明陽智慧能源孫啟濤：風(fēng)電機(jī)組健康管理與故障預(yù)測

2017-10-19 10:16:19 能見　點(diǎn)擊量：評論 (0)

2017年10月16日-19日，2017北京國際風(fēng)能大會（CWP2017）在北京隆重召開。在中國國際展覽中心（新館）風(fēng)電場智能運(yùn)維專場，明陽智慧能源集團(tuán)股份公司大數(shù)據(jù)中心數(shù)據(jù)分析部部長孫啟濤就風(fēng)電機(jī)組健康管理與故障預(yù)測

2017年10月16日-19日，2017北京國際風(fēng)能大會（CWP2017）在北京隆重召開。在中國國際展覽中心（新館）“風(fēng)電場智能運(yùn)維”專場，明陽智慧能源集團(tuán)股份公司大數(shù)據(jù)中心數(shù)據(jù)分析部部長孫啟濤就“風(fēng)電機(jī)組健康管理與故障預(yù)測”發(fā)表演講。孫總提出管理與故障預(yù)測系統(tǒng)需要數(shù)據(jù)采集的能力、分析建模的能力和智能化分析能力。

以下為演講內(nèi)容：

孫啟濤：尊敬的各位專家，各位同仁下午好，我來自明陽智慧大數(shù)據(jù)中心。

首先是開篇一個引言，我想分享一個故事，這個故事估計有的人聽過，扁鵲應(yīng)該是我國古代非常有名的醫(yī)生，我相信大家可能不是特別了解他有兩個哥哥，他的兩個哥哥分別從事醫(yī)學(xué)，醫(yī)學(xué)高明，有一天魏文王為扁鵲你們?nèi)齻€都是搞醫(yī)學(xué)的，你們誰的醫(yī)術(shù)最高的？扁鵲思考了一下說，在家里面，長兄醫(yī)術(shù)最高，中兄次之，我是最差的。

我說我的長兄治的是病情發(fā)作之初，中兄是治病于發(fā)作起初之時，他能夠在病情發(fā)作之時看出來，而我扁鵲治病是到病情發(fā)作之后，人們看到我做的手術(shù)，實際上我的醫(yī)術(shù)不如他們兩個。

相信這個故事我們反思一下，我們在風(fēng)電管理和運(yùn)維當(dāng)中，我們扮演的角色是扁鵲的長兄、中兄還是扁鵲呢？相信我們都有很明確的答案，我們現(xiàn)在扮演的都是扁鵲的答案，當(dāng)故障發(fā)生的時候我們才能有效地針對性維護(hù)，我們要通過故障預(yù)警，防患于未然，才是風(fēng)電場運(yùn)維的王道，在問題發(fā)現(xiàn)之初去進(jìn)行維護(hù)。

如果我們要像扁鵲的長兄那樣需要什么樣能力？分別是數(shù)據(jù)采集的能力，不僅僅是傳感器的數(shù)據(jù)、氣象資源的數(shù)據(jù)，第二個要有非常強(qiáng)大的分析建模的能力。第三個層面的話，把我們前期采集到的數(shù)據(jù)通過大量的智能化分析之后，把它包裝形成一定的應(yīng)用，這樣的應(yīng)用系統(tǒng)大量的監(jiān)控平臺，能量管理平臺，以及智能檢測平臺，來支撐前面我數(shù)據(jù)的分析應(yīng)用。

第二部分，想跟大家談一下亞健康預(yù)警的研究，其實我們大家知道風(fēng)電機(jī)組設(shè)備跟人一樣，不可能跟人一樣良好的狀態(tài)，一下到故障狀態(tài)，它是有一個過程，不是說我現(xiàn)在分享風(fēng)電機(jī)組知識，下一刻我就生病狀態(tài)，是不可能的。

風(fēng)電機(jī)組健康發(fā)電與故障之間的狀態(tài)是有一種亞健康運(yùn)行模式，這個模式是怎么發(fā)現(xiàn)的？需要我們進(jìn)一步研究。

這個是風(fēng)電機(jī)組的四大部件，其實每一種大部件有非常特有的模式，下面我以齒輪箱為例子，實際上對于整個齒輪箱來說，我們現(xiàn)在是自下而上的分析過程，下面這個T就代表齒輪箱損壞的故障，如果我們能夠有效地識別它底層狀態(tài)，并且在底層狀態(tài)進(jìn)行有效識別，并且防護(hù)的話，我們就能夠有效地避免問題。

那么剛才提到了齒輪箱我們是從上而上分析的，反過來說就是齒輪箱FMEA的分析，通過這些分析我們可以有效地識別出來大部件失效的模式。

明陽在整個大部件運(yùn)行過程當(dāng)中是采用兩種方法，第一種是專家經(jīng)驗，那么這一種專家經(jīng)驗是針對各個專業(yè)科室以及工程運(yùn)維現(xiàn)場故障分析診斷的豐富經(jīng)驗進(jìn)行集成，建立故障預(yù)警模型。但是它依托于有強(qiáng)大的運(yùn)維經(jīng)驗。

同時為了避免這種情況產(chǎn)生，我們提供了大數(shù)據(jù)分析系統(tǒng)，第一個是利用統(tǒng)計學(xué)的方式，采用一些中位數(shù)、分位數(shù)、均值，來建立預(yù)警模型，第二個通過機(jī)器學(xué)習(xí)，人工智能、深度學(xué)習(xí)，通過歷史故障記錄，通過機(jī)器學(xué)習(xí)訓(xùn)練，來實現(xiàn)提前預(yù)警。

目前我們做的整個對機(jī)組的葉片主軸、葉片、偏航系統(tǒng)、變槳系統(tǒng)分別建立了預(yù)警模型，同時我們對每個預(yù)警模型進(jìn)行了分析，這樣的預(yù)警信息一旦推送到現(xiàn)場之后，必須在24小時之內(nèi)進(jìn)行第一時間處理，第四項情況就不是那么嚴(yán)重，對整個機(jī)組的健康運(yùn)行，影響度是非常小的。

這也就是我們對于基于專家經(jīng)驗，對每一個預(yù)警模型建立亞健康運(yùn)行的范圍，我們?nèi)绾巫R別亞健康的狀態(tài)。

第二部分，基于大數(shù)據(jù)分析技術(shù)，通過機(jī)器學(xué)習(xí)算法，建立非常多的數(shù)字模型，通過我們大數(shù)據(jù)分析的云平臺，實時地計算出你理論值和實際值進(jìn)行比較，如果超出設(shè)定的范圍，超出合理范圍之后，這樣會第一時間發(fā)出預(yù)警信息，也就是大數(shù)據(jù)預(yù)警模型。

現(xiàn)在明陽智慧已經(jīng)開展了十多種算法，舉幾個例子來說，基于分為數(shù)和中位數(shù)的算法，我們其實在今年5月份的時候，首先通過過去一年的歷史數(shù)據(jù)，進(jìn)行了分為數(shù)和中位數(shù)的預(yù)算，我們再分析今年5月1號到5月7號的數(shù)據(jù)時發(fā)現(xiàn)，4號機(jī)組的齒輪箱某些標(biāo)簽點(diǎn)異常狀況較為嚴(yán)重，通過專家判斷后認(rèn)為機(jī)組潤滑散熱等出現(xiàn)問題，需要排查，因此發(fā)出警告信息。

需要說明的是，其實在我們發(fā)出預(yù)警信息之后，這臺4號機(jī)組在風(fēng)電場同類型當(dāng)中還是表現(xiàn)最優(yōu)秀的，它平時表現(xiàn)非常好，但是很用可能它一出問題就是出一個大的，也就是說如果我們沒有這樣的技術(shù)，任由它自由發(fā)展，進(jìn)一步導(dǎo)致就是潤滑油整個的不足，進(jìn)一步導(dǎo)致齒輪箱的損壞。

這個是TF-IDF的方法，左邊這個圖，紅的0代表非故障的狀態(tài)，1代表故障的狀態(tài)，同時右邊兩個圖，上邊1號機(jī)組TF-IDF值比較高，3號機(jī)組狀態(tài)是正常的，1號機(jī)組是偏向于異常的。

系統(tǒng)應(yīng)用的話，剛才我們提到我們建立了許多預(yù)警模型，包括亞健康的分析，提到了應(yīng)用的開發(fā)，現(xiàn)在已經(jīng)上線了亞健康預(yù)警檢測系統(tǒng)，在過去三個月當(dāng)中，我們所有在線運(yùn)行模型已經(jīng)超過90%，按照預(yù)警等級，這些等級和故障情況可以有效識別你機(jī)組是什么狀態(tài)，或者計算出健康度現(xiàn)在處于什么樣的分?jǐn)?shù)。

談完亞健康的話，想跟大家分享一下健康狀態(tài)評估的研究，我們現(xiàn)在基于劣化度的方法，有超小優(yōu)越型，有中間型，還有越大越優(yōu)的，這個我們有詳細(xì)專業(yè)的評價過程，我們首先確定一些參數(shù)，包括歷史度的參數(shù)，變量的類型，評估的等級，通過這些等級之后，我們一步一步通過我們實時采集的數(shù)據(jù)，計算出各個變量的劣化度，計算出各個部件的劣化度，然后計算出歷史度，然后做出評判，得出一個部件的評估結(jié)果，最后綜合而成一個整機(jī)的評估結(jié)果，最差的就是整機(jī)目前的狀態(tài)結(jié)果。

這個是我們在過去一個月當(dāng)中齒輪箱、發(fā)電機(jī)、葉片，整個組成機(jī)組的劣化度。通過這個分析出是處于亞健康狀態(tài)，下一步怎么做呢？如何分析呢？其實這是一個問題，是什么原因和指標(biāo)惡化，導(dǎo)致我們齒輪箱由一個良好狀態(tài)進(jìn)入惡化的狀態(tài)。把每一個部件，每一個標(biāo)簽點(diǎn)計算出的劣化度，每一個時間周期，健康周期，這樣一層層分析決策出來，就可以知道每一個部件相關(guān)聯(lián)的健康程度，也就是我們可以決策出來每個部件產(chǎn)生的健康范圍的范圍，那么當(dāng)這個范圍出來的時候，我們就可以準(zhǔn)確知道是什么問題。

這樣的話，基于劣化度部件狀態(tài)度，可以確定每個時間單位狀態(tài)變化標(biāo)簽組合，通過前后狀態(tài)的切換，得到兩個時間單位的標(biāo)簽組合差，最終根據(jù)決策數(shù)的分值，來判斷標(biāo)簽點(diǎn)值變化，從而進(jìn)一步通過這種決策，進(jìn)一步定位到是哪一個原因造成的。

我并不是特別關(guān)注你現(xiàn)在部件所處的狀態(tài)，我們更加關(guān)注的是部件變化的過程，有的時候一些機(jī)組運(yùn)行的狀態(tài)，并不是從A到B到C到D，也有可能是從A到C。

剛才提到了比較具體的技術(shù)，這些技術(shù)能夠支撐我們的運(yùn)維服務(wù)，首先介紹一下明陽的大數(shù)據(jù)中心，我們在中山建立了大數(shù)據(jù)中心，它也是我們跟風(fēng)電場互通互聯(lián)，這里是7×2小時值班，首先我們通過大數(shù)據(jù)平臺計算的數(shù)據(jù)，發(fā)送的隱患，實時推送到風(fēng)電場，風(fēng)電場根據(jù)計算出來的結(jié)果，跟工程技術(shù)專家團(tuán)隊計算結(jié)果以后，再把數(shù)據(jù)發(fā)送到平臺，這樣不斷優(yōu)化，模型不斷調(diào)優(yōu)，準(zhǔn)確率是不斷提升的。

其實剛開始進(jìn)行機(jī)器學(xué)習(xí)的時候，準(zhǔn)確率只有20%左右，反復(fù)的模型優(yōu)化才逐漸達(dá)到比較可觀的準(zhǔn)確度。

其實剛才說到發(fā)出的這些預(yù)警信息，是不是第一時間內(nèi)得到維護(hù)？答案是不一定的，我們依托于明陽集團(tuán)開發(fā)的天氣資源預(yù)測系統(tǒng)，這里是風(fēng)資源的變化，包括溫度、氣壓、云層，尤其是海上海浪的變化，這些數(shù)據(jù)支撐有可以有效指導(dǎo)現(xiàn)場進(jìn)行排查計劃。

比如現(xiàn)在需要排查一個隱患和預(yù)警的話，它不是那么著急，而且現(xiàn)在風(fēng)資源特別大，我就可以通過根據(jù)情況來安排檢修維護(hù)。

尤其是南方的臺風(fēng)，臺風(fēng)來的時候我們要有效避免臺風(fēng)帶來的損壞，同時我們也希望變廢為寶，利用到臺風(fēng)。

智慧運(yùn)維服務(wù)，我們現(xiàn)在所有工單都是實現(xiàn)自動化的推送，支持手機(jī)APP和PC端，這一個就是我們一個預(yù)警工單排查的詳細(xì)信息，以及排查的內(nèi)容，包括你帶什么樣的工具，最后反饋一個模型的準(zhǔn)確性，現(xiàn)場排查的原因，也就是說我們對于現(xiàn)場人員的支持，可以非常清晰地知道什么人在現(xiàn)場做什么事，每一個流程都需要上級審批的。

最后一個展望未來的話，我們希望通過風(fēng)電大數(shù)據(jù)平臺，建立一個大數(shù)據(jù)智庫，包括我們整機(jī)制造廠商，以及行業(yè)協(xié)會，最終構(gòu)成一個大數(shù)據(jù)生態(tài)圈，共享風(fēng)電的良好發(fā)展，我的分享就以上內(nèi)容，謝謝大家。

（發(fā)言為現(xiàn)場速記整理，未經(jīng)本人審核）

責(zé)任編輯：lixin

免責(zé)聲明：本文僅代表作者個人觀點(diǎn)，與本站無關(guān)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實，對本文以及其中全部或者部分內(nèi)容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關(guān)內(nèi)容。

我要收藏

個贊