当前位置: 首页 » 新闻资讯 » 综合新闻 » 行业动态 » 正文

风电数字化的进化论 你最不可错过的案例!

放大字体  缩小字体 发布日期:2017-11-07  浏览次数:1307

  这一届北京风展的主题“风能的数字化时代”,以及会场上纷纷亮相的数字化平台,让远景能源EnOS?智慧风场软件解决方案负责人赵清声想起了七年前,远景首倡风电数字化时,业内升腾起的质疑之声:“你们这个不就是搞概念嘛?”“我提不出需求,不相信你们能用软件提升发电量。”远景并没有做过多的辩解,而是派人蹲到客户的现场,把客户的工作自己都做一遍,然后把功能一个一个做出来。

  七年前,远景就这样开始走上了数字化创新的征途。如今,越来越多地企业加入了风电数字化的行列,但是远景深知“风电数字化”绝不是模仿一堆软件功能,组建一个解决方案那样简单。

  作为行业先行者,远景在无可借鉴的情况下,从软件项目到软件产品,再到软件平台,每一步背后都有其内在动力,只有基于内在驱动的数字进化,才能有机地对业务起到促进作用。绝不是今天觉得“平台产品”高大上,一蹴而就就能做好平台产品。

  远景一直希望,在风电数字化的进程上,自己积累的经验教训能够帮助后来者少走弯路。行业的数字化水平,能够因为远景的“示范作用”,提升得更快一些。

  “我们产品的引领性还是很突出的,目前市场上大部分是项目级定制开发功能,只合适一两类用户场景,普适性、可维护性、可升级性不高;有的如功率预测,适合所有用户,但功能单一,我们做的是全系列产品级、平台级的软件。”远景智能软件销售总监张琼表示。“平台级”这三个字看似平淡无奇,却是七年来在实际项目中趟过多少坑,重构进化了多少次才积累出来的。”

  就以风电数字化的基础——数据接入和准确性来说。远景能源基于全球最大的能源物联网平台EnOS?打造的智慧风场软件解决方案,可以直接读取风机和光伏逆变器数据,能够支持140种风机机型和650种型号的光伏逆变器直连接入EnOS?能源物联网平台,实现秒级数据的实时更新,并且设备采集数据的合格率超过95%,损失电量分析的准确率超过95%。

  从起步开始,远景的USCADA系统就是先在国内项目的第三方风机上起步,再在海外项目的第三方风机上做,自己的风机反倒排在第三位,系统一开始就以普适性作为架构标准。但在2013年做某集团级客户项目时,面对100多种机型,形形色色的接口,恶劣的通讯条件,参差不齐的设备稳定性,远景发现太多细节需要积累,也发现风机PLC直连是彻底提高数据质量最有效的办法。

  通过为客户解决一个又一个项目的挑战,体验了不同机型与主控版本下的复杂条件,也不断优化着产品的可配置型性,模型的抗干扰性。一开始有的项目甚至要做耗时数月的“数据大扫除”,不断提高数据的准确性和可靠性。业界领先的95%的数据合格率就是这样一点一滴提升而来的。

  远景的很多客户都曾建立数字化系统,最后却发现系统用不起来,追查原因都出奇地一致——最基本的数据准确性问题没有解决,最多只能算算电量。

  “你说设备连接起来就是物联网?真没这么简单。一会儿电量表数据跳变、一会儿无连接,怎么监控?很多风机状态都不准,敢不敢远程复位?总之,如果物联网的边缘计算不可靠,人还是撤不下来。”EnOS?大数据平台架构师闫博士直言不讳,“物联网的CAP实践难度比互联网高许多,远端网络容错度成倍降低,系统的一致性和可用性就必须更精细的平衡设计。数据模型上,以前在互联网做大数据,本质上是离散数据管理,一单就是一单,哪里像传感器数据,是连续数据,成千上万设备要做到近乎任意时间维度的查询、分析,这需要大量的抗干扰算法、告警算法,才能保证数据质量、甚至说起码的系统功能。”

  远景持续七年的投入,攻克了无数细节上的魔鬼,近100GW项目的产品化积累,才和客户肩并肩基本解决了数据连接、采集、运算、质量控制等难题,这些是数字化的基础。

  在接下来的数据分析上,机器学习无疑是最佳技术,但是如何能够将机器学习和大数据结合起来,长期解决业务挑战,而不是做一两个样板项目,做一两项原来物理模型方法没有的发现,这需要在组织上进行创新。

  远景基于EnOS?能源物联网平台开发的Ensight产品,基于2PB高质量数据和机器学习算法包,训练设备健康度模型,衡量发电性能和设备健康度,提供关键部件的健康度预警与状态维护提示,从而实现预测维护。Ensight Wind基于海量数据与机器学习技术,不断优化算法,实现风机发电性能与设备亚健康状态识别告警,进行预测维护,减少大部件故障造成的非计划性停机损失,使故障风机提升等效利用77小时。

  远景一直很清楚,机器学习并不是挖几个算法大牛就可以实现的。“几年前我们也认为招些数据算法专家就可以发掘数据里的价值,但实践发现学习能源领域的垂直领域知识很关键,否则传统机器学习所发现的一些规律,对垂直领域来说,不过是常识,精度能不能做到极致先不论,仅一个不可解释性就让你举步维艰。”EnOS?大数据平台架构师闫博士说。

  他找到的解决方法是让机器学习的专家和领域技术骨干相互学习,每两周举办一次培训,让机器学习的人弄明白能源领域的理论知识,“不仅是文字表达的讲懂,更要把里面的数学模型、物理模型公式都看懂”。反过来原来的领域专家则要学习python语言和算法包,还要参加软件培训,大家做真正的“跨界”人才,用闫博士的话说就是“让大气动力学的领域专家学神经网络,让神经网络专家搞懂流体力学。”

  这种双向学习打破了机器学习和领域知识之间的隔膜,让机器学习能够真正和实际应用结合起来。目前,远景软件团队中,有机器学习背景和领域知识背景的人才比例接近一比一。

  远景不仅在机器学习人才培养方面有自己的一套,在机器学习领域也做了很多模式创新,勇敢做整个行业的“探路者”。这一点主要体现在远景去年推出的新能源功率预测软件孔明上面。

  虽然算法在风功率预测方面已经得到了广泛应用,但不同算法犹如一个个不透明的“黑匣子”,在具体应用于风场数据之前,没有人知道哪个算法结果更优。不同的风场更没有能力一一测试全球各种机器学习算法模型,从中找出最适合自己的。

  孔明在自己团队开发机器学习算法之外,还搭建了一个算法验证、比较平台,与各高校,ECMWF,NCAR等各机构达成战略合作协议,大家贡献算法。针对客户的风场数据,让不同的气象数据,不同算法在平台上同时运行,在不打开“黑匣子”的前提下,让机器自动寻找到最适合该风场的算法。

  孔明独创的算法验证平台,不仅能够提高自身的预测精度。更创造了一种机器学习在风功率预测方面的“众包”模式,一种各方多赢的行业生态。

  海量数据和天量运算离不开运算能力的支持,可能很少人知道,早在亚马逊AWS正式进入中国之前,远景已经是它的第一个中国客户。如今,远景能源背后还依托着太湖之光和天河二号国家超级计算中心所独有的大数据运算能力,这让它可以为整个行业提供计算平台。

  以上的技术创新和技术支持,使孔明的预测精度高出业界水平5个百分点。虽然孔明是市场后入者,但凭借着在很多风场和竞品的“贴身PK”,短短一年多时间内就已经打入了300多个风场。

  无论是远景此次揭秘的Enlight和 Ensight产品,还是去年推出的孔明新能源功率预测系统,都在不断丰富着EnOS?智慧风场软件解决方案的价值创造,满足着不同客户不同层面、不同人员的需求。

  这些是远景基于EnOS?能源物联网平台自己开发的杀手级应用,但对于已经进化到平台级的EnOS?来说,它的定位是像苹果商店一样,将很多应用的公共组件,清洗插补数据质量的脏活累活都沉淀到平台做自己做掉,降低应用开发者的门槛,使开发者更集中精力开发自己的算法和功能,诞生出更多像孔明这样的应用。

  如今,欧洲第二大可再生能源管理软件公司BazeField已经接入EnOS?平台,可以和Enlight、Ensight一起为客户提供打包方案。“以后,平台上app可以和app找朋友了。“我们不可能样样都自己来,重要的是使能优秀的app开发者们。”赵清声表示,“我们通过‘领域吸引领域,应用吸引应用’,去发挥平台Synergy的力量,远景坚信能源行业的未来由无数开发者创造。

 
 
[ 新闻资讯搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]

 
0条 [查看全部]  相关评论

 
推荐图文
推荐新闻资讯
点击排行