韓 斌，王忠杰，趙 勇，馬 勇，甘 勇，孫仕輝，李穎峰

智慧風電場發(fā)展現(xiàn)狀及規(guī)劃建議

韓 斌1，王忠杰1，趙 勇1，馬 勇1，甘 勇2，孫仕輝2，李穎峰1

（1.西安熱工研究院有限公司，陜西 西安 710054；2.華能湖南清潔能源分公司，湖南 長沙 410000）

近幾年數(shù)字化智慧風電場是風電領(lǐng)域開發(fā)的熱點，與之相關(guān)的技術(shù)也已成為行業(yè)內(nèi)研發(fā)的重點。本文結(jié)合開發(fā)經(jīng)驗，分析了智慧風電場具有的設(shè)備狀態(tài)智能監(jiān)測與感知、數(shù)據(jù)智能分析、設(shè)備狀態(tài)智能評價、設(shè)備故障智能診斷及預警、精準風資源預測及風機功率智慧調(diào)節(jié)、智慧運維及可視化智能巡檢、智能決策等7大特征，總結(jié)了目前智慧風電場建設(shè)過程中面臨的設(shè)備、數(shù)據(jù)、技術(shù)、管理等多方面問題，并給出了解決對策，同時對智慧風電場的規(guī)劃提出了建議，可為數(shù)字化智慧風電場的規(guī)劃及建設(shè)提供參考。

智慧風電場；數(shù)字化風電場；智能監(jiān)測；智能診斷；智能決策；數(shù)字化；智慧化

隨著新能源行業(yè)的快速發(fā)展，我國風電裝機總量及裝機容量急劇增加，截至2018年底全國并 網(wǎng)裝機容量達1.84 億kW，占全部發(fā)電裝機容量 19億kW的9.47%[1]。隨著風電裝機容量的攀升及機組運行時間的增長，如何降低設(shè)備故障率，提高機組利用率，降低設(shè)備運維成本，進而提升風電場的收益，成為風電場運維工作的主要目標[2]。

2010年美國IBM公司首次發(fā)布了“智慧的電力”戰(zhàn)略及系列解決方案[3]，隨后出現(xiàn)了“智能風電場”“智慧風電場”概念[4-5]。智慧風電場的概念雖已提出多年，但截至目前行業(yè)內(nèi)對智慧風電場尚無統(tǒng)一定義。隨著“互聯(lián)網(wǎng)+”、大數(shù)據(jù)處理、通信、人工智能、信息、云計算等技術(shù)以及風電技術(shù)的不斷發(fā)展，為數(shù)字化智慧風電場建設(shè)提供了前提條件，也給智慧風電場的發(fā)展帶來新的契機。數(shù)字化智慧風電場建設(shè)的相關(guān)技術(shù)已成為行業(yè)內(nèi)研究與開發(fā)熱點。智慧風電場相關(guān)技術(shù)的持續(xù)發(fā)展，對于提高風電場的工作效率、減少運維人員、降低運維成本、提高設(shè)備的安全性、可靠性等具有重要意義，也有助于推動風電場由現(xiàn)有的定期維修、事后維修運維模式向預防性維修、視情維修模式的轉(zhuǎn)變[6]。

1 智慧風電場特征

智慧風電場主要基于測控技術(shù)、通信技術(shù)、信息化技術(shù)、大數(shù)據(jù)處理技術(shù)以及各類智能算法，實現(xiàn)對風機控制的自動化、設(shè)備狀態(tài)感知及判斷智能化、運維決策智慧化。智慧風電場通過各類傳感器準確獲知各設(shè)備的狀態(tài)，實現(xiàn)對風電場各設(shè)備狀態(tài)的有效監(jiān)控；通過較準確地風功率預測，并結(jié)合電網(wǎng)調(diào)度需求信息、各風機設(shè)備狀態(tài)信息自動調(diào)節(jié)風機的輸出功率，滿足電網(wǎng)的調(diào)度需求；同時能對各設(shè)備的故障進行智能診斷，對設(shè)備狀態(tài)進行智能評估，結(jié)合運維經(jīng)驗，實現(xiàn)運維決策自動化、智慧化。智慧風電場的基礎(chǔ)是風電場各類信息的數(shù)字化，其核心為數(shù)據(jù)、信息綜合處理及智能分析系統(tǒng)（簡稱信息智能分析系統(tǒng)），本質(zhì)是信息化與智能化技術(shù)在風電領(lǐng)域的高度發(fā)展和深度融合[7]。

1.1 設(shè)備狀態(tài)智能監(jiān)測與感知

通過先進的監(jiān)測傳感技術(shù)、通信技術(shù)，智慧風電場能實時感知場內(nèi)各關(guān)鍵設(shè)備的狀態(tài)。關(guān)鍵設(shè)備包括傳動鏈系統(tǒng)、變槳系統(tǒng)、偏航系統(tǒng)、葉片、塔筒、地基、主變、箱變等，海上風電還需對海床沖刷情況、塔筒、地基腐蝕情況進行有效監(jiān)測[8-9]。此外，還可通過智能安防系統(tǒng)的圖像智能識別功能，對現(xiàn)場的安防情況進行智能監(jiān)測與感知。

1.2 數(shù)據(jù)智能分析

智慧風電場可利用先進的大數(shù)據(jù)分析技術(shù)，對獲取的各類信息及數(shù)據(jù)進行綜合自動分析，主要包括數(shù)據(jù)的清洗、歸類、編碼以及統(tǒng)計分析等。各智能算法應(yīng)具有自我學習能力[10-11]。

1.3 設(shè)備狀態(tài)智能評價

基于獲取的實時設(shè)備狀態(tài)信息，智慧風電場可利用大數(shù)據(jù)分析技術(shù)、智能算法及評估模型對設(shè)備的健康度、壽命等進行智能評價，評價結(jié)果可為智能決策提供數(shù)據(jù)支撐，指導生產(chǎn)運維[12]。

1.4 設(shè)備故障智能診斷及預警

對于故障設(shè)備，智慧風電場可利用精準的疲勞損傷模型、故障智能診斷算法，并結(jié)合設(shè)備的歷史運行信息對設(shè)備故障進行智能診斷，明確故障原因，結(jié)合運維經(jīng)驗，給出排故建議，并能對設(shè)備故障進行準確預警[13]。

1.5 精準風資源預測及風機功率智慧調(diào)節(jié)

智慧風電場可得到較準確的風功率預測，并結(jié)合電網(wǎng)調(diào)度需求信息及各風機設(shè)備狀態(tài)信息，自動調(diào)節(jié)風機的輸出功率，以適應(yīng)智能電網(wǎng)的網(wǎng)源協(xié)調(diào)控制及機組性能優(yōu)化控制[14-16]。

1.6 智慧運維及可視化智能巡檢

智慧風電場可通過電子兩票提高工作效率，借助移動視頻設(shè)備實現(xiàn)對運維過程的實時監(jiān)督和遠程指導。運維過程中所需的備品備件、工器具、天氣、交通工具、人員以及具體工作內(nèi)容等信息通過信息智能分析系統(tǒng)及移動終端設(shè)備自動推送給相關(guān)人員。同時，運維過程信息、人員位置信息可實時反饋給風電場相關(guān)人員，實現(xiàn)運維過程各類信息的實時共享[17-18]。

1.7 智能決策

智慧風電場可通過對各類數(shù)據(jù)及信息的分析自動給出運維及決策建議，指導生產(chǎn)運維，這也是智慧風電場的核心特征。

2 智慧風電場發(fā)展現(xiàn)狀

目前，國內(nèi)外對智慧風電場建設(shè)及其關(guān)鍵技術(shù)的研究十分活躍，其相關(guān)技術(shù)也隨之不斷發(fā)展。智慧風電場關(guān)鍵技術(shù)包括：風機關(guān)鍵設(shè)備狀態(tài)智能監(jiān)測技術(shù)、智能故障診斷技術(shù)、風力機智能控制技術(shù)、智慧運維技術(shù)、大數(shù)據(jù)智能分析技術(shù)、精準風功率預測技術(shù)、備品備件智能管理技術(shù)、風電場信息智能管理技術(shù)等。其中，風力機智能控制技術(shù)已進行了大量的研究，并取得了較好的成果。目前，兆瓦級風機已普遍實現(xiàn)了自動啟停、自動偏航、自動變槳、自動功率調(diào)節(jié)等功能。

目前，國內(nèi)外主要的風機廠家如遠景能源、金風、明陽、運達、GE、西門子、Vestas等，都開發(fā)有自己的數(shù)字化、智慧化風電場數(shù)據(jù)及信息管理服務(wù)平臺及系統(tǒng)，相關(guān)科研機構(gòu)如西安熱工研究院、大唐新能源研究院、德國Fraunhofer等，工程設(shè)計單位如華東勘察設(shè)計研究院等也在開展相關(guān)研究工作，且開發(fā)有智慧風電場數(shù)據(jù)及信息管理系統(tǒng)。這些系統(tǒng)各有側(cè)重，但均未達到智慧風電場的要求。各風機廠家開發(fā)的系統(tǒng)通過大數(shù)據(jù)、云服務(wù)來分析并提供風電場規(guī)劃、測風方案管理，以及風資源評估、微觀選址、風場設(shè)計優(yōu)化、風功率預測、經(jīng)濟性評價、資產(chǎn)后評估分析等全方位的技術(shù)解決方案，還可以對風機、測風塔、升壓站等設(shè)備進行遠程集中監(jiān)控、遠程機組在線狀態(tài)檢測、遠程故障診斷與修復、機組健康管理及性能評估，并能進行能量管理和報表管理。而科研機構(gòu)及工程設(shè)計單位則偏重數(shù)據(jù)分析、設(shè)備故障智能診斷及預警、設(shè)備性能智能分析、智能巡檢、智能運維等系統(tǒng)功能的開發(fā)及應(yīng)用。

目前，風機廠家及科研機構(gòu)雖然在數(shù)字化智慧風電場建設(shè)方面做了大量的工作，但現(xiàn)有風電場與數(shù)字化智慧風電場還存在較大差距，主要體現(xiàn)在以下幾個方面。

1）缺少對風場選址、機組選型、基建過程信息的數(shù)字化智能化管理功能，無法實現(xiàn)設(shè)備全壽命周期相關(guān)過程的智慧化監(jiān)管。

2）缺少對運維過程及質(zhì)量、運維安全監(jiān)督的智能評估體系及方法。

3）對風電場各系統(tǒng)、設(shè)備健康狀態(tài)的評估還需人工參與，未實現(xiàn)真正的智能評估。

4）由于業(yè)內(nèi)競爭及數(shù)據(jù)保密等原因，各風機廠家開發(fā)的平臺及系統(tǒng)對其他廠商生產(chǎn)的機型適用性相對較弱，不能滿足風電場對多家廠商、多種機型信息綜合分析管理的需求。

5）初步整合的信息管理平臺雖然實現(xiàn)了部分生產(chǎn)、管理和經(jīng)營業(yè)務(wù)間的協(xié)同，但仍存在部分信息孤島如狀態(tài)監(jiān)測（CMS）數(shù)據(jù)、離線檢測數(shù)據(jù)等。積累的海量歷史數(shù)據(jù)和實時數(shù)據(jù)未得到有效的分析和充分利用。

6）智能決策能力不足，僅完成了數(shù)據(jù)統(tǒng)計分析等基本功能，離智能管控一體化要求還存在一定差距。設(shè)備狀態(tài)數(shù)據(jù)、備品備件信息與管理平臺缺乏有效關(guān)聯(lián)，無法根據(jù)數(shù)據(jù)分析結(jié)果自動推出運行優(yōu)化、檢修方案和備件采購工單等一系列運維決策建議。

3 智慧風電場建設(shè)面臨問題及對策

3.1 設(shè)備及數(shù)據(jù)問題

現(xiàn)階段風電場對各設(shè)備狀態(tài)的監(jiān)測與感知、控制優(yōu)化、設(shè)備故障預警等方面存在較多不足。

1）風電場對各設(shè)備狀態(tài)監(jiān)測存在盲區(qū)，目前風電場僅能監(jiān)測風機部分設(shè)備以及升壓站的部分運行狀態(tài)。由于風機簡配以及投資成本等原因，部分設(shè)備、系統(tǒng)的運行狀態(tài)一直未得到有效監(jiān)測，如葉片、變槳軸承、變槳系統(tǒng)后備電源、偏航減速器、通信滑環(huán)以及發(fā)電機絕緣狀態(tài)等，這導致風電場無法實時獲取各關(guān)鍵設(shè)備的狀態(tài)數(shù)據(jù)信息，進而導致風電場評價設(shè)備狀態(tài)用數(shù)據(jù)信息的不完整。

2）目前，風機的自動化控制程度雖已很高，但仍存在以下不足：①同一風場來自不同廠家的設(shè)備普遍存在配備不同控制系統(tǒng)的情況，特別是風機廠家數(shù)據(jù)采集與監(jiān)視控制（SCADA）系統(tǒng)開放性不夠，導致底層數(shù)據(jù)不能有效整合利用；②控制策略的控制效果不盡如人意，部分風機廠家甚至仍未掌握核心控制算法；③對風機群的操作仍以簡單的、經(jīng)典的SCADA系統(tǒng)自動控制為主，缺少從提高全場發(fā)電量及降低單機載荷角度出發(fā)的控制方法；④針對單機的優(yōu)化控制手段不足，導致無法從整體風場及單機角度對控制策略進行優(yōu)化。

3）風機大部件可靠性有待進一步提高。近幾年風電技術(shù)飛速發(fā)展，風機單機容量不斷增大，新機型、新設(shè)備不斷出現(xiàn)，導致在新設(shè)備研制過程無歷史運行數(shù)據(jù)可參考，加之缺乏必要的試驗手段，增加了新設(shè)備出現(xiàn)各類故障的概率。此外，對設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的分析與診斷多采用人工方式，智能化水平較低，無法精確判斷設(shè)備的狀態(tài)，不能滿足智慧風電場建設(shè)的要求。

4）風電場普遍存在多源異構(gòu)數(shù)據(jù)，處理困難。智慧風電場需要對龐大的數(shù)據(jù)資源進行統(tǒng)一采集、存儲、挖掘和分析，卻遇到了數(shù)據(jù)格式不規(guī)范、數(shù)據(jù)編碼不統(tǒng)一、數(shù)據(jù)不完整、設(shè)備狀態(tài)分類數(shù)據(jù)不完備、能獲取的設(shè)備狀態(tài)數(shù)據(jù)少、數(shù)據(jù)采集成本高等問題。

為了全面獲取各設(shè)備的運行狀態(tài)，智慧風電場建設(shè)過程應(yīng)從經(jīng)濟性、設(shè)備可靠性及安全性出發(fā)，開展故障模式、影響及危害性分析（FMECA）[19-20]工作。風電場還應(yīng)統(tǒng)一各風機數(shù)據(jù)通信接口、數(shù)據(jù)格式、數(shù)據(jù)編碼，以滿足直采風機數(shù)據(jù)的條件，降低風電場數(shù)據(jù)采集成本及數(shù)據(jù)處理難度，以便全面、自主地獲取智慧風電場建設(shè)所需數(shù)據(jù)。此外，風電場應(yīng)配置通用一體化集控系統(tǒng)，從而降低維護費用，提高人員的工作效率以及智慧運維水平。

3.2 技術(shù)問題

目前，與智慧風電場建設(shè)相關(guān)的技術(shù)如設(shè)備狀態(tài)智能監(jiān)測技術(shù)、智能故障診斷技術(shù)、風力機智能控制技術(shù)、精準風功率預測技術(shù)等發(fā)展迅速，但就目前技術(shù)水平而言，很多技術(shù)還不足以支撐智慧風電場的建設(shè)與發(fā)展。

1）設(shè)備狀態(tài)智能監(jiān)測技術(shù)還不完備，現(xiàn)有技術(shù)對于一些設(shè)備的狀態(tài)還無法有效監(jiān)測，如變槳系統(tǒng)后備電源、通信滑環(huán)以及發(fā)電機絕緣狀態(tài)等。設(shè)備故障智能診斷及預警結(jié)果準確度不高，智能診斷算法不夠成熟，在設(shè)備故障數(shù)據(jù)分析與診斷方面多采用人工方式，絕大多數(shù)設(shè)備故障的診斷及預警仍未實現(xiàn)自動化與智能化，不能滿足智慧風電場建設(shè)的需要。

2）目前，24 h內(nèi)短期風功率預測的精度不高，很多系統(tǒng)的預測精度甚至達不到電網(wǎng)調(diào)度對風電場預測次日功率與實際功率誤差小于20%的要 求[21]，導致風電場頻頻被電網(wǎng)公司考核。國外短期風功率預測的精度普遍小于10%，德國的預測誤差甚至在6%左右[22]。智慧風電場建設(shè)需配備短期甚至超短期內(nèi)預測精度較高的風功率預測系統(tǒng)，系統(tǒng)應(yīng)采用精準的氣象信息數(shù)據(jù)，利用現(xiàn)有的云計算、大數(shù)據(jù)處理以及精裝的預測模型，以提高系統(tǒng)的預測精度。此外，現(xiàn)有的風力機控制技術(shù)還不能根據(jù)電網(wǎng)調(diào)度信息及風功率預測系統(tǒng)的結(jié)果實現(xiàn)對單臺風機的智能控制，以達到提高全場發(fā)電量并降低單機載荷的目的。

3）智能決策算法及技術(shù)不能滿足智慧風電場建設(shè)的需要。由于信息不完備、數(shù)據(jù)不完整以及數(shù)據(jù)多樣性，現(xiàn)有智能決策模型建立過程中很難對風電場各設(shè)備的狀態(tài)數(shù)據(jù)、故障數(shù)據(jù)、運行及維護數(shù)據(jù)、備品備件及人員信息數(shù)據(jù)等各類數(shù)據(jù)統(tǒng)一建模，導致決策結(jié)果不準確。此外，數(shù)據(jù)缺失將導致模型訓練效率低、預測準確度無法提高。因此，為了提高決策模型計算結(jié)果的準確度，智能決策模型研究及建立過程中獲取完整數(shù)據(jù)信息是關(guān)鍵，將各類信息進行統(tǒng)一建模是基礎(chǔ)。

3.3 網(wǎng)絡(luò)安全問題

為了確保電網(wǎng)及能源供給的安全，按照當前電力監(jiān)控系統(tǒng)安全防護規(guī)定[23]，發(fā)電側(cè)一區(qū)、二區(qū)與三區(qū)及以上區(qū)間應(yīng)加縱向隔離裝置，一、二區(qū)信息可進入三區(qū)，但三區(qū)信息不能進入一、二區(qū)。智慧風電場信息智能分析系統(tǒng)在三區(qū)，各類數(shù)據(jù)信息經(jīng)分析后結(jié)果不能直接反饋到一、二區(qū)，也就無法直接控制相關(guān)設(shè)備，目前只能以運維建議的形式推送給風電場相關(guān)人員，即使信息智能分析系統(tǒng)發(fā)現(xiàn)某設(shè)備存在嚴重故障需立刻停機，信息智能分析系統(tǒng)也無法直接控制風機停機或進行必要的調(diào)整。

為解決該問題，在確保網(wǎng)絡(luò)安全的前提下，一、二區(qū)與三區(qū)間應(yīng)允許存在一定量緊急信息的交互，風機控制系統(tǒng)可根據(jù)信息智能分析系統(tǒng)的反饋結(jié)果對風機進行相應(yīng)控制。為提高相關(guān)控制的可執(zhí)行性，可僅對風機安全有重大影響的狀態(tài)進行控制操作。這就對網(wǎng)絡(luò)安全技術(shù)提出更高的要求。

3.4 人員及管理問題

目前，國內(nèi)風電場普遍采用“運維合一、一崗多責、一專多能”的管理模式，風電場配備人員較少，很多還延續(xù)著過去簡單的運行管理體制，導致風電場缺乏有經(jīng)驗的運行和檢修技術(shù)人員，優(yōu)化機組運行能力不足[24]。部分風電場采用將設(shè)備運行、維護全部外委的管理模式，風電場不需專門成立運維班組，可有效節(jié)約人力，但該模式下風電場總維護費用非常高，而且設(shè)備的狀態(tài)信息、維護信息、運行歷史數(shù)據(jù)等很難完整地反饋到風電場業(yè)主方，難以滿足智慧風電場建設(shè)對設(shè)備狀態(tài)信息完整性要求，也不利于風電場自身運維經(jīng)驗的積累。

此外，國內(nèi)現(xiàn)有風電場還普遍存在人員流動性大，對安全生產(chǎn)缺乏有效的數(shù)字化實時監(jiān)督手段，運維信息記錄不規(guī)范、不完整、資料可查性差等問題，這給智慧風電場建設(shè)過程中各類離線信息的收集、知識庫的建立等工作帶來了困難和障礙。為此，各風電場應(yīng)規(guī)范運維信息的記錄、保存工作，尤其是各設(shè)備離線檢測數(shù)據(jù)、日常排故數(shù)據(jù)等信息的整理及保存工作，并盡早完成對各類離線數(shù)據(jù)的數(shù)字化歸檔工作，為智慧風電場建設(shè)積累數(shù)據(jù)資料。

4 智慧風電場規(guī)劃建議

未來數(shù)字化智慧風電場的建設(shè)應(yīng)從基建期開始收集數(shù)據(jù)，以實現(xiàn)設(shè)備全壽命周期信息的收集、分析及處理。數(shù)字化智慧風電場建設(shè)過程中應(yīng)將下述信息在信息智能分析系統(tǒng)中進行統(tǒng)一綜合分析和管理：基建期數(shù)據(jù)信息，包括設(shè)備制造階段的質(zhì)量信息、設(shè)備安裝調(diào)試信息、風電場基建數(shù)據(jù)信息等；運維期信息，包括SCADA系統(tǒng)數(shù)據(jù)開放點數(shù)滿足數(shù)據(jù)分析要求、CMS數(shù)據(jù)、升壓站數(shù)據(jù)（綜自系統(tǒng)）、風功率預測信息、備品備件信息、工器具信息，葉片、變槳系統(tǒng)、滑環(huán)、發(fā)電機、偏航系統(tǒng)、塔筒、地基、UPS、后備電源等設(shè)備及系統(tǒng)的狀態(tài)信息；生產(chǎn)信息，包括設(shè)備檢修信息、故障處理信息、設(shè)備離線檢測數(shù)據(jù)、SAP數(shù)據(jù)、電網(wǎng)調(diào)度數(shù)據(jù)等；海上風電還需收集完整的氣象、水文、船舶自動識別系統(tǒng)（AIS）信息等。對于監(jiān)測存在盲區(qū)的設(shè)備，應(yīng)添加必要的狀態(tài)監(jiān)測點，海上風電還應(yīng)加強對地基防腐、海床沖刷的監(jiān)測。

智慧風電場建設(shè)過程中應(yīng)重點解決下述問題：①完成對各類數(shù)據(jù)及信息的標準化工作，統(tǒng)一數(shù)據(jù)接口；②完成對設(shè)備狀態(tài)、人員考核、機組性能評價及優(yōu)化、運維過程及運維質(zhì)量評價、設(shè)備故障預警和分析、關(guān)鍵設(shè)備可靠性及安全性評價、部件壽命預估等工作過程的數(shù)字化及智能化；③在數(shù)字化、信息化基礎(chǔ)上，利用各類智能決策模型，實現(xiàn)風電場運維決策的智能化；④完成信息智能分析系統(tǒng)與風電場主控系統(tǒng)的聯(lián)接，以實現(xiàn)主控系統(tǒng)根據(jù)信息智能分析系統(tǒng)反饋的信息對風機運行狀態(tài)的實時調(diào)整。

建議智慧風電場規(guī)劃按照智能感知層、智能數(shù)據(jù)管理及分析層、智能控制層、智能監(jiān)管及決策層（數(shù)據(jù)應(yīng)用層）4個層次部署，4層架構(gòu)既有分工又高度融合。智能設(shè)備及完備的設(shè)備狀態(tài)監(jiān)測系統(tǒng)是智能感知層的基礎(chǔ)，智能數(shù)據(jù)管理及分析層以大數(shù)據(jù)分析、智能算法為基礎(chǔ)，智能感知層、智能數(shù)據(jù)管理及分析層是智能控制層、智能監(jiān)管及決策層的基礎(chǔ)。智慧風電場構(gòu)架如圖1所示。

圖1 智慧風電場構(gòu)架

信息智能分析系統(tǒng)配置的數(shù)據(jù)采集管理平臺應(yīng)遵循開放共享理念，打通風電場各類數(shù)據(jù)信息的交互通道，實現(xiàn)數(shù)據(jù)共享。信息智能分析系統(tǒng)及數(shù)據(jù)采集管理平臺布置應(yīng)以省級區(qū)域公司為單位，遵循“風場控制、區(qū)域協(xié)調(diào)、集團監(jiān)管”的原則，所有數(shù)據(jù)及信息在省級區(qū)域公司進行統(tǒng)一存儲及管理。此外，規(guī)劃通往省級區(qū)域公司的通信光纜時應(yīng)留有足夠的通道，以便各類信息尤其是視頻信息的順利傳輸。

5 結(jié) 語

本文分析了數(shù)字化智慧風電場的特征，總結(jié)了目前智慧風電場建設(shè)過程中遇到的設(shè)備、數(shù)據(jù)、技術(shù)、管理等方面的問題，并給出了解決對策。最后對智慧風電場的規(guī)劃提出了建議，可為風電場的建設(shè)及規(guī)劃提供參考和幫助。

雖然，目前建成的或在建的數(shù)字化智慧風電場還處于較初級階段，但隨著“互聯(lián)網(wǎng)+”、信息化與人工智能等技術(shù)的飛速發(fā)展，大型數(shù)字化智慧風電場建設(shè)必將成為未來風電場的發(fā)展趨勢。

［1］ 國家能源局. 2018年風電并網(wǎng)運行情況[EB/OL]. (2019-01-28)[2019-03-01]. http://www.nea.gov.cn/2019-01/28/c_ 137780779.htm.

National Energy Administration. Wind power grid connection situation in 2018[EB/OL]. (2019-01-28) [2019-03-01]. http://www.nea.gov.cn/2019-01/28/c_ 1377 80779.htm.

［2］ 任杰. 大型風電機組運行狀態(tài)評價與分析[D]. 北京: 華北電力大學, 2014: 1-2.

REN Jie. Running status evaluation and analysis for large-scale wind turbines[D]. Beijing: North China Electric Power University, 2014: 1-2.

［3］ 凡一. 智慧電力推動綠色轉(zhuǎn)型[J]. 中國電力企業(yè)管理, 2010(24): 73.

FAN Yi. Smart power drives green transformation[J]. China Power Enterprise Management, 2010(24): 73.

［4］ 馮寶平, 曹立海, 王瓅, 等. 探索風電場信息化、數(shù)字化、智能化建設(shè)之路[J]. 風力發(fā)電, 2017(4): 5-8.

FENG Baoping, CAO Lihai, WANG Li, et al. Exploration of the informationization, digization and intelligent construction of wind farm[J]. Wind Power, 2017(4): 5-8.

［5］ 周玥. 基于智慧風場概念的風電場發(fā)電量最大化控制策略的研究[D]. 天津: 河北工業(yè)大學, 2015: 4.

ZHOU Yue. Research of control strategy of wind farm power generation maximum based on the concept of wisdom wind farm[D]. Tianjin: Hebei University of Technology, 2015: 4.

［6］ 夏云峰. 智慧運營2.0模式下，風電場無人值守時代正在到來[J]. 風能, 2017(8): 32-34.

XIA Yunfeng. Under the smart operation 2.0 mode, the unattended era of wind farms is coming[J]. Wind Energy, 2017(8): 32-34.

［7］ 吉潔. 淺談智能風電場管理系統(tǒng)的建設(shè)分析與應(yīng) 用[C]//風能產(chǎn)業(yè), 2018: 98-100.

JI Jie. Talking about the construction analysis and application of intelligent wind farm management system[C]//Wind Energy Industry, 2018: 98-100.

［8］ 丁顯, 徐進, 滕偉, 等. 風電機組狀態(tài)檢測技術(shù)研究現(xiàn)狀及發(fā)展趨勢[J]. 可再生能源, 2017(10): 1551-1556.

DING Xian, XU Jin, TENG Wei, et al. Research status and development trend of wind turbine condition detection technology[J]. Renewable Energy Resources, 2017(10): 1551-1556.

［9］ 宋守勇. 海上風電工程結(jié)構(gòu)監(jiān)測技術(shù)應(yīng)用[J]. 水利規(guī)劃與設(shè)計, 2018(16): 127-131.

SONG Shouyong. Application of structural monitoring technology for offshore wind power engineering[J]. Water Resources Planning and Design, 2018(16): 127-131.

［10］ 肖凱, 劉鵬, 車建峰, 等. 基于電力大數(shù)據(jù)平臺的海量風電數(shù)據(jù)處理架構(gòu)與應(yīng)用研究[J]. 電力信息與通信技術(shù), 2017(7): 17-23.

XIAO Kai, LIU Peng, CHE Jianfeng, et al. Research on massive wind power data processing architecture and application based on power big data platform[J]. Electric Power Information and Communication Technology, 2017(7): 17-23.

［11］ 汪喆. 基于大數(shù)據(jù)分析的風電機組運行狀態(tài)監(jiān)測評估[D]. 北京: 華北電力大學, 2016: 4-6.

WANG Zhe. Research on wind turbine condition monhoring based on big date analysis[D]. Beijing: North China Electric Power University, 2016: 4-6.

［12］ 董文婷. 基于大數(shù)據(jù)分析的風電機組健康狀態(tài)的智能評估及診斷[D]. 上海: 東華大學, 2016: 42-52.

DONG Wenting. Intelligent evaluation and diagnosis of the health operational condition on wind turbines based on big data analysis[D]. Shanghai: Donghua University, 2016: 42-52. .

［13］ 彭華東, 陳曉清, 任明, 等. 風電機組故障智能診斷技術(shù)及系統(tǒng)研究[J]. 電網(wǎng)與清潔能源, 2011, 27(2): 61-66.

PENG Huadong, CHEN Xiaoqing, REN Ming, et al. Development trend of on-line intelligent fault diagnosis of wind turbines[J]. Power System and Clean Energy, 2011, 27(2): 61-66.

［14］ 李斌, 張海超, 白雪峰, 等. 大型風電場測風數(shù)據(jù)全生命周期的探討[J]. 分布式能源, 2017(4): 43-49.

LI Bin, ZHANG Haichao, BAI Xuefeng, et al. Full life cycle of wind data in large scale wind farm[J]. Distributed Energy, 2017(4): 43-49.

［15］ 李博文, 張靖. 風電場風速及風功率預測研究綜述[J]. 電力大數(shù)據(jù), 2017(5): 9-12.

LI Bowen, ZHANG Jing. The summary of wind speed and wind power forecast technique research[J]. Power Systems and Big Data, 2017(5): 9-12.

［16］ 姚建國, 楊勝春, 王珂, 等. 智能電網(wǎng)“源—網(wǎng)—荷”互動運行控制概念及研究框架[J]. 電力系統(tǒng)自動化, 2012, 36(21): 1-6.

YAO Jianguo, YANG Shengchun, WANG Ke, et al. Concept and research framework of smart grid “source-grid-load” interactive operation and control[J]. Automation of Electric Power Systems, 2012, 36(21): 1-6.

［17］ 張志宏, 施永吉, 黃建平, 等. 深遠海域風電場智慧運維管理系統(tǒng)的探索與研究[J]. 太陽能, 2018(6): 49-53.

ZHANG Zhihong, SHI Yongji, HUANG Jianping, et al. Exploration and research on the intelligent operation and maintenance management system of wind power fields in deep sea areas[J]. Solar Energy, 2018(6): 49-53.

［18］ 邢波. 風電場的可視化運維[C]//風能產(chǎn)業(yè), 2018: 9-14.

XING Bo. Visual operation and maintenance of wind farms[C]//Wind Energy Industry, 2018: 9-14.

［19］ BOWLES J B. The new SAE FMECA standard[C]// Reliability & Maintainability Symposium. IEEE, 2002: 48-53.

［20］ 高嶄. 風力發(fā)電機組故障風險評價與維修決策[D]. 北京: 華北電力大學, 2012: 11-25.

GAO Zhan. Risk assessment and maintenance decision for wind turbine fault[D]. Beijing: North China Electric Power University, 2012: 11-25.

［21］ 機械獵頭網(wǎng). 國內(nèi)新能源預測精度不高預測難解限電難題[EB/OL]. (2018-06-28) [2019-03-26]. http://jx. 800 lie.com / article / 47037.html.

Mechanical Headhunting Net. The accuracy of domestic new energy prediction is not high, and it is difficult to solve the problem of power limitation [EB/OL]. (2018-06-28) [2019-03-26]. http://jx.800lie. com/article/47037. html.

［22］ 范高鋒, 裴哲義, 辛耀中. 風電功率預測的發(fā)展現(xiàn)狀與展望[J]. 中國電力, 2011, 44(6): 38-41.

FAN Gaofeng, PEI Zheyi, XIN Yaozhong. Wind power prediction achievement and prospect[J]. Electric Power, 2011, 44(6): 38-41.

［23］ 中華人民共和國國家發(fā)展和改革委員會. 電力監(jiān)控系統(tǒng)安全防護規(guī)定: 發(fā)改委第14號令[Z].

National Development and Reform Commission. Power monitoring system safety protection regulations: National Development and Reform Commission Order (No.14)[Z].

［24］ 丁洋. 風電場運行維護模式的探討研究[C]//風能產(chǎn)業(yè), 2017: 60-62.

DING Yang. Discussion on the operation and maintenance mode of wind farm[C]//Wind Energy Industry, 2017: 60-62.

Development status and planning suggestions of smart wind farms

HAN Bin1, WANG Zhongjie1, ZHAO Yong1, MA Yong1, GAN Yong2, SUN Shihui2, LI Yingfeng1

(1. Xi’an Thermal Power Research Institute Co., Ltd., Xi’an 710054, China; 2. Huaneng Hunan Clean Energy Branch, Changsha 410000, China)

In recent years, digital smart wind farm has become a hot spot in the development of wind power, and the related technologies have also become the focus of research and development in the industry. Combining with the development experience, this paper analyzes the seven characteristics of smart wind farms, such as the intelligent monitoring and sensing of equipment state, data intelligent analysis, intelligent evaluation of equipment status, intelligent diagnosis and early warning of equipment failure, precise prediction of wind resources and intelligent regulation of fan power, intelligent operation/maintenance and visual intelligent inspection, and intelligent decision-making. It summarizes the problems faced in current construction process of smart wind farm, including equipment, data, technology, management and other aspects. Moreover, it provides the countermeasures, and also proposes the suggestions for planning of smart wind farms, which can provide help and reference for the planning and construction of digital smart wind farms.

smart wind farm, digital wind farm, intelligent monitoring, intelligent diagnosis, intelligent decision-making, digitization, intelligentization

TM614

A

10.19666/j.rlfd.201903061

2019-03-26

中國華能集團有限公司總部科技項目(HNKJ18-38)

Supported by：Science and Technology Project of China Huaneng Group Co., Ltd. (HNKJ18-38)

韓斌(1981—)，碩士，工程師，主要研究方向為新能源發(fā)電技術(shù)，hanbin@tpri.com.cn。

韓斌, 王忠杰, 趙勇, 等. 智慧風電場發(fā)展現(xiàn)狀及規(guī)劃建議[J]. 熱力發(fā)電, 2019, 48(9): 34-39. HAN Bin, WANG Zhongjie, ZHAO Yong, et al. Development status and planning suggestions of smart wind farms[J]. Thermal Power Generation, 2019, 48(9): 34-39.

（責任編輯 楊嘉蕾）