手机浏览网
以下为演讲实录：
根据最新的统计数据，中国公开的海上风电项目已经接近300个，总体的规划容量是超过1.3亿千瓦，集中在广东、福建、江苏、浙江、山东这几个省，其中广东规划容量是6680万千瓦，核准容量是3595万千瓦，在中国各个省当中是最多的。这是全球截止到2030年风电规划装机突破2亿千瓦，其中英国规划3200万千瓦，像德国是1500万千瓦，荷兰是1150万千瓦，亚洲像日本是规划1000万千瓦，韩国是1800万千瓦，印度是3000万千瓦，中国是7500千瓦，美国是1000万千瓦。海上风电发展是起源于欧洲，从规划来看未来的发展还是在亚洲特别是在中国。
中国海上风电也是从2018年开始提速，去年新增装机量是436台，新增装机容量达到165.5万千瓦，环比增长42.7%，累计装机达到444.5万千瓦。到2021年海上风电也会实现平价上网，包括今年明年后年这三年还是海上风电的抢装潮，所以这三年海上风电是快速的发展。
因为海上风电规划这么大，中国的海上风电发展也在提速，但是海上风电的挑战也是非常大。
首先就是腐蚀断裂，在海上整个腐蚀的速度会非常快，包括天气预测；我们基于风速浪的高度，可见度还有降雨的预测，决定运维团是否能够出海，像中国的广东沿海还面临台风的考验；海上风电风场的容量特别大，机组特别多，针对风场内部的运维场的路径规划可以降低运维船的使用时间包括整体的运维成本；根据欧洲海上风电的统计数据，保险理赔70%80%都是因为海缆的损害导致的，所以海缆的故障在海上风电发展上也是非常大的挑战。海上风电一般离岸距离比较远，很多都超过10公里，风场内部的通讯信号是非常不好的，它和外面的沟通是存在比较大的困难，这也需要一些系统的解决方案。这个小视频是在广东湛江风电场拍摄的，就是中国不同地区的海域海况特点也不一样，在南方每年的11月份到第二年的3月份风很小，浪涌很大，基本上在不到5米的时候浪涌高度是2米，就是船出去了到机位上不去，这也是非常大的挑战。
海上风电有这么大的挑战，就需要海上风电智能运维的规划系统，而这个系统首先是基于平台得到的故障，还有计划类的任务还有定检、巡检、技改等任何，考虑到运维船、人员、还有备品备件、限制因素，通过一些智能算法形成我们的任务排布的计划，形成单日的运船的路径，最后实现发电量损失最小包括交通成本最小，追求风电场最优的可利用率。
我们还有基于运维人员行为的运维管理系统，是通过供端的形式做到闭环的管理，还有手机APP也便于现场人员去执行。基于未来两天的风功率预测也给多个运维窗口期，在推荐的运维窗口期中，你做运维工作，造成发电量损失是最小的。这个动图也是外国的项目拍摄的一个视频，非常漂亮，这是一个实景拍摄。
根据风机故障的机理还有故障处理的经验编制了我们的故障树，可以发现每个故障发生的原因是什么，我们通过历史经验库保障我们的故障数是准确可信的。同时也查看故障发生前的运行数据，左下角的图就是由于偏航导致振动的故障的录播数据，正常情况下是0.25赫兹，由于偏航导致振动导致0.12赫兹的振动，这就是非常明确的故障预测的梳理特征，根据这个梳理特征建立了几十个的故障预警模型。这一故障模型也在大平台上上线。
我们也开发了海上风电健康度的管理平台。这个平台会显示记录平台的各个健康度，像齿轮箱、叶片等12大关键部件的健康度汇集成整机的健康度，当整机的健康度下降的时候会查看这些运营数据还有看模型的一些参数，找到背后的根本原因，去提升我们的健康度。
下面我就对我们的管控机制做一个说明。
当机组出现亚健康状态的时候，有两种手段去做诊断：一种是基于模型的智能诊断，如果模型会智能生成这个故障的处理方案，包括人员配置、工具备件这些信息都会推送给现场人员，所有的故障都能够通过模型诊断。模型诊断不了我们背后有一个专家团队，这个是我们的温度超限的故障预警模型，通过数据分析可以看到扰组和其他扰组的温度有偏离，这样就出台一个故障预警模型，然后下到现场，工单里面有一个排查步骤是什么。
刚才提到故障预警模型，还有健康度的模型都是针对故障还没有发生的时候我们做的工作。针对故障已经发生了我们开发出智能故障诊断模型。这个诊断模型也是通过故障代码调取这个诊断模型，大数据平台的秒级数据对故障诊断非常有帮助，也是提取故障特征，用基于故障树和贝叶斯网络算法进行原因推理，输出各故障原因百分比基础理措施，通过工单推送到现场，现场人员排查完以后会有准确度的评估，这样形成一个迭代优化的过程。这个就是偏航速度高故障智能诊断模型，背后是有一个诊断模型在运行，推出不同故障原因的百分比，我们用不同的颜色来标识，这样便于现场人员去察看。开展这项工作的最终目的是什么？想把故障处理的经验通过模型框下来，避免出现现场由于人员的变动出现故障原因的断层的现象。
海上风机比陆上风机安装了更多的系统，包括齿轮箱、绝缘监测包括塔筒倾斜，各种辅助系统，之前这些辅助系统是独立运行的，我们现在开发了一个海上风机智能卫士，就是把这些数据全部接入，综合给出风机的安全预警，提前发现安全隐患，主动去消除，这样也是实现海上风机又被动式运维到主动式运维的转变，提升海上风机全生命周期的可靠性和发电性能。
因为在中国东南沿海都会登陆几个台风，明阳也在广东安装一些风机包括海上的风机，每年都要经历台风的考验，破坏力是非常大的地通过我们的技术手段也很好地抵御。
现在针对大部件的一些故障诊断，常规的做法还是通过CMES通过大部件的智能数据去做诊断，现在我们也开展基于声音的故障诊断，因为大部件损害可能有一些异常声音，声音从本质来讲也是一种振动，用声音去做诊断的话挑战性更高，因为风机上面的背景噪声非常复杂，我们也是采用打分机制等各种手段保障准确性。左下角这是一个偏航系统故障测音和正常测音的对比，在故障测音是250赫兹频率段明显有一个普峰，我们采集了30个故障样本，就发现这个普峰故障是非常明显的。我们将故障测音和正常测音录下来的，故障测音能够触发手机APP设计的域值，在现场想打一个声音包括说话的声音都录下来，在实验室回放也不会产生误报警。
我们通过整机的分析来提高技术性能。左边这张图可以看到就是在高峰有一个自动相距（音）的情况，我们经过排查是温控阀损坏，内部是一个机械结构，右边这张图可以看到是蔑视就偏，我们对浆角进行测试。
其实我们也开展了海上大叶片的无人机的自动巡检，我们开展无人机的高清摄像头构建叶片的图数据库，基于叶片缺陷的一些样本，通过卷积神经网络这种深度学习的算法去做训练，可以对海上的大叶片实现无人机的自动巡检，提高叶片巡检的效率和准确性。
现在海上风场离岸距离特别远，在对外的通讯是存在困难，我们也可以配合像中国移动、联通、电信在设备安装设备，让海上风机实现海上的机站，实现4G和5G信号的覆盖，通过这些信号我们开展像远程视频的工作。
以上就是我们正在做的海上风电的智慧运维的手段，最后我想说的是其实技术在不断变革，更重要的是将目前的智能化的运维手段在风电场良好的落地实施，提升风电场的运行指标，提升发电量，降低运维成本，这样我们才可以把海上风电做好，实现海上风电的智慧风场。谢谢大家。
（内容来自现场速记，未经本人审核）
