风力发电集控中心的信息化建设研究

2022-02-11国能思达科技有限公司

电力设备管理 2022年23期

国能思达科技有限公司魏亮

引言

随着我国工业发展和人民生活对能源的需求，各大电网公司都在大力发展风力发电，并在全国范围内兴建风电场，从而使风电的效率得到显著的改善。由于风电场分布比较分散，风场监测系统相互独立，难以实现风电资源的共享和统一管理。因此，要充分引进先进的技术，结合信息时代的发展趋势加强风电的信息化建设，建立一个统一的风电场管理平台以及时掌握风能资料，做好风电场的远程监测和设备维护及对突发情况的科学处置。

1 风力发电集控中心的信息化建设的作用

1.1 数据挖掘技术的研究能有效维护风电系统在数据方面的安全性

在风力发电系统中数据挖掘技术越来越被人们所关注，并被大力推广。数据挖掘是数据收集和查找的过程，数据的来源是以数据库为基础，经过过滤获得有价值的、全新的、有潜力的数据。风力发电系统在运行期间会积累大量的原始资料，其中蕴藏着巨大的潜能，对今后的系统进行改进、对风力发电系统的高效运转有着重要的意义。

目前，风力发电系统所能够收集和整理的部分资料信息等级较低，不能深入挖掘出更深层的信息，也不能对其进行系统性的整理和预测。然而数据挖掘技术则是通过对电力设备所提供的数据进行深入分析，从而对潜在问题做出合理的预测和预警，从而使维修人员可更好地监控自己所在区域。同时还可对电网的运行规律进行分析，并对其进行自动设置，使其运行在最佳状态，从而大大地提高了运行效率，减少了维护费用，确保了风电系统的安全稳定运行。

1.2 保证风电系统内部信息传递的顺利进行

在风力发电系统的集控中心，由于控制站与数据中心的位置相隔较远，数据共享、指令传送等都要求采用高效率的通讯方式。该中心有语音服务、数据调整与调度、视频服务和MIS服务四大功能。语音业务主要用于处理中央和下属的集控站的各种电话，包括发送指令、系统调动和拨打电话；调度服务主要负责对各个集控站的生产信息进行控制，其内容包括电力行业信息、系统自动化数据等；视频业务主要是监控、防盗等功能，并在内部组织视频会议；信息管理系统以提供办公服务为主，强化自动化和多媒体，以改善电力使用、企业管理、生产管理等；在电力信息网络中，MIS系统的信息传输是其中的一个关键环节，其存在可以保证风力发电系统的集中控制中心的高效和安全运行。因此在风力发电系统中，通讯系统是实现信息传输的关键环节。

1.3 信息安全技术为集控中心的数据提供安全保障

在风力发电系统的集中控制中心存储了大量电力部门的生产和操作信息，确保了它的安全。为确保集控中心的数据传输，须满足二次电力系统的安全保护，并在此基础上建立了一个与网络相分离的安全硬件防火墙。各系统界面应保持一致并严格遵守界面规格，同时保证系统数据的正常传递和数据的高稳定性。

为有效防止跨部门间的信息交互，减少系统间的信息交互、减少系统间的风险，同时限制了用户的使用权限，加强了认证。集中控制中心在与外界进行数据交互时，应当注意防止系统遭到攻击，并加强对外部系统的安全审查，防止病毒入侵和网络攻击。

2 风力发电集控中心信息化建设措施

2.1 采集数据信息

风电场集控中心由监控、能源、数据查询等部分构成，它们各自独立工作互不干扰，可实现各个系统的功能。在风力发电系统中，传输精确的数据和信息是实现资源共享的关键。由于各子系统的设计要求、运行模式不同，相应的行业标准也不尽相同，使得各系统之间的信息不能充分交换。

为达到这一目的，本文提出以Web服务为基础的通用数据服务系统，使各子系统间可进行高效的互联、共享，传输数据的效率更高。网络的主要功能是提供通讯服务，然后通过各种协议对各地区的原始资料进行收集。Web具有信息统一的特征，使得系统能在各种背景下有效地进行数据的处理。网络技术支持通信协议和操作系统应用，在风力发电系统集控中心信息化建设的基础上，通过网络技术可实现信息的共享，而不会影响到各个子系统的独立运作和相应的功能。

2.2 应用数据挖掘技术

在风电集控站的信息化建设中大数据技术是一种普遍的技术方法，而数据挖掘技术在风电集控中心的应用也越来越广泛。数据挖掘包含了数据的收集和检索，将数据从数据库中提取，通过设置条件进行筛选，从而获得有价值的数据；其核心是对资料的搜寻。风力发电系统在运行过程中会产生大量的原始数据，在此基础上进行沉淀并将其存储起来，从而使其在实际应用中得到更好的利用。

目前在风力发电系统的信息化建设中，主要是对已有的信息进行收集和整理，所提供的信息水平不高，无法对有价值的资料进行进一步的挖掘；没有系统的整理和预测。利用数据挖掘技术，可对电力设备的各种数据进行自动归纳，并对其可能出现的问题进行预警。通过这种方法可根据预报的结果来设置维修区域，并把处于维修区域的设备列为重点监控对象。

此外，利用数据挖掘技术可对电网的运行规律进行归纳和自动设定，从而保证电网的正常工作，提高了运行效率、减少了维护次数、节约了成本，提高了运行的安全性和稳定性。

2.3 应用信息安全技术

风力发电集控中心是电力生产和运营的重要组成部分，其数据安全是非常重要的。集中控制中心的重要信息传输，对二次供电的保护提出了更高的要求，即要保证各子系统都在安全区域，并使用安全的硬件防火墙；与因特网实现安全隔离。系统各接口必须一致并达到接口的需求，确保系统的数据可高效传输，同时也要确保稳定的数据传送。

为了避免信息安全的风险，各系统必须使用统一的数据平台进行数据交换。另外用户的权限也有一定的限制，特别是认证的必要性。在与外界进行数据信息交换时，要时刻关注系统是否遭到恶意攻击，这时需要对外部系统进行安全检查，防止出现安全问题。

2.4 智慧化监测赋能

深度应用基于大数据的智慧化监测技术，嵌入丰富的监测模型、预警模型、评估模型及数字孪生系统，实现将人工的绝大部分工作通过在线监测、自我检测、系统分析以及智能机器来完成。建立全面感知体系，利用信息化网络赋予风力发电集控中心全方位立体感知能力，可实现风电设备关键运行状态的直接精确测量，包括对整机及核心部件振动、不均匀沉降、腐蚀、应力应变等运行状态进行机组级的实时监控或评估，并及时进行故障预警和控制；对机组关键部位的载荷进行实时监测，并进行基于载荷状态的优化控制，以支持机组寿命评估并最大化机组发电能力。

实现产品全寿命周期智能化运维。应用智能巡点检设备，覆盖GIS地理信息、RFID无线射频技术、LBS基于位置服务、4G/5G网络通信等多种新技术，使用手持智能终端满足流程处理、身份识别、人员定位、信息采集、作业指导等工作场景的需要。实现对大部件故障监测，基于现有的数据采集系统，应用最新的风机监控和故障诊断软件工具，实现对风机及风场整体故障风险的诊断和评估；利用在风电关键部件生产、测试、维护及状态监控的经验和服务能力，将多种产品和相关技术集成到智能风场管理业务和平台中。

支持智能风场管理系统的建设，提高风场维护管理及故障诊断能力，提高诊断准确率，降低维护成本等。实现对风机叶片的监测，应实现叶片振动监测、叶片应力监测，利用风机叶片长期运行积累的故障特征数据，如：叶片开裂、叶片断裂、叶片结冰、雷击事件、叶片附尘、质量不平衡等；基于声音的叶片在线外形损伤监测系统采用与叶片非接触的形式，实时采集叶片运行过程中的声音数据，与风机状态数据同步，通过机端采集系统中内置的特征提取与机器学习算法，对原始数据进行降噪、脱敏、瘦身，协同站端的工业智能算法在线识别叶片损伤及严重等级，根据损伤类型及严重等级以进行针对性维护。支持雷击损伤、保护膜脱落、排水孔堵塞、叶片结冰等常见失效模式识别的能力；对叶片的摆动幅值和频率进行实时监测，并根据相应算法，实时评估叶片健康状态。

2.5 强化智慧能量控制

通过应用智慧能量控制，可迅速响应调度计划，统筹考虑各风电机组的运行状态和当前有功出力，掌握设备状况以及功率预测，进行高响应速度、高精度的场级能量控制、单机能量控制，动态进行有功调频和无功调压。实时结合电场机组的设备状态及运行工况，得到风电场未来的输出功率，并以此推算风电场未来发电能力。

新能源基础气象大数据是整个集中功率预测系统的基础。气象数据须积累大量的历史数据，通过强大的中尺度预测引擎及CFD流体仿真引擎，提供高精度气象预测及预警数据服务。采用国际最先进的数值天气预报模拟技术，同时根据中国地形地貌和气候特点进行不断优化、完善。通过采用神经网络、深度学习、混沌理论等智能算法，对风电场进行混合建模，在现有时间序列模型下，采用人工智能技术，引入概率统计学理论以及智能优化算法，针对电场地形及气候特点，通过综合各方法所使用的信息和优势实现复杂性建模，提高风功率预测的精度。可实现超短期（日内）预测、短期（日间）预测，来支撑建立风电系统的经济调度与决策模型。

2.6 配套储能控制

通过应用大容量、高效率、长时间储能系统，以独立控制装置完成有功-频率下垂特性控制，使其在并网点具备主动支撑参与电网频率快速调整能力；以动态无功调压采用无功-电压下垂曲线控制装置，实时监测并网点的电压，当电压变化超出调压死区范围时，主动实施动态无功调压功能。通过储能系统快速调节进行发电，对电网的负荷进行快速跟踪，减少风光电对电网的冲击，保证新能源场站的出力稳定性，迅速完成峰谷平滑调配。

2.7 构建数字孪生技术

应用基于数字孪生的设备监控来建立与实际设备完全一致的三维几何模型，在此基础上通过数据采集或添加传感器全方位获取设备数据，并将各个位置数据与虚拟三维模型一一映射，实现物理对象与孪生设备完全一致的运动行为，更加直观的监控物流对象实时状态。从关键部件级进行仿真，全方位进行参数调优与测试，经验证取得较优指标后再推广至整机仿真，直至建立完整的孪生模型。

应用基于数字孪生的设备控制调试、工艺仿真及参数调优能够在虚拟空间开展虚拟验证，可进行工艺调参验证工艺变更的合理性，有效降低了传统物理调试时间，极大提高测试安全性。应用基于实时仿真的设备深度运维管理，将离线仿真与IOT实时数据结合，实现基于实时数据驱动的仿真分析，能够实时分析设备哪个位置出现了问题，并给出最佳响应决策。通过基于数字孪生的智能仿真诊断分析，将传统仿真技术与人工智能技术结合，极大提升了传统仿真模拟准确性。