以下為演講實錄：

 

　　根據最新的統計數據，中國公開的海上風電項目已經接近300個，總體的規劃容量是超過1.3億千瓦，集中在廣東、福建、江蘇、浙江、山東這幾個省，其中廣東規劃容量是6680萬千瓦，核準容量是3595萬千瓦，在中國各個省當中是最多的。這是全球截止到2030年風電規劃裝機突破2億千瓦，其中英國規劃3200萬千瓦，像德國是1500萬千瓦，荷蘭是1150萬千瓦，亞洲像日本是規劃1000萬千瓦，韓國是1800萬千瓦，印度是3000萬千瓦，中國是7500千瓦，美國是1000萬千瓦。海上風電發展是起源于歐洲，從規劃來看未來的發展還是在亞洲特別是在中國。

 

　　中國海上風電也是從2018年開始提速，去年新增裝機量是436臺，新增裝機容量達到165.5萬千瓦，環比增長42.7%，累計裝機達到444.5萬千瓦。到2021年海上風電也會實現平價上網，包括今年明年后年這三年還是海上風電的搶裝潮，所以這三年海上風電是快速的發展。

 

　　因為海上風電規劃這么大，中國的海上風電發展也在提速，但是海上風電的挑戰也是非常大。

 

　　首先就是腐蝕斷裂，在海上整個腐蝕的速度會非常快，包括天氣預測；我們基于風速浪的高度，可見度還有降雨的預測，決定運維團是否能夠出海，像中國的廣東沿海還面臨臺風的考驗；海上風電風場的容量特別大，機組特別多，針對風場內部的運維場的路徑規劃可以降低運維船的使用時間包括整體的運維成本；根據歐洲海上風電的統計數據，保險理賠70%80%都是因為海纜的損害導致的，所以海纜的故障在海上風電發展上也是非常大的挑戰。海上風電一般離岸距離比較遠，很多都超過10公里，風場內部的通訊信號是非常不好的，它和外面的溝通是存在比較大的困難，這也需要一些系統的解決方案。這個小視頻是在廣東湛江風電場拍攝的，就是中國不同地區的海域海況特點也不一樣，在南方每年的11月份到第二年的3月份風很小，浪涌很大，基本上在不到5米的時候浪涌高度是2米，就是船出去了到機位上不去，這也是非常大的挑戰。

 

　　海上風電有這么大的挑戰，就需要海上風電智能運維的規劃系統，而這個系統首先是基于平臺得到的故障，還有計劃類的任務還有定檢、巡檢、技改等任何，考慮到運維船、人員、還有備品備件、限制因素，通過一些智能算法形成我們的任務排布的計劃，形成單日的運船的路徑，最后實現發電量損失最小包括交通成本最小，追求風電場最優的可利用率。

 

　　我們還有基于運維人員行為的運維管理系統，是通過供端的形式做到閉環的管理，還有手機APP也便于現場人員去執行。基于未來兩天的風功率預測也給多個運維窗口期，在推薦的運維窗口期中，你做運維工作，造成發電量損失是最小的。這個動圖也是外國的項目拍攝的一個視頻，非常漂亮，這是一個實景拍攝。

 

　　根據風機故障的機理還有故障處理的經驗編制了我們的故障樹，可以發現每個故障發生的原因是什么，我們通過歷史經驗庫保障我們的故障數是準確可信的。同時也查看故障發生前的運行數據，左下角的圖就是由于偏航導致振動的故障的錄播數據，正常情況下是0.25赫茲，由于偏航導致振動導致0.12赫茲的振動，這就是非常明確的故障預測的梳理特征，根據這個梳理特征建立了幾十個的故障預警模型。這一故障模型也在大平臺上上線。

 

　　我們也開發了海上風電健康度的管理平臺。這個平臺會顯示記錄平臺的各個健康度，像齒輪箱、葉片等12大關鍵部件的健康度匯集成整機的健康度，當整機的健康度下降的時候會查看這些運營數據還有看模型的一些參數，找到背后的根本原因，去提升我們的健康度。

 

　　下面我就對我們的管控機制做一個說明。

 

　　當機組出現亞健康狀態的時候，有兩種手段去做診斷：一種是基于模型的智能診斷，如果模型會智能生成這個故障的處理方案，包括人員配置、工具備件這些信息都會推送給現場人員，所有的故障都能夠通過模型診斷。模型診斷不了我們背后有一個專家團隊，這個是我們的溫度超限的故障預警模型，通過數據分析可以看到擾組和其他擾組的溫度有偏離，這樣就出臺一個故障預警模型，然后下到現場，工單里面有一個排查步驟是什么。

 

　　剛才提到故障預警模型，還有健康度的模型都是針對故障還沒有發生的時候我們做的工作。針對故障已經發生了我們開發出智能故障診斷模型。這個診斷模型也是通過故障代碼調取這個診斷模型，大數據平臺的秒級數據對故障診斷非常有幫助，也是提取故障特征，用基于故障樹和貝葉斯網絡算法進行原因推理，輸出各故障原因百分比基礎理措施，通過工單推送到現場，現場人員排查完以后會有準確度的評估，這樣形成一個迭代優化的過程。這個就是偏航速度高故障智能診斷模型，背后是有一個診斷模型在運行，推出不同故障原因的百分比，我們用不同的顏色來標識，這樣便于現場人員去察看。開展這項工作的最終目的是什么？想把故障處理的經驗通過模型框下來，避免出現現場由于人員的變動出現故障原因的斷層的現象。

 

　　海上風機比陸上風機安裝了更多的系統，包括齒輪箱、絕緣監測包括塔筒傾斜，各種輔助系統，之前這些輔助系統是獨立運行的，我們現在開發了一個海上風機智能衛士，就是把這些數據全部接入，綜合給出風機的安全預警，提前發現安全隱患，主動去消除，這樣也是實現海上風機又被動式運維到主動式運維的轉變，提升海上風機全生命周期的可靠性和發電性能。

 

　　因為在中國東南沿海都會登陸幾個臺風，明陽也在廣東安裝一些風機包括海上的風機，每年都要經歷臺風的考驗，破壞力是非常大的地通過我們的技術手段也很好地抵御。

 

　　現在針對大部件的一些故障診斷，常規的做法還是通過CMES通過大部件的智能數據去做診斷，現在我們也開展基于聲音的故障診斷，因為大部件損害可能有一些異常聲音，聲音從本質來講也是一種振動，用聲音去做診斷的話挑戰性更高，因為風機上面的背景噪聲非常復雜，我們也是采用打分機制等各種手段保障準確性。左下角這是一個偏航系統故障測音和正常測音的對比，在故障測音是250赫茲頻率段明顯有一個普峰，我們采集了30個故障樣本，就發現這個普峰故障是非常明顯的。我們將故障測音和正常測音錄下來的，故障測音能夠觸發手機APP設計的域值，在現場想打一個聲音包括說話的聲音都錄下來，在實驗室回放也不會產生誤報警。

 

　　我們通過整機的分析來提高技術性能。左邊這張圖可以看到就是在高峰有一個自動相距（音）的情況，我們經過排查是溫控閥損壞，內部是一個機械結構，右邊這張圖可以看到是蔑視就偏，我們對漿角進行測試。

 

　　其實我們也開展了海上大葉片的無人機的自動巡檢，我們開展無人機的高清攝像頭構建葉片的圖數據庫，基于葉片缺陷的一些樣本，通過卷積神經網絡這種深度學習的算法去做訓練，可以對海上的大葉片實現無人機的自動巡檢，提高葉片巡檢的效率和準確性。

 

　　現在海上風場離岸距離特別遠，在對外的通訊是存在困難，我們也可以配合像中國移動、聯通、電信在設備安裝設備，讓海上風機實現海上的機站，實現4G和5G信號的覆蓋，通過這些信號我們開展像遠程視頻的工作。

 

　　以上就是我們正在做的海上風電的智慧運維的手段，最后我想說的是其實技術在不斷變革，更重要的是將目前的智能化的運維手段在風電場良好的落地實施，提升風電場的運行指標，提升發電量，降低運維成本，這樣我們才可以把海上風電做好，實現海上風電的智慧風場。謝謝大家。

 

　　（內容來自現場速記，未經本人審核）