优化风电场运维管理提高工业经济效益的方法研究

周靖翔

（国电朔州海丰风力发电有限责任公司， 山西 朔州 036800）

0 引言

近几年，我国各地运行的风电机组数量逐年递增，风力发电逐步进入稳步发展阶段，风电场运维成为影响风力发电行业经济效益的主要影响因素之一。科学、有效的风电场运维管理，可以实现风电机组价值最大化，进而实现利润最大化。因此，探索风电场运维管理优化方法，对于提升经济效益具有重要意义。

1 风电场运维管理内容

风电场运维管理包括设备运维管理、人力资源管理、备品备件及消耗性材料管理、技术管理和安全管理等模块，各模块管理内容见表1。

表1 风电场运维管理内容

2 风电场运维管理现状

我国风电大规模投运时间较短，尚未形成系统的运维管理模式。当前，风电场运维管理模式多为开发商自行运维，局部为开发商与整机厂家、第三方合作运维，或者将风电机组分系统外包运维，不同风电场运维主体优劣势表现见表2。

表2 不同风电场运维主体优劣势表现

由表2 可知，不同风电场运维主体各有优劣势。在以开发商为主体的风电场运维过程中，发电量指标考核是风电场运行管理的主导，风电机组核心技术掌握不足，风电机组运维检修经验稍显薄弱。而以整机厂家、第三方为主体的运维工作存在关注内容片面、全寿命周期运维理念无法完全落实等问题[1]。

3 基于提高经济效益的风电场运维管理优化方法

3.1 强化全寿命周期管理意识

强化全寿命周期管理意识是确保风电场更好地适应国家电网公司并网规定要求、提高设备运行质量可靠性、产生更高经济效益的关键。因此，在尊重风力发电安全生产客观规律的基础上，风电场运维管理主体应综合考虑生产成本内控、风电场规模和经营专业范围，强化落实全寿命周期管理意识，指派专业运维人员完成风电场运行设备巡检、事故处理、倒闸操作以及设备线路常规定检、维护消缺，确保风电场独立一体化运行目标顺利实现[2]。

在全寿命周期管理理念指导下，风电场运维管理人员可以从人力资源、现场管理和备品备件及易耗品管理几个维度，进行一体化管理方案设计。在人力资源管理方面，风电场运维管理主体可在招聘专业水平高、技术经验丰富人才的基础上，借助专业岗位区分、管理岗位增设手段，明确由场长统领安全专工、值班长和生产专工的管理模式。其中，安全专工负责购置安全工器具、配备安全标志牌与防火防汛工具，加强安全培训，降低风电场运行过程中的安全风险。值班长负责对运行人员、维护人员进行培训，促使其明确工作职责。生产专工需要持续强化个人专业技术水平与职业素养，降低风电生产过程中人力资源风险，具体人力资源配置情况见表3。

表3 风电场人力资源配置情况

在现场管理方面，根据风电场现场运行情况，推进风电场运维管理标准化。即以生产技术为出发点，以统一发文形式明确全周期运行管理工作内容、职责和范围，确保全部可用规定、制度以及流程、执行标准可追溯。同时，以风电场设备巡回检查为重点，对风电场全寿命周期运维绩效进行考评，并以风电场班组为单位开展生产指标竞赛，促进人员转变观念，坚持 “应修必修、修必修好” 与 “度电必争” 的原则，切实落实全周期高效率管理理念。

在备品备件及易耗品管理方面，风电场运维管理主体可以采用多风电场大型备件联合库房、各风电场易耗备品独立库房的形式，明确风电场对小型易耗易损备品备件管理与储备权利。同时，优选地理位置居中、交通便捷的场地建立联合库房，由专职库管员利用备品备件管理系统软件集中管理，包括备品备件出库入库、计划部物资计划备品备件到货验收和储备定额制定等[3]。

3.2 引入少人值守管理模式

少人值守管理模式是风电运维智慧化的表现，可以在减少风电场运维管理成本的同时，提高风电场运维管理效益。智慧软件是少人值守管理模式应用的核心，Wind OS 软件较为常用，包括OS 智能监控、Enlight 绩效管理和Kong 功率预测等几个管理模块，相关管理模式有机整合应用，可以推动风电场运维管理进入数字化、智能化阶段，实现少人甚至无人值守。其中，OS 智能监控模块主要是以风电机组、升压站的实时状态为对象，经移动智能端及时推送风电场预警信息、故障信息，并依托内置传感器集成风电机组健康状态信息，经PHM健康度管理，预测未来一段时间内风电机组部件健康状态，为高效开展风电机组维护工作提供依据。Enlight 绩效管理主要是面向整个风电场收入潜力、成本，以能量可利用率、风场发电量和时间可利用率等为指标，开展高效精准分析。比如，利用能量可利用率，结合实际发电量、实际应发电量的比值，衡量风电机组出力状态，探究发电量损失原因，进而评估风电场实际运营水平。Kong 功率预测主要是针对风力发电不稳定性特点，依托先进集合预报算法，有机整合中国气象局、欧洲中尺度天气预报中心、美国大气与海洋局等权威机构提供数据以及风电场实测数据，预报风电场未来4 h 以及3 d 内的风速、发电量。据此，在EMS（energy management system，能源管理系统）管理模式下及时调整电网调度指令，使风电场压线运行，最大限度提高风电场经济效益。

3.3 深度应用先进运维管理技术

大数据分析是风电场运维管理首选技术，涵盖可视化分析、预测性分析、语义引擎、数据存储、数据管理和数据挖掘等多种功能，可以缩短风机故障停机时间，增强风力发电稳定性、可靠性，为提升风电场运维管理效率与经济效益提供保障。因此，风电场运维主体可以集中控制中心为数据收集关口，全面收集风功率预测运行数据、升压站运行数据和测风塔数据等。在数据收集的基础上对风电场运维数据进行深入加工，分析相关设备运行情况，并远程灵活操控相关设备，从源头解决风电场设备点多面广、管理难度大的问题。

在集中收集风电运行数据并初步应用的基础上，运维管理主体可以对相关数据进行深度加工，组成风电机组数据链。进而依托大数据分析中心，梳理风电机组数据链中的故障数据、运行数据、检修数据和更换数据等，明确大数据分析逻辑。随后，由大数据分析中心自动深度加工运行数据链，第一时间发现风电机组安全隐患，在以 “风机故障热点图” 分模块展示的同时，发出预警，以便运维主体根据预警信息调整风电场运维方案，及时解决风电机组设计缺陷、共性缺陷，优化风电场年度发电量，增加风电场经济效益。有条件的情况下，运维管理主体可以将大数据分析与人工智能、云计算技术有机结合，打造智慧化风电场全息管理模式。在智慧化风电场全息管理模式中，系统利用大数据分析技术进行风速波动数据、超短期风速波动数据以及相关数据的自动处理。进而由人工智能技术、云计算技术根据处理结果预先估测风电机组故障点，并输出故障预警报告、故障停机时间预估报告。最终由大数据分析技术支撑以风电场最优发电层为基础的智能场群控制，有效强化风电场柔性管理，保障风力发电获得良好的经济效益。

4 风电场维护优化后的工业经济效益分析

4.1 维护背景

以某风电场为例，某风电场2023 上半年平均风速为7.25 m/s（2022 年同期为7.23 m/s），最大风速为12 m/s，最小风速为2 m/s，风资源情况良好，年均风速相差不大。2023 年，风电场开始深度应用先进大数据运维管理技术，打造全周期无人值守维护模式，

4.2 分析过程及结果

4.2.1 基于设备故障停机损失减少的经济效益

对比未维护前风电场设备故障停机损失的经济费用与风电场维护优化后每年减少设备故障停机经济成本，分析风电场维护优化后提高的工业经济效益，维护优化前后风电场因设备故障停机损失减少的经济效益见表4。

表4 维护优化前后风电场设备故障停机

由表4 可知，维护优化后风电场设备故障发生次数显著减少，设备故障停机时间显著缩短。按设备故障停机损失经济成本1 万元/h 计算，在不考虑设备故障检修成本情况下，优化后，风电场经济效益可提升187 万元。

4.2.2 基于风电场发电量提升的经济效益

对比风电场维护优化前后的发电量，分析风电场维护优化后的工业经济效益。维护后，上半年风电场累积发电量和2022 年同期发电量对比见表5。

表5 维护优化前后风电场发电量对比

由表5 可知，在风速一定情况下，维护优化前的风电场发电量远小于维护优化后的风电场发电量。按家庭用电单价为0.59 元/（kW·h）计算，在风速为10 m/s 的情况下，风电场维护优化后经济效益可提升47 200 元。

5 结语

风电机组运行可靠质量要求随着风电场装机容量的不断扩大而提高，只有确保风电场处于最佳运行状态，才可以获得较高的经济效益。全寿命周期管理意识引导下的风电场运维管理，可以关联生产成本内控与定检消缺，降低维护成本，提高经济效益。特别是在少人值守管理模式下，可在保证风电场运维管理效果的前提下减少投入，提高工业经济效益。同时，利用先进运维管理技术，可以缩短风机故障停机时间，确保风电场预期工业经济效益的顺利获得。因此，相关人员应正确认识运用科学方法加强风电场运维管理的重要性，落实全寿命周期管理理念，引入少人值守模式，进行大数据技术、云计算和人工智能技术的深度应用，确保风电场运维管理经济效益的稳步增长。