当风机遇上大数据

　　在现今大数据时代下，光有海量数据是不够的。如何采集数据，通过分析处理从中萃取有价值的信息或模式，已成为优化操作，提高效率，增加产出的决定性手段。
　　智能数据，即对大量数据的智能分析，可以帮助我们监测到生产设施中发生的新情况，了解发生的原因，预测发展趋势，继而及时处理解决问题。智能数据在风力发电领域已经有所建树。
　　在过去25年里，西家工程师一直在研究机器学习，利用数据或以往的经验，优化计算机程序，让复杂的系统更有效率。
　　拿风机来说，通过数据分析，软件可以计算出各种天气条件下风机的最佳设置。相应设置的数据会传送到风机的控制设备并作出调整。一旦出现类似的天气条件，控制设备就会立即将风机调到最佳设置，以提高效率，增加发电量。
　　那为什么要优化风机设置呢？答案很简单：因为很多时候它们并没有在全力运行，所以还有更多的潜力可以发挥。尤其是在风力不足的情况下，工程师希望优化风机的表现，进一步降低风力发电成本，使它和传统发电方式相比更有竞争力。
　　如今，越来越多的风机安装在气候条件恶劣的偏远地区，例如山顶，海上或者是雪域高原。对于架设风力发电机组来说，这些地方条件优越，不但风力资源丰富，而且无人居住，不影响人们生活。
　　但是，这些有利于风力发电的地理位置却给风机的维护工作带来巨大的挑战。因此，远程监测和诊断对于缩短维修时间，充分利用风能，显得尤为重要。
　　西门子SCADA系统和机组情况监测（TCM）系统每天都会采集海量数据。SCADA系统采集风机电子和机械数据以及天气和电网的信息，而TCM系统是一个震动识别系统。
　　每个风机机舱最多会有九个传感器，采集涡轮机主要部件的震动数据。所有发电功率在2兆瓦以上的西门子风机都配有TCM系统，进行终年无休的实时监测。
　　所有采集到的数据都会被传送到位于丹麦西部城市布兰德的西门子风力发电服务诊断中心。这个中心于2014年9月正式投入工作，负责采集评估7500多台位于世界各地的西门子风机日常运行数据。
　　该中心根据搜集的数据自动生成不同型号风机正常工作时的数据样板值，不断将机组实时运行数据和正常工作运行数据样板值进行比对。远程诊断对于那些缓慢显现的故障显得尤为重要。
　　有时，西家工程师可以提前整整一年发现主轴轴承故障。详尽的数据还可以让布兰德的诊断专家精确地判断故障类型，以及是否需要派出维修技术人员实地维修。
　　中心负责人Merete Hoe认为风机的远程监测和诊断是充分利用智能数据的绝佳案例。智能数据帮助缩短停工期，减少费时费钱的检修次数，从而提高风机的效率以及电力产出。