风电运营企业数字化转型实践
潘文彪中节能风电研究院工业互联网研究室负责人
【资料图】
尊敬的各位领导、各位嘉宾，大家下午好！
我是来自中节能风力发电股份有限公司的潘文彪，我们单位是风电的业主单位，现在装机是550万千瓦，我们只做风电，光伏是在我们另外一家兄弟公司中节能太阳能公司，我们是中国节能环保集团的一家二级公司，我自己主要从事风电数据资产管理、数据分析和挖掘、数据化平台、开发等方向工作，接下来由我给大家分享一下我们节能风电在数字化方面的探索和实践。
我分享的题目叫《风电运营企业的数字化转型实践》，今天要分享的分成三部分内容，一是我们在风电资产运营遇到的机遇和挑战，二是我们的方法和实践，三是我们正在做的工作探索和展望。
一、机遇和挑战
在双碳目标提出之后，各个机构都对碳中和路径做了思考，有两个方向是非常明确的，就是“能源生产电力化，电力生产清洁化”，在国电能源署在2021年给出的中国能源领域的碳中和它给了几个预测，这几个预测我觉得有一定参考价值，一是它预测2060年中国发电量将较2020年增加130%；二是新能源发电占比占整个发电量，由2020年25%提高到2030年40%，再到2060年80%；三是说支撑这样的电量占比对新能源装机提出了很高要求，要求我们在未来30年内光伏每年增长220GW，风电每年增长57GW。
拿风电举例子，每年增长57GW是什么概念呢？我们看2009年至2020年风电并网装机容量的增长，只有20年是72GW，超过了57GW，21年是47GW，22年37GW，也就是说过去3年高速风电装机增长态势未来可能还会持续30年，这对我们是极大的机遇，我们风电资产运营会越来越大；同时，社会化用电量也在不断增长，经济社会在回升，社会化电量近年还会进一步增长，随着社会化电量增长伴随而来的就是我们市场化交易电量也在增长，从2017年25.66%到2022年已经达到了60.8%，这就是伴随机遇而来的挑战。
总结下来，我们觉得风电运营对我们来说面临两大挑战：一是风电装机规模的快速扩张，我们公司装机500万千瓦有1千名员工，当我们装机到1千万千瓦的时候我们要有2千名员工，2千万千瓦装机要有4千名员工，这显然和我们国家的人口结构是相矛盾；二是我们风电厂地处偏僻，我们想招本科生很困难，未来我们装机规模增长上去后，我们想招有能力、有经验的厂长、班长、值长在哪里找呢？
面对这个问题，行业已经给出了比较明确的路径，一是我们要做集中监控，把厂站运行能源减下来；二是我们做集中检修，把厂站检修人员减下来；三是我们力争做到场站无人化，把场站的所有人都放在区域去做集中管控，这是第一大挑战。
第二大挑战对于我们来说就是电力交易市场的发展，过去电价敞亮的时代，我们发多少电以为我们有多少收益，电量和收益呈正相关，现在电价高度不确定，就颠覆了我们过去的收益逻辑，在我们整个收益后面乘上了一个系数，这就意味着我们未来几年的新能源投资，不只是未来几年，新能源投资不必然有利润，能不能有利润和利润多少，很大程度上取决于我们运营水平的高低了，考验我们运营策略是不是优化、再优化。
举个例子，我们经常在小风电给风电厂做的建检维护，因为小风电做地检对我们电量影响最小，对我们收益影响最小，电力交易上来之后，小风电往往是收益最高的时候。我们是不是还要在小风电做地检，如果不在小风电做地检，我们在什么时候做地检，这个问题很难给出答案，需要我们完整科学的管理闭环技术。过去对数字化的要求，我们过去也提数字化，2020年以前数字化水平高与低对我们收益影响就5%，现在能达到20%，未来电力交易市场发展的市场化程度越来越高，这个影响会朝着100%，能增长百分之多少？这是一个问号。
二、方案和实践
面对这两大挑战行业给出答案，就是数字化转型，但这个答案太宽泛了，我们讲讲我们是怎么做的，我们觉得要做数字化转型大概分成这么几个步骤：
一是先梳理好我们自己的业务逻辑。
这个公式是度电成本的，分子是建设成本加上运维成本限制加上残值限制，分母是发电量的限制；建设成本限制跟我们运营期来讲是不受运营人员控制的，所以我们随着行业发展很可能下降，或者有朝一日会上升，这是我们无法避免的。运营成本限制和发电量限制很大程度要考虑我们的水平。我们得到了一个重要的价值导向，是说通过合理规划成本，并且挖掘潜在电量，来创造度电成本。
二是跟电力交易相关的。
从电力交易来说我们收益等于中长期收益+现货收益+实时收益－一部分费用，所以通过优化交易策略来获取更高的电费收入。
这两个价值导向是我们做风电资产管理的两个目标，更低的度电成本和更高的平均电价，我们用的手段叫数字驱动也好、数字化也好，叫什么斗星，我们的经营模式比较简单，收入和成本两部分，收入就是电量乘以电价，在电量这我们除了发出来电量，还有很多电量应发没有发出去的，因为限电、计划停机、故障停机、受累停机、系统损失等等多种多样的原因。在前面电量这我们要问自己几个问题，损失电量有多少，分别什么原因造成的，这些损失电量该怎么找回来；在电价这我们同样问电价如何预测，有了预测电价交易策略如何制定；在成本这，固定资产成本、生产运营成本、人工成本，其他这几大类，我们运营人员能做的就是在生产运营成本的，同样是问几个问题，设备治理花了多少钱，钱花在哪里，花的合理不，如何减少人员服务。总的来说，目标还是优化我们资产运营投入产出比。
明确了我们的价值方向和目标，也明确了我们的业务逻辑，我们自己从过去几年来应用数据分析和探索的方法，在哪些方面做了一些工作，举个例子，后面大多都是举的例子。
一是潜在电量有多少，2020年上网电量56亿度电，这当中因为限电、计划停机、故障停机、受累停机导致的潜在电量有10亿度电，仅仅因为风机故障导致潜在电量就有8100万度电，潜在电量是比较客观的。二是我们梳理完后总结了潜在电量评估方法，从整个集团，下到区域公司、分解到各个场站、分解到各个项目，分解到各个原因而造成的潜在电量，提炼了一套指标体系来评价各个风电厂的运营水本，再通过数据挖掘方式找到这些缺陷，最终实现机能提升。
拿我们张北的一个风电厂举例子，2020年它的发电并不是很好，我们分析它的现场各个设备状态，中间这张图，横坐标是每台机组，左边纵坐标是停机时长，右边纵坐标是停机频次，不同颜色代表不同故障种类，从这个图上我们能直观看到，前三个风机停机是最长的，我们合理地推测这一批次是不是发电机存在问题，在明年我们是不是要在发电机上做提前工作。
这个是同样的一个风电厂，这个风电厂涉及的问题有十几种，但是这四种故障影响达到了85%，花更多精力抓主要的故障类型会给我们带来更直观的收益。
下来是我们聚焦到某些风机个体上，左上角的图是风电厂一个批次的风机，它在风速达到10米之后，不能缓发，我们回过头来分析为什么出现这种情况，主机机组有问题，在10米之后电量不停在10-0度之间来回变化，不能维持良好的状态；右边是侧风风阻仪偏差导致的损失。
第二个关于电价预测例子，我们做交易，月交易、旬交易、日滚动、日前、实时，所有我们做策略都在中长期和现货，在日前没有做策略的空间，对电价预测是我们做电子交易的核心能力。做电价预测、供需分析，在中长期、现货交易复盘，22年我们全系统累计增收1400多万元。
第三个是压降生产运营成本，风电场希望我把散热系统进行改造，改造之后20年上半年能提高62万度电，折合经济收入约62万元。
我们也对数据进行了实际分析，右边这张图能比较明确地看到，确实有10台机组都存在这个问题，其中前4台造成的影响是80万，它的损失占比超过80%，我们觉得只要改造前4台机组就可以回收投资，从资产利用上这是经济性比较高的方式。
同样运用后评估之后，21年460次，22年降到301次，这解决的是主要故障类型，21年148次降到67次，降幅达到54.73%，我们觉得这样的技改，说明我们21年做的技改有效果。
这是刚才举的数据分析和探索例子，例子有很多，我不再讲了。大家可以想，我们如果把例子运用到全集团、全系统，67个项目当中，我们靠人做分析、靠人写报告，显然是效率很低的，而且也做不过来，怎么做呢？就是搭建数字化平台，让过程变得自动化。
这两天分享好多专家提到对于我们风电企业来讲，工业互联网是路径和方法论，不管什么工业互联网都分为这样三层，工业互联网数据传上来，主要解决两类问题：一是跨越地理兼性问题，我们可以想核电、风电、火电是什么样的趋势，我们分布式太阳能和过去传统的火电相比我们之间的模式要怎么变化，要朝着什么方向变化，我们不妨想得更极致一点，我们想外卖行业是怎么做的，想滴滴是怎么做的，外卖行业，外卖员和用户、商家用的APP都是一样的，我们风电光伏或许做不到外卖如此分散、共享，我们相对来讲可以朝着这个方向去发展，它能帮助我们管理的透明、规范、客观和精密。接下来我们人做不了的都是互联网能解决的，比如规范动作，巡检和监盘这是典型可以取代的，能力之外，故障预警、故障预测，人很难批量去做。
放到风电企业里面，大家都在提我们要做三级管理结构，就是场站级、区域级和集团级，场站级就是通过全面感知、无人少人值守，力争，区域级将成为管理中心，运行人员和集中监测中心都在区域级实现，集团级比较明确就是建数据中心、云平台。我们自己的云平台包含这几个功能，生产管理、电力交易、大数据平台，高级应用等等，计算机开发的这些云平台是要给他们做好服务的，这是典型的三个管理结构。
场站级其实就是数据采集，我们现场有什么数据把它都采集回来，像风机、气象的服务器、消防等等，我不再一一讲；采集完了之后上传到各个区域级，一期加采集器，二期加采集器，这是场站；我们自己研究院有个团队不到20人，在做集控软件开发，集控很好理解，把现场主要系统做集成和平替，还有视频监控等等，因为我们自己在做开发软件，这是我们自己开发的界面、首页，还有功率预测、测风塔、告警等等。在集团级就比较明确了，生产管理平台，人员管理、设备管理，工单、两票管理，我们现在在做2.0的开发。
这是我们现在有的大数据平台，就是把我刚才提到的一些数据分析方法和数据挖掘算法，指导我们大数据平台里，使它实现各个风电厂批量、自动化运行，主要几类功能，就是发电效能评估优化、预防性检修、故障预警、事故预警等等这些。这个我们已经在示范和投入运行了。
三、探索跟展望
其实发挥数据价值的原理也很清楚，数据源+人工智能、大数据技术，放在应用场景里自然会发挥价值，后面是我们正在做的事情，有些已经做完了，我们基于分布数据机组异常状态识别，你看油温和功率之间会呈现不同状态，有哪些状态分成若干率，我们再介绍其它实时数据会自动归到这几类，根据这几类来判断它的健康状态。
这是跟刚才的方式相同的，横轴是齿轮箱油温，纵轴是温度，我们在实时检测过程当中发现有一台机组是不一样的，圈出来的，就在轴承温度上升时油温反而降下来了，后来发现油温传感器接的位置不对，把油温传感器接到润滑系统冷却风扇后面，导致这个油温迅速降下来，出现了这么一种形态，这种形态下原来机组设定的一系列关于温度的预警、告警就不会再发生作用，当它出现问题也是比较大的问题。
这是我们根据温度数据，根据实时预测设定上下预值，超过预期值要满足什么条件。
这是风电机组限电状态识别，因为风机经常被限电，经常成为扰乱我们风机的一些点，后面包括我们的一些叶片结冰，我们在湖北有个项目，我们现场巡视发现一台风机结冰，就把一台线路风机出于安全考虑停掉了，其它风机还没有结冰可以正常运行，上面A机组没有发生结冰，B机组发生结冰，发生结冰之后把这个预警推送到前面，不按照项目进行，而是精细化哪台风机结冰就停哪台。
后面是最终偏差的，因为风机齿轮是最灵的，我们不可能把所有融合在一起看，可以看到正常的风向标和偏差10度的风向标明显差异，现在我们每个月都会给各个风机做风向标偏差检查。
左边是线性模型，右边是预测结果，看起来趋势差不多，实际上偏差很大，我们目前也不敢应用到实际电力交易策略制定中，还要再研究。
最后做一点展望，风电运营企业数字化转型本质上是业务转型，虽然我们在讲数字化技术，数字化技术转化是手段，真正的核心，我们现在自己也在招算法方面的人才，只有把大数据和人工智能技术和业务技术相结合之后，才能给业务来带倍增效益。
以上是我的分享，谢谢大家！
关键词：
最新资讯
