工业大数据创新中心成员单位新疆XX科技股份有限公司（以下简称“XX科技”）成立于1998 年，是中国最早从事风电机组研发和制造企业之一。XX科技拥有自主知识产权的直驱永磁技术，代表着全球风力发电领域最具成长前景的技术路线。并已发展成为国内第一、国际市场排名第一的风电机组制造商及风电整体解决方案供应商，产品服务于全球六大洲、17 个国家，占中国出口海外风电机组容量的 50%以上。
昆仑数据与XX科技于 2014 年开始协作进行风力装备的工业大
数据应用探索，从故障预警、运营优化等方面着手挖掘大数据价值。目前，已将风机的设计/仿真数据、运维档案、风机状态监测数据、测风塔观测数据、气象数据和地理信息等风电数据资源池统一整合到基于 KMX 的风电大数据平台，将通过装备智能化、供应链协同、跨生态整合三条路径，逐步实践风力装备的数字化升级。
业务痛点
我国风电装机虽然增长迅猛，但在风电利用上才刚刚起步。2015 年底，风电占全部发电比重刚刚超过 3%。
1）存量风场的弃风限电挑战
三北地区风资源丰富但用电企业少，导致能源无法就地消纳；薄弱的网架结构以及特高压交流建设相对缓慢严重制约了跨区域送电能力，弃风限电现象比较严重。除了近一步提升本地能源消纳能力，另一个突破点是运用大数据技术，提升风力发电机组的运行可靠性，在风资源条件具备和并网条件成熟的情况下，避免因为设备故障等因素带来设备和发电量损失。
2）新增市场的开发风险控制
经济发达的东南沿海和南方地区，对风电的消纳能力较好。然而相比三北地区，不管海上风场还是山地风场，其风资源条件更为复杂或相对较差，同时还需综合考虑海洋洋流、海拔地形等多种环境因素，如何保证和提升风机出力效率并降低维护成本面临较大挑战。风场建设的技术要求和经济性风险较高，建设进度缓慢，需要通过精益化控制和无人值守提升风场运营的效率，降低风场建设的经济性风险。
3）行业竞争面临腹背夹击业务挑战的另外一方面来自于传统能源的主导地位优势和新能源补贴的逐步降低。十三五期间，风电并网电价和补贴需要在五年内在现有电价基础上下降20%到 25%，这是国家新能源局对风电行业生存发展的硬指标。同时在海外市场上也面临着西门子、通用电气
(GE)和维斯塔斯等跨国企业的竞争压力。
借助大数据和云计算等手段降低建设及运维成本、提高风功率
预测精准度、以争取优先调度主动权已经成为风力装备企业的共识。
数据来源
风电作为一种不稳定能源，其开发和应用对数据有很强的依赖性，自动化程度相较于其它工业领域也相对较高。从风场风机的规划设计、风场的建设交付到风场的运维管理，风电数据来源相当广泛。
在实际业务中，常常需要将多种数据融合使用。
1）机器数据
风电行业中的机器数据包括风机运行监测数据、风机运行监控数据、设备故障数据等。主要以时序数据，以数据量大、接入频度高为主要特点。为了更好地监测风机实际运行情况，每台风机的数据测点从最初的十几个增长到如今近五百个，数据回传频率从秒级提高到每秒50 组的高频，峰值状态下 20000 台风机每秒会产生逾千万条、每天新增容量近1TB 的传感器数据和机组运行日志数据，并随着装机容量和控制精益化要求的提高，未来的数据量会进一步提升。
2）外部产业链数据风能开发强烈依赖于环境，因此环境数据也是重要的数据来源。环境数据可以分为风资源数据、地理信息数据和气象数据。数据类型比较丰富，包括结构化、半结构化和非结构化数据。风资源数据来源于测风塔和激光雷达，数据采集频率从分钟级到小时不等，每年新增数据超过100G。地理信息数据包括测绘地图、卫星遥感图像、地质属性等，以存量数据为主，数据量近 50TB。气象数据包括气象卫星数据、地面气象站数据、中尺度气象数据等，数据量超过 1PB。
3）业务数据
通常仿真软件一轮仿真会产生 30GB的数据，为了在低风速风场、海上风场的复杂工况下确保风场开发的经济性，随着混排技术和精益控制技术的引入，一轮仿真产生的数据会指数级膨胀至 700GB。为了支持上层的数据应用，系统还需要集成融合如服务管理数据、 ERP数据、供应链数据等来自于信息系统的数据。这部分的数据量主要以关系型数据为主，数据总量相对较低，总量约 10TB。
技术方案
KMX工业大数据平台整体基于自主可控的大数据技术，以分布式微服务体系建造，为今后的扩展性和发展打下了基础。
1）确保海量高速数据的高效接入和存储
首先 KMX 从技术和经济性上确保海量高速机器数据的高效接入和存储问题。KMX通过自适应高通量数据接入服务，持续接收和管理以千万测点每秒的速率产生的机器数据，确保数据的高可用性。并在数据的入口即进行数据的格式和质量检查，及时发现数据问题，避免垃圾进垃圾出。通过内置多种数据存储引擎，满足结构化、时序与非结构化等异构工业数据的存储要求。基于通用普通商业服务器的线性扩容机制以及针对时序机器数据特有的压缩算法，保证了数据存储的经济性。
1） 内置工业数据分析查询引擎和行业模型，提升数据价值的高效挖掘能力
系统内置工业数据查询引擎，支持丰富的工业查询语义，百倍提升了数据查询效率，实现了分析查询一体化。针对风电行业业务场景和应用，系统还分别从业务域和物理域内置了业务模型，如运维成本模型、发电收益模型；物理资产模型，如风机的BOM 结构、全生命周期模型；以及结构力学模型、风机动力学模型、流场模型等机理模型和统计模型，将系统内的工业数据有机整合，打造数字孪生体，实时反应并预测物理世界风机的运行状态。结合特有的非侵入式的大数据并行化分析引擎，通过大数据与小数据的无缝衔接，降低大数据分析使用门槛。
2） 打造行业数据分析服务，加速数据价值释放和落地
围绕风资源评估、电网友好性设计、发电量提升、资产寿命延长、
资产可靠性提升等风电行业核心业务场景，系统融合业务数据、外部数据和机器数据，运用机器学习、深度学习等数据技术，打造风电行业数据分析服务，提供风电场设计仿真服务、发电资产健康评估服务、故障预警预测服务，快速推进相关业务如风场定制化设计、设备运维管理发展和数字化转型，使业务人员也可以使用大数据轻松应对和解决业务问题，确保数据行业价值的快速落地。
应用效益
经测算，基于 KMX工业大数据平台的风电装备智能化升级方案迄今已产生经济效益达数亿元。
首先实现了发电效率的提升。通过数据分析优化现有风机运行状态,提升风力发电机组运行效率。以对风偏航角的优化为例，对偏航角优化算法并行化处理后，由于对风准确性提升和偏航响应时间的缩短，一台风机一年能多产出1 万元电量，按市场保有量 2 万台风机换算，一年能提升2 亿元能效产值。
其次更好地控制了运维成本。通过对全球风电场的实时监控，建立故障预警模型近百项，为“无人值守”模式奠定基础。在 KMX平台的支撑下，某关键零部件故障预警可以提前 72 小时，通过主动性维修，可以降低 90%因该部件故障而产生的次生事故，每年减少因此导致的风场直接和间接损失可达千万元。
同时还将大幅提升风电企业的研发和创新效率。例如通过KMX 的大数据优化处理，将单轮 30G 仿真数据的后处理速度从几个小时降低到了几分钟，极大提升了风场制化设计的迭代速度和开发效率。
共有条评论 网友评论