在双碳目标背景下，绿色可再生能源呈多样化发展态势，风力发电是实现风能有效开发利用的主要途径。当前风力发电成本相对较高背景下，提升风力发电的经济性是保证风电产业可持续发展的重要基础。随着云计算技术、物联网技术、大数据技术等计算机信息技术的飞速发展，电力行业工业化、信息化“两化融合”深入推进，“新基建”浪潮加速产业升级。将分布在风机监控系统、升压站监控系统、振动在线监测系统、风功率预测系统、视频监控系统等不同系统的数据统一采集、存储、管理、分析和可视化展示。在大数据环境下，对多源数据进行针对性的融合分析，在同一监控画面全景展示风电场设备实时状态、故障智能预警、指标在线分析、设备健康状态评估、运维管理。实现风电场智能化、智慧化、精益化运维管理，保障风电资产安全，节本增效，成为未来“智慧风电”研究建设主要方向之一。

1、 研究内容

（1）微气象技术应用于山地风电场

研究微气象技术，实现最小300*300米切片面积的气象预报信息，形成短、中期微气象预测，结合三维GIS地图，风机安装位置等信息，实现每台风机短期风功率预测，为机组智能运维提供辅助决策，同时可校验风功率预测信息，通过数据累积纠错分析，提高风功率预测可靠性，提高风机利用小时数。

（2）风机叶片在线声纹智能监测

声纹切割和稳态差异的风机叶片异常检测系统研究，通过拾音器获取风机叶片切风声纹数据，研究三个叶片周期性特点和差异性比较算法，智能实时判断风机叶片异常情况。

（3）机组安全智能在线监测

研发建设一套统一数据支撑平台，采集新安装的塔筒摆振姿态传感器和风机机舱红外摄像头，结合机组实时运行数据，进行实时校核分析，实现风电机组倾斜、沉降、超温等安全智能在线监测。

（4）风电场智能人、车安全管理

研究以三维一体化GIS技术基础框架，对山地风电场空间地理信息以及风电机组设备精准建模，并与风电场运维多源数据融合，实现对风电场业务功能的三维可视化展示、图数互动，同时叠加微气象技术于GIS三维地图上，研究高精定位传感器技术，准确掌握风电场人、车轨迹，通过电子围栏、轨迹回溯和危险源告警等功能，全面实现人、车安全管理。

2、 智慧风电研究难点

（1）多业务系统集成

风电场运维数据分布在风机监控系统、升压站监控系统、振动在线监测系统、风功率预测系统、视频监控系统等系统上，各业务系统数据结构和数据存储方式各不相同，数据来源较为广泛，数据类型繁杂，这种复杂的数据环境给数据的处理带来较大的挑战。要处理这些问题，必须对数据源的数据进行抽取和集成，从中提取实体和关系，经过关联和聚合之后采用统一的结构来存储这些数据，在数据集成和提取时需要对数据进行清洗，保证数据质量以及可靠性。

（2）统一数据支撑平台

统一数据支撑平台需提供开放式统一平台，实现数据共享和终端的统一管理，需构建“端-云融合计算”架构。终端将边缘计算（Edge Computing）部署在靠近风机及数据源头的网络边缘侧，部署融合网络、计算、存储、应用核心能力的边缘计算网关和终端通信模块，为边缘计算提供包括设备域、网络域、数据域和应用域的平台支撑。设备域通过终端通信模块支撑现场设备的实时智能互联；网络域为系统互联、数据聚合与承载提供实时联接及管理服务；数据域提供边缘数据聚合及优化服务，并保障数据的安全与隐私性；应用域则基于开放接口，实现边缘行业应用本地化部署，支撑边缘业务运营。

（3）基于三维GIS数据可视化

三维GIS以立体造型技术向用户展现地理空间现象，不仅能够描述空间对象间的平面关系，而且能够表达空间对象之间的垂直关系，为用户提供风电场的环境特征(如山脉、道路、建筑物、架空线路、风机、升压站等)以及三维空间信息和风电场监控参数。需要多种数据的参与，包括地形DEM数据、表现地表景观的DOM数据、矢量数据DLG多种地物数据、纹理、描述性文本资料，同时还有图片、声音和视频等多种媒体数据等，这种多源的数据需要采用一定的方法进行集成与管理，并采用一定的数据组织与空间索引方法，通过动态加载的方式，解决数据与地图叠加显示、进行空间计算和空间分析的技术问题。

（4）山地风电场微气象

山地风电场地形和地表特征复杂导致近地层风场时空变化大，要实现山地风电场微气象数值准确预报，难度较大。需要在中尺度数值预报的基础上，将其结果拟合为符合大气入流特征且适宜微尺度模型的初始边界条件或体积力，将粗网格分辨率的数值计算结果作为精细网格的边界条件，采用计算流体动力学（CFD）方法，通过大气湍流运动方程求解复杂地形大气运动规律，得到精细化的复杂地形风电场风速预报和风功率预报。

（5）风机叶片声纹智能监测

风电场工况复杂，风电机组大多都安装在高山、荒野、海滩、海岛等相对恶劣的环境中，导致声音传感器采集到的信号存在大量环境噪音，信噪比低；由于风机长期工作在风速不稳定、变载荷、低气压和大温差的环境下，外界激励高度随机，导致所得到的信号具有非线性特性；除了环境因素以外，风机内部传动也是导致信号复杂的重要原因。需针对性研究风机叶片运行过程语谱特征，实现风机叶片声纹智能监测。

3、 技术方案

（1）风电场统一数据支撑平台

统一数据支撑平台集一站式、智能化、平台化、服务化于一体，旨在利用平台的计算、存储和扩容能力，帮助风电场实现数据高度整合与数字化建设过程中的数据能力复用，并围绕夯平台、治数据、建服务、触场景四大方向，助力风电场实现从业务数据化到数据服务化的全过程。总体架构自底而上分为物理层、虚拟化层、数据中心层及服务层4个部分。物理层提供虚拟化所需的物理资源；虚拟化层通过虚拟化技术将物理层硬件资源共享成资源池；数据中心层，整合数据资源，规范数据标准及接口，实现风电场数据接入、存储、计算、访问等的统一管理；服务层采用分布式的服务组件管理模式，为各业务应用提供服务支持。

（2）山地风电场微气象

微气象建设基于中尺度模式和微尺度CFD方法，建立基于中、微尺度耦合模式的风资源评估预测。基于全球模式的再分析数据，进行中尺度气象模型的建模；所得中尺度数据结果用于微尺度的流体力学模拟过程中进行嵌套计算；最后计算结果用于风电场复杂地形风资源评估。天气的运动可采用中尺度的数值模式进行预报，由于风电场地形是稳定不变的，通过采用微尺度CFD模型事先模拟出各种中尺度气象背景条件下的风场分布，建立风电场微尺度风场分布基础数据库，然后直接根据中尺度数值天气预报，通过选择对应的风场分布，实现在线快速降尺度的复杂地形风电场风速预报和功率预报，以满足风电场风功率预测的时效要求。

（3）风机叶片在线声纹智能监测系统

叶片是风电机组获取风能的关键部件，由于长期运行在严酷的自然环境中，承受各种复杂作用力，因此，极易发生砂眼、磨损、蒙皮脱落、裂纹、断裂等故障。风机叶片声纹监测主体由边缘计算处理单元与拾音器组成。拾音器安装于主要风向风机叶片切风处下方，用于拾取风机叶片切风音频信号，并转化为数字信号后传输至边缘计算处理单元。并采用神经网络自动编码器解码器、聚类、中值收敛等算法建立分析模型，实现风机叶片异常检测预警，在不影响生产的情况下实现对风机叶片的远程监测，并对异常进行预警，提高风电场的远程运行维护能力和效率。

（4）机组安全智能在线监测

风机机舱红外温度在线监测：风机机舱安装2台热成像摄像机，分辨率160×120，从机舱控制柜AC220V电源，经空开、防雷器后引至热成像摄像机，经适配器变成DC12V后接入摄像机（备注：摄像机供电电压DC12V，机舱控制柜只有DC24V电源，需用AC220V转DC12V供电）。同时，借助风电场光纤通信网络，信号先由网线经防雷器后接入机舱光纤收发器，再经环网交换机接入统一数据支撑平台，远程监测风机机舱设备、环境实时温度及温度变化趋势，并经过自动识别技术，辨别出最高温度点，若超出设置的温度最高阈值则报警。

塔筒摆振在线监测：RTK与加速度集成的变形监测系统得到了广泛研究，两者具有互补的特性，RTK能够较好地监测结构的长期变形，但其采样率偏低，且易受到各种外界误差的影响。加速度计能够测量高精度、高频率的结构变化信息，但其对低频结构响应不敏感，且通过积分得到位移会偏离真值。首先需对基于经验模态分解（EMD）的信号去噪以及RTK变形序列中低频非建模系统误差的消除问题进行分析，给出一种基于加速度的位移重构算法，该方法能够避免加速度积分算法产生的漂移，实现基于RTK和加速度计融合重构算法的塔筒摆振在线监测。

（5）风电场智能人、车安全管理

风电场智能人、车安全管理系统，包括集北斗/GPS定位为一体智能定位工牌、风电场4G无线网络、人员及车辆定位管理软件模块等主要三部份组成，完成对人员定位传感设备的数据的采集，4G无线网络接收人员位置数据，并将其传送到后台的人员及车辆定位管理软件模块。人员及车辆定位管理软件模块根据接收的定位数据，并将定位数据叠加三维GIS地图进行可视化展示；同时接入现有的风机视频监控系统，异常入侵智能识别及报警。基于智能视频和定位设备完成对智能人、车安全管理的应用服务。

4、 网络设计方案

智慧风电系统设于信息安全III区，系统通信网络不使用现有风机生产环网，利用风机环网备用光纤，自建智慧风电光纤环网。系统分别在I/II区设置多台数据采集服务器，用于采集各生产系统已有生产数据。数据采集服务器获取数据后，将数据通过正向隔离，转发至III区数据转发服务器，III区数据转发服务器将数据汇总后转发至统一数据平台服务器。新安装传感器数据包括RTK数据、姿态传感器数据、异音监测数据与热成像摄像头数据等，经自建光纤环网回传至汇聚交换机网络。公网数据包括气象信息数据、4G人车定位数据经公网路由、防火墙后传输至汇聚层交换机，经内外代理服务器转发后回传至服务器。具体如图1。图1 智慧风电系统网络拓扑图

5、 结束语

智慧风电系统利用统一数据平台技术，整合风机运行数据、振动、倾斜、异音等物联网传感器终端数据，实现风机健康监测。基于统一数据平台，通过设备历史数据、状态的分析，结合设备实时运行状态，及时发现运行过程中的隐患和问题，能够实现风电场设备潜在故障早发现、早评估、早治疗；同时基于微气象技术的气象预报和风功率预测，为风电场运维策略、状态检修提供依据，提高风机运行可靠性，运维合理性，有效提高风机利用小时。

参考文献

[1] 吴克河,邬林.基于虚拟化技术的企业数据中心研究[J].宁夏大学学报(自然科学版),2020,41(4):384-387.

[2] 程雪玲,胡非,曾庆存.复杂地形风场的精细数值模拟[J].气候与环境研究,2015(1):1-10.

[3] 彭媛宁,姚恩涛,石玉等.基于改进EMD与CMSE的风机叶片音频信号去噪方法[J].电子测量技术,2018,41(2):93-100.

[4]刘峰.风电机组塔筒在线监测技术的应用研究[J].技术,2014,1(4):98-103.

[5] 马文通,朱蓉,李泽椿,龚玺.基于CFD动力降尺度的复杂地形风电场风电功率短期预测方法研究.气象学报,2016,74(1):89-102.