10月18日，2017北京國際風能大會期間，遠景能源舉辦了EnOS™智慧風場軟件解決方案分享會。作為風能領域首家提出“智慧風場”理念的企業，遠景能源在風電數字化的探索已經走過了七年，從最初項目功能開發，到標準系統軟件，再到目前平臺與應用模式，演化積累了一整套成熟產品，為全球能源領軍企業杜克能源、Pattern能源、殼牌以及中國領先發電集團管理風電資產。

      直連，實現最準確穩定的數據源

      風場數字化運營已成為業內共識，而數據則是一切的基礎。很多集控中心最頭疼的問題是，功能都實現了，數據永遠準不了。EnOS™平臺通過最新的物聯網技術，實現直接讀取風機和光伏控制器數據，支持140種風機機型和650種型號的光伏逆變器直連接入EnOS™能源物聯網平臺，秒級數據實時更新，并能實現超過95%的數據合格率，讓風場數字化管理擁有最準確的數據源。

      某大型新能源電站運營商，在內蒙古擁有13座新能源電站，不僅分布范圍極廣、現場運維人員需求龐大，而且電站主設備的廠家和型號也不盡相同，這都給運營商在管理和經營上帶來了巨大的壓力。在EnOS™能源物聯網平臺統一管理后，這個運營商打造了內蒙古地區首個全功能運轉的集控中心，不僅僅對1098臺風機和15.4萬塊光伏組件實現了全天候的監控，更有效保證了數據質量，遠程人員可以很放心地進行數據分析與報表制作，減少現場運維人員。最終實現了運維人員2.03人/萬千瓦，運維成本40萬元/萬千瓦。

      電量去哪兒了？

      新能源領域風電與光伏電站運營核心就是損失電量。目前新能源電站計算損失電量的方式非常不嚴謹，存在大量人工統計、環境變化和設備自身帶來的誤差。“這就導致目前行業內所有的所謂損失電量統計都屬于非考核級的數據。”遠景能源智慧風場軟件負責人趙清聲介紹，“小到電站最基層工作人員的獎金收入，大到國家能源局對棄電量棄電率的“雙棄率”考核，都因為損失電量無法準確統計而受到影響。”

      遠景基于EnOS™平臺開發的Enlight產品，實現了對損失電量的精準分析，并固化了整個風電場的指標體系，實現理論發電量與損失電量的準確度達到95%。Enlight Wind支持用戶以不同維度分析電量損失，包括原因、責任、系統、部件、故障代碼等等，運營管理人員每周花10分鐘即能快速了解，通過考核拉動人員與設備改善，各案例發電收益平均提升3%。

      機器學習讓風場更加智慧

      在數據分析領域，機器學習是一種用來設計復雜模型和算法并以此實現預測功能的方法。在商業領域，機器學習因為預測分析而聞名。有些對象存在物理模型，但由于本身基礎理論未研究透徹或生產實踐的需要，會做很多簡化假設，設制經驗參數，進而演變成工程模型。機器學習可以彌補物理模型，工程模型上的不足，實現對模型的優化。有些對象如圖象識別，很難總結物理模型，機器學習也可以自己提取特征值，產出可信賴的，可重復的決策和結果。

      遠景基于EnOS™平臺開發的Ensight產品，基于2PB高質量數據和機器學習算法包，訓練設備健康度模型，衡量發電性能和設備健康度，提供關鍵部件的健康度預警與狀態維護提示，從而實現預測維護。“Ensight能夠實現對變槳、偏航、傳動鏈、力矩控制四大系統30多個亞健康狀態的識別告警。”趙清聲說，“系統不僅能精準的告警傳動鏈設備亞健康狀態，還能對設備發電性能跌落實現告警。”

      EnOS™平臺上海量、精準的數據采集，在此時發揮了重要的作用。Ensight通過海量數據，可以不斷優化算法和物理模型，實現風機發電性能與設備亞健康狀態識別，進行預測，從而減少大部件故障造成的非計劃性停機損失，提升故障風機等效利用77小時。

      Ensight基于SVM支持向量機自聚類識別軸承正常狀態，回歸當前工況條件下軸承理論溫度，比較實際溫度，當殘差超過自學習出的閾值時，溫度預警某臺風機的軸承將在6個月后失效，分析人員通過CMS振動數據的物理模型分析，同時上機驗證確認了這一預測。風場對此風機計劃停機，用4個小時就更換好了軸承，避免非計劃故障導致的7天停機和超過10萬度的電量損失。

      對電網更友好

      新能源發電與電網之間的協調毫無疑問是一個世界性的難題。隨著新能源發電接入規模與日俱增，對于講求實時動態平衡的電網來說，新能源發電的間歇性、隨機性、波動性都可能是極大的威脅。另一方面，由于種種原因無法及時、準確地響應電網調度，絕大多數新能源電站每個月都面臨著來自電網數量不小的罰款。EnOS™智慧風場軟件解決方案，基于USCADA場站端通用平臺，實現高精度功率預測和AGC/AVC電網命令響應，打造電網友好型新能源電站。

      在遠景為神華國華江蘇公司位于安徽、江蘇的803MW新能源資產管理項目中，國華江蘇通過遠景USCADA平臺代替了已出質保期的設備廠家EMS，直接響應電網調度出力命令，滿足爬坡率要求，出力響應控制誤差達到1%，高于設備廠家水平。

      甘肅河西地區，當地風功率預測平均準確率72%。無論是中國氣象局，還是ECWMF歐洲氣象中心、美國GFS提供的9x9km天氣預測數據與實際風速誤差均在2m/s以上。孔明風功率預測系統NWP數值天氣預報模塊，基于太湖之光超算中心，將三家天氣預報配方計算，并經過WRF繼續降尺度計算到5x5km后，風速預測誤差降到了1m/s內。再基于CFD流場模型，獲得100x100m精確到每個機位的風速數據，并通過機器學習，優化風電轉換模型，獲得單機與全場預測功率?；贓nOS™平臺的新能源功率預測產品孔明，所有功率預測在集控中心完成后，再下發風場自動轉發電網，大大減少了由于系統可靠性造成的電網罰款。孔明上線2個月后，24小時功率預測精度已達到84%，電網考核費用下降50%。

      打造能源領域的“App Store”

      遠景能源還在基于EnOS™平臺，打造能源領域的“App Store”，鼓勵創新者參與到硬件傳感器的開發中去。比如傳統的麥克風安裝在塔筒底部聽葉片聲音，孤立的聲音數據和基于EnOS™平臺上的風機運行數據相結合，就蛻變為了葉片缺陷聲音識別的APP，就能將普通傳感器變為智能硬件，開發出更多的設備亞健康的判斷和預警的APP。

      未來，基于EnOS™平臺，眾多開發者將突破禁錮，打造更多充滿想象力的智慧能源管理創新模式！