秦海巖：數據治理是風電實現數字化與智能化的基礎

　　近些年，新一代信息技術被廣泛應用于風電產業之中，數字化、智能化已成為風電產業發展的主要趨勢之一。在選址環節，基于中尺度建模技術、衛星遙感物理建模技術和高精度風電場微觀選址技術，智慧選址模式正在逐步取代費時、低效的傳統方式。在運行中，借助現有技術，通過感知并預測所處環境變化，系統能夠自動采取不同控制策略，做到降載增壽，提高發電效率。在運維環節，通過在風電場安裝狀態監測和故障診斷系統，結合資產完整性管理理念，故障維修已經從事后轉向事前，逐步走向預防性維護，并在運維方案定制和成本優化方面開始發揮作用。這些手段有效推動了風電發電效率的提升以及整體成本的下降，正在成為未來進一步提高產業發展質量的主要抓手。

　　推動數字化轉型，數據是基礎。然而，目前風電數據質量依然存在諸多問題，這在SCADA數據中體現得尤為明顯。通過對市場上主流供應商的SCADA數據質量進行分析后發現，問題包括部分關鍵變量丟失、數據時間分辨率不一致、數據重復、整條數據記錄缺失、部分變量記錄缺失、數據超出正常范圍、變量錯位等。導致此類問題的因素涉及不同設備廠家SCADA系統采集的變量個數與變量名稱不同、風電場停電、服務器故障、PLC供電電壓異常、PLC模塊故障、傳感器故障、數據線虛接、存儲空間不足、數據線屏蔽不到位，SCADA系統升級、機組運行程序升級、通信故障等。特別是早期開發的風電項目，由于SCADA數據系統設計和運行管理不完善，數據質量問題更加突出。

　　上述問題長期、普遍存在，嚴重影響著發電量評估、可靠性分析、運維檢修、技改退役等方面的決策。例如，數據缺失導致無法追溯相關機組對應時間內的真實運行情況，不利于開發企業及運維人員迅速了解機組的實際運行狀況;在應用SCADA數據進行故障診斷和故障預警建模時，數據質量問題會使模型表現出的不確定性更加顯著，模型中蘊含的規律難以被發現，預測結果無法準確判斷影響產品質量和設備狀態的敏感參數;變量錯位的數據會讓建模過程陷入混亂，造成分析結果與實際情況出現較大偏差，甚至會產生與實際情況相悖的結果;在技改效果評估中，經常利用SCADA數據進行技改機組和參考機組在技改前后時間段內的發電性能比對，被用于評價的SCADA數據若存在質量問題，將無法對技改的實際效果開展準確評估，進而妨礙企業的后續決策;在機組壽命評估中，SCADA系統記錄的環境參數及機組運行狀態是進行機組全壽命期間的疲勞累積計算的輸入條件，如果SCADA數據質量出現問題，分析得出的機組壽命結果與實際情況會有很大的偏差;在事故分析中，事故機組的運行數據常被用來復現事故發展過程并進一步識別事故發生原因，如果存在相關數據無法獲取或數據記錄不準確的情況，將增加事故分析難度，導致事故原因難以確定。

　　要充分挖掘數據的價值，必須加強數據治理工作，這涉及數據采集、傳輸、加工、存儲、應用等環節。就目前而言，亟需著手做好以下工作：一方面，整機商應當配合開發企業做好機組軟件系統的維護、更新工作，及時修復系統中存在的漏洞，提高系統運行的穩定性以及準確性;根據實際需求適當增加重要數據部分的冗余，完善系統日志，最大限度確保系統的正常運行;同時，定期維護機房服務，及時清除無用緩存，備份歷史數據。另一方面，開發企業應當加強對機組各部位傳感器硬件的排查，制定詳細的檢查計劃，及時發現傳感器硬件故障、加以更換;做好風電場升壓站或者集控中心等區域的外部保障工作，實時確保電力資源的充裕以及網絡連接的暢通。

　　習近平總書記指出，要發展數字經濟，加快推動數字產業化，依靠信息技術創新驅動，不斷催生新產業、新業態、新模式，用新動能推動新發展。對于風電產業而言，數字化、智能化已是大勢所趨。加強數據治理，是風電產業實現數字化升級的基礎。數據質量問題不解決，風電的數字化與智能化就無從談起。