探求风电场的远景

　　EBA：让电量损失真相大白
　　对于远景广灵风电场负责人李海宁来说，EBA 是一个让他欢喜让他忧的指标，因为远景能源对质保期内的风电场每月都要进行 EBA排名与考核，他的绩效与此正相关。
　　8 月 19 日这天，远景能源变桨系统工程师来现场上机测试变桨软件升级方案，在停哪台机组的问题上，李海宁“想了又想”才指定了一个风速偏低的机位——李海宁最不情愿停机影响到 EBA 指标，但停机测试正是为了提升这座风电场的 EBA 指标。
　　简单地说，EBA 是风电机组实际发电量和理论发电量的比值，这是远景广灵风电场的关键性指标，揭示着整座风电场的发电潜力和电量损失。需要说明的是，基于格林云平台，就能精准地计算这座风电场的理论发电量——能算且算得准，这是风电场 EBA 的基础。
　　以 1 月 12 日至 5 月 31 日时段为例，远景广灵风电场平均 EBA 为 88%，还有 12% 的电量去哪儿啦？细分析下来发现，损失电量分布在故障检修损失、故障复位损失、机组技改损失、机组检查测试损失、机组亚健康损失、机组待命损失、变电线路故障损失、电网限电损失等维度，这般精细的分析让提升 EBA 有了具体的落点。
　　从本质上看，实施 EBA 就是找回失去的电量。李海宁告诉记者，在格林云平台上，远景广灵风场的日报不是汇报每天做了什么工作，而是回答为什么今天会有这些电量损失？透明的损失电量，让他明确地知道到哪儿去闭环风电场的损失电量。此前，就是因为李海宁汇报了变桨故障的损失电量，变桨系统工程师在上海总部的办公室坐不住了，赶紧到广灵风电场试验技改方案，防止再次发生变桨故障。
　　在现场，检修工程师告诉记者，技改方案对风电场 EBA 提升贡献较大，同样功不可没的是大部件健康度管理(PHM) 。
　　在远景广灵风电场，风电机组上的关键部件不再只有正常与故障两种状态，而是细分为五级健康状态。远景能源预测性健康度管理算法负责人解释， “PHM 收集到风机部件的载荷、振动、温度等数据后，再通过机器自学习的方法将其实际状况归位到相应级别的健康度中，当部件出现亚健康时发出告警与维护通知，要求维护人员到现场检修。 ”
　　由于健康度管理的实施，远景广灵风电场大量叶片矫零、发电机对中、螺栓紧固等定期维护工作得以免除，维护工作量从每台 104 人时减少为 66 人时，而且可以分散在一年中任意时间完成。
　　“状态维护的变化，不仅仅是实时数据处理后的维护通知，更有历史数据的积累分析及测试验证后的结论。 ”上述负责人举例， “为使塔筒螺栓紧固转化为状态维护，技术团队不仅动用了几年来 2.X 平台风机螺栓维护松动的所有数据，还在广灵风电场的智能风机上贴了大量载荷应变片，建立了螺栓松动与风机受力训练模型，从而将大半以上螺栓的检查与紧固时间从 6个月延长到了 18 个月。 ”
　　尤其值得关注的是，远景广灵风电场使用了一项有可能取代振动监测系统的新技术——通过自动分析风速、温度、转速等普通的机组部件监测数据，就可以识别机组主轴、发电机、齿轮箱等大部件的运行情况，并将其归类到相应等级的健康度中，提前 3 个月预警失效问题。上述负责人向记者表示， “这项技术可以预知部件全生命周期各个阶段的状态，也就是说预知它失效的时间。”
　　据透露，这项新技术来自机器学习领域的一种算法。上述负责人和他的技术团队花费近2年时间的研发和验证，终于将它成功应用在了风电行业，其准确率已达 90%。算出来的先知先觉带来了运维模式上的进步。
　　事实上，由于“智能风机”和“数据算法” ，远景广灵风电场已成为一个能够感知设备健康度的状态维护风电场，没有定期维护小组人员，所有维护工作由 3 名居住在广灵县城的移动检修班人员，在平时小风或故障停机时间内完成。