2024中國可再生能源大會(huì)：基于多維數(shù)據(jù)的新能源運(yùn)維智能決策技術(shù)研究和應(yīng)用

基于多維數(shù)據(jù)的新能源運(yùn)維智能決策技術(shù)研究和應(yīng)用2024年8月17日新能源運(yùn)維決策的關(guān)注點(diǎn)?是不是有新技術(shù)低成本的減人、替代人新能源運(yùn)維數(shù)字化逐漸普及集控運(yùn)行及大數(shù)據(jù)集控運(yùn)行及大數(shù)據(jù)平臺(tái)普及減少現(xiàn)場運(yùn)行人員-省級集控；支撐總部決策-集團(tuán)大數(shù)據(jù)平臺(tái)。多種數(shù)據(jù)監(jiān)測的多種數(shù)據(jù)監(jiān)測的智能風(fēng)機(jī)推廣避免事故-傳動(dòng)鏈、高風(fēng)險(xiǎn)、高價(jià)值設(shè)備監(jiān)測和診斷。基于基于AI的智能化工具大量應(yīng)用代替人的常規(guī)工作和安全管控-用智能化設(shè)能巡檢和安防監(jiān)視。產(chǎn)生海量有價(jià)值的數(shù)據(jù)產(chǎn)生海量有價(jià)值的數(shù)據(jù)如何真實(shí)地通過數(shù)據(jù)知道效益，提高效率？運(yùn)行數(shù)據(jù)監(jiān)測數(shù)據(jù)出車記錄各項(xiàng)記錄輔助設(shè)備630.72萬條/臺(tái)3153.6萬條/臺(tái)18.2萬次33.2萬條10.8萬份109.5萬份10T/場站目標(biāo)-用數(shù)據(jù)輔助運(yùn)維決策）！研究與應(yīng)用研究與應(yīng)用研究方向1-融合SCADA數(shù)據(jù)的設(shè)備監(jiān)測算法研究?基于SCADA數(shù)據(jù)，通過10分鐘和秒級數(shù)據(jù)診斷高頻次故障建成模型，代替專家重復(fù)性勞動(dòng)，提高效率；?基于SCADA數(shù)和圖像數(shù)據(jù)，通過機(jī)器學(xué)習(xí)算法能夠提取專家特征建成模型，代替專家，降低成本；?基于SCADA數(shù)據(jù)和大數(shù)據(jù)模型，采用長時(shí)間提取特征建成模型，彌補(bǔ)專家不足，提高準(zhǔn)確率；?建立184個(gè)模型，進(jìn)行設(shè)備亞健康監(jiān)測，關(guān)注發(fā)電量損失，大部件損壞、設(shè)備亞健康，在監(jiān)盤、巡檢和定檢過程中處理設(shè)備問題。X\X\X\X\X\X\X\X\\\8研究方向2-融合輔控?cái)?shù)據(jù)的大部件監(jiān)測算法研究?基于振動(dòng)等輔控?cái)?shù)據(jù)，再結(jié)合SCADA溫度數(shù)據(jù)，采用長時(shí)間提取特征建成模型，提高模型的準(zhǔn)確率。?有別于傳統(tǒng)經(jīng)驗(yàn)式、片段式分析，在總部利用多數(shù)據(jù)源，長時(shí)間數(shù)據(jù)進(jìn)行特定場景的特征提取，開發(fā)9研究方向3-融合運(yùn)維數(shù)據(jù)的運(yùn)維決策研究?融入運(yùn)維過程日志的數(shù)據(jù)，建立標(biāo)準(zhǔn)化評估流程，使分析不再依賴于工程師的個(gè)人經(jīng)驗(yàn)；?實(shí)現(xiàn)“設(shè)備-人-管理”的穿透，讓每一個(gè)現(xiàn)場身邊都有“專家”；?智能自動(dòng)報(bào)告，實(shí)現(xiàn)生產(chǎn)管理分層閉環(huán)；月報(bào):全面審查設(shè)備發(fā)電情況，分析電量損失根源，設(shè)備亞健康診斷，指導(dǎo)下一步運(yùn)維安排及計(jì)劃。季報(bào):發(fā)現(xiàn)設(shè)備性能缺陷，評價(jià)運(yùn)維現(xiàn)場技術(shù)能力，確定設(shè)備集中性缺陷，為運(yùn)維管理和技改提供依據(jù)。研究方向3-融合運(yùn)維數(shù)據(jù)的運(yùn)維決策技術(shù)支撐專家設(shè) 備研發(fā)專家風(fēng)機(jī)設(shè)計(jì)專家設(shè) 數(shù)據(jù)分析專家設(shè)備維修專家反饋反饋SCADA數(shù)據(jù)SCADA數(shù)據(jù)工單日志數(shù)據(jù)工單日志數(shù)據(jù)反饋反饋專項(xiàng)工作定檢/預(yù)試/精維護(hù)/技改研究方向4-融合人員和成本數(shù)據(jù)的運(yùn)維決策研究?利用設(shè)備、運(yùn)維和人員考勤、運(yùn)營成本數(shù)據(jù)，支撐日常生產(chǎn)、技改、低效電站治理、成本管控；?基于證據(jù)理論的新能源設(shè)備評估體系研究，建立運(yùn)維決策多維度的指標(biāo)。投入產(chǎn)出。研究方向5-結(jié)合智能設(shè)備和AI識(shí)別模型的研究?通過智能算法（AI圖像、視頻和紅外）、智能監(jiān)測設(shè)備（攝像頭、無人機(jī)）和工具，替代人工巡檢；?采用的改進(jìn)型神經(jīng)網(wǎng)絡(luò)分類方法，進(jìn)行模型訓(xùn)練和部署；?與原有EAM等數(shù)字化工具數(shù)據(jù)互通；?能不能替代人，降低成本，提高效率。研究方向6-多維數(shù)據(jù)采集融合和標(biāo)準(zhǔn)化研究?綜自系統(tǒng)、集控系統(tǒng)、SCADA系統(tǒng)、視頻系統(tǒng)、振動(dòng)系統(tǒng)、其他輔控系統(tǒng)等相互獨(dú)立；?設(shè)計(jì)融合型數(shù)據(jù)采集器接入各種輔控系統(tǒng)數(shù)據(jù)，制定標(biāo)準(zhǔn)數(shù)據(jù)格式轉(zhuǎn)換的方式，統(tǒng)一格式后一次傳輸?shù)酱髷?shù)據(jù)平臺(tái)。?針對不同類型的數(shù)據(jù)制定邊緣計(jì)算實(shí)現(xiàn)特征提取、數(shù)據(jù)抽樣、結(jié)果上傳。?按電網(wǎng)數(shù)據(jù)安全要求分類；頻等數(shù)據(jù)形式分類；部大數(shù)據(jù)平臺(tái)業(yè)務(wù)需求進(jìn)行分類處理。研究方向6-數(shù)據(jù)融合的大數(shù)據(jù)平臺(tái)研究?以風(fēng)電場生產(chǎn)管理需求為出發(fā)點(diǎn)，融合機(jī)組原始測點(diǎn)數(shù)據(jù)、故障記錄、運(yùn)維工單和計(jì)劃電量，全面診斷風(fēng)電場發(fā)電量、發(fā)電性能、設(shè)備可靠性、運(yùn)維能力及設(shè)備亞健康問題。結(jié)論和展望結(jié)論和展望關(guān)鍵結(jié)論??數(shù)據(jù)的準(zhǔn)確性，數(shù)據(jù)的處理方法，影響了模型和指標(biāo)的可用性；?現(xiàn)階段經(jīng)驗(yàn)?zāi)Ｐ捅却竽Ｐ透苡茫?現(xiàn)階段人工智能只能替代人的常規(guī)性、重復(fù)性工作；?