9月23日,國家能源集團龍源電力工程技術公司“風機大數(shù)據(jù)挖掘的場景研究項目”成果通過中國電力企業(yè)聯(lián)合會鑒定,達到國際領先水平。該項目首次實現(xiàn)了針對風機大數(shù)據(jù)應用場景開展的故障預警和運行數(shù)據(jù)對標分析研究,建立了可供應用落地的智能化、數(shù)字化故障預警與數(shù)據(jù)分析模型,有效提高風力發(fā)電機組設備運行可靠性。
圖為研究人員開展風機大數(shù)據(jù)挖掘項目模型研究
風電機組具有傳動部件多、工況復雜、選址偏僻等特點,如何通過遠程大數(shù)據(jù)分析,實現(xiàn)風機狀態(tài)監(jiān)測、預警、故障診斷、壽命預測、智能維護等目標,是風電行業(yè)現(xiàn)階段面臨的重大難題。該項目依托龍源電力生產(chǎn)運行監(jiān)控系統(tǒng),建立了風機傳動大部件故障預警、偏航對風預警、機艙和塔筒振動異常預警、發(fā)電性能劣化預警、風電機組降容預警5大類預警模型,以及風機有效風時數(shù)、無故障風電場、非計劃停機時長對標3大類運行數(shù)據(jù)對標分析模型,通過多元數(shù)據(jù)融合和多特征值決策的風電機組故障預警判別方法,應用LSTM(長短期記憶)等深度學習算法,實現(xiàn)了風電機組關鍵部件的故障預警與發(fā)電性能劣化預警。創(chuàng)新提出基于時間序列的風電機組故障預警多維模型性能調(diào)優(yōu)方法,融合參數(shù)自適應調(diào)節(jié)策略,提升了故障預警模型的精確性和泛化性,成功實現(xiàn)覆蓋多機型、多場景應用;采用數(shù)據(jù)動態(tài)可視化和實時數(shù)據(jù)分析的模型自調(diào)優(yōu)智能預警方法,通過挖掘多時間尺度數(shù)據(jù)的多特征值、趨勢一致性,提升了故障預警的及時性。
目前,該項目成果已推廣應用至集團公司300余個風電場、150余種機型、2萬余臺風電機組,取得了良好的經(jīng)濟收益和社會效益,具有良好的應用和推廣價值。