组大量的历史数据资源，结合对象的输入/输出关系建自适应多目标优化满足多样化的运行需求，当外界环境因素发生变化时，系统可以根据优化目标函不同领域、技术、应用的自组织试协同管理机制，实现电力生产过程的多技术协同，多领域合作，6.1一般要求6.1.1风力发电机组、箱式变电站(变压器)、升压站内的主要设备应配置相应的传感器或者智能辅助装置，选型时应充分考虑到风电场所在区域的气候环境条件，应适应现场温度、湿度、风沙、雨雪、76.2安全防护区的人员车辆设备等进行自动备案；通过GPS、北斗导航技术等达到系统对人员及设备进行智能实时定位，对进入位置偏离作业区域等情况进行自动安全警示；系统通过智能穿戴设备对人员、设备进行特征6.2.1.2应在风电场站区周围一定范围内架设无线网络、音视6.2.2.1在风电机组机舱内部、塔筒中部、塔筒底部(塔基)及塔筒外部位置均设置监控点，组成视6.2.2.3应在塔筒底部安装(塔基)摄像机，监视主控制柜、变流器柜、电气柜的运行情况和塔简开部环境的监视，且当有车辆、人员、动物等进入时进行实时监视和录像，也可实现云台操控，实现对各6.3风电机组智能化8进行异常情况预警，必要时应通知机组控制系统采取降功率或停机策略，防止故障扩大化，造成不可逆液压系统的压力、控制开关信号、叶轮及发电机的转速等。及早发现轴承、齿轮箱故障的早期征兆，精6.3.2.10应在机舱与塔筒底部应安装温湿度传感器、烟雾探测器、高清摄像机、双6.3.2.11对环境潮湿地区的风电机组，应在各控制柜中采取防凝露措施，必要时可6.3.2.12机组应具备容错运行能力，对功能性故障具有自愈能力，最大限度减少机组的故障停机损9机组控制技术，通过提前感知机组前方的风速信息，并将该风速信号引入机组控制，使得传统的机组根从全场发电量最高的角度出发，对每一台机组实施个性化控制策略优化。场群控制技术不仅可以使单机通过最大功率追踪自校正、偏航对风自校正控制、自季节性功率自校正、变桨自适应控制等手段提高发电量，同时也结合了项目现场地形和周边限制因素，统筹整个风电场内机组的协同控制，充分挖掘整个6.4风电智能巡检在风机叶片、塔筒、机舱、线路、变电站等设备的巡检工作中，宜使用无人机、工业机器人、光学(红外)摄像头等智能设备，实现风电场少人或无人值守；无人机、工业机器人、光学(红外)摄像头应满足现场使用环境，具备恶劣环境下的巡检和维护能6.5风电定检维护应采用人工智能算法实现风电机组关键部件的状态监测与故障诊断功能，如叶片、传动链、发电机宜具备风电机组关键部件的寿命预测功能，如叶片、传动链、发电机等；整机寿命预测算法宜由一组经过故障模式与影响分析(FMEA)处理后的关键部件寿命预测模型组成；各个关键部件的寿命预测如果采用浅层机器学习算法，宜集成多种浅层模型，预测相对误差宜不超过30%;应根据历史故障信息和设备状态，优化定检、巡检的时间与周期，避免维护过度或维护不足的问题，6.6风电运行控制宜在机舱增设激光雷达等测风设备，并根据激光雷达测风数据进行风电机组的高分辨率预测控制功应基于不同时间尺度功率预测，具备满足风电场增发、降载、快速准确响应AGC等多目标的场站宜具备以降低风电机组疲劳载荷和设备延寿为目标的风电场机组组合优化功能，优化机组的开机容机组级控制、场站级控制及场群级的运行控制程序均宜根据感知信息实现控制策略的自学习、自适6.7风电功率预测应具备预测训练样本的大数据清洗功能；数据清洗中应实现自动剔除异常点、自动插补缺失数据等宜随着运行数据的积累或天气场景变化，定期自动更新预测模型，实现模型的自感知、自学习、和宜具备区域场群一体化/集中式功率预测功能，汇集区域内多场站的智能应用层备件管理生产管理防火墙數据平台层场智能应用层备件管理生产管理防火墙數据平台层场群预测信息场群维护信息区域天气信息场群图像信息场群故障信息场群备品信息区域调度信息场群预警信息场群人员信息计算设施层边缘层-风电场站端智能风电场群集控/集团管控系统架构应由边缘层、云计算设施层、数据平台层、智能应用层四部分业协同协同数据接入数据接入香图2智能风电场群集控/集团管控端系统架构边缘层应对接场站端边缘层，基于适当的边缘处理，实现各个风电场站生产管理数据的汇集、解析、云计算设施层应对区域内大规模的计算与存储资源进行统一、合理的管理，实现弹性计算资源配置、数据平台层应能够支撑场群集控/集团集控所覆盖区域内更大规模的数据存控/集团管控端的智能服务需求，支撑通用工具模型的搭建等，帮助场群集控/集团管控端提升数据质量及数据分析能力，实现数据价值挖掘；形成场群集控/集团管控端的可移植、可复用智能应用层除了为风电生产运行管理提供定制化、精细化、智能化服务外；随着数据的持续积累和智能技术的发展，应支持已有智能应用的自我更新和新智能应用的开发扩展，实现系统的演进和自我提宜采用更多来源的气象数据，如激光雷达测风数据、中尺度再分析数据、卫星数据、相邻风电场、智能传感设备的采样位置、采样频率、测量位置、数据传输速度和传输容量等应满足实时控制、健场站端设备监测数据宜通过云基础设施层实时上传到场群集控端的数据平台层，采样率和传输速率应增加风电关键设备上的智能传感设备数量，宜根据需求采用声、光、电、温、图像、振动等多种宜具备基于虚拟现实技术的风电场监测系统，实现风电机组、电气设备等关键零部件的沉浸式虚拟宜采用移动式视频监控对风电机组基础施工、集电线路施工等各流动作业面进行全天候安全管控和宜通过GPS、北斗导航等定位技术，对风电场现场车辆、船舶、作业人员位置进行宜基于清洗后的风电机组长期运行数据，进行精细化的风电机组运行状态识别与划分，进而实现高精度的风电机组应发功率计算(或称功率还原);应根据电量损失归因结果，自主甄别生产管理与设备上的薄弱环节，提出指导性优化建议，提升风风电场站端和场群集控端宜具备支撑电力市场辅助服务所需的调峰、调频、电压调节、旋转备用、宜具备根据不同时间尺度功率预测进行场站、场群的中长期交易、现货交易、辅助服务交易等报价应构建科学全面的风电场运行效能评价体系，主要评价指标应包括：风电机组的理论发电能力、可宜通过风电机组实际发电功率和理论功率的精细化对比分析，量化评估风电机组的理论发电能力、宜通过分析风电场尾流损失、全场疲劳损伤情况、电网调度指令响应情况和风电场电能质量等，量应通过对设备故障率、机组停机时间、故障响应速度等故障维护信息的统计分析，量化评估风电场宜结合故障维护信息，实现场站及区域运维中心的备品备件优化配置，在保证生产实际需求的前提8.1评估原则风电场智能化程度应随着科学技术的发展以及企业和社会需求的变化逐步提升。智能化程度评估基(1)可采用功能验证、性能测试、专家评审等多种方式；(2)重点针对信息化、智能化相关技术在风电场边缘层、云计算设施层、数据平台层、智能应用层的应用范围、应用深度，以及上述技术的应用对风电场安全、经济、环保运营水平提升的成效进行评估；(3)依据评估结果可将风电场智能化程度分为初级、中级、高级三个阶段。8.2评估方法(1)初级阶段，主要特征体现为自动化，利用计算机、通信、网络等技术，实现全厂信号的数字采集、传输和存储，并在此基础上实现全厂范围内的生产过程自动化，同时实现生产数据与管理信息融合(2)中级阶段，主要特征体现为信息化，充分利用云计算、大数据、物联网、移动互联网等现代信息技术，在信息获取中实现泛在感知与智能融合，在信息使用中实现多系统间信息共享与互动、递进式(3)高级阶段，主要特征体现为自学习、自寻优、自适应、故障预警、故障诊断，广泛应用智能化技术，运用先进智能算法，使风电场在进行自我寻优与进化的基础上，能够自动根据其内、外部环境，设备，市场等影响因素的变化，优化控制策略、方法、参数和管理模式，实现安全、经济、环保的最优初级中级高级总体特征主要特征体现为自动全厂信号的数字采集、传输和存储，并在此基础上实现全厂范围内的生产过程自动化，同时实现生产数据与管理信息融合利用，并为管理主要特征体现为信息化，充分利用云计算、大数据、物联网、移动互联网等现代信息技泛在感知与智能融合，在信息使用中实现多系统间信息共享与互动、递进式可视化展示，在化，实现智能化风电场主要特征体现为自学习、自寻优、自适应、故障预警、故障诊断，广泛应用智能化技术，运用先进智能算法，使风电场在进行自我寻优与进化的基础上，能够自动根据其内、外部环境，设备，市场等影响因素的变化，优化控制策略、方法、参数和管理模式，实现安全、经守”情况下的安全、经营，以及风电企业经济效益与社会效益最大求自感知1)实现风电场重要环境参数的在线监测；2)实现风电场主设备的在线状态监测；3)实现风电机组重要状态量的在线监测；4)试点采用光学(红辅助运维人员巡检；5)实现海量、多维、多源的风电场生产管理数据的汇聚、存储等功技术特征；广泛网络互连、初步信息建模1)实现风电场所有环境参数及流场信息的在线2)实现较全面的风电场设备在线状态监测；3)实现风电机组大部分状态量的在线监测；人机等智能设备取代80%以上区域的人工巡检工作，实现少人值守；5)实现海量、多维、多源的风电场生产管理数洗、融合和应用等功1)全面感知风电场环现数字孪生风电场；2)全面感知设备、备品备件、人员等要素的多维状态信息；风电机组；学(红外)摄像头、工业机器人和无人机等智能设备取代运维人员进行巡检；5)实现风电场生产管理数据的云端存储、传送和大规模计算等功能，为智能风电应用提供可灵活调度的计算、自学习化1)具备运行数据的相关性分析、聚类分析和回归分析等统计分析能验，实现智能风电应用模块化开发；3)具备根据历史信息实现统计分析方法和智能风电应用模型的参数1)采用机器学习、深度学习、大数据等人工智能方法，实现对海量数据的计算、分析和深度2)具备根据历史信息、人工标记样本和人工智能算法实现智能风电应用模型的参数自动寻优3)通过自学习根据运行1)自动根据运行数据仿真模型；准，实现不同厂家风电机组数字仿真模型的自动化集成；3)建立在线专家知识言限制的具有可复用、功能模块集合，构建协同学习机制并自主更自决策人工为主、机器为辅1)具备风电场重要设备的初步故障诊断的功2)具备智能传感器、组初步运行状态评估的支持、运营模式决策支等功能；备异常的原因及对应的1)设备故障诊断准确率态评估的准确率大于2)具备风电场发电计划、设备检修计划等的自主决策能力；3)具备设备、部件和元件的故障影响范围界定及影响后果推理的功能，准确率达到50%以信息自动化生成处置方析能力高于行业专家；3)具备设备、部件和定及影响后果推理的功能，准确率达到85%以自执行1)风电场设备实现自故障时自动无扰切换；2)实现视频监控系统和自动消防系统的协同联动功能；3)具备人员、设备、车辆的自动识别和自动安全警示的功能；时，系统能够自动采取措施，确保影响最小1)发生重大及一般异常情况时，系统均能够采取措施，确保影响最小2)具备风电场站设备及风电机组重要异常的提前识别能力，自动采取措施提前避免异常情况3)初步具备各类运行风险量化分析和变化趋势的识别能力，并能够对风险进行预控，确保风险在可控范围内1)具备场站设备及风电机组重要及一般异常的提前识别能力，自动采取措施提前避免异常情况发生；量化分析和变化趋势的险进行预控，确保风险自适应应1)在外界环境因素发应1)能够识别规则之间的应1)根据风电场运行机生变化时，设备、智能风电组件库、系统能根据人工预先设定的规则自动调整运行参数或控制量，保证风电场处于最优运行状态；应规则，并提供对外开放、不受编程语言限制关系，具备对人工预先性、协调性检验的能2)能够根据人工预先设定的规则和实际运行情况进行前馈控制，减少理及各设备、设施数字仿真模型，自动推理出自适应规则；2)自动全面识别设备性能劣化、设备更换等成自适应规则的修正。应在风电场测风塔不同高度位置处安装环境智能感知设备，实现对不同高度下温度、湿度、风速、宜在海上风电场区安装能够监测波浪、海流、海冰、冲刷、盐雾等海洋环境的智能感知设备，实现宜在风电场区、楼房、道路、线路和危险区域等地方安装足量的音频或视频智能感知设备，实现对(a)风电机组运行状态数据应在传动链上安装振动、温度和压力等智能感知设备，实现对传动链振动、轴承及齿轮箱的温度和宜对齿轮箱润滑油液进行实时监测，实现对油液中金属颗粒数量、油液粘度、水分、酸值、介电常宜在发电机上安装应力、温度和气体等智能感知设备，实现对发不平衡应力、温度和绝缘材料性能宜在机舱、机舱外部、塔筒等部位安装足量的温湿度智能感知设备、烟雾智能感知设备、视频智能宜在主变压器上配置油色谱在线智能监测系统、局部放电在线智能监测系统、套管绝缘在线智能监测系统、接地电流在线监测系统、有载分接开关在线监测系统等，实现对主变压器油质量、绝缘套管放宜在断路器、各类开关上配置智能控制终端、机械特性实时状态在线监测系统、SF6在线监测系统宜在风电场升压站场区、主变压器、主断路器、户外隔离开关、站用变、无功补偿装置等区域安装定点摄像机，实现对各类表计读数、刀闸状态、瓷瓶状态、设备漏油漏液、除湿器状态等信息的获取与宜在变压器母线、母排、场区出线触点、断路器、隔离开关等位置安装红外双光谱摄像机，实现对宜在风电场升压站周界部署周界摄像机，实现对人员徘徊、入侵等影响安全作业的现场状况进行实时监测并进行告警；在风电场出入口部署车牌识别系统，实现对进出车辆的车牌自动识别并登记，并对可在电气二次室和35kV开关室内布置搭载摄像头的机器人或者轨道式自动巡检系统，实现对柜体应实现发电量报表、设备可靠性报表、风电场周期性报表、专项管理报表等统计报表的信息化和智宜实现设备图纸、设备台帐、设备检修维护、技改消缺、检修工单、预防性试验等设备管理的信息宜实现安全规章措施、安全培训、安全活动、应急预案、安全检查、安全演练、反事故演习等安全数据采集类型、位置、精度和时间分辨率等应充分考虑智能风电系统的建设及应用需求，制定各类b)应选用适当的人工智能算法或大数据分析方法，对采集数据进行清洗和治理，保证数据完整性c)应对采集数据实行标准化管理，包括：分级与分类管理、编码规范等；应形成统一的数据字典，e)宜对采集数据进行数据质量评价，评价维度应至少包括以下几个方面：完整性、准确性、充足性、可追溯性。其中，充足性应度量数据类型和测点数量的丰富程度，以及时间和空间分辨率b)测风数据订正中所涉及的相关性分析应符合GB/T37523-2019中第6章的规定；c)测风数据插补中所涉及的相关性分析应符合GB/T37523-2019中第7章的规定；d)发电损失归因中所涉及的相关性分析应符合IEC61400-26的要求。b)在风电机组分组中，宜采用基于距离的聚类算法；该类算法用于建立连续型数据间的基本映射关系，所涉及的智能风电应用包括但不限于：风速威布风速分布参数估计和风切变指数的估计所涉及的回归分析方法应符合GBT18710-2002中第5章中的该类算法属于经典的监督式机器学习方法，如：邻近算法、感知机、朴素贝叶斯、决策树、支持向所涉及的智能风电应用包括但不限于：风电功率预测、传动系统故障诊断、叶片故障诊断、机组寿a)宜采用超参数优化和交叉验证技术，选取最优的浅层学习算法及其超参数，以达到最佳的泛化b)宜集成多种方法及模型，以形成更具鲁棒性的结果。该类算法以神经网络为架构，具有分层特征自动提取的能力，可以有效代替手工的特征工程，实现所涉及的智能风电应用包括但不限于：数据清洗、数值天气预报误差修正、风电功率预测、故障诊a)应使用比浅层学习方法更为丰富的训练样本及数据特征，对于样本数量有限的情况，宜配合使b)在数据清洗中，宜根据待清洗数据的结构化特征选用不同的深度神经网络架构：结构数据宜采用深度前馈神经网络架构；序列化非结构数据宜采用循环深度神经网络架构；具有连续空间结构的二维或高维数据宜采用卷积神经网络架构；图数据宜采用深度图c)在风电功率预测中，宜采用循环神经网络单元作为构成深度网络的基本单元，算法的推理时间复杂度和预测性能应符合NBT31046-2013中第11章所规定对预对于采用滚动预测或在线预测的算法，其训练过程的时间复杂度也应符合上述要求，算法的空d)在风电机组故障诊断中，模型推理时间复杂度不应超过在线诊断系统的诊断最低诊断频率，对于采用在线学习的诊断模型，其训练过程时间复杂度也应满足上述要求，算法的空间复杂度应该算法用于解决智能体在与环境的交互过程中通过学习策略达成回报最大化的问题，通过接收环境对动作的反馈获得学习信息并更新模型参数，如：Q-learning、Sarsa、DQN、DDPG、A3C、PPO、DIAYN等。现阶段，该类算法的工程实践案例有限，可用于风电功率运行控制等领域。该类算法在可接受的计算时间和空间下给出优化问题每一个实例的一个可行解，通常可以求得全局优化解，且对目标函数的性质要求较少、通用性较强，大致可以分为：基于进化机制的算法(如遗传算法)、基于物理机制的算法(如模拟退火算法)、基于群体智能机制的算法(如粒子群算法)等。所涉及的智能风电应用包括但不限于：海上风电运维路径优化、风电场内机组a)对实时性要求较高的应用场景，应控制算法复杂度，宜针对具体问题优化启发式迭代策略，在b)针对约束优化问题，宜结合问题自身的结构特点处理约束，对于结构不明朗的约束优化问题，用于生成唯一标识风电设备特征(如硬件ID、设备名称、设备型号、设备功能等)的设备标识，并用于实现采集数据的完整性、有效性和准确性校验、实现采集数据的插补、数据清洗和离群检验，宜在风电场站端建设高可靠、高安全、高融合的专业网络，形成智能风电生产控制网络，支撑风电网络设备：设备层和风电场层的生产控制网络宜包含以下设备：用于智能机器、智能仪表、专用设备等接入的总线模块、以太网模块、TSN模块、无线网络(5G、WiFi6、WIA等)模块。网络部署：设备层和风电场层的生产控制网络可选择叠加a)叠加模式：在已有风电生产控制网络难以满足新业务需求时，可叠加新建支撑新业务流程的网b)升级模式：升级已有的控制设备和网络设备，提升风电生产控制网络技术和能力。网络设备：可包括用于连接多个场站中风电生产控制网络的确定性网络设备；用于办公系统、业务系统互联互通的通用数据通信设备；用于全面覆盖场群集控/集团管控端的无线网络(5G、NB-IoT、WiFi6等);用于数据汇聚分析的数据服务器/云数据中心；用于接入外网络的出口路由器。生产设备、监控采集设备、专用远程终端单元、数据服务器，以及支持风电场专有信息模型的数据中间场群集控/集团管控端的信息互通互操作体系应具备从底到上全流程、全业务的智能风电标识应贯穿设备、场站、集控三个层面，形成以风电场站设备层的网络标识部署应能够实现物理资源的数字化，该层是整个标识解析体系可运转的前提条件。针对复杂风电生产管理场景下的不同被标识对象和种类繁多的标识载体技术，应能够对风电设备标识进风电场站端的标识部署应实现对可识别数据对象的有效管理和流转。针对各类数据采集设备和通信协议，风电场层标识可实现数据的实时采集。针对复杂的上层风电企业应用场景，风电场层标识应能够场群集控/集团管控端的标识部署应实现数据资源的集成优化功能。部署过程中a)宜具有足量的通信节点并留有一定冗余量，在确保网络通信速度和容量的同时，能够降低通信d)在满足网络可靠性、安全性和融合性要求的基础上，可适应于具有不同通信协议的终端设备即e)宜具备自组织功能，网络部署阶段能够实现自规划和自配置，网络运行阶段能够实现自优化和g)在边缘层应部署高性能网关、服务器等设备，增强边缘层的计算能力，进一步提升数据传输速a)利用5G大带宽技术，实现5G网联风电机组多路巡检视频及各种传感信息(红外、声音)综合回传和远程分析预警，实现部分人工巡检替代；通过智能穿戴设备连接5GCPE模组，实现智b)利用5G大带宽、低时延技术，实现5G网联机器人多路巡检视频及各种传感信息(红外、温感、湿感)综合回传，在风电集团本部集控中心远程监视及操控作业；实现5G网联无人机对风机及线路巡检视频图像实时高清回传，实现集控中心远程监控与判断；实现无人风电场视频图像c)利用5G网络切片技术，实现风电场与集团本部集控中心多安全通道：第一个切二区业务，保障低时延，传输风电自动化业务；第二个切片承载三四区业务，保障大带宽，传为了保障系统的安全防护，防范黑客及恶意代码等对风电系统恶意破坏和攻击，防止风电系统瘫痪宜致力于面向风电生产和管理过程实施分层分域安全策略，构建多技术融合安全防护体系，应确保应保证生产设备、边缘计算设备、数据存储设备、云计算基础设施、智能应用服务器等关键硬件的对于智能风电系统