我们真的理解风电“大数据”吗？

2018-01-22 15:53:24 文德能源视点　点击量：评论 (0)

　　2017年北京风能展的主题是数字化，也有好多业内大咖讲了了数字化、大数据将在风电发展中起到至关重要的作用，更有专家认为这将决定风电...

　　2017年北京风能展的主题是“数字化”，也有好多业内大咖讲了了数字化、大数据将在风电发展中起到至关重要的作用，更有专家认为这将决定风电下一个十年。其实，数字化、大数据等正在将人类工业向4.0时代迅猛推进，风电行业也只是其中的一支而已。从风电设备的角度看，未来十年，材料科学、控制技术、系统集成、叶片新工艺等方面的创新也被寄予厚望。

　　近年来，很多整机企业以及业主都建立集控中心或者数据中心，将多个风电场的核心数据集中于此，实现了数据的汇聚和生产的集约化管理，期望能实现对机组的智能诊断与预测运维。然而实际实施效果其实还没有达到所期待的“大数据”能发挥的作用，大部分业主集控中心在机组故障预测与诊断、预测性运维的实现上并不理想。

　　而从事运维中心搭建的多是IT及大数据领域非常知名的大公司，在大数据挖掘算法及应用方面也都经验丰富。笔者认为，主要原因归结于，整个过程重点停留在大数据的各种算法、处理技巧、理论分析上，停留在完美的顶层设计上，而恰恰缺乏对底层落地环节的重视、缺乏关键部件及子系统诊断预警模型核心技术。

　　明阳张启应在接受风能杂志采访时对大数据、数字化这样理解：“数字化是未来的发展趋势之一，但它的关键在于谁能够真正理解并运用好它”。笔者比较认同他的看法。大数据只是一个手段、工具，而真正决定能否更好的利用好这些数据的是背后的人。要做好风电机组的健康诊断及机组评价需要专业的懂机组的人。

　　众所周知，在高校里传统的机械故障诊断是一个学科，无数硕士博士毕业于此专业，针对机械设备典型故障的机理进行理论、试验研究，比如我的好多同门师兄弟研究生期间都是做这方面工作的，比如研究转子轴裂纹、轴承点蚀、设备不平衡等故障建模、试验、诊断分析方法等，当然大数据分析方法也是经常被应用的手段，但这需要机械故障诊断领域专业的人员去完成这样的工作，而不是单纯大数据分析方面的专家。下面这张图从一个朋友的微信朋友圈借鉴过来的，无论哪个角度看到的都是数据的“真相”，但是却只有懂的人能看清“真相”的前提和本质。

　　比如在医学方面，仅仅依靠大数据方面的专家就可以通过数据挖掘等手段来诊断病人，就可以替代医生吗？从现在技术情况看还不具备这个能力，至少有众多的疑难杂症需要医生的参与。当然，如果是医学专家+大数据分析来诊断病人，可能就更靠谱些。而我们风电领域恰恰也需要既懂机组运行原理又懂故障诊断的“专家”来攻关目前不能闭环的问题，从而真正实现数据的价值。

　　下图是某齿轮箱油池温度与滤芯前压力的运行关系示意图，图中的颜色深浅代表润滑分配器出口的油温。如何从中挖掘出有用的信息，来评价齿轮箱运行特性、指导齿轮箱运维工作，需要对齿轮箱运行及控制特性熟悉的工程师或专家，同时可借助包括大数据挖掘在内的分析手段来得以实现。比如至少我们可以从中了解到齿轮箱冷却特性、控制逻辑、启动特性、滤芯堵塞状态等信息，同时借助大数据分析可以判断机组在不同季节、不同工况下齿轮箱及辅助系统运行特性，分析滤芯堵塞状态变化并从而用于诊断运行异常。

　　目前大量存量机组的运行状况并不乐观，很多机组的性能甚至都没有达到设计的基本要求；运行状况恶劣，损耗着未来的寿命；相反也有些机组由于近年来风机技术进步、机组选型等原因寿命损耗很小，有很大的技改经济性。如何优化存量资产，提升存量资产价值，保障存量机组安全是业主应更加关注的事情。在目前的技术条件下，在集控系统或平台等“顶层设计”的基础上，需要更加了解机组及子系统的物理逻辑、运行特性，需要传统故障诊断技术与大数据技术的更好结合，才能真正的落地。