文 | 何灏

风能在我国能源结构中地位日趋重要，逐步成为火电、水电后第三大常规能源。风力发电机组通常服役于恶劣环境中，风速风向的随机性、间歇性以及环境温度变化等不确定因素，使机组各部件处于交变载荷下，部件易老化、损坏。

为保障风电机组安全稳定运行，业主通常采用定检、巡检等被动式维护，然而该方式针对性差、效率低，造成人力物力资源浪费，并且运行隐患也难及时发现。每年机组齿轮箱、叶片等大部件损坏事故屡见不鲜。随着物联网、人工智能、大数据等技术发展，风电行业衍生出了CMS、SCADA、集中监控、大数据平台等产品，它们在一定程度上弥补了现场人员专业技术不足、事故发生太过突然的问题。其中CMS利用成熟的振动分析技术对机组传动链进行状态监测，但原始数据过大难以保存并且缺乏机组主控数据支撑，预警范围有限；SCADA主要作用是将风电场机组主控信息显示并提供远程操作功能，传统的SCADA系统内缺乏基于机器学习的技术来预测机组故障；风电远程集中监控系统即实行风电场区域化集中控制，提高运行管理水平和劳动生产率，然而由于缺乏海量数据应用技术，难以满足精准的故障预判要求；大数据平台解决了集控中心对海量数据采集存储瓶颈，数据传输速率可达千万点/秒，基于云计算的系统架构将PB级数据查询分析时间等级控制在系统实用要求范围内，然而由于风电机组型号和运行时间的差异，风电企业回传的信息格式多样，目前很难设计通用型风电大数据平台，另外现场运行管理数字化程度低也影响平台实用效果。……