求真百科歡迎當事人提供第一手真實資料,洗刷冤屈,終結網路霸凌。

變更

前往: 導覽搜尋
無編輯摘要
|}
'''基于机组运行特征数据分析的风电场运行后评估技术应用案例'''随着风电机组装机量的不断增加,2020年在运机组数量超13 万台,机组在现场的运行状态和各项指标是否达到 [[ 设计 ]] 要求和合同约定的要求,各方都很关注,特别是 [[ 客户 ]] 和设备商都想及时了解机组的运行状态,挖掘机组的发电性能潜力,从而及时解决机组存在的问题,确保机组各项运行指标满足设计要求和合同的约定要求。
==一、 背景==
随着风电机组装机量的不断增加,2020年在运机组数量超13 万台,机组在现场的运行状态和各项指标是否达到设计要求和合同约定的要求,各方都很关注,特别是客户和 [[ 设备 ]] 商都想及时了解机组的运行状态,挖掘机组的发电性能潜力,从而及时解决机组存在的问题,确保机组各项运行指标满足设计要求和合同的约定要求。由于缺乏相应的评估技术手段,使得现场问题多数是被动接收,对于风电场发电量收益及运维服务成本投入都有很大影响。因此,需要利用技术手段,在不增加成本的基础上,基于现有的风电场机组运行特征 [[ 数据]]<ref>[https://www.sohu.com/a/479663880_114819 数据的来源以及数据是什么?],搜狐,2021-07-26 </ref>,搭建评估模型和评估方法,及时、主动、系统的对风电场机组的发电性能和运行情况进行评估,从而主动及时识别问题和解决问题,挖掘机组的发电潜能并进行有针对性的优化使机组运行在最佳状态。
如何利用现有的海量风电场机组运行数据,运用数字化的手段快速实现对风电场机组运行状态 的评估,帮助用户了解机组的运行风险和发电潜能,并针对风险和潜能制定对应的风险规避和发电 量提升 [[ 方案 ]] ,对风电场发电量提升以及运行成本降低有重要意义。
==二、应用案例==
===1、项目概述===
随着工程师技术认知的提高以及 [[ 传感器 ]] 技术的进步,基于机组运行特征数据分析的风电场后评估也随之不断拓展和深入,目前金风科技考虑用户和业务场景需要,结合客户系统的运算能力和速度,开发了约20 个评估模型,同时评估模型维度和模型可持续拓展增加。
为了满足扩展或者兼容未来不确定的评估场景,基于机组运行特征数据 [[ 分析 ]] 的后评估应用技术中的评估模型框架,设计时就需要做成模块化的并且可拓展的,需要对所有模型进行分类,不同用户可以根据自己关注的焦点或者应用场景的不同,自由选择评估维度和模型进行定制化的评估,最终做到按需评估。
===2、 取得的效益===
====(一)经济效益====
基于机组运行特征数据分析的风电场运行后评估,能够及时了解掌握并解决机组存在的潜在问 题, [[ 客户 ]] 可避免机组长时间带“病”运行造成更大的质量损失,同时根据评估结果有针对性的开展 机组性能优化来提升机组的发电量,增加收益提升满意度。
2020 年金风基于机组运行特征数据分析开展了 300 余个风电场的后评估,以发电量、可利用率、可靠性、功率曲线及发电性能维度等评估指标量化项目机组运行状况,为多个 [[ 项目 ]] 的定制化解决方案提供了技术支撑。
====(二)提效方面====
基于机组运行特征数据分析的风电场运行后评估,能够自动从 [[ 大数据]]<ref>[https://roll.sohu.com/a/594299406_121485040 什么是大数据?我们来科普一下],搜狐,2022-10-21 </ref>平台获取所需要的运行数 据,并且在较短时间内自动完成数据处理和计算、完成标准的评估报告,相较以往从现场端拷取数 据、发送数据、再通过后台人员分析、编制等一系列工作需要花费的资源和人员投入,自动化的评 估工具大大提高了效率,节省了人员投入和时间。可由原来评估一个5 万千瓦风电场 3-5 天时间,缩短为 1 小时左右。
==三、技术要点==
===(一)、工作原理===
首先,整理数据来源,并获取我们想要的数据;其次,提取数据关联关系和特征,构建数据特 征模型,并实现模型自动运行;再次,量化机组的特征指标,建立评分评级体系,并根据模型运行 [[ 结果 ]] 自动评分;最后,一键自动生成评估报告。
具体实现原理及途径主要包括以下几点:
1. 通过 [[ 数字化 ]] 的手段自动完成数据源的获取、特征数据的提取分析评估以及报告自动生成。
2.工程师根据评估结果,针对机组运行状况的差异性有针对性的出具解决 [[ 方案 ]] ,同时运维人员 可根据现场实际的工作内容合理安排方案实施。
3. 根据方案执行情况及执行后 [[ 数据 ]] 累计时间可以进行再评估,从而确认方案有效性和实施后效果。
===(二)、功能实现介绍===
从数据端到最后评估结果的呈现端做了 [[ 逻辑 ]] 关系梳理和功能分层,并把各个构成要素的功能按照逻辑关系连接起来,绘成功能模型图。
上位功能主要包含数据承载,也就是数据存储的载体,载体可以是网络云平台、数据 [[ 服务器 ]] 、本地电脑等,所以第一步就是要打通数据链路,获取数据接口及权限。
基本功能主要包含数据下载获取,在数据读取过程中其实还包含一个辅助 [[ 功能 ]] ,即数据完整性的统计功能,并将统计结果进行展示。
因果功能主要是在基本功能基础上进行的统计计算、分析评价、报告生成等,其实也就是我们搭建的模型算法,也可以根据需求进行功能拓展。
下位功能主要包含用户端的UI [[ 界面 ]] 展示,主要是将各个维度评估结果通过图表形式直观的展示给用户,提升用户体验和友好性。
==四、应用前景==
基于机组运行特征数据分析的后评估应用技术是风电 [[ 工程 ]] 运维技术中的关键技术之一,也是后服务市场提升竞争力的重要手段。
1.从解决方案维度,未来解决方案更加趋向于差异化定制化,而基于机组运行特征数据分析的 [[ 结果 ]] 可以为解决方案的定制开发提供基础依据和参考;
2.从质量维度,开发了可量化的故障、维修、检修、修复相关机组可靠性和稳定性指标,可根据运行特征数据实现机组可靠性评估,同时为指标提升提供依据和参考;
3. 从后服务维度,除了定期检修和被动的故障维修外,还为 [[ 客户 ]] 提供预防性维护,以规避机组出现重大质量损失,同时为客户提供主动性维护服务,确保机组运行在最佳状态。通过基于机组运行特征数据分析评估可以为预防性和主动性维护提供支撑,为现场运维服务提供指导。
==参考文献==
[[Category:500 社會科學類]]
764,018
次編輯