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:
>

智能风电、太阳能光伏电厂集控中心的运维建设

随着国内光伏产业规模逐步扩大、技术逐步提升,光伏发电成本会逐步下降,未来国内光伏容量将大幅增加…


0.00
0.00
  

随着国内光伏产业规模逐步扩大、技术逐步提升,光伏发电成本会逐步下降,未来国内光伏容量将大幅增加…



   建设目标
    

        远程监控与控制:                       业务性能管理与分析:

  •区域到单设备不同粒度的实时监控与控制     •电力预测优化

  •基于事件的自动故障处理                   •新项目的规划、执行、与跟踪

  •多区域共享的服务平台                     •预测性检修与优化停机计划

  •缩短故障处理时间                         •能量会计与生产成本计算
 

    资产与发电优化:                        技术上精益求精:                     

 •资产优化与零部件库存管理                 •发现核心设备运和模式                  •主动的备品备件管理                      知识库管理

 •快速应急响应                             •设备性能的历史分析

 •能量调度与负荷预测                       •基于性能的合同管理

 

   解决方案

   全生命周期蓝图



                                                     可视化

          
  智能设备生命周期管理
                 
            
           核心框架
               


                               
大数据分析云台







     解决方案中

  • 以现场设备的数据采集为源头,通过传感器将所监控的设备数据信息传递给数据采集组件;

  • 采集组件将数据采集后进行数据预处理,将无效数据或冗余数据进行过滤,之后对有效数据进行分析,此部分数据进行大数据的存储或之后的其他应用分析之用,存储于云平台中;

  • 所获得的实时数据经过云平台的相应服务分析模块分析后,如果是设备故障等需要立即处理的事件,平台会根据事件的级别、预处理方案库等分配任务给维修人员,同时提供给维修人员解决方案、所需备件数量、当前库存等信息,以使维护人员尽早清楚问题原因尽快解决故障。

  • 如果任务需要第三方公司介入,则通过第三方数据接入,可直接将解决方案、所需备件等发与(中间可设置厂内评审机制)第三方维修公司。
  • 故障解除后传感器会对故障恢复后的设备进行数据采集,相关参数符合正常生产要求,则结束本次故障维护任务,如果未达要求,则继续给予二次维护建议直到故障解除。

  • 实时数据通过大数据服务分析后如果符合预防性维护建议阈值范围,则制定设备的预防性维护方案提供给维护人员,由维护人员执行相关维护工作。

  • 同时平台会建立系统的机器学习服务,在不断的维护与生产运营中,系统会应用现场数据通过API反复训练数据,改进机器学习的模型,形成更符合自己实际情况的预测模型。





  • 现场数据分为设备传感器直接采集的数据及现场辅助应用(无人机等)获得的数据,传感器数据直接传送至集控数据中心,无人机巡检或其他实时监测的数据则可直接与监控处理中心进行数据实时传递及显示,提高工作效率;

  • 控数据中心将现场数据进行采集,同时集成外界的第三方数据,对这些数据通过专业分析模型数据分析,形成相关维护、诊断的各类方案以供监控中心或其他授权设备进行下一步操作;

  • 监控处理中心对维护、诊断等各类方案、反馈进行处理,完成审核、分发、评价等各类操作;

  • 机器学习服务通过以上实时数据、人工干预数据等各类数据训练相关预测模型,使得系统分析模型不断进步。

  • 对于配备了移动终端的维护检修人员,可通过gps定位掌握目前的工作位置,通过登录系统进行检修中、检修完毕等状态的登记了解目前故障设备的维修状态,同时此部分信息也被记入系统,以便后期进行追溯。


    设备智能维护基于数据采集和管理平台,模块在数据算法与模型建立上主要包括以下三大部分:


  • 算法环境及可视化界面:数据的读取和存储,数据预处理(矩阵转换,奇异值滤除,状态分割,时间戳管理等),数据质量验证,交互显示界面(业务场景定制),算法环境;

  • 通用数据分析算法包:通用数据分析算法包是数据分析的组成模块,在实际分析阶段通过不同模块的排列组合以及参数优化就可以得到想要的分析结果。算法包共包括四大部分:信号处理与特征提取、健康评估、故障诊断、运行环境;

  • 设备健康评估和故障预警算法:针对具体设备的健康评估和优化模型,使用通用数据分析算法包中所开发的分析模块在算法环境及可视化界面中所开发的算法环境解决实际的现场问题。


    
  针对设备的健康管理,由以往被动性的维护管理提升为主动性的故障预测,进而实现预测性修维护为基础的全周期健康诊断,利用预测性维修维护的数学模型,生成预测性维护报告,给予维护人员预测性维护策略建议。管理人员通过智能分析工具的各项参数和报告,做出维修维护业务的排期和协作调度,也可以提前更加合理地制定相关设备的备件采购计划。





  技术应用

 

模型预测

    模型预测误差

    根据国家能源文件要求:

  • 电功率的实时预报要求并网风电场按规定要求每15分钟滚动上报未来15分钟至4小时分功率预测数据和实时的风速等气象数据,每日至少上报一次次日96点风功率预测数据,分辨率为15分钟
  • 预测曲线最大误差不超过25%;实时预测误差不超过15%。全天预测结果的均方根误差应小于20%

    我们提供的风机功率预测模型,在满足上述国家标准的前提下,能够将预报长度提升至72小时,0-72小时预报的均方根误差为18%


  发电电量预测


   运维中心的发电电量预测模块主要关注电厂的业务性能及绩效指标部分提供:


  • 实时关键绩效指标报告
  • 优化上网电力预测
  • 分析停机时间
  • 涡轮错误模式
  • 比较运行曲线




 光伏发电电量预测

 
 系统具备:

  • 高精度数值天气预报功能
  • 光伏信号数值净化
  • 高性能时空模式分类器
  • 网络化实时通信
  • 通用电力信息数据接口
  • 神经网络模型模块




   




智能诊断
-拆解诊断

   设备可拆解到每一个零件,并可显示零部件的运行数据,突出故障,并提供故障处理建议,使故障诊断更加精准、简单






   

  无人机应用

  
  
光伏:包括(组件、线缆及其他部件)视觉成像、红外热成像以及植被监测 数据实时传回、数据处理中心分析是否过热及原因分析。

   低空飞行的无人机可以发现电站光伏板的龟裂、蜗牛纹、损坏、焊带故障等问题都能够发现。 

   无人机还能够监测汇流箱、接线盒、逆变器等电子设备的温度,来预防可能发生的电气系统问题。 
   风电:除叶片巡检外,还可实现对风机机舱、机舱附属件以及塔筒的检查,发现螺栓松动、设备漏油、塔筒掉漆等问题。