塞壬​智能
SIREN INTELLIGENT TECHNOLOGY



智能电厂解决方案的提供者

了解更多
您的位置:
>

风电场智能管理系统(WPIS)​

随着 我国风力发电产业战略地位的显著提升,继2015年后,2016年风电新增装机容量将再次超过30GW。在国内掀起了新一轮“抢装潮”的同时,随着全球气候的恶化,极端天气频频发生.....

0.00
0.00
  

随着 我国风力发电产业战略地位的显著提升,继2015年后,2016年风电新增装机容量将再次超过30GW。在国内掀起了新一轮“抢装潮”的同时,随着全球气候的恶化,极端天气频频发生.....


    行业的趋势
   

      随着 我国风力发电产业战略地位的显著提升,继2015年后,2016年风电新增装机容量将再次超过30GW。在国内掀起了新一轮“抢装潮”的同时,随着全球气候的恶化,极端天气频频发生,风机由于天气原因导致的故障频频发生,另外由于风电功率具有较强的波动性和间歇性,大规模接入电网后,将对电网的潮流分布、调度方式、电网稳定性、武功补偿和电网调峰调频等带来重大影响。因此,保障分力发电的持续性和稳定性至关重要。 
  
   
风电场智能管理系统概述

     风场智能管理系统,包含:风功能预测系统及风电智能维护系统。采用智能化解决方案,利用工业大数据分析、物联网、云计算技术,风机能够准确感知自身的状态和外部环境条件,从而优化调整控制策略和运行方式,保证运行在最佳工况点,使发电量和使用寿命的同时最优。本系统能够有效增强风功预测能力,增加电量产出;提高风机的可靠性和可用率,降低发电成本,最终实现电量稳定输出目标。

    风功率预测

    以风电场地理位置、历史功率、风速、数值天气预报、风电机组运行状态、测风落实时气象数据等做为输入,通过物理和统计的方法建立预测模型来计算风电场未来的输出功率。具备超短期功率预测(0-4小时)和短期功率预测(0-72小时)功能,提供多种数据查询、误差统计和分析功能。

    风电智能维护系统

    近年来,随着国家政策的推进和科学技术的发展,风电开始在能源大家庭中展露头脚并造福于民。然而风电在经历过一段时间的发展后,开始遇到风机故障率高、维修维护困难等瓶颈问题。风机智能维护系统具有局部故障诊断与定位、风场集群健康管理、关键部件衰退趋势预测等功能。它能够将风机全局状态和部件健康状态三维可视化,根据数据分析和人工智能预测故障,合理安排维修维护,有效提高风机运行效率,降低风机故障率,为打造智能化风场保驾护航。
  
 风功率预测系统特点


   高精度的功率预测

   通过建立风电多模式预报和多尺度预报模型,综合考虑不同地形条件,不同天气模式、不同季节、白天和晚上以及考虑风速信号的多尺度特性分别建立不同的预报模型,然后通过一定的融合策略来集成不同模型的预报结果,最终达到提高预报精度的目标。

    集成行业领先的工具

    我们以IBN的PMQ(Predictive Maintenance and Quality)预测性维护解决方案和美国智能维护系统研究中心的IMS(lntelligent Maintenance Systems)智能维护系统,以及IBM的知识管理软件Filenet为原型,将各领域先进的技术进行结合,根据客户实际业务需求进行开发,以实现行业的技术领先。

   实现中长期风资源预测
 
   我们通过与哈尔滨工业大学的合作,依托国家“973”重大科技专项风功预测子课题成果,在过去5年基于国家气象句、黑龙江省气象句等单位的合作,已经实现了中长期风资源预测,目前离线测试已经可以实现3个月的预测时间,并已经开始和地方气象句合作,已向风电市场进行商业化服务。




   
系统功能
   
    超短期、短期风功率预测

  
 (1)建设风电多模式预报模型:
不同地形条件,不同天气模式、不同季节、白天和晚上以及考虑风速信号的多尺度特性分别建立不同的预报模型,然后通过一定的融合策略来集成不同模型的预报结果,最终达到提高预报精度的目标。
 (2)建立风电多尺度预报模型:考虑风速信号的多尺度特性,提出了基于统计预报模型的短期风速多尺度预报模型和融合数值天气预报的日前风速多尺度预报模型,以达到提高预报精准度的目标;


   风机一体化平抑控制及优化调度
  
 (1)在风电确定性预报的基础上给出预报的不确定性带:对风电预报的不确定性进行研究,在确定性预报的基础上,给出预报的置信带;
  (2)风速变化速率的刻画:寻求相关的参数来描述风速的变化速率,在进行风电预报的同时,提高风速变化速率的相关相信;
  (3)利用超短期风电预报结果、风电预报的不确定性带及风速变化率的相关信息,设置一定的控制策略,对风场中的可调风机进行调控,从而实现对风电波动的平抑。

   风电预报曲线上报优化
  
  利用风电预报、风电预报不确定性估计,风速间隙性的相关信息,综合考虑风场的发电收益与风电场风电功率预报考核不达标的惩罚成本,给风电场做一个风险评估,实现对风电场上报风电预报曲线的优化,指导负荷曲线的申请。


   风机智能维护系统特点

  
   
省时更高效的维护方式
    每个风机的健康信息,运行风险、预期剩余寿命等信息可以被监控端有效掌握,管理人员可以根据风机的健康值对维护和维修的优先级进行排序,根据故障定位和诊断信息进行针对性维护,也可以根据预诊信息提前预定配件或对多个风机同时进行维护,这样可以大大减少维护的时间和费用。
    准确故障定位
    显示某一台风机的发电状况、健康衰退、关键部件的健康状态和报警信息、历史报警信息和维修事件、以及部分重要参数的历史曲线。能够让风场管理者迅速了解该风机的运行状况并定位到薄弱环节和处置方式。

     风机衰退可预测性
    
对比当前风速下预期发电量和实际发电量之间的差异,可评估由风机衰退造成的发电量损失。通过比对维修或维护前后功率曲线的变化,以及发电能力的恢复情况,可评估改维护或维修活动的效果。

    系统功能

    部件层-风机传动链
    
显示传动链健康值随时间变化曲线;用指示灯的形式显示传动链上各个关键部件的健康状态;用雷达图的形式,显示传动链各个关键部件的风险分布;任意选择2个变量,画出其分布关系的散点图,同时显示正常状态的分布区域;显示某一个测点,或振动特征随时变化的曲线;传动链健康值未来趋势变化的时间序列预测(未来3-7天)

    风机层-全局健康界面
    显示传动链健康值随时间变化曲线;在用户定义的时间段内,显示风速-功率散点图分布,以及设计功率曲线;显示每日、每周、每月的风功率损失(由性能衰退造成的)用状态指示灯的形式,显示各个关键部件的健康状态;

    集群层-发电电能力比较
    
显示用户所选择风机的发电能力百分比差异随时间的变化;风机发电能力排序,以及维护保养的优先级建议;风机发电损坏排序、实际发电量排序和理论发电排序;风场风资源排序(每一个风机位置的风资源)