引言：

随着风电场规模的不断扩大和风电技术的快速发展，建立智能企业是解决各种风机运行维护问题的有效手段。通过建立的风电场大数据智能运维集中监控系统，实现了风电场数据的统一采集，解决了远程集中监控、电网能源供应调度优化、现场信息共享建设、设备故障预诊断等问题，为风电场现场管理的便捷化、数据化、智能化管理奠定了基础。同时，良好的管理模式也在一定程度上加强了人员的技能素养和管理效率，提高了设备的应用效率。

风电场大数据运维系统结构

风电场大数据智能运维控制系统包括数据采集系统、实时生产监控系统、集中控制系统、生产管理系统、数据分析和故障预警等功能模块。数据中心对新能源站的集中控制运行、维护、现场管理等。集中控制系统构建大数据平台、风电光伏预警、商业智能、综合显示子系统，根据新能源公司生产系统预警数据验证和规范，将相关数据传输到生产管理系统，实现预警推送生产管理系统，生产管理系统后续预警确认缺陷，缺陷处理工作票后期处理结果收集到新设备预警系统，实现预警全生命周期闭环处理，通过闭环反馈信息统计和显示预警准确性、预警及时性、预警完成[1]。除上述功能建设外，集成控制系统还包括：监控中心大屏幕、UPS备用电源、模块化冷却通道数据室、运营商链路、调度电话、现场视频接入、机房等。集控系统完成所有数据采集、清理、整合、转发到区域大数据平台，完成测点标准化和测点验证，实现公司总部生产管理人员智能监控、关键指标分析、商业智能等功能，完成网络终端和移动终端分级显示。

2大数据分析背景下电力运维现状及存在的问题

随着大数据的不断发展和应用，风电企业的各种业务、运营系统和平台不断增加，其规模也在不断扩大。但在数据信息管理系统和应用安全保护方面，现阶段风电企业大多采用分布式多点管理方式，但对服务器主机、数据库系统、互联网设备等登录账号的综合控制系统较少[2]。目前运维部门存在的主要问题有：（1）运维人员数量非常有限，但对企业内许多服务器和数据库承担安全保护责任，需要先进的手段和措施来提高员工的效率。（2）日常运行维护工作的安全管理一般通过提取审计工作簿来完成。由于缺乏目的性，很难发现存在的问题。（3）通常需要对安全基线的配置进行抽样、检查、比较和检查，耗时耗力，效果不显著。（4）在运行维护安全管理控制领域，用户只使用堡垒机托管账户密码，没有很好的控制方法。

大数据分析在3风电场运维模式中的应用

3.1浅层应用

从实际情况来看，风电场风机的分布有点广泛，增加了风电场运行维护管理和设备控制的难度，利用大数据分析构建集中控制中心系统可以解决这个问题。集中控制中心可以全面收集风电场数据，如升压站运行数据、风功率预测运行数据、风塔测量数据，并可以整合这些数据信息。在这种情况下，只要控制员根据数据信息分析后续设备的运行情况，并根据监控数据远程控制设备，就可以解决风电场管理难度大、设备控制难度大的问题，从而提高风电场的运行维护效率。同时，在大数据分析的浅层应用中，运维人员还可以进行可视化分析和数据库管理，利用集中控制中心统一管理所有风电机组，收集所有风电机组的数据。

3.2深层应用

大数据分析的深层应用是在浅层应用的基础上对数据信息进行深加工，获取风电机组的数据链。例如，风电机组在运行过程中会产生大量的数据，流入大数据分析中心，因此大数据分析中心存储所有风电机组的运行数据、故障数据、维护数据、更换数据等。首先，大数据分析中心会自动对风电机组的运行数据进行深度处理，及时发现风电机组的安全隐患。运维人员可根据分析结果调整风电场运维方案，明确风电机组的设计缺陷和共性缺陷，为机组优化奠定基础。其次，大数据分析中心可将风电机组故障多发位置、故障原因等数据转换为视图，形成风机故障热点图。例如，运维人员可以利用故障热图检查风电机组的设计缺陷和常见缺陷，并对机组进行技术改造；利用故障热图制定风电场年度发电计划，根据设备损坏和更换周期计算风电机组的衰减，提高风电场的经济效益。

3.3全息应用

首先，全息应用可以利用大数据分析等技术手段构建智能故障预警系统。系统利用大数据分析技术处理短期风速波动数据、超短期风速波动数据等数据，根据分析结果预测风电机组故障点，为运维人员提供故障预警报告和故障停机时间，有利于提高风电场运维效率。其次，全息应用可以利用大数据分析等技术手段构建智能故障诊断系统。该系统利用大数据分析技术处理风电机组的历史信息和当前信息，旨在制定故障排除方案。最后，全息应用可以利用大数据分析技术构建智能场群控制系统。智能场群控制是基于风电场最佳发电水平的区域应用，可以有效提高风电场的灵活性。

3.4生产信息管理及故障预警应用

生产信息管理平台是风电场大数据智能运维集控系统的主要内容之一。用于各级公司的运营管理，开放区域数据的纵向连接，形成区域新能源数据共享、标准共享和资源共享，减少站端投资。开放区域管理要求，统一设备和生产数据标准，对产生的数据进行集中分析和管理，构建区域数据共享平台。同时，基于此形成的数据资产可作为区域龙头企业数据管理和发展的参考要素，如为区域决策分析提供三维数据，或与各部门管理联动，实现部门、流程、人员的简化，或根据故障预警提前处理相关设计风险防控措施。预警模型分析计算产生的报警记录，通过接口在生产管理系统中创建预警缺陷工单，将工单处理信息反馈给健康管理系统，实现预警业务的闭环管理。在积累大量风机SCADA机组运行数据的基础上，利用人工智能算法建模历史数据，通过建立故障模型模拟，提取有效的预测模型，通过动态挖掘风机设备数据，利用历史故障参数分析提取历史数据，结合计算机应用技术，智能确定设备是否存在隐患，最后结合隐患数据反馈结果，准确定位数据库中的应对措施，即使用故障树、专家案例库等要素，帮助相关运维人员。基于大数据技术构建的智能运维管理平台，可以更科学、更合理地控制风机的故障。

结束语：

综上所述，风电场的发展也对运维管理提出了更高的要求，大数据分析在风电场运维模式中的作用越来越重要。从运维管理效果来看，风电场运维效率和技术水平较低，因此有必要利用大数据分析等先进技术手段提高运维管理质量。