“運維要從發電量提升這一根本訴求出發！”

劉昊稱，“機組發電量的主要決定因素包括：風資源和能量可利用率。風資源屬于不能改變的客觀條件。要想提升風電場發電量，主要功夫要下在能量可利用率上。能量可利用率分為時間可利用率和發電性能。時間可利用率和停機次數、停機時長有關，發電性能則和機組的功率曲線、轉矩曲線、其他性能指標等有關。所以發電量提升的根本途徑就是要提高風機的運行可靠性和增加風機的效率。”

根據時間可利用率公式，在風電場運營中，可通過運維管理優化、可靠性技改來減少停機次數、停機時長，進而達到提質目的——“為了提高時間可利用率，我們會通過數據分析，對短時間內頻繁報出的故障，進行重點排查。”劉昊表示，“此外，為了避免風電機組因在大風期間停機損失更多的電量，我們會提前引入一些狀態監控設備，對于機組的異常狀態，盡量做到早發現、早干預、早解決。”

 

時間可利用率疊加上功率曲線就能體現能量可利用率。在數據應用分析中，功率曲線的應用也有很多種。劉昊舉例，統一分析全場的功率曲線，能夠找到同一種機型功率曲線的差別，進而具體分析部分機組功率曲線低的原因；也可以對比同一臺機組技改前后、分析技改的優化效果。

狀態分析對比

多個機組功率曲線對比

優化評估

單臺機組優化前后對比

通過分析單臺的功率曲線和轉矩曲線可以找到一些異常點，從而找到性能損失的原因。

功率曲線分析

轉速轉矩曲線分析

10min功率曲線可以從宏觀概念上更明確地顯示機組的狀態；1s的數據也能體現出功率曲線和轉矩曲線，這種點更散、更能體現一些短時間內控制細節。

除了以上性能指標外，還可以利用SCADA數據進行時間維度上的故障分析，比如SCADA數據（1s）、PLC數據（20ms）進行具體的故障分析。”

1s數據的功率曲線和轉矩轉速曲線

10min數據的功率曲線和轉矩轉速曲線

“基于以上數據分析之后，我們可以更明確、更有針對性地去選擇一些技改方案。”劉昊表示。根據風電場的資料、風機的運行數據以及一些管理數據可以進行分析評估，從而提出針對性的解決方案，其中包括發電量的提升方案、可靠性的提升方案和運維管理的優化方案等。

在提質增效的“增效”方面，技改方案可分為以下幾類：

以控制策略優化中的機器學習算法為例：自主型風機控制系統是指具備一定感知能力的基礎上，能夠學習、決策、執行以適應環境的變化，調節自身的控制參數和策略，無須人為干預。本體上是側重于算法模型的優化升級，即風機大腦的智慧程度的深入開發。

采用智能機器人領域的最優算法，人工智能算法，使機組的算法智能程度提高。能夠根據環境變化或者前期風資源條件的輸入，自行進行控制策略及參數的定制化選擇優化，提升魯棒性能，從而真正意義上的脫離人為干預。

以控制策略優化中的自尋優策略（基于遺傳算法及梯度求解的自尋優系統）為例：

存在問題包括低風速風況（湍流強度，風剪切差異）、運行老化（葉片氣動發生變化，“變臟”）、安裝工藝（槳距角存在較小的安裝偏差）。

解決方案：利用模糊風速建立機組性能適應度評估函數，運用遺傳算法進行全局最佳槳距角和最優控制增益的搜索；當進入某一代群體后，利用梯度求解法計算最優增益，從而加快機組朝向最優狀態的時間進程，提升機組發電量。


在提質增效的“提質”方面，技改方案可分為以下幾類：

以防振動技改為例：可以通過傳動鏈加阻的方式，或者通過修改控制策略來規避掉一定類型的故障。通過主控程序的優化，加入振動濾波的算法，可以在振動達到一定值但未報警前就把引起故障振動控制上的一些數據濾除。

“在風電后市場運維中，技改范圍廣、項目多，內容繁雜，不可盲目執行。而在這個過程中，數據分析是基礎，數據容易獲取，分析人人可做，適用所有機組。通過數據分析來驅動機組技改，會讓運維策略更優化、技改更有針對性。”劉昊表示。