东方电气宁琨：智慧化的趋势是走向工业大数据
2018年10月17日-19日，2018北京国际风能大会暨展览会（CWP 2018）在北京新国展隆重召开。本次大会由中国可再生能源学会风能专业委员会、中国循环经济协会可再生能源专业委员会、全球风能理事会、中国农业机械工业协会风力机械分会、国家可再生能源中心和中国电子信息产业发展研究院（赛迪集团）六大权威机构联合主办。
东方电气风电有限公司东方风电智慧系统负责人/解决方案高级经理宁琨在“风电场运行维护论坛”中发表主旨演讲，演讲主题为《PACOM源端闭环智能解决方案》。
他在演讲中表示，智慧化是解决LCOE不可控的一个比较好的方案，对于智慧化、智能化，传统大数据追求的是量，追求的数据全、大，但是在做数据分析的时候会花大量的时间做数据预处理，最后形成的算法结果还不能回到风机里，而工业大数据可以把算法放到风场，获取我们片段需求即可。
以下为发言实录：
宁琨：各位来宾，大家好，我是来自东方风电的宁琨，今天尝试性的给大家带来一个新的理念，那么开始的话就是PACOM源端闭环智能解决方案，我们说一下在风电未来发展方向，竞价上网，分布式风电，集中式风电，海上风电和后服务市场，这个针对于我们发展方向里面取决于几个因素，第一个是无人值守，高发电效率，高可靠性和效率的提升，那么来决定整个未来发展的情况，LCOE进行一个度量，来考核。那么针对于这个度电成本，LCOE我们把它分为两个部分，第一个部分就是整个建设成本，那整个建设成本，我们的业主在招标的时候已经把这个成本定下来了，这是一个可控环节，那么剩下的一个部分就在整机未来二十年发展整场的发电量，还有运维的投入，这是一个不可控的因素。
那么这个不可控的因素我们现在智慧化的解决方案是我们公认的，是一个比较好的解决方案，那么说到这个智慧化，智能化，那么我这边的话要说一下我们现在的传统大数据与工业大数据之间的差异，那么针对于这个传统大数据，我们追求的是量，追求的数据全、大，但是我们在做这个数据分析的时候，我们都是也有做过这样的经验，我们会花大量的时间做数据预处理，会花大量的时间把人力、财力、物力从这个数据库里面摘出来，摘成一段一段的小数据，那么这一段段的小数据我们再来进行一个数据的分析，再来一个建模，然后最后再形成了我们的这个算法，而这个算法计算的结果还不能回到我们的风机里，这是我们传统大数据。那么我们把这个思维想一想呢，我们为什么不可以把我们的这个算法，我们把它放到风场，我们获取我们片段需求即可，这就是工业大数据和传统大数据的区别，我们将这个数据发到了源端，数据获得之后进入了大数据中心，然后我们对数据进行了目标理解，行业理解和分析之后，然后进行一个建模，在这个过程中其实会花费到成本物力很大的。
那么我们现在用这个方案呢，这就是现在边缘计算的一些理念吧，我们把我们风电发展了十多年，对于风电各个环节，各个部件，包括故障的预警，能效的提升，我们都有非常非常熟悉的方案和步骤，它的部件已经那么多，那么我们为什么不可以针对于目的性的去进行前端的数据获取和数据的处理，我们把这个数据预处理的过程在前端层层的分解下来。所以基于这个理念的话也形成我们东方风电4C整个智慧系统解决方案，我们期望的是每一层都能以结果的方式向第二层进行传输，那么在这里的话我们把我们的思维聚焦在C1和C2，智能风机和智慧风场上面。根据之前我们的理念，我们现在要干一件事情，把基于传统的互联网大数据上的人工智能以工业大数据的方式，把它从云端拿下来，把它部署在了风场，同时与我们的风机控制，与我们的运维服务进行一个深度闭环，形成我们这个所谓的源端闭环的理念，源端就指的是数据源，风电场，以此来形成了我们这个PACOM系统，我们这个PACOM是基于信息物理的支撑，还有工业大数据的边缘计算，将数据感知，建模分析，风机控制，工程运营，运维服务，风场运营+管理加闭环，实现了诊断预警+运维加闭环，实现了能效提升加控制的闭环。
那么基于我们整体这个设计完了之后，它对整个风机的智能化，然后整个风场智慧化以及我们运营的智慧化，产生了一个新的化学反应，那么下面就四点吧，第一点就是数据融合能力共享的结构平台，那么整套系统我们把控制，我们把控制，把算法分析，把这个整运维从云端拿下来摆在了风场，那么我们首先就是把这个生产管理系统，也就是我们通常所讲的SCADA和控制系统，振动检测系统，功率预测系统，能量管理系统，生产管理系统，那么它们之间的每个数据都可以在这个系统里面进行互通，同时将工业大数据的模型平台放入进来，然后加入了这个源端感知系统，边缘计算系统，效能提升系统，设备预警系统，最后我们把风电场的包括源端系统，AVG系统等进行一个数据结合，那形成了我们一个整体的解决方案，那么这个解决方案第一个就是数据融合，能力共享。
这是在未来我们这个风场所展示的一个疾控理念，在这个疾控平台里面有全部重要的数据，那么通过我们之前对数据的融合平台整理，那么形成了我们第二个概念，基于多点自感知的补偿形成了这个风机，源于我们整体统一的设计，使我们这个算法有了更多的，更可靠的精度更高的数据来源，纬度更多，我们可以在风场级做更多的实现算法的方案，同时我们的风机也可以在实际的过程中通过这个算法与控制闭环将它在设计，将它在制造、安装、调试过程中与设计的这个偏差进行了一个自我的修正，进行了自我的一个调整，以达到我最优的运营状态，那么通过这个方案的话，我们通过我们的这套系统实现了第一个就是对风校正，对风校正是最优偏航，叶片的结冰感测，还有基于噪声的降噪控制，塔筒轨迹，还有噪声拟合，针对于暴风控制也是针对于不同的机型，最后的尾巴会根据这个进行一个划分，这个方案在用传统的方案要实现闭环，还是难度挺大的。
那么结合着我们今天这个方案，形成了第四点，基于数据融合的集群调优，智能化控制，那么这个系统我们之所以这样设计，那么在这个里面我们有多项的数据源，包括结合着网源指令，还有分工率预测，还有整个机组的健康评估，尾流优化，能实现我们最优的有功控制，那么有功控制和无功控制同时进行了一个整场的协调，来实现全部产业量的最高，东方发电是现在全国首家也是目前唯一一家完成了这个能量控制，一次调频认证的企业。同时基于这个场群系统，我们都是以毫秒级来处理，而不是以前的秒级了，我们能实现更多的指标的计算，更加精准的计算，对。第四点，那么传统的我们这边一直认为的，带病运行，风机的带病运行是不被支持的，但是如果说有监督呢，我们整套系统它是基于了集群感知补偿和预测性的运维排成，实现了有监督的运行，基于这个集群的感知补偿，这边举一个例子吧，比如说风速仪坏了，那么风速仪坏了，我们是否可以通过周边的风机还有测风塔进行一个集群推测，推测到本台风机的风速的虚拟的风速，这就是虚拟传感的一个定义，那么我们这台风机它可以继续保持运行。
同时它会将相关的运维指标会和我们整个系统闭环的ODS，我们运维系统进行一个闭环，我们运维决策系统会告诉你在未来可能有两周之内，这个风级就要停机了，那我要提前去维修一下整个系统目前摆在缝合，以安全管理，生产管理，效能管理，健康管理和运维管理从五个维度来实现了未来我们这个智能化风场无人值守风场的十个要素，一个是设备的高可靠性，二是可容错的执行策略，三是智能的提交算法，四是定向的数据处理，五是精准的故障诊断，六是有效的状态预测，七是快速的电网适应，八是全覆盖的生产管理，九是预测性的运维统筹，是是整个系统闭环的自成长，那这个所谓的系统闭环自成长，我们是把模型训练这个过程放到了风电场，从而实现了安全等级，发电量，管理效能，预测性维护，故障诊断预警和电网全方面的提升。
整个方案的话，我们也是期望能够实现了发电量提升不低于5%，那运维成本降低不低于10%，管理效能不到20%，刚刚我们鉴衡中心已经提到验证方案，我想后面的话和鉴衡那边可以交流一下，是否可以合作来验证一下现在整体的方案是否有效，所以我们对东方风电设计的话，我们将这个工业大数据，以工业大数据的形式把这个模型算法摆在了风上，我们也期望未来可能会成为我们智能化风机，智能化风场一个新的发展方向，好，谢谢大家。
