2024中国可再生能源大会：基于多维数据的新能源运维智能决策技术研究和应用

基于多维数据的新能源运维智能决策技术研究和应用2024年8月17日新能源运维决策的关注点•是不是有新技术低成本的减人、替代人新能源运维数字化逐渐普及集控运行及大数据集控运行及大数据平台普及减少现场运行人员-省级集控；支撑总部决策-集团大数据平台。多种数据监测的多种数据监测的智能风机推广避免事故-传动链、高风险、高价值设备监测和诊断。基于基于AI的智能化工具大量应用代替人的常规工作和安全管控-用智能化设能巡检和安防监视。产生海量有价值的数据产生海量有价值的数据如何真实地通过数据知道效益，提高效率？运行数据监测数据出车记录各项记录辅助设备630.72万条/台3153.6万条/台18.2万次33.2万条10.8万份109.5万份10T/场站目标-用数据辅助运维决策）！研究与应用研究与应用研究方向1-融合SCADA数据的设备监测算法研究•基于SCADA数据，通过10分钟和秒级数据诊断高频次故障建成模型，代替专家重复性劳动，提高效率；•基于SCADA数和图像数据，通过机器学习算法能够提取专家特征建成模型，代替专家，降低成本；•基于SCADA数据和大数据模型，采用长时间提取特征建成模型，弥补专家不足，提高准确率；•建立184个模型，进行设备亚健康监测，关注发电量损失，大部件损坏、设备亚健康，在监盘、巡检和定检过程中处理设备问题。X\X\X\X\X\X\X\X\\\8研究方向2-融合辅控数据的大部件监测算法研究•基于振动等辅控数据，再结合SCADA温度数据，采用长时间提取特征建成模型，提高模型的准确率。•有别于传统经验式、片段式分析，在总部利用多数据源，长时间数据进行特定场景的特征提取，开发9研究方向3-融合运维数据的运维决策研究•融入运维过程日志的数据，建立标准化评估流程，使分析不再依赖于工程师的个人经验；•实现“设备-人-管理”的穿透，让每一个现场身边都有“专家”；•智能自动报告，实现生产管理分层闭环；月报:全面审查设备发电情况，分析电量损失根源，设备亚健康诊断，指导下一步运维安排及计划。季报:发现设备性能缺陷，评价运维现场技术能力，确定设备集中性缺陷，为运维管理和技改提供依据。研究方向3-融合运维数据的运维决策技术支撑专家设 备研发专家风机设计专家设 数据分析专家设备维修专家反馈反馈SCADA数据SCADA数据工单日志数据工单日志数据反馈反馈专项工作定检/预试/精维护/技改研究方向4-融合人员和成本数据的运维决策研究•利用设备、运维和人员考勤、运营成本数据，支撑日常生产、技改、低效电站治理、成本管控；•基于证据理论的新能源设备评估体系研究，建立运维决策多维度的指标。投入产出。研究方向5-结合智能设备和AI识别模型的研究•通过智能算法（AI图像、视频和红外）、智能监测设备（摄像头、无人机）和工具，替代人工巡检；•采用的改进型神经网络分类方法，进行模型训练和部署；•与原有EAM等数字化工具数据互通；•能不能替代人，降低成本，提高效率。研究方向6-多维数据采集融合和标准化研究•综自系统、集控系统、SCADA系统、视频系统、振动系统、其他辅控系统等相互独立；•设计融合型数据采集器接入各种辅控系统数据，制定标准数据格式转换的方式，统一格式后一次传输到大数据平台。•针对不同类型的数据制定边缘计算实现特征提取、数据抽样、结果上传。•按电网数据安全要求分类；频等数据形式分类；部大数据平台业务需求进行分类处理。研究方向6-数据融合的大数据平台研究•以风电场生产管理需求为出发点，融合机组原始测点数据、故障记录、运维工单和计划电量，全面诊断风电场发电量、发电性能、设备可靠性、运维能力及设备亚健康问题。结论和展望结论和展望关键结论••数据的准确性，数据的处理方法，影响了模型和指标的可用性；•现阶段经验模型比大模型更管用；•现阶段人工智能只能替代人的常规性、重复性工作；•