★蘇州凌犀物聯(lián)網(wǎng)技術(shù)有限公司陳泉，劉斐斕，劉磊，劉洋

1　目標和概述

1.1　引言

隨著全球?qū)稍偕茉吹娜找嬷匾暎L電產(chǎn)業(yè)作為清潔能源的重要組成部分，正迎來飛速發(fā)展的黃金時期。然而，風電運維作為保障風電場持續(xù)穩(wěn)定運行的關(guān)鍵環(huán)節(jié)，面臨著諸多挑戰(zhàn)。本解決方案旨在構(gòu)建風電智能運維一體化平臺，以人工智能、邊緣計算等技術(shù)賦能風電運維，提升運維效率，降低運維成本。風電行業(yè)的發(fā)展不僅關(guān)乎能源結(jié)構(gòu)的優(yōu)化，更是推動全球綠色能源轉(zhuǎn)型的重要力量，展現(xiàn)出廣闊的前景和無限的潛力。

1.2　行業(yè)背景

風電行業(yè)作為可再生能源領(lǐng)域的重要組成部分，近年來得到了全球范圍內(nèi)的廣泛關(guān)注和快速發(fā)展。隨著環(huán)境保護意識的提升和對傳統(tǒng)化石燃料能源依賴的減少，各國政府和企業(yè)紛紛加大對風電等清潔能源的投資和研發(fā)力度。中國、美國、歐洲等地都是風電行業(yè)發(fā)展的重要區(qū)域,風電產(chǎn)業(yè)作為中國戰(zhàn)略性新興產(chǎn)業(yè)之一，在優(yōu)化能源結(jié)構(gòu)、推動能源革命和促進生態(tài)文明建設方面發(fā)揮了重要作用，其中我國已成為全球最大的風電市場。

1.3　市場規(guī)模

（1）全球風電行業(yè)市場規(guī)模

根據(jù)最新的市場研究報告顯示，全球風電行業(yè)市場規(guī)模已經(jīng)達到了2214億美元，其中1300億美元用于風能發(fā)電機的制造和生產(chǎn)，剩余的914億美元用于風電項目的建設、管理和維護等方面。而且全球風電裝機容量也在不斷增加，截至2019年底，全球風電裝機容量已經(jīng)達到了651.1吉瓦，相較于2018年同期增長了19%。

此外，全球各國政府也在加大對風電項目的投資力度，促進了全球風電行業(yè)的發(fā)展。據(jù)統(tǒng)計，中國、美國、印度、德國和巴西等五個國家是全球風電規(guī)模最大的國家，其中中國的風電裝機容量占全球的一半以上。而在歐洲地區(qū)，風電行業(yè)的市場規(guī)模也在不斷擴大,加上還有法德等政府大力支持,未來在歐洲市場仍會有很大的發(fā)展空間。

（2）我國風電行業(yè)市場規(guī)模

我國風電行業(yè)市場規(guī)模也在不斷壯大。近年來，我國政府不斷加大對新能源建設的投資力度，鼓勵各地區(qū)開展風電項目建設，全力推進風電行業(yè)的跨越式發(fā)展。據(jù)統(tǒng)計，2018年我國風力發(fā)電的裝機容量達到了184.75吉瓦，占全球總裝機容量的28.4%。我國的風電裝機容量增長迅速，2023年的數(shù)據(jù)顯示，我國風電累計裝機容量同比增長了20.8%，新增裝機容量同比增長了101.7%。

隨著我國政府不斷加大對風電行業(yè)的支持，我國的風電行業(yè)也迅速發(fā)展起來。雖然我國的風電行業(yè)尚不如歐美國家發(fā)達，但是在不斷的發(fā)展中已經(jīng)成為了風電行業(yè)市場規(guī)模龐大的重要國家之一。

1.4　風電運維的難點問題

（1）高海拔和惡劣環(huán)境的挑戰(zhàn)：許多風電場建在高海拔、惡劣氣候和復雜地理環(huán)境條件下，運維人員需要面對高風速、低溫、冰雪、沙塵暴等不利條件，增加了維護和修復難度。

（2）大規(guī)模和分散性：風電場通常由大量風力發(fā)電機組成，它們分散在廣闊的地域范圍內(nèi)。供應鏈的管理、維護排程和設備檢修需要統(tǒng)籌安排，增加了調(diào)度和協(xié)調(diào)的難度。

（3）復雜性和技術(shù)含量高：風力發(fā)電機包含大量的機械、電氣和控制元件，且需要高度的自控能力。故障排查和修復需要專業(yè)知識和技術(shù)，維護人員需要具備較高的技能水平和經(jīng)驗。

（4）風電設備的可靠性和維修性：由于長期暴露在外面的惡劣環(huán)境中，風力發(fā)電機設備容易磨損、老化和故障。維護人員需要及時識別和修復設備問題，以確保設備的可靠運行。

（5）供應鏈管理和備件支持：風電場所需的備件和材料非常龐大，而且往往需要長期儲備。合理的供應鏈管理和備件支持是保障設備維護和修復的關(guān)鍵。

（6）費用和效益平衡：風電行業(yè)對運維成本和發(fā)電效益有嚴格要求。維修和維護活動需要與設備的產(chǎn)能和效益進行權(quán)衡，以達到成本控制和效益最大化的平衡。

（7）安全和環(huán)保要求：風電場作為一種可再生能源，對環(huán)保和安全要求較高。運維人員需要遵守嚴格的安全標準和環(huán)境規(guī)定，并定期進行安全培訓和檢查。

1.5　解決方案目標

核心目標為成為高價值工業(yè)裝備智能運維專家。

通過引領(lǐng)創(chuàng)新，實現(xiàn)故障預測、健康管理、運維流程自動化及圖像識別等前沿智能化功能，將運維的效率和精確度提升至新的高度。透明風場一體化平臺致力于開創(chuàng)風電運維的美好未來，以智能化賦能行業(yè)，展現(xiàn)工業(yè)裝備智能運維的無限可能。

1.6　解決方案創(chuàng)新

（1）核心技術(shù)：針對風電運維場景的深度算法應用

在風機應用場景中，風機系統(tǒng)會依據(jù)外部環(huán)境因素如風速大小，動態(tài)調(diào)整其轉(zhuǎn)速和載荷，使得機組的運行并非恒定狀態(tài)，增加了監(jiān)控和維護的復雜性。然而，凌犀的振動傳感器卻能游刃有余地應對這一挑戰(zhàn)。它能夠?qū)崟r動態(tài)地調(diào)整振動采樣頻率、采樣加速度范圍以及濾波范圍等關(guān)鍵參數(shù)，從而精準地追蹤風機的實時狀態(tài)，這是其他競爭對手所無法比擬的動態(tài)跟蹤能力。

借助無線振動傳感器所采集的數(shù)據(jù)，我們運用先進的振動AI算法，能夠洞察風電裝置的運行數(shù)據(jù)異常、識別設備的異常狀態(tài)，并提供健康指數(shù)評估。這一創(chuàng)新技術(shù)為風電裝備的預測性維護奠定了堅實基礎(chǔ)，有助于提前發(fā)現(xiàn)潛在問題，防患于未然。

更進一步，我們利用風機的歷史運行數(shù)據(jù)，自動構(gòu)建出風機運行的知識圖譜。這一圖譜不僅為我們提供了風機設備運行狀態(tài)的深入分析，還能智能識別出各種失效模式。最終，這些功能共同助力我們實現(xiàn)風機的智能預警與精確診斷，顯著提升風電裝備的運維效率和安全性。

（2）產(chǎn)品競爭力：引領(lǐng)風電智能運維技術(shù)發(fā)展方向

歷經(jīng)近一年的穩(wěn)健發(fā)展，我司以市場需求為導向，在工業(yè)互聯(lián)網(wǎng)領(lǐng)域持續(xù)深化研發(fā)，不斷錘煉技術(shù)實力。憑借卓越的創(chuàng)新能力和敏銳的市場洞察力，我們已在該領(lǐng)域嶄露頭角。

我們?yōu)檫@類高價值成套設備建立了?機?模型，包括實時數(shù)據(jù)驅(qū)動模型和行業(yè)知識圖譜模型，并沉淀得到了豐富的可復用的智能診斷用例。該模型在自主學習和演進能力方面的創(chuàng)新實踐，得到了多個行業(yè)合作伙伴和客戶的認可，比如遠景能源、蒂森克虜伯等。

公司首席科學家及研發(fā)團隊專注于工業(yè)AI技術(shù)十多年，他們在深度學習領(lǐng)域進行了基礎(chǔ)算法研究，幫助本解決方案在“機械振動AI和知識圖譜AI”方向積累了大量的元算法、元模型，他們于實際應用中積累構(gòu)建的AIShop具有強大的行業(yè)聚集效應。

2　方案介紹

2.1　系統(tǒng)架構(gòu)圖（如圖1所示）

圖1  系統(tǒng)架構(gòu)圖

系統(tǒng)采用微服務容器化技術(shù)架構(gòu)，包括應用層、平臺層和基礎(chǔ)層。

應用層是工業(yè)互聯(lián)網(wǎng)平臺的關(guān)鍵部分，該層形成滿足不同行業(yè)、不同場景的工業(yè)SaaS和工業(yè)App，并形成工業(yè)互聯(lián)網(wǎng)平臺的最終價值。

平臺層是設計、仿真、部署、運維一體化平臺的核心，該層基于通用PaaS疊加大數(shù)據(jù)處理、工業(yè)數(shù)據(jù)分析、工業(yè)微服務等創(chuàng)新功能，并構(gòu)建可擴展的開放式云操作系統(tǒng)。

基礎(chǔ)層作為最靠近操作終端的設施，具有規(guī)模廣、結(jié)構(gòu)差異大的特點。該層主要功能包括設備管理、資源管理、運維管理等，它通過高性能計算芯片、輕量化計算方法以及實時操作系統(tǒng)等先進技術(shù)，對海量工業(yè)數(shù)據(jù)進行先處理和預處理，在降低了網(wǎng)絡開銷的同時提升了云-邊-端一體化平臺的響應速度。

2.2　硬件平臺

2.2.1　振動傳感監(jiān)測

采用振動傳感器進行監(jiān)測，其產(chǎn)品特性如下：

（1）工業(yè)級可靠性，超長待機時間;

（2）高精度振動監(jiān)測;

（3）支持加速度數(shù)據(jù)實時上傳，集成時域分析和頻域分析算法，輸出振動強度和振動頻率數(shù)據(jù)；

（4）無線SCADA擴頻通訊，超強抗干擾性;

（5）支持無線SCADA自組網(wǎng)主機和點對點無線網(wǎng)關(guān)靈活組網(wǎng)應用，支持定時上報、異常報警上報和低電量報警。

圖2 震動傳感器

2.2.2　基于震動數(shù)據(jù)的深度學習預測

我們從數(shù)據(jù)角度出發(fā)，進行多維度異常分析并輸出RUL（使用壽命）。

圖3 深度學習預測及分析圖

2.2.3　實時數(shù)據(jù)監(jiān)控和預測

（1）多設備、多指標數(shù)據(jù)實時展示；

（2）機器學習算法支持數(shù)據(jù)預測，可以發(fā)現(xiàn)數(shù)據(jù)趨勢和分布范圍（置信區(qū)間）。

2.2.4　深度學習算法支持的異常探測

（1）快速發(fā)現(xiàn)異常數(shù)據(jù)，及時了解設備可能出現(xiàn)的問題；

（2）自動學習可發(fā)現(xiàn)復雜數(shù)據(jù)異常，包括突發(fā)異常、漸變異常、周期異常等。

·設備健康指數(shù)繪制

（1）機器學習和深度學習算法支持設備健康指數(shù)評估和預測；

（2）提前發(fā)現(xiàn)可能出現(xiàn)故障的設備，提前維護，避免對正常的設備過度維護；（3）通過對健康指數(shù)曲線的預測，可有效計算設備RUL。

2.2.5　設備狀態(tài)診斷分析

（1）利用機器學習自動對設備和系統(tǒng)狀態(tài)進行診斷；

（2）結(jié)合用戶經(jīng)驗提升機器學習的能力，把人的經(jīng)驗最大化；

（3）對設備狀態(tài)進行分析，優(yōu)化設備使用率，提升生產(chǎn)流程效率。

2.2.6　數(shù)據(jù)特征提取

用戶通過界面可同時觀察到特定時間段內(nèi)多個傳感器的多維數(shù)據(jù)特征，包括數(shù)據(jù)總數(shù)、缺失數(shù)、最大值、最小值、平均值、中間值、方差、缺失時間范圍等。

2.2.7　智能報警

（1）機器學習算法通過把握數(shù)據(jù)特征，可以對各種異常快速報警；

（2）不同于簡單的閾值報警，智能報警可以自動識別復雜數(shù)據(jù)特征，有效降低漏報和誤報；

（3）不同報警級別方便用戶優(yōu)先排查預警時間、預警可信度，可以幫助用戶快速發(fā)現(xiàn)報警原因。

2.3　軟件平臺

圖4 軟件平臺架構(gòu)

（1）內(nèi)置常用的自動化部署環(huán)境，為應用（Java/NodeJs/Python/Go）部署提供定制化的容器運行環(huán)境；

（2）提供開箱即用的工具集，幫助開發(fā)者將代碼快速構(gòu)建為可運行的容器鏡像，提高了開發(fā)效率；

（3）提供應用商店和應用生命周期管理，縮短了應用上線周期；

（4）提供從平臺到應用維度的日志、監(jiān)控、事件、審計、告警與通知，實現(xiàn)了集中式與多租戶隔離的可觀測性；

（5）簡化應用的持續(xù)集成、測試、審核、發(fā)布、升級與彈性擴縮容；

（6）為云原生應用提供基于微服務的灰度發(fā)布、流量管理、網(wǎng)絡拓撲與追蹤；

（7）提供易用的界面命令終端與圖形化操作面板，滿足不同使用習慣的運維人員；

（8）通過應用商店一鍵部署與升級應用至Kubernetes；

（9）提供按需容器資源申請，支持設置容器的彈性伸縮（HPA），提升了應用的可靠性與靈活性；

（10）支持導入Helm應用倉庫可視化編輯與部署應用；

（11）應用商店支持多租戶運營，提供針對應用級的計量與計費。

3　代表性及推廣價值

以中國北方某風力發(fā)電場為例，該風電場始建于2018年，安裝了100臺單機容量為2MW的風電機組，總裝機容量為200MW。經(jīng)過幾年的運行，項目方意識到高效的運維管理可以極大提升整體經(jīng)濟效益，于是在2023年引入了一套先進的智能運維管理系統(tǒng)。

通過主要運維管理措施，基于故障預測與健康管理（PHM）技術(shù)，大數(shù)據(jù)分析與人工智能算法的優(yōu)化，通過物聯(lián)網(wǎng)技術(shù)實現(xiàn)對風電機組的遠程監(jiān)控和故障診斷，減少了現(xiàn)場維護頻次。

對比2022年（實施智能運維管理前）和2023年（實施智能運維管理后）的運行數(shù)據(jù)，分析高效運維管理對風電場的經(jīng)濟效益和設備狀態(tài)的影響，取得了非常好的效果，具體如表1所示。

表1 實施智能運維管理前后對比

風電設備運維管理（Operation & Maintenance,O&M）在風力發(fā)電項目的成功和經(jīng)濟效益中起著至關(guān)重要的作用。高效的運維管理不僅能夠確保風電設備的長期穩(wěn)定運行，還能最大限度地延長設備的使用壽命，降低運行成本，提升發(fā)電效益。

系統(tǒng)價值主要體現(xiàn)：

（1）提高設備可用性和可靠性，減少非計劃停機時間及增強設備穩(wěn)定性。

（2）延長設備使用壽命，保護關(guān)鍵部件，降低突發(fā)故障風險。

（3）優(yōu)化運維成本，降低維修成本，減少人員成本。

（4）提升發(fā)電效率，優(yōu)化運行參數(shù)，減少停機時間，提升整體發(fā)電量。

（5）提高安全性，減少高風險操作，自動化預警，確保人員和設備的安全。

（6）數(shù)據(jù)積累及智能化，累積數(shù)據(jù)運維經(jīng)驗，引導智能化決策，提升整體運維水平。

（7）環(huán)境和社會效應，減少環(huán)境影響，增強公眾對風電項目的信任和支持。

作者簡介：

陳　泉（1985-），男，湖南岳陽人，高級工程師，本科，現(xiàn)就職于蘇州凌犀物聯(lián)網(wǎng)技術(shù)有限公司，研究方向為人工智能、智能工業(yè)物聯(lián)網(wǎng)。

劉斐斕（1981-），男，湖南邵陽人，碩士，現(xiàn)就職于蘇州凌犀物聯(lián)網(wǎng)技術(shù)有限公司，研究方向為人工智能、智能工業(yè)物聯(lián)網(wǎng)。

劉　磊（1988-），男，江西德興人，碩士，現(xiàn)就職于蘇州凌犀物聯(lián)網(wǎng)技術(shù)有限公司，研究方向為人工智能、智能工業(yè)物聯(lián)網(wǎng)。

劉　洋（1979-），男，廣西玉林人，中級工程師，本科，現(xiàn)就職于蘇州凌犀物聯(lián)網(wǎng)技術(shù)有限公司，研究方向為人工智能、智能工業(yè)物聯(lián)網(wǎng)。

摘自《自動化博覽》2024年6月刊