【無所不能 文|能豆君】兩週前，齊國臨淄風電場突然出現風機大部件故障，場長蔡桓公因為風機停機超過7天，遭集團通報批評。
蔡桓公半信半疑地小窗了扁鵲。
一週後
Ensight報告
時間：2018.07.16
風機：臨淄齊國風場B-5號2MW風機
告警：風機偏航系統異常
症狀描述：由於風向標性能問題或偏航控制系統異常，實際對風角度與最優對風角之間偏航超過5°,導致該風機不在最佳對風角度，風機長時間沒有處在最佳發電狀態。
損失預估：如果不採取措施，預計年損失電量10萬度。
一週後
Ensight報告
時間：2018.07.01
風機：臨淄齊國風場A-3號2MW風機
告警：風機傳動鏈軸承溫度異常
症狀描述：發電機軸承亞健康預警，軸承實際溫度偏離預測的健康溫度25%，可能是由於軸承磨損或潤滑不良，未來三個月有故障停機風險。
建議措施：建議上機檢查或調用振動數據交叉驗證
Ensight報告
時間：2018.07.21
風機：泰山風場D-6號2MW風機
告警：葉片損傷、開裂
症狀描述：根據頻譜圖可看出，風機其中一支葉片的頻譜響應與另兩支相比有顯著差異。風機葉片因局部葉尖開裂導致掃風聲音異常，在頻譜上表現為高頻段能量衰減。
建議措施：儘快現場確認，人工吊籃修補葉片
關於Ensight
洞察現在 預見未來 適配任何機型
基於遠景EnOS™能源物聯操作系統開發的Ensight智能預警產品，集合了100GW風機設備積累的2PB海量數據，運用機器學習算法，建立風機畫像，實現風機發電性能與關鍵部件亞健康告警。Ensight支持葉片、傳動鏈、變槳、偏航、力矩控制五大系統關鍵設備的亞健康狀態的識別告警，與設備運行狀態、設備通訊狀態解耦管理。為運營商管控資產發電性能跌落與關鍵部件失效風險，案例平均提升發電量3%。
關鍵技術
Ensight將理論與實踐結合，基於分佈式數據存儲系統與快速計算框架平臺，積累豐富的風機故障預警物理模型智庫，既知風機生病機理，又曉大數據處理與人工智能技術。
深度神經網絡
在風機葉片異常預警與故障診斷上，不僅將時頻分析與機器學習PCA模型結合進行故障特徵提取，同時基於深度神經網絡DNN進行不同異常下的葉片聲音識別，引入了圖像處理與卷積神經網絡CNN去“觀”聲音，提高故障模式識別準確率，高效準確確定異常部位，以“對症下藥”，保障風機安全運行。
高斯核函數的支持向量迴歸（SVR）模型
結合風機運轉原理，選取與軸承溫度息息相關的測點作為特徵，利用基於高斯核函數的支持向量迴歸（SVR）模型，將低維空間數據映射到線性可分的高維空間，建立對軸承溫度的精確迴歸模型。
LightGBM機器學習算法
基於決策樹算法的分佈式梯度提升框架，採用直方圖算法以及帶深度限制的Leaf-wise的葉子生長策略，進行風機發電性能分析以及偏航角度的遍歷尋優。
投稿郵箱 | [email protected]
找能豆君 | icaixinenergy ; icaixinenergy2
本賬號系網易新聞·網易號“各有態度”簽約帳號
閱讀更多 財新無所不能 的文章
