基于大数据和集中监控技术下的风机状态分析与检修

    张强

    

    摘? 要:集中监控技术是实现风电企业“无人值班、少人值守、区域运维合一”的唯一途径。在大数据时代,具有大数据分析能力的集控中心更是电力行业发展的必然趋势。从实时监视、报警中心、经济运行、设备管理、数据分析和统计报表等6个功能需求模块说明了集中监控平台的优势所在,并依据大数据Volume(大量)、Variety(多样)、Velocity(高速)、Value(价值)的4 V特性,完成对风电企业风机状态的分析及检修作业指导。

    关键词:集中监控;大数据;状态分析;风机检修

    中图分类号:TP315? ? ? 文献标志码:A

    由于风电企业下属风电场多处于偏远山区,工作环境极其恶劣,长时间在此办公生活不利于队伍的稳定运行,加之风电场风机设备和电气设备所涉及系统和专业各异,风电开发技术性要求高,但人才综合利用能力不到位,无法满足所有风电场的运维一体化管理。所以,集中监控平台是实现区域化统一管理的唯一手段。而具有大数据分析能力的集中监控平台更是风电机组稳定、经济运行的一大保障手段。

    1 大数据和电力大数据概念

    由百度百科给出的大数据(big data)定义,是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。依据2013年中国电机工程学会电力信息化专业委员会发布的《中国电力大数据发展白皮书》,其阐述了电力大数据的2个内涵,即“重塑电力核心价值”和“转变电力发展方式”。表明了电力大数据的意义与使命,即电力大数据应助力于“提高产品质量”和“提升生产效率”。

    2 集中监控平台软件体系模式

    集中监控平台系统软件应采用分层的设计理念,从下到上依次为底层平台服务层、统一服务层、业务平台支撑层,业务应用层(如图1所示)。底层平台服务层采用了大量中间件技术,有效地屏蔽了操作系统、数据库和硬件平台的差异。统一服务层提供了系统各种核心处理服务模块,包括前置采集、实时服务、历史存盘服务、事项报警服务和指标分析服务等。业务平台支撑层在统一服务层提供的核心服务基础上,针对特定业务构建的基础平台,包括对模型和图形的支撑等。业务应用层针对具体的需求,对各种平台数据、模型和展示手段等进行有效拼接,形成面向用户的具体业务应用。

    3 集中监控平台功能

    集中监控平台应具有实时監视、报警中心、经济运行、设备管理、数据分析和统计报表等功能模块,以便做到实时监控、异常数据分析、设备经济运行和数据统一报送等功能。实时监视:对风电企业下属风电场的风机和升压站设备运行情况进行监视,展示公司整体及单一风电场的当前的风速、功率、电量、空气密度、升压站设备等基本运行信息以及“待风、发电、停机、维护、受累”等状态风机的归类化管理和升压站遥测,遥信及保护信息的实时监视。报警中心:显示实时及历史告警事项,包括电气类、风机类、通信类以及平台软硬件类等,可对实时告警事项进行告警确认,已确认的事项通过变颜色区分。经济运行:通过生产指标和电量管理模块,以公司、风电场、项目分期、机型和单机等级别进行风机运行参数和电量参数进行统计展示。设备管理:通过检修工单、重点管控、可靠性管理、状态查询等模块,对临停、定检、长停和大部件更换等风机进行重点监视,借助检修工单的模式确保故障的及时运维及两票管理的有效落实。数据分析:可从多个方面对风机运行参数进行分析,从而指导风电场检修计划的预制定,包括故障分析、离散分析、性能分析、资源分析、趋势分析等多个大数据分析模块。统计报表:按照固定或特色报表模板,通过软件系统自动取数运算,有效降低了运行人员的报表损耗时间,确保了出口数据计算方法的统一的管控。

    4 大数据分析模块

    大数据是时代发展的必然趋势,也是科学技术发展到一定程度的必然表现。具有大数据分析模块的集中监控平台,才是完整意义上的集控中心,才能真正借助对故障风机的大数据分析手段,指导风电场检修人员有针对性地开展检修工作,并依据越限告警提前做出风机的风险预警。

    4.1 故障分析

    通过分析风电场整体或单机日月年时间段内故障代码、次数、时长等故障情况,并按故障码及故障部件对故障点进行分类汇总。可有效分析出风机频发故障及检修部位,为后期风机针对此频发故障的预前维护打下基础。

    4.2 离散分析

    通过对风机功率和各项温度参数进行离散情况分析,离散率越小,代表风机性能越稳定。可辅助找出离散率较大的风机进行重点监控,将相关缺陷隐患排除在故障发生前。

    4.3 性能分析

    通过对风机的功率一致性情况和风能利用情况进行分析,查看风机每月不限电时段的实际功率曲线以及和标准功率曲线的对比情况,用于计算风机与标准功率曲线的差距,数值越小,代表风机功率曲线越接近标准曲线,风机性能越好。这样既可以了解风电场及单机的实际发电能力,又可以通过数据分析出性能最优与最劣风机。有效对最劣风机进行重点监控分析,尽早完成机组的故障隐患排查,提升发电能力。

    4.4 资源分析

    根据风电场单机实际风速与风向参数,推导出全场的风频、风速玫瑰图。用于分析风电场的月季年主导风向及风速,对风机性能分析的准确性与客观性提供参考。

    4.5 趋势分析

    针对设备异常告警,通过风机多个参数一段时间的历史运行趋势,根据相关参数的逻辑对应关系分析出风机的异常参数及参数越限后的有效分析和处理。

    5 大数据在检修风机中的实际应用

    风电企业借助集中监控平台中的大数据分析模块,可通过性能指标有效分析排查过去一段时间内发电能力差的风机。通过对它的故障分析、离散分析和资源分析,可分析推导出该风机发电性能差是由于风机地理位置不佳或机组存在缺陷等因素。根据大数据分析结果,检修人员可在风机巡检过程中有针对性地采取相应的检修措施消除隐患,提高设备的健康水平。风机出现“振动”、“超速”等影响安全运行的告警信号时,检修人员可利用集控平台趋势分析功能,分析判断历史数据中有无参数越限情况,并根据分析结果指导风机检修,确保将风机隐患缺陷扼杀于摇篮。综上所述,基于大数据和集中监控技术下的风机状态分析和检修决策,是未来风电企业的必然发展趋势。大数据在风电检修人员的故障分析、异常判别、缺陷发现和隐患排查等方面具有特殊的意义,大数据必然会促进检修工作的有效开展。

    参考文献

    [1]颜楠楠.电力大数据解读及其在检修中的应用[J].电网技术,2017(4):375-378.

    [2]刘敏.风电机组检修决策平台的需求分析[J].电脑编程技巧与维护,2018(3):158-159.

    [3]董知周.基于大数据的配电网抢修工单分析与预测研究[J].供用电,2018(4):60-67.