中国海装胡号朋：微服务平台助力海装风电实现数字化转型

2020年10月14日-16日，2020北京国际风能大会暨展览会（CWP 2020）在北京新国展隆重召开。作为全球风电行业年度最大的盛会之一，这场由百余名演讲嘉宾和数千名国内外参会代表共同参与的风能盛会，再次登陆北京，本届大会以“引领绿色复苏，构筑更好未来”为主题，聚焦中国能源革命的未来。能见App全程直播本次大会。

在15日上午召开的风电运维后市场专题分论坛上。中国船舶集团海装风电股份有限公司工程师胡号朋作为代表发言。

以下为发言实录：

胡号朋：大家上午好，我是来自中国船舶集团的胡号朋，很高兴能够交流学习，今天我分享的是微服务平台助力海装风电实现数字化转型。主要内容包括以下四个方面。一，助力的前提。二，海装现有的基础。三，海装微服务平台。四，下一步的规划。

我们都知道近几年来大数据和人工智能技术特别火热，特别在图像识别和自然语言处理的相关领域，他们也推动了大数据和人工智能技术的推广和应用，海装也在加快开发智能风场和智能运维。

首先，要根据自身的业务场景和特性开发一套功能完善的运营体系，前提就是要汇集准备而完备的数据，数据包括风机的设计数据，零部件结构型号数据，技改数据，运维工单，人员数据，车传数据，气象数据，以及维修专家知识库等等，这些数据当中又以风机运行数据为主，我们风机现场运行的情况非常复杂，包括传感器质量，以及不同厂家，不同版本，不同数控版本，以及网络通信，数据编码解码等等这些因素都会影响数据的准确度和完整度。因此这一部分的数据是重点也是难点。

其次，就是数据储存与调用，数据种类特别多，分配在不同部门当中，对于我们数据集中调用带来很大困难，因此我们需要在这个基础上，开发逻辑上统一调用的一系列接口服务，保证这些数据能够方便的调取，只有在这个基础上才能开发出高效准确的数据应用服务。

下面讲一下海装在数据建设方面的努力和成果，三个板块一个中心，板块一就是Liga大数据平台，现在大数据平台以分钟级储存变成秒级储存，每年新增数据35TB左右。板块二就是风资源平台，储存了全国近20年的天气信息历史数据，以及现在平台上有实时和预报气象数据，对于海上还有浪高潮汐等实时预报数据，以及自然灾害，包括冰雹、大雾自然灾害预警的信息。板块三就是运维平台，包括现场技改数据，数据维修数据，零部件结构型号、厂家以及备频备件，专家维修知识库等等数据。

最初这三个板块各有各的应用场景，没有交叉，但是随着智能化运维的发展，单一板块数据和应用场景不能满足智能化发展需求，因此我们在三个板块基础上渐渐海上微服诊断平台，利用微服的框架实现了资源整合，开发了一系列服务于智能运维的数据应用服务，通过我们微服务平台将传统的事后维修变成了预防性维护，将非计划维护变为计划维护再到智能维护，风险不可控转为风险可控了，通过这些努力我们实现发电量提升，发电量的提升，提升了风资源的利用率。

接下来讲讲海装风电预警平台的功能，首先，场级关键指标监控。其次，单机状态监测，主要监测风机一些关键参数，包括电网参数，发电机参数，以及左边传动链CMS振动监测。第三关键部件诊断预警，这一部分算法模型是微服诊断的核心功能，现在我们平台上部署了大概30多个模型，这些模型覆盖了从龙骨，从发电机，齿轮箱以及变频器，以及相关的辅助系统等等，这些模型有些是基于我们机组间的统计分析，有些是基于机理，有些是基于驱动的深度神经网络，这些模型现在在平台上部署，他们监测到部件的时候会自动生成工单发送到运维平台。

这些模型不一一举例分析了，现在讲一下发电机滑环状态预警的分析，首先就是故障模式和机理，它的故障模式一般都是发热，烧毁了电气原件，要么发热异常，要么散热异常，基于这个我们筛选出特征变量，针对这些特征变量我们有大量的据预处理，可能根据自身数据准确度和数据特性进行不同程度的处理，包括数据的状态填充，你的数值的处理，还有采集过程中出现连续重复，如果传感器技术不高的话，最终筛选出你需要的数据，从采样最后数据规划，经过这一系列的数据预处理之后，最终得到能够用于机器学习的特征变量。最后我们就数据后处理进行计算，最终将模型的计算值和实际值做分析，通过设定预值上线，通过可视化的展现，达到我们的模型一个预警效果，这个图中左边是一个正常机组的可视化的展现，中间那条黑色竖虚线之前是训练样本的表现，那边是测试样本的表现，对于正常机组数据都没有超过预制，红色线就是运维现场发生故障的时间，通过模型的预测，大概在提前十天左右值就已经超过预制上线，通过这样一个数据处理的模型建立，我们能够提前十天左右对我们部件进行一个故障预警的功能。

下一个板块CMS监测，主要对在线CMS的数据解析并计算出一些频谱和特征，然后专业的工程师在线对这些频谱，或者这些专业的图谱进行分析就可以判断出我们的大部件，传动链是否有异常，同时也在对CMS厂家每个月定期提供报告，都是邮件或者纸张的形式，对邮件进行分析，提取关键信息，以工单形式发送到运维平台，运维工作人员根据工单现场进行检修验证，并反馈到平台。

另外一个就是海上运维策略优化，通过综合的融合多元的数据，对海上运维进行一个策略的计算，通过智能算法关联专家知识库，可以提升运维效率，减少运维成本，减少发电量损失。

这是我们海上运维策略的算法模型，我们任务有现场运维工程运维计划性的巡检，作为任务输入，同时结合天气情况，人员的数据，车场的数据，通过融合这些信息，最终计算出三种不同类型的方案，一个是发电量最优，这个可能是业主最关心需求的，另一个是运维成本最少，我们自己的运维公司自己采用的，另外就是协商采用综合最优，采用哪种策略和我们现场工作人员可以灵活选择。

我们下一步工作计划，数据建设和数据应用服务方面多做了好多年的工作，但是数据源作为基础特别重要，虽然海装做了很多努力，但是数据源方面还是有很多不足，下一步工作加强数据监控，要加强数据质量，要提升数据接口这样的性能，包括数据源可控，同时保证性能，另外一个才是在基础上开发更多的应用服务，我的分享到此结束，谢谢大家。

（根据速记整理，未经本人审核）