數(shù)據(jù)為價值創(chuàng)造之源的時代，大數(shù)據(jù)將成為組織運(yùn)行的基本要素，任何一個行業(yè)的領(lǐng)軍者都已經(jīng)看到了大數(shù)據(jù)所帶來的前所未有的潛力和重大意義。在風(fēng)電業(yè)，隨著以遠(yuǎn)景能源為代表的企業(yè)大力推動智能風(fēng)機(jī)和智慧風(fēng)場的發(fā)展，風(fēng)場將源源不斷地產(chǎn)生海量的，急需要有效管理的數(shù)據(jù)。如何將這些海量數(shù)據(jù)轉(zhuǎn)換成可操作的見解，推動更好的決策，提高風(fēng)場的發(fā)電量，成為能否在能源互聯(lián)網(wǎng)時代勝出的關(guān)鍵。

 

 

       大數(shù)據(jù)不僅僅在于數(shù)據(jù)量大，也在于管理者基于系統(tǒng)支持建立更廣泛的數(shù)據(jù)連接。要從大數(shù)據(jù)中獲取真正的商業(yè)價值，需要對廣泛來源的數(shù)據(jù)進(jìn)行有洞察力的建模和集成分析。

 

        遠(yuǎn)景通過風(fēng)電管理平臺格林云，用大數(shù)據(jù)產(chǎn)品Data Ocean將公共天氣數(shù)據(jù)，風(fēng)電場設(shè)計(jì)數(shù)據(jù)、風(fēng)電場實(shí)時流體模型數(shù)據(jù)、風(fēng)電場設(shè)備運(yùn)行數(shù)據(jù)、風(fēng)電場生產(chǎn)檢修數(shù)據(jù)、風(fēng)機(jī)設(shè)計(jì)數(shù)據(jù)、風(fēng)機(jī)模擬數(shù)據(jù)等全生命周期的風(fēng)電企業(yè)數(shù)據(jù)整合成一體，基于公共信息模型(CIM)把現(xiàn)實(shí)存在廣泛關(guān)聯(lián)的數(shù)據(jù)建立了系統(tǒng)化的數(shù)據(jù)鏈接，支持強(qiáng)大的數(shù)據(jù)管理、數(shù)據(jù)質(zhì)量和數(shù)據(jù)治理模型，并利用Hadoop等大數(shù)據(jù)技術(shù)平臺管理上PB級的對象數(shù)據(jù)、采樣數(shù)據(jù)、風(fēng)資源和地理數(shù)據(jù)等，提供結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的訪問，以不同的方式有效管理不同的數(shù)據(jù)集，從而得到企業(yè)數(shù)據(jù)的“唯一版本事實(shí)”(single version of the truth)，有效支持后續(xù)的大數(shù)據(jù)分析挖掘和價值創(chuàng)造。遠(yuǎn)景的智慧風(fēng)場Wind OS™平臺，目前管理包括美國最大的新能源上市公司Pattern能源、Orion能源、美國大西洋電力公司等在內(nèi)的2000萬千瓦的全球新能源資產(chǎn)。

 

 

        有效支持風(fēng)電資產(chǎn)的保值增值

 

        以遠(yuǎn)景格林威治平臺為例，基于高性能計(jì)算，大數(shù)據(jù)技術(shù)和專業(yè)氣象模式與流體模型技術(shù)，遠(yuǎn)景可以為業(yè)主建立起風(fēng)電場全生命期數(shù)值模型，基于精準(zhǔn)計(jì)算以投資收益率和能量可利用率為核心的指標(biāo)體系，實(shí)現(xiàn)了針對風(fēng)電場資產(chǎn)從規(guī)劃設(shè)計(jì)與投資管理，到運(yùn)營資產(chǎn)管理的全生命期風(fēng)電資產(chǎn)信息化管理，有效支持風(fēng)電資產(chǎn)投資的風(fēng)險(xiǎn)把控與既有風(fēng)電資產(chǎn)的持續(xù)保值增值。

 

        遠(yuǎn)景能源以全生命周期為視角，開發(fā)了如下資產(chǎn)后評估功能模塊：設(shè)計(jì)后評估、運(yùn)行后評估、產(chǎn)品后評估、技改后評估及風(fēng)場對標(biāo)后評估五大體系。

 

        以Wind OS™能源互聯(lián)網(wǎng)平臺為依托，完成不同區(qū)域、不同設(shè)備制造商、不同運(yùn)維團(tuán)隊(duì)等不同類型風(fēng)電場的能量可利用率橫向?qū)Ρ?，為宏觀管理、科學(xué)決策提供依據(jù)。通過資產(chǎn)評估，找到電量損失原因，通過遠(yuǎn)景一體化智慧風(fēng)場解決方案，針對絕大多數(shù)風(fēng)場，可以獲得5%-10%的發(fā)電量提升。

 

 

       實(shí)現(xiàn)對風(fēng)場尾流的有效控制

 

       尾流效應(yīng)是影響風(fēng)電場發(fā)電量的重要因素之一，其造成的真實(shí)能量損失高達(dá)10%以上，部分海上風(fēng)場真實(shí)尾流損失甚至接近20%。因此在進(jìn)行風(fēng)場機(jī)位排布時，在主風(fēng)向上會盡可能增加風(fēng)機(jī)間的距離，以減小尾流效應(yīng)影響。但在主風(fēng)向以外的其他風(fēng)向上，仍然可能由于尾流效應(yīng)產(chǎn)生較大的能量損失。因此，風(fēng)機(jī)間的協(xié)同控制在降低尾流損失方面就顯得尤為重要。

 

       基于大數(shù)據(jù)技術(shù)，有效整合風(fēng)場實(shí)時流場模型數(shù)據(jù)，風(fēng)電場流場預(yù)測數(shù)據(jù)，風(fēng)機(jī)與測風(fēng)塔量測數(shù)據(jù)，真正建立工業(yè)級的風(fēng)電場協(xié)同控制能力，實(shí)現(xiàn)對風(fēng)電場尾流的有效控制。

 

       風(fēng)場中每臺風(fēng)機(jī)運(yùn)行情況的變化會引起自身尾流的變化，進(jìn)而影響風(fēng)電場實(shí)時流場數(shù)據(jù)，最終體現(xiàn)在其他風(fēng)機(jī)所能捕獲的風(fēng)能及全風(fēng)場發(fā)電量的變化上。基于風(fēng)電場運(yùn)行產(chǎn)生的大數(shù)據(jù)，包括風(fēng)場實(shí)時流場模型數(shù)據(jù)，風(fēng)電場流場預(yù)測數(shù)據(jù)，風(fēng)機(jī)與測風(fēng)塔量測數(shù)據(jù)等，遠(yuǎn)景通過有效地整合，并結(jié)合風(fēng)機(jī)模型，最終建立起風(fēng)場級的數(shù)學(xué)模型。

 

        結(jié)合風(fēng)場的流場模型，便可以利用非線性尋優(yōu)算法對風(fēng)場中各風(fēng)機(jī)發(fā)電情況進(jìn)行最優(yōu)規(guī)劃，綜合考慮風(fēng)況實(shí)時的動態(tài)變化和風(fēng)機(jī)運(yùn)行的物理限制(如風(fēng)機(jī)輸出功率對風(fēng)速和風(fēng)向變化的響應(yīng)時間等)，實(shí)現(xiàn)風(fēng)場級協(xié)同控制以減小尾流影響帶來的損失。同時，遠(yuǎn)景的智能協(xié)調(diào)算法將各風(fēng)機(jī)的運(yùn)行狀態(tài)閉環(huán)反饋到風(fēng)場流場模型中，實(shí)時在線進(jìn)行系統(tǒng)學(xué)習(xí)并調(diào)整模型，消除外界環(huán)境的隨機(jī)干擾因素，從而進(jìn)一步提高風(fēng)場模型的精度，取得最優(yōu)全場發(fā)電量。

 

        通過對零部件故障信息的挖掘，優(yōu)化產(chǎn)品設(shè)計(jì)和零部件選型，實(shí)現(xiàn)預(yù)防性維護(hù)

 

        利用大數(shù)據(jù)技術(shù)，可以通過數(shù)理統(tǒng)計(jì)、模式識別、神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、人工智能等深度數(shù)據(jù)挖掘算法，在海量數(shù)據(jù)中，挖掘出零部件故障信息，追溯其在設(shè)計(jì)、制造、裝配、運(yùn)輸、安裝各個環(huán)節(jié)的潛在缺陷，快速找尋引起故障或失效的原因。一方面從產(chǎn)品全生命周期角度考慮，可以閉環(huán)形成對設(shè)備的預(yù)防性維護(hù)和預(yù)測性維護(hù)策略，同時可以進(jìn)一步閉環(huán)到產(chǎn)品設(shè)計(jì)與零部件選型;另一方面，基于零部件的大量數(shù)據(jù)失效積累，可以理性推進(jìn)預(yù)防性維護(hù)，真正提升現(xiàn)場維護(hù)工作的計(jì)劃性。