SkyFront 在风能行业的应用

由于风能行业的特性,风机维修成本很高,造成了风能行业对使用数据预测故障需求的急迫性。比如叶根螺栓故障,现阶段只能靠人工登塔检查和维修。一片风机叶片有 64 个叶根螺栓,断裂 1-2 根并不会影响风机正常运行,但是断裂的叶根螺栓会随着叶片转动,在内部随机掉落和撞击,而由于没有使用特定的传感器进行检测,除非有其他故障发生且引发了故障报警,叶根螺栓的断裂并无法被及时检测出来。在出现问题后,某大型央企下属公司风电事业部经过专项排查问题,发现在风机安装及维护过程中若干不规范的操作,但是对已经安装上线的机组进行全面复查成本太高,需要大数据智能化辅助检测手段来检测/预测这种故障。
风能行业挑战

故障无法预测

风机结构复杂,零部件种类繁多,现有检测手段无法在故障潜伏期预警,极易造成二次损伤。

修复成本高

风机一旦发生故障,如齿轮箱、发电机、叶片等损坏,从运输到更换部件成本高昂(零部件 + 运输 / 吊装 + 停机发电量损失)。

数据价值低

现有监控系统已能采集大量数据,但因缺乏大数据计算及分析模型,数据价值无从体现。

成本压力巨大

面对国家 2020“风火同价”政策以及化石能源与光伏能源的双重冲击,已很难通过传统技术升级找到出路。

天数润科智慧风能平台

更加丰富的数据源的实时数据采集

更快速、压缩比更高的存储方式

统一的数据分析与挖掘平台

应用层对分析得到的结果进行可视化的展现

模板式或定制化数据导出功能

可灵活扩展的在线故障预测应用

应用成果

能支持2000台风机规模,实时获取各风场的风机设备数据及报警信息,通过数据分析,预测叶根螺栓故障。

使用多个风场一年的数据,约百台风机共百 G 数据;

线下预测模型,准确率和召回率达到 90% 以上;

实时预测模型,准确率和召回率达到 85% 以上;

已经扩展故障的预测/告警范围,覆盖到全风机部件。

通过挖掘历史维修工单数据,构建故障分析专家系统。

数据来源:某大型央企下属公司原有售后系统,记录了十万余条设备故障及解决办法;

问题:原有系统架构老旧,无法对系统中的信息进行体系化整理,很难有效的为现场售后人员提供支持;

解决方案及效果:通过深度学习模型,将现有系统中的信息学习并整理成专家知识库,发现了之前生产中未发现的潜在故障规则,取得了很好的故障预测效果。

联系我们