10月18日，2017北京國際風能大會期間，遠景能源舉辦了EnOS™智慧風場軟件解決方案分享會。作為風能領域首家提出“智慧風場”理念的企業(yè)，遠景能源在風電數(shù)字化的探索已經(jīng)走過了七年，從最初項目功能開發(fā)，到標準系統(tǒng)軟件，再到目前平臺與應用模式，演化積累了一整套成熟產(chǎn)品，為全球能源領軍企業(yè)杜克能源、Pattern能源、殼牌以及中國領先發(fā)電集團管理風電資產(chǎn)。

      直連，實現(xiàn)最準確穩(wěn)定的數(shù)據(jù)源

      風場數(shù)字化運營已成為業(yè)內(nèi)共識，而數(shù)據(jù)則是一切的基礎。很多集控中心最頭疼的問題是，功能都實現(xiàn)了，數(shù)據(jù)永遠準不了。EnOS™平臺通過最新的物聯(lián)網(wǎng)技術，實現(xiàn)直接讀取風機和光伏控制器數(shù)據(jù)，支持140種風機機型和650種型號的光伏逆變器直連接入EnOS™能源物聯(lián)網(wǎng)平臺，秒級數(shù)據(jù)實時更新，并能實現(xiàn)超過95%的數(shù)據(jù)合格率，讓風場數(shù)字化管理擁有最準確的數(shù)據(jù)源。

      某大型新能源電站運營商，在內(nèi)蒙古擁有13座新能源電站，不僅分布范圍極廣、現(xiàn)場運維人員需求龐大，而且電站主設備的廠家和型號也不盡相同，這都給運營商在管理和經(jīng)營上帶來了巨大的壓力。在EnOS™能源物聯(lián)網(wǎng)平臺統(tǒng)一管理后，這個運營商打造了內(nèi)蒙古地區(qū)首個全功能運轉(zhuǎn)的集控中心，不僅僅對1098臺風機和15.4萬塊光伏組件實現(xiàn)了全天候的監(jiān)控，更有效保證了數(shù)據(jù)質(zhì)量，遠程人員可以很放心地進行數(shù)據(jù)分析與報表制作，減少現(xiàn)場運維人員。最終實現(xiàn)了運維人員2.03人/萬千瓦，運維成本40萬元/萬千瓦。

      電量去哪兒了？

      新能源領域風電與光伏電站運營核心就是損失電量。目前新能源電站計算損失電量的方式非常不嚴謹，存在大量人工統(tǒng)計、環(huán)境變化和設備自身帶來的誤差。“這就導致目前行業(yè)內(nèi)所有的所謂損失電量統(tǒng)計都屬于非考核級的數(shù)據(jù)。”遠景能源智慧風場軟件負責人趙清聲介紹，“小到電站最基層工作人員的獎金收入，大到國家能源局對棄電量棄電率的“雙棄率”考核，都因為損失電量無法準確統(tǒng)計而受到影響。”

      遠景基于EnOS™平臺開發(fā)的Enlight產(chǎn)品，實現(xiàn)了對損失電量的精準分析，并固化了整個風電場的指標體系，實現(xiàn)理論發(fā)電量與損失電量的準確度達到95%。Enlight Wind支持用戶以不同維度分析電量損失，包括原因、責任、系統(tǒng)、部件、故障代碼等等，運營管理人員每周花10分鐘即能快速了解，通過考核拉動人員與設備改善，各案例發(fā)電收益平均提升3%。

      機器學習讓風場更加智慧

      在數(shù)據(jù)分析領域，機器學習是一種用來設計復雜模型和算法并以此實現(xiàn)預測功能的方法。在商業(yè)領域，機器學習因為預測分析而聞名。有些對象存在物理模型，但由于本身基礎理論未研究透徹或生產(chǎn)實踐的需要，會做很多簡化假設，設制經(jīng)驗參數(shù)，進而演變成工程模型。機器學習可以彌補物理模型，工程模型上的不足，實現(xiàn)對模型的優(yōu)化。有些對象如圖象識別，很難總結(jié)物理模型，機器學習也可以自己提取特征值，產(chǎn)出可信賴的，可重復的決策和結(jié)果。

      遠景基于EnOS™平臺開發(fā)的Ensight產(chǎn)品，基于2PB高質(zhì)量數(shù)據(jù)和機器學習算法包，訓練設備健康度模型，衡量發(fā)電性能和設備健康度，提供關鍵部件的健康度預警與狀態(tài)維護提示，從而實現(xiàn)預測維護。“Ensight能夠?qū)崿F(xiàn)對變槳、偏航、傳動鏈、力矩控制四大系統(tǒng)30多個亞健康狀態(tài)的識別告警。”趙清聲說，“系統(tǒng)不僅能精準的告警傳動鏈設備亞健康狀態(tài)，還能對設備發(fā)電性能跌落實現(xiàn)告警。”

      EnOS™平臺上海量、精準的數(shù)據(jù)采集，在此時發(fā)揮了重要的作用。Ensight通過海量數(shù)據(jù)，可以不斷優(yōu)化算法和物理模型，實現(xiàn)風機發(fā)電性能與設備亞健康狀態(tài)識別，進行預測，從而減少大部件故障造成的非計劃性停機損失，提升故障風機等效利用77小時。

      Ensight基于SVM支持向量機自聚類識別軸承正常狀態(tài)，回歸當前工況條件下軸承理論溫度，比較實際溫度，當殘差超過自學習出的閾值時，溫度預警某臺風機的軸承將在6個月后失效，分析人員通過CMS振動數(shù)據(jù)的物理模型分析，同時上機驗證確認了這一預測。風場對此風機計劃停機，用4個小時就更換好了軸承，避免非計劃故障導致的7天停機和超過10萬度的電量損失。

      對電網(wǎng)更友好

      新能源發(fā)電與電網(wǎng)之間的協(xié)調(diào)毫無疑問是一個世界性的難題。隨著新能源發(fā)電接入規(guī)模與日俱增，對于講求實時動態(tài)平衡的電網(wǎng)來說，新能源發(fā)電的間歇性、隨機性、波動性都可能是極大的威脅。另一方面，由于種種原因無法及時、準確地響應電網(wǎng)調(diào)度，絕大多數(shù)新能源電站每個月都面臨著來自電網(wǎng)數(shù)量不小的罰款。EnOS™智慧風場軟件解決方案，基于USCADA場站端通用平臺，實現(xiàn)高精度功率預測和AGC/AVC電網(wǎng)命令響應，打造電網(wǎng)友好型新能源電站。

      在遠景為神華國華江蘇公司位于安徽、江蘇的803MW新能源資產(chǎn)管理項目中，國華江蘇通過遠景USCADA平臺代替了已出質(zhì)保期的設備廠家EMS，直接響應電網(wǎng)調(diào)度出力命令，滿足爬坡率要求，出力響應控制誤差達到1%，高于設備廠家水平。

      甘肅河西地區(qū)，當?shù)仫L功率預測平均準確率72%。無論是中國氣象局，還是ECWMF歐洲氣象中心、美國GFS提供的9x9km天氣預測數(shù)據(jù)與實際風速誤差均在2m/s以上。孔明風功率預測系統(tǒng)NWP數(shù)值天氣預報模塊，基于太湖之光超算中心，將三家天氣預報配方計算，并經(jīng)過WRF繼續(xù)降尺度計算到5x5km后，風速預測誤差降到了1m/s內(nèi)。再基于CFD流場模型，獲得100x100m精確到每個機位的風速數(shù)據(jù)，并通過機器學習，優(yōu)化風電轉(zhuǎn)換模型，獲得單機與全場預測功率。基于EnOS™平臺的新能源功率預測產(chǎn)品孔明，所有功率預測在集控中心完成后，再下發(fā)風場自動轉(zhuǎn)發(fā)電網(wǎng)，大大減少了由于系統(tǒng)可靠性造成的電網(wǎng)罰款。孔明上線2個月后，24小時功率預測精度已達到84%，電網(wǎng)考核費用下降50%。

      打造能源領域的“App Store”

      遠景能源還在基于EnOS™平臺，打造能源領域的“App Store”，鼓勵創(chuàng)新者參與到硬件傳感器的開發(fā)中去。比如傳統(tǒng)的麥克風安裝在塔筒底部聽葉片聲音，孤立的聲音數(shù)據(jù)和基于EnOS™平臺上的風機運行數(shù)據(jù)相結(jié)合，就蛻變?yōu)榱巳~片缺陷聲音識別的APP，就能將普通傳感器變?yōu)橹悄苡布_發(fā)出更多的設備亞健康的判斷和預警的APP。

      未來，基于EnOS™平臺，眾多開發(fā)者將突破禁錮，打造更多充滿想象力的智慧能源管理創(chuàng)新模式！