打造智慧运维行业领先的基地型现代化新能源企业
(资料图片)
王介昌 华能吉林公司新能源分公司副总经理
尊敬的各位领导、各位同仁，大家下午好！
智慧运维建设背景中新能源公司有这么大的装机容量，公司也是按照总体理念，从2019年我们成立了集控中心，并于2019年11月份集控中心投入运行，同时也是华能系统内首家实现风电、水电、光伏集中监控的监控中心，一共接入数据点100万点左右，如何对这些数据进行挖掘并产生价值？这是我们亟待解决的问题。
最初新能源公司依赖咱们接入100万点的数据，我们集控中心利用数据库给现场风机进行数据分析，有一个报警，包括一些报表，对我们人员压力比较大，因为我们集控中心一共24个人，分6个班，一个班4个人，一天的风机数据分析压力非常大。但是通过这个分析我们也发现了一些故障，潜在的故障也起到了一些作用，下面我再分享一下建设集控中心过程中，我们遇到的一些问题。
第一个是大数据，大家都在说大数据的事，我们也感知咱们时代大潮，我们把大数据进行收集，但是在我们运行过程中发现这100万点数据有点大材小用，特别分布式系统需要专业人员维护，当我们单位的人撤走之后厂家维护就会出现问题，因为我们人员不具备维护条件，我下面说的伤害了厂家，代表我自己的观点来看，所以我建议咱们要建集控中心，最好不要用大厂的数据系统，因为后续维护很麻烦。
电度表数据用采集器，用163规约接进来，就发现到半夜12点数据往上采集的时候它是有时间的，10分钟、15分钟，这个数据才能上来，在0点15才能把12点的数据上来，有些调度、电网，或者上级单位要求报表时间节点就卡在10点10分，你就不能把数据准时准点报上来，这也是我们在集控中心遇到的一些问题，请各位同仁在数据建设当中考虑一下数据采集到底是用什么样的方式来采集，或者说怎么能把数据提前，不让十二点半之前或者12点15之前，因为报表卡的时间点是比较死的，所以大家要考虑这个事。
还有一个事，我们在接风机的过程中，我们有05年风机2008年投产的，包括后续投产，大家都知道早期投产的风机它的PRT是没有对时的，会出现什么问题呢？当你PRT运行时间过长，PRT里面电池失效，你的发电量数据等等一些数据要跳电，咱们就要考虑数据跳电，当天数据就会有变化，这样对咱们后期运维，包括数据报送产生影响。所以在建设过程中要充分考虑PRT。
我们在运行过程中也发现只做监控是无法满足实际需要的，需要发挥我们运行数据分析、故障预警，指导检修智能，只靠我们4人无法完成对1043台风机的实时监控，根据以上需求我们开发建设了智慧运维平台，智慧运维平台我们包括大数据分析，因为大家都在做大数据分析，我们说大数据分析可能是狭义上的，就是我们认为100万级，对于我们来说是大数据了，实际上大数据包括城市交通港或者智慧城市这种大数据，上千万级的，这才是大数据。
我们还做了一个系统智能分析，还有智能故障预警，生产管理、移动应用，下面我把这几个系统跟大家再介绍一下，因为我们建了集控，发现只建集控还不行，所以我们建设了智慧运维系统，这智慧运维系统大数据我不多说，大家都在做这个事情，系统性能分析我们是这样做的，根据每个公司自己的管理需求，结合国家相关行业的可靠性，我们把一些数据拿过来做了一些建模去呈现出来，按照这个方式我们做了性能分析。
性能分析包括偏离曲线、损失电量等等我们都做了分析，这里面其中有一些问题，我今天在交流的时候，跟大家把一些问题再分享一下，看看各位同仁有没有好的解决办法，这里面低效机组管理，我们把低效机组分了几个类型，一个是不能正常发电，这1千多台风机或者100多台风机总有发电能力好的，发电能力差的，我们把发电能力差的取出来，我们把受影响的排除了，就是正常发电差的，这些数据有些老的风机没有指北，没有对零，我没法说这个风是从哪刮来的，我们只用最笨的方法去来筛查低效记录。特别有些华润的风机，华润的风机会有什么问题呢？频繁故障，就会造成我的机组发电能力差。包括能量可用率，时间可用率，我们做了一些分析，其中能量可用率，我通过预测风速，结合我的功率曲线，通过低效、高损、性能越大把风机定位出来，通知现场人员去检修。
同时智能分析模块能为我们公司后续检修决策、技改，以及新风厂选型提供决策支持。公司将通过智慧化运维模式，为风机安全、稳定运行提供保障，从而提高管理水平，降低生产成本，提升发电能力。
第二方面跟大家分享一下智能运维，故障预警每个公司都在说，我们也做了一些尝试，用什么做故障预警呢？一是用模型，把报表门槛值提高，比如说齿轮箱油温在75度，可能在60度的时候我就给爆出来了，说这台齿轮箱油温已经超过60了，大家关注，这是一种方式；二是用机器学习，咱们神经网络模型大家可能都在说这个神经网络模型，具体我们也做了一些研究，神经网络模型有输入层、隐藏层、输出层，我们举个例子，我们做神经网络模型去预测齿轮箱油温的温升，我不做门槛值，只做温升，当我们做的时候就会发现神经网络模型如果不做机器学习只做一个模型，随着我风机运行和维护，健康状况不断在变化，我的神经网络模型就做不下去了，出来的结果，或者差值就会很大，这个事情很难做。
后来我们考虑让神经网络模型定期学习，做一些改变，把门槛值放进去，你说从45度到50度，突然之间它微升压高，到底我查还是不查，查完之后我怎么处理，因为有些液化过程，这种模型因为我只是发表我们公司在运行过程中我们自己的感受，好多模型需要我们打磨，这个东西我怎么使用，这需要我们再斟酌这个事，所以说我们现在也做了一些机理模型，就像一些门槛值，包括辅助监盘，用途和使用的用途更大吧，特别是我们现在一些预警模型，准确率不高，大概在30%、40%这样，后续我们致力于把预警模型准确率提高到70%，这里面包括两票管理、工单、安全等等，而且我们一直在依赖风电系统，我们在整个全过程的闭环管理在用这套东西，也是通过APP去跟现场互动。
我给大家举个例子，我们现在报一个故障，只要点登塔还是不登塔，如果需要点确定，节省人沟通和人员浪费，因为全过程闭环管理通过系统完成的，这么一个事，我们跟移动合作，让他把灯塔附近基站范围扩大，我们只用4G，用不上5G，这时候移动网交些费用，就会把我们风厂4G信号覆盖，网络问题就解决了，而且移动会维护它的基站，我觉得目前这个是我们在实践过程中比较受用的。
还有我们上了一些风电，因为想做智能风机，我们上了好多智能传感器，包括油液监测、自动消防、叶片监测、螺旋检测等等这些传感器我上了十多套，现在出现什么问题呢？咱们业主或者我们运维单位的有一些管理理念跟风机厂家的管理理念还是不一样的，说白了有些风机厂家管理理念跟不上我的形式，我上了这些系统，风机厂家上了，上了之后出现什么问题呢？每一个系统都是个独立系统，联动不起来，比如突然发现螺旋检测报警了，报警你报警，不会联动，让你去维护，目前我们上了一些传感器，但是数据接到集控，后续有厂家感兴趣我们一起去做应用。
刚才我介绍了这么多，都是围绕风电机组管理，大家可能也比较关注，有些并不是数据盲区，我们也用无人机巡检，涉及在北方，严寒天气用无人机，我们也做了一些尝试，因为无人机去巡检的时候无非就是拍照、拍视频，回来之后根据照片判断飞机的某一个地方，某一个叶片，现在的外观和咱们对比原始数据库，看有什么异常，报警是裂纹等等，也是做了这么一些事。
在运行过程中我们还有一个疑虑，就是领导给我定了目标，后续建的风电厂没有传统意义的声控楼、主控楼，领导说的比较有意思，某一个飞行站只有设备楼，同时弄了个门卫找老大爷看门，老大爷有一天老出血人就没了，我们领导也比较害怕这个事，说或许我们在建的过程中老大爷、门卫不要了，我这个房子什么都没有，最终我们在建设升压站的时候只有一个设备的，不叫楼，我们是预制仓，两个预制仓一挪就建好了，在建设过程当中我们也发现，包括集控中心我上智能巡检机器人，机器人我只能是巡检，它不能操作，我们做了操作机器人。后来我们索性把它弄成一监盘，人员进出厂用我们这套系统自动识别，根据两票自动识别你的车牌和人员的面部识别，就可以进场维护，不需要现场人员做检查或者现场授权，而且我在远程集控中心就可以实现这么一个功能。
我们在建设过程中围绕着以人为本，一些操作不需要我们去刻意学习就可以操作。
下面我把我们的智慧运维情况零零散散给大家说一下，我们与发电企业生命融合的体现，是科技公司提升管理水平，提升安全生产工作效能的具体体现，是公司进一步迈向智慧化的具体体现，同时我们后续还在开发建设，后续我们想要把数据资产做一下挖掘和运营，同时我们按照全省风资源在摸排，这样我就可以把全省风电和光伏开发资源拿到手，还有我们也在探索。
总之，我们想建设智慧运维行业领先的基地型现代新能源企业，我的发言就到这，谢谢！
