2025智慧风电场建设平台

智慧风电场建设平台目录TOC\o"1-3"\h\u21542一、项目概述 59119（二）项目背景 61003（三）项目建设情况 824911二、应用场景及建设方案 920218（一）场景描述 912899（二）技术架构 102326风机部件监控 13122013、研发风电机组全生命周期健康度管理模型 15296014.研发智能诊断系统。 176547（三）建设方案 2529825三、项目效果 312960（一）项目效益 314914（二）鉴定评价（如有） 3130668（三）推广前景 32291013.机组故障率降低，故障停机小时数减少，发电量增加； 32323685.备件利用率及质量管控提升，精细化的备件管理； 3221664四、下一步计划 32一、项目概述XXXX风场位于XXX县宋家沟乡王家岔村，平均海拔高度为2100米，目前风机总装机容量10万千瓦，分三期建设，共有34台风机，其中一期采用10台上海电气W3450-146-90型风力发电机组，单机容量为3.45MW，6台上海电气W2000-116-80型双馈风力发电机组，单机容量为2.0MW，以及1台W1250-116-80型双馈风力发电机组，单机容量为1.25MW，风场一期总装机容量为47.75MW，于2020年12月并网发电；二期采用7台上海电气W3450-146-90型风力发电机组，单机容量为3.45MW，1台上海电气W2100-146-90型风力发电机组，单机容量为2.1MW，以及1台上海电气W2000-116-80型双馈风力发电机组，单机容量为2.0MW，风场二期总装机容量为28.25MW，于2020年12月并网发电；三期采用8台明阳智慧MySE3.0-135-90型半直驱风力发电机组，单机容量为3.0MW，风场总装机容量为24MW，于2020年12月全部并网发电。公司致力于数字化建设工作的开展，先后建设了环翠山光伏电站智慧光伏项目、山西区域集控中心建设项目、双细则考核预警系统建设项目等。从生产着手，解决生产过程中存在的难点和重点问题，运用先进的运算方法、模型、硬件手段，减少人力成本，提升工作效率，为公司发展添砖加瓦，注入新动力。（二）项目背景当前，陆上风电场的运维成本占整个风电项目投资的10-15%，海上风电则更高占到25-30%，并且整个风机全生命周期内的运维成本管控难度大。由此可见，变革传统运维方式，研究新的风机运维技术与方式，是新风电时代背景下风电行业持续健康发展的方向。当前风电场的运维方式主要有故障事后运维和固定周期维护两种方式。故障事后运维的方式，因没有事前预判，很难在故障发生后的第一时间定位出故障点和故障原因，故障处理时间长；同样因为没有提前预知故障，没有采取主动预防措施，风机故障率高，且经常出现缺人或缺备件和工具导致故障无法及时消除的情况，风机故障停机时间长，故障损失发电量大。固定周期维护也称定检，通常是到时间就修，到时间才修。到时间才修会导致设备出现了隐患但是由于未到维护时间而错过最佳检修期，导致问题持续恶化成故障；到时间就修会存在设备还在健康状态阶段又被进行了维护，存在盲目检修，造成资源浪费和运维成本的增加。因此，有必要研究智慧风电场、风力发电机组状态预测技术，实时监测风电机组的健康状态和性能衰减趋势，剩余寿命预测和设备最佳运行状态识别。预测设备隐患，发出设备亚健康预警，提前进行排查维护，将故障消除在萌芽状态，降低风机故障率。实现基于状态预测的主动预防性运维，由传统的被动运维方式向主动运维方式跨越，提升运维效率，降低运维成本。同步开发一些配套应用，辅助现场选择合理的运维窗口期，实现运维闭环管控和远程专家协助、全生命周期电子档案管理和科学的运维绩效考评体系。提高运维效率，提升运维管控水平，实现风电状态检修，为智慧风电场奠定基础。风电场设备检修水平不足、运维成本居高不下等一直是困扰风电场安全、经济、高效运行的重大难题。当前风电场被动运维主要存在以下问题：1.机组故障率高；2.资产缺乏健康度管理；3.设备检修维护水平不足；4.运维质量无法保证；5.公司本部与现场运维信息严重不对称，绩效指标不合理。目前风电场正在朝着数字化、智慧化方向转型，解决风电场传统运维问题也正被逐渐提上日程。研究风电机组状态预测技术，实现风电场状态检修，将对解决风场当前运维模式下存在的问题具有重要意义。同时，项目研发成果的落地应用还将促进风电数据标准化建模技术、风电设备电子档案技术、智能运维排程技术、闭环管理技术和安全库存技术的快速发展及应用。（三）项目建设情况项目实施时间：2021年3月-2023年12月。建设周期：2年零9个月预期目标：第一阶段：基于岢岚太阳坡风场为新建风场，具备进行风电机组状态预测研究科技成果验证与应用示范的有利条件，因此先在岢岚太阳坡风场进行风机状态预测研究，并进行研究成果的验证与应用示范。第二阶段：根据岢岚太阳坡风电场的试点成果和经验，建设一个以岢岚太阳坡风电场为中心的区域运检中心，将岢岚太阳坡风场状态检修模式推广到岢岚区域内的燕家村风电场、阎家背风电场，实现区域内多个风场的集中状态运维。投资额：600万元。承建单位：大唐可再生能源试验研究院有限公司、上海讯见自动化有限公司当前进展：已完成智慧风场升压站网线铺设及升压站人员安全定位装置安装；专利和论文已申请；智慧风场相关模块正在施工。二、应用场景及建设方案（一）场景描述山西大唐岢岚风电有限公司岢岚大阳坡风电场，其中8台明阳智能3.0MW风机、18台上海电气3.45MW风电机组、8台上海电气2MW风电机组。智慧风场的建设目标是基于风机智能传感技术、数据融合技术、大数据和AI技术，实现风电场风机智能发电控制和风机间的协同控制，实现风电场状态检修和智能运维。研究和构建风电场风机辅控集成系统、设备健康管理系统、智能诊断系统，维检作业管控系统、能效评估系统、无人机叶片巡检图片AI识别系统、激光雷达智能场群控制系统，解决风电场分析运行能力差，精准梳理机组健康问题，助力风电场从事后的故障维修向事前的预防性维护过度，从运行、维护和设备健康管理上研究制定应对措施和指导意见，实现从“被动治理”到“主动预防”目标的转变，确保机组的稳定运行及风电场的发电效益提升，最终形成科技成果并通过大唐集团验收。（二）技术架构针对数据质量差、事后维修成本高，备件备件未能精细化管理的问题，通过一系列技术手段及措施进行解决，具体为：1.数据采集与治理。数据是风电机组状态预测的基础元素，高质量和高标准的数据是进行风电机组状态预测技术研发的根本要素，因此研发一套可以采集全量标签点数据，可以快速查找故障数据链路。够对数据进行存储、插补、清洗、计算，并统一标准和口径，形成标准数据，建立基础模型、融合模型和挖掘模型，实现数据异常规则设定、异常监控告警、数据日志记录等，并且进行数据质量评价，形成数据质量报告是本科技项目的主要内容之一。2.智能集中监控。实现将风电场的所有风机、变频器、箱变、升压站设备的数据进行采集和智能集中管理，同时实现风电场运维车辆的集中监控和实现基于智能手环的人员安全管理。实时全面掌控风电场设备的运行状态，掌握风电场的实时发电量等相关生产指标，并具备故障集中告警管理、趋势分析，实现风电场所有设备都能被看见、可评估、可追踪。该模块的实施可提升场站设备管理能力，减少人工的投入，增强对人员和车辆的安全管控。集中监控风电场监视风机监视风机部件监控3.关于机组能效分析研究。1.通过对以下数据进行分析，形成风机功率曲线诊断报告：1）风速数据或风速计本身；2）功率数据或功率测量；3）控制策略或控制参数；4）自动或手动限负荷；5）故障停机；6）偏航对风；7）叶片结冰等；8）曲线的最小风速偏移；9）曲线形状异常；10）存在多条曲线；11）曲线相比正常机组整体偏右或偏左等；12）存在集中或分散异常散点；13）曲线散点离散度大；2.在风场主风向区域内的一台风机的机舱上部署激光雷达前馈控制系统，实现风场主动尾流控制和虚拟激光雷达区域化控制，实现最优发电控制，提升机组发电量。功率曲线分析运行趋势分析3、研发风电机组全生命周期健康度管理模型基于监测信息的方法研发风力发电机组健康度管理模型。基于系统模型的方法通过对风电机组构建合理的物理模型来描述机组的健康衰退趋势。然而，风电机组是一个非常复杂的系统，由多种电气、机械及控制部件组成，任何一个部件发生故障都很可能引起整个机组停运，对风电机组构建合理的系统模型是非常困难的。因此，利用风电机组中的相关监测信息进行健康评估，则是另一种有效的方法，对风电机组监测数据进行分析处理和特征提取，建立健康模型，根据部件和整机状态，分析判断部件和整机所处的健康状态或衰退趋势，在故障发生前对机组进行预警，并提供维护决策支持，减少风电场的运营维护成本，增加机组正常运行时间继而提升风电场整体的发电量。机组健康度监视子系统部件健康度单部件健康度健康度告警4.研发智能诊断系统。基于故障历史数据，采用聚合经验模态分解(EEMD)与自回归(AR)模型提取故障特征,利用关联规则分析故障之间的相关性，采用向量机和顺序前项选择算法的概率神经网络诊断方法，挖掘和发现特征与故障之间的关系,利用长短期记忆神经网络(LSTM)、深度置信网络(DBN)和深度学习方法对风机故障进行诊断，再以概率诊断模型定位出液压系统的故障根源，以达到故障发生时根原因的准确定位，辅助运维人员进行故障维修。根据海量的故障历史处理记录和运维经验,建立故障分析逻辑,多级原因排查和相应的处理方法的故障树和专家知识库。当故障再次报出时,可查看故障点和故障原因，以及推送的排查方案,达到缩短机组故障停机时间，提升机组可利用率和发电量的目标。5.研发智能运维排程技术。研究利用统计学、机器学习和神经网络算法，依据风功率预测以及当地的天气预测等数据，智能推荐维护时间以及排查方案。开发以风场的多个计划性任务为输入数据，风场当天派发到运维人员的任务为输出数据，并每天跟踪任务处理状态，循环更新每天新任务的智能运维排程技术。智能推荐运维方案6.定巡检流程闭环管理方法研究。研究对风机定检和日常巡检的作业流程实现闭环管理的方法。对风机半年检、全年检和日常巡检的作业项目及工序建立一套信息化管理系统。包括定巡检项目的标准作业流程管控方法，巡检和定检质量管控方法，风险管控方法，通过闭环管控让巡检和定检质量管理变得透明化；提高定巡检的效率及质量。7.风电机组档案管理技术研究。以风机的主机配置清单为数据基础，研发一套可进行风机部件全生命周期管理的电子档案系统和研究利用二维码技术实现电子档案，对风机设备参数、设备异动、设备评价、风机物资基础信息、库存和仓库统一管理。达到可以通过手持终端扫描二维码实现了解风机的相关基础信息和历史运行数据、健康状态以及备品备件运维记录和评价等相关信息的目标。主要是实现各种物资信息的管理，包含物资编码、物资名称、制造商、规格型号等信息，实现物资类别信息的标准化和统一化管理。系统将对设备台账中每个设备的部分或者全部改动、改造、更新以及变动后操作方式、运行方式所做相应调整的过程进行记录跟踪。维运风机管理系统9.关于数字风机的研究。基于叶片声音监测诊断、塔筒螺栓状态监测、齿轮箱油液监测等监测传感器研究风机各部件状态，研发自动监测系统代替人力巡检。实现无人值守自动监测，并且解决传统的机组巡检难度大，靠人工无法实现对每台机组准确排查的痛点问题；建立统一数字风机监控平台。对风机结构安全进行全方位统一监测，提升机组可靠性，实现机组延寿和降本增效。10.无人机巡检图片智能识别系统，基于无人机拍摄的叶片巡检图片，通过人工智能的自动化分析程序将会对拍摄回来的照片进行图像拼接生成叶片的整体全景视图，基于风机3D模型，判断出照片中叶片的图像所对应的真实叶片的部位，同时会进一步识别出照片中反应的叶片缺陷或损坏，如开裂、鼓包等缺陷问题。举例来说，叶片在断裂时，其边缘相较于叶片底色具有相对明显的特征，通过结合图像处理方法和机器学习算法，对图像中叶片区域的识别和异常特征的抓取，可大幅度提高叶片缺陷识别的效率。11.关于无人值守风场智能安全管控的研究。（1）通过升压站加装电子围栏以及摄像头，研发升压站防范系统，当有外来人员、动物闯入时，升压站周界安防系统通过张力电子围栏的报警数据与周界监控摄像机的分析数据进行交叉验证输出当前报警的时间、入侵的物体、闯入时的截图，以便管理人员更直观地了解现场情况。（2）基于智能手环结合电子地图研发一套人员管理系统，通过智能手环精准定位技术、作业导航实现外委作业人员实时定位、作业轨迹、工作时长统计、进场和离场时间、进入非法作业区域告警应用，保证对应区域外包人员行为可控、位置可视，实现对外包人员活动进行有效的跟踪管控。（3）基于车辆GPS以及车辆视频摄像头数据以及车辆使用规范，研发集用车申请、车辆调度、司机授权驾驶、安全驾驶监控及运维车辆一体化智能管理平台。提高车辆驾驶安全以及合规使用车辆制度化。（4）基于智能摄像头研发智能安全巡检系统。能够根据摄像头厂家提供的SDK实现摄像头全局巡检调度，即视频巡检定时任务启动时，调用所有摄像头按照巡航轨迹进行视频识别与分析，并生成巡检报告，异常记录及上传图片。当现场红外光监控摄像头、无人机、智能巡检机器人发现异常情况后，调用最近的摄像头定位到故障位置。当人员闯入布防区域后，根据安全帽颜色识别作业人员类型，选取对应的语音并调用最近的音箱播报。生成异常记录并调用摄像头录像上传异常记录。GPS车辆概览监视11.关于风电作业智能单兵系统的研究。通过手持移动终端、智能手环以及智能安全帽，研究风电智能单兵运维系统。实现移动运维：作业人员在手机上查看接收到的任务，通过路线规划和精准定位引导作业人员到任务地点，工作完成后反馈工作结果，移动监控风机运行状态。AI协调指挥系统：在完成传统安全帽防护功能的同时，利用WIFI无线通道与后台专家进行视音频数据实时交互，实现作业现场情况实时上报、多人语音会议、远程作业指导与协助等功能，现场作业人员可边操作边与后台交互。通过智能手环实现人员健康管理以及与其他车辆管理系统及门禁系统的配合。最终形成整体的智能单兵系统，整体的提高人员的运维能力。信息总览示意图关于风电场无人值守智能巡检系统的研究。通过加装巡检机器人，研发风电场无人值守智能巡检系统。实现对继保室间检测的智能巡检监测。机器人应按照巡检计划自动到达巡检停靠点后，自动转动云台对屏柜、指示灯、表计、环境进行巡检以及自动读数。替代传统的人工巡检模式。同时配合风电场安防系统，加强安防巡检，提高场站的安全性。最终通过机器代替人力打造成为真正的无人值守的智慧风电场。风电场作业人员安全的实时监护。可以在集控楼、电子间、升压站、风机塔筒内部和风机升压站周边等环境，对人员的心率过高/过低/突变、高空跌落、紧急呼救等情况进行实时监控，并可以设定各种具有事前预防功能的电子围栏。实现功能（1）生命监护：现场人员发生心率过高、过低、或者突变时，后台报警；（2）坠落报警：现场人员发生高空坠落超过2米时（可设置），后台报警；（3）事前警告：发生位置异常时（闯入或者离开电子围栏），本人手环立刻震动并有文字提示，同时后台报警；（4）一键呼救：现场人员可以通过安全手环上的紧急按钮一键呼救；（5）临时布设：移动型基站无弱电施工，可以临时布设；（6）电子围栏：可以分组、分人设置黑名单或者白名单电子围栏；（7）信息交互：手环可接收系统推送警告信息，并显示时间、日期、心率等；（8）兼容门禁：可内嵌射频（RFID），兼容多数门禁卡；（9）数据管理：历史轨迹重演、历史数据统计、历史报警统计；（10）开放接口：标准的开放数据接口，可与两票管理、视频监控等系统对接。（三）建设方案本项目旨在研究智慧风电场，实现基于风机状态预测技术的状态检修。根据风机状态预测结果，进行风险评估，制定差异化运维方案。提前主动对风机进行维护，预防故障发生，降低故障率，提升机组运行可靠性；指导制定动态的检修周期计划，在恰当的时间进行恰当的维护项目，避免盲目检修或过度检修，提高检修质量、节省检修成本，实现降本增效的目标。同时，本项目还同步研发状态检修辅助应用程序，实现对风电场高效科学运维管理，通过研发一体化运维管理平台，实现人、机、物、费用有效管控，建设深度科学的运维管理模式及打造问题闭环管理体系，构建风电场智慧运营新模式，从而提高发电量、降低运维成本、延长风电场设备寿命。重点研究：1.基于机器声纹的风机叶片故障监测系统给风场34台风机叶片安装叶片声音监测传感器，将声音数据采集至智慧风场后台系统。基于机器声纹诊断技术，应用机器学习、深度学习等人工智能技术，建立具备智能诊断功能的模型，能够实时监测风机叶片是否处于稳定正常工作状态，对于异常工况能够及时发现并告警。应用多传感器融合人工智能算法，能够实时监测风机叶片的异常故障发生，能够对故障隐患进行早期征兆判断（常见的叶片故障类型有开裂、断裂、结冰、附尘等原因导致的气动/质量不平衡等问题）。2.塔筒螺栓状态监测系统上海电气风机为通过高精度法兰间隙传感器监测风机塔筒法兰面的微变来监测塔筒螺栓是否出现松动。在每层法兰面安装4个高精度法兰间隙传感器监测其法兰面变化。其中1号传感器安装在主风向位置，其它传感器成逆时针间隔90度进行排布。通过RS485通讯将数据传递到塔底边缘计算采集系统上。通过风电场环网将数据上传至中央监控平台进行预警展示。明阳风机为螺栓松动监测系统需要针对塔筒法兰连接螺栓进行监测。螺栓松断传感器选取各塔筒法兰其中6颗进行监测，并采用均布方式进行安装，以实现对其螺栓松动状态实时在线监测。当螺栓松动达到1°进行预警提示，当螺栓松动大于3°进行报警提示，当螺栓出现断裂时进行断裂报警提示。3.齿轮箱油液监测系统给风场34台风机安装齿轮箱油液监测传感器，能够实时监测齿轮箱油液中铁磁性颗粒以及非铁磁性颗粒的大小与数量，并且不受油中气泡影响；能够实时监测齿轮箱润滑油的水分含量，能够实时监测齿轮箱润滑油的黏度。具备智能诊断功能，对长期积累的监测数据进行多维度的智能诊断分析，及时提供机组精准的故障预判，给予智能运维建议，以延长设备使用寿命。4.智慧风场辅控集成系统包括智慧风场辅控环网建设和辅控集成系统研究和开发。在风机中安装辅控环网交换机搭建智慧风场通信环网，风机辅控集成系统能够实现对叶片声音监测、塔筒螺栓监测和齿轮箱油液监测3个系统的一体化智能监控，通过多维数据融合建模分析，实现风电机组早期安全预警与运行状态评估，完成风电机组全生命周期健康度管理。在确保风机可靠性和关键部件寿命安全的情况下，再次充分挖掘机组自身发电性能的潜力。为风电场资产增值提供强力支撑，保障风电场全生命周期的经济效益最优。5.风机全生命周期健康度管理系统基于风机SCADA数据，通过对机组主要部件的模态分析计算，评估机组电气部件、机械部件的核心监测指标，从而建立风电机组整机及子部件的健康监测模型，根据风电机组子部件工作条件分析及实时状态监测进行机组子部件的健康度评估分析，通过机组主控系统、SCADA系统、智慧风场系统三位一体对机组部件健康状态实时监测，建立整体的机组健康度监测系统。6.风机故障智能诊断系统要求故障诊断系统应通过灵活可配的可视化建模工具和多种故障诊断模型，对设备运发生故障的设备进行诊断和定位，建立故障树系统，并提出控制故障再次发生的措施和建议，减少设备故障率。7.维检作业管控平台研究和开发定检质量辅助审查系统。对风机半年检、全年检和日常巡检的作业项目建立一套标准化作业工序和工作质量辅助审查系统，系统可以自动检测出现场定检工作漏检项目、照片重复使用情况；有效监督现场定检作业、及时排查机组隐患。实现定检的标准化作业和闭环管理，同时能够加强对定巡检的质量管控，让质量管理变得透明化；提高定巡检的效率及质量。8.无人机叶片巡检图片AI识别系统基于无人机巡检叶片所拍摄的叶片图片，开发叶片缺陷图片AI识别系统，通过机器视觉和人工智能的自动化分析程序自动识别出叶片缺陷，并判断出照片中叶片缺陷的图像所对应的真实叶片的部位，实现风机叶片智能巡检。9.功率曲线分析系统本模块的目标为甲方提供一套全面的功率曲线分析系统，实现基于功率曲线异常分析的风电机组发电性能分析与劣化分析，最终精准识别出风场的低效风机，为风场提质增效提供针对性的技改依据。10.激光雷达智能场群控制系统研究和开发虚拟激光雷达区域化控制系统。在风电场主风向边缘机位安装一台机载激光雷达，通过雷达实时采集叶轮面前方风速数据和机组自身计算出的等效风速，进行深度学习和大数据训练，建立可靠模型，映射至其他未安装雷达机位，生成虚拟激光雷达。实现各机组最优转速跟踪等控制和额定风速以上前馈控制以及偏航风向校正等功能，达到降低并网发电模式下发电机转速波动幅度、降低塔筒前后方向疲劳载荷、减少变桨和偏航执行机构动作、提升机组可靠性和发电量。主要创新点：1.风电机组状态预测技术：创新风场运维模式，利用先进状态监测手段预知设备隐患、预判故障，实现基于状态的主动性运维，变革传统的事后被动运维模式。2.故障智能诊断技术：变革风电机组传统故障运维方式，基于故障树和专家知识库和人工智能算法实现故障原因智能诊断，自动下发故障解决方案，降低运维岗位的技能要求。3.风电机组体检技术：利用机组的传感器标签点数据建立风力发电机组全生命周期健康度管理模型，实现风电机组工作过程中全局健康状态和各个关键部件健康状况透明化，通过人工智能算法评估运行风险并预测剩余寿命，从健康度、寿命分析、异常状态等多个维度进行风机体检。4.智慧安全监控系统上线，通过电子围栏、穿戴设备确保区域内生产检修安全。技术关键点：1.利用小波包和小波变化相组合的方法研究风电机组齿轮箱故障特征提取方法。2.研究利用小波神经网络进行风电机组故障分类的方法。3.利用频域分析、时频分析、非线性分析、脉冲与周期性分析研究风电机组齿轮箱亚健康预警模型。4.研究风电机组主轴运行特征的信号处理方法。5.利用聚合经验模态分解(EEMD)与自回归(AR)和深度置信网络(DBN)研究发电机故障特征提取模型6.利用BP神经网络，向量机方法研究风电机组偏航系统亚健康预警模型。7.利用通过SMOTE方法改进随机森林方法和XGBoost研究风电液压站系统亚健康预警模型。8.采用向量回归、信息熵、均方根研究风电机组变桨亚健康预警模型。9.利用规则推理和案例推理研究风电机组电气故障预警方法。10.风电机组设备剩余寿命预测方法研究。11.风电机组大部件最佳运行条件识别方法研究。三、项目效果（一）项目效益风电机组状态预测研究成功并实现风电场状态检修后，预期每年仅通过降低运维成本和提升机组发电量共节约170万元。降本：运维人员减少20-30%，每年减少人工成本20万元，按风电场配置10个运行检修人员计算，预计减少2个运维人员。增效：发电量提升1.5-2%，每年增加发电量收益150万元，通过降低风机故障率，增加发电时间，提升发电量，每年提升发电量约250万度，电价0.61元/度，折合人民币约150万。提升公司风电场运维管理水平，使得管理趋于流程化、标准化、体系化。项目12人组初次参与科技项目，对科技整体流程进行了全方位的跟踪与把控，提升了智慧风电场领域专业知识