在北京國際風能大會上的主題發言：信息化助力智能供應 （作者：遠景能源 陳衛民）
聽到艾郎葉片包括劉曉鳴團隊介紹的產業實踐，作為風機供應商感到非常振奮。我們看到了行業未來，在不遠的將來我們能夠做到3.0、4.0。
我們目前在做很多走出去的工作，上個月在印度我們的主機廠第一臺風機產品剛剛下線。我們也希望更多國內同仁能夠跟我們一起走出去。走出去很重要一條就是模塊化、自動化，把我們在國內的很多優秀實踐，快速保質保量地複製到印度、拉美等國家的產能的建設上，讓風電行業繼高鐵和通訊產業之後成為另外一個跨出國門去競爭的高新產業。
結合剛才很多同仁分享的智能製造，我把整個範圍拓展一下，講一講智能供應。為什麼要拓展這個話題，我們要從風電產業面臨的全新的挑戰說起。2017-18年墨西哥風電招標，中標上網電價低到每千瓦時3美分，也就是人民幣兩毛錢左右。兩毛錢什麼概念，和國內上網電價比一比，大家看到了風電行業未來的度電成本壓力非常大。就在昨天的風展開幕式上，來自國家能源局的政策制定者也在說，整個“十三五”風電產業圍繞著兩個主旋律，一個是降低成本，一個是降低補貼。他也期望我們整個行業在未來三五年內全流程成本要降低20%到25%。
從初期的風資源獲取，到風電場的建設到二十年的運維，我們如果把風電項目的全生命週期成本拿過來看就會發現，風機成本佔了其中不到30%到40%，30%到40%是工程建設成本，還有20%-30%是運維成本。
所以在未來持續降低風電行業的度電成本，三年內做到和火電成本持平，就要求我們從端到端去思考產業鏈的整體規劃，一方面通過持續降本減輕部件供應商、整機制造商和風電場開發商的壓力，另一方面把質量做好，把發電效率做好，把二十年運營階段的風電場生產管理做好，讓它的年度滿發電小時數做到更高。
去年我們的新增項目建設65%位於山地或者丘陵區域。65%來自這些區域什麼概念，這兩年整個國內風電場的建設大家可以看到非常多的不適應，不管是山地道路修建，還是水保林保達成，還是在開發過程中間遇到了那麼多的天災，道路剛修好，一臺主機還沒上來一場暴雨就把原來道路全部摧毀了。還包括拆遷這樣一些現實的問題，伴隨這個趨勢的是風電場建設的工程挑戰日益增大。同時我們的單颱風機功率越來越高，從過去的1.5MW到現在的2.5，3兆瓦和4兆瓦。伴隨功率上升，主機重量從80噸增加到90、100噸，葉片從過去的50多米到現在的60米、65米、70米。
工程建設的挑戰和風電項目度電成本的雙重壓力，要求我們拉通整個供應鏈平臺去深入思考，用什麼樣創新手段解決行業所面臨的巨大挑戰。
我們的回答是建設一個以數據驅動為核心的智慧供應系統。其中包含三個方面的主要驅動，第一個是實時數據獲取，第二個是通過數據分析產生業務洞察，第三是共享業務洞察和行動計劃給整個產業鏈，達成共識，並應用在風場全生命週期管理中。
關於數據實時可視，近兩年我們嘗試應用了一些技術手段。比如說客戶需求側的信號管理，從風電場的各項審批，到啟動設計，到項目開工，項目計劃管理，到建成投產等，每一個環節的關鍵信號的及時獲取，信號如何轉化為各項市場需求以指導整個產業鏈的活動，是我們這兩年一直在思考的。
在具體硬件實現上，我們在整個供應鏈過程中加裝各種傳感器，比如在主機上加裝位置傳感器，感知運輸狀態的傳感器，包括感知周邊環境傳感器、振動和溫溼度傳感器等。後面具體我有一些例子，讓整個風電建設的物理過程中讓設備和周邊環境能夠智能交互，無縫迭代，及時化解工程建設中間可能出現的風險。
再比如說，我們把RFID無線射頻標籤用在備件、整機以及葉片等風場設備的管理上，再引入GPS、GRS設備，把整個風機到出廠到吊裝機位點的全過程監控起來。有時在運輸過程中間會在通過某個不良地理位置時會產生了劇烈震動，這個振動可能當時看不出，但是五年以後受損的風機齒輪箱和主軸可能就會暴發出很多故障。我們就希望把全過程就100%地監控起來，哪怕一個微小的振動也要有一個像飛機上黑匣子把它捕捉監控住，把數據儲存起來，從根本上去保證產品的全流程高質量。大家想想，家裡買一臺五千塊錢的彩電拿到家裡我們還都小心再小心，我們一個700萬、800萬價值的這麼一臺風機該怎樣防護都不過份。我們大家到現場可以看一看，現場物流過程是非常艱苦的，怎樣保護好這麼貴重的資產，能夠讓它在未來二十年不留後遺症，這是我們應該為業主為客戶去想的事情。
接下來我聚焦三個方面分享我們的實踐。第一個智慧供應與產業鏈協同，第二個數字化物流，有時間的話講講智能運維。通過這三方面我想具體給大家看一看，雖然說現在可能還處在工業2.0時代，但我們可以嘗試利用目前行業最先進的技術，包括汽車、航空行業的很多領先實踐，嘗試彎道超車，去迅速構建我們在工業4.0背景下風電行業的核心競爭力。
首先是我們的一個業務實景演示。大家可以看到我們正在跟蹤的128個風電項目。這128個項目從合同談判一直到最終的併網，不管是在電腦平臺還是手機應用平臺上，所有項目的端到端交付全程可視都在這個平臺呈現。比如說在這裡可以看到這裡面有些項目標紅了，它在某些方面發生哪些風險，哪些人在負責解決，相關人員會在這些風險造成實實在在損害前就能夠提前介入處理。
比如說我們點一個項目，你會看到這是一個國電投寧夏西吉的項目，這個項目需要我們交付24臺2.2兆瓦，115葉片的風機。這個項目業主的吊裝計劃，完成狀態，現場基礎做了多少，主體吊裝做了幾臺，電氣、對中、消缺完成的怎麼樣，整個項目信息一目瞭然。同時的話我們可以看到這個項目今天的狀態，現在我們有3颱風機正風場運輸的途中，每颱風機它目前位置到什麼地方，車輛和司機的狀態，預計還有幾天能夠到達機位，什麼時間點業主必須要安排吊車進行堆場準備。通過項目全流程可視平臺，我們希望實現項目交付的全程可視以及風險的全面可控。
這個會帶給產業鏈什麼好處呢？我們希望把這個以項目為基礎的端到端可視交付的平臺，能夠把客戶需求和我們的供應實時無縫銜接起來，拉動整個產業鏈響應客戶需求，增強響應能力，優化響應成本。借鑑汽車行業的做法，推拉結合，拉動整個產業鏈的響應，實現全產業鏈根據需求信號精準備貨。
雖然風電看著是很大很重的工業形態，但重工業為什麼不能做到很精益，為什麼不能做到just in time? 所以我們還是希望通過數據驅動，把不管是需求還是風機的生產，到供應商的物料供應都無縫銜接，實現數據流貫通，以數據為基礎打造一個比汽車行業可能更加精益的這麼一個產業鏈。
下面再舉一個例子，從數字世界重新回到我們的物理現實。剛才跟大家講到風電物流面臨越來越多的挑戰，事實上我還沒有講到物流事故，如果把一年全國風電現場的事故拿過來盤點，大家會發現這是非常觸目驚心的數字。
雖然不是發生在我們身上，但看到這些案例我們的心情也是非常沉重。看到那麼多行業的事故以後，我們就在想怎麼樣能夠利用數字化、智能化的手段去改變這個現狀。我們花了一年左右的時間，通過無人機實現智能數據採集，我們希望把整個風電場的環境數據都能用智能化的方式採集到，把風場內的危險點都能夠快速識別出來。在數據採集基礎上，我們做了3D實景建模，把物理世界轉變成數學模型，把路堪和道路解決方案的定性分轉變成定量分析，把定量分析精確到釐米級，因為你只有到釐米級才能夠分析判斷出來我們現場的車輛有沒有風險，會不會掉到懸崖底下去。在3D建模的基礎上把我們的風機和葉片的數字化模型迭代到風場模型裡面，也就是我們所說的數字化模擬和digital twin，看在這麼一個風場環境裡面我們的整個風電物流運輸它該怎麼設計，主機該怎麼走，葉片該怎麼走，怎麼安排是最安全的，同時成本最低；什麼情況下還是有巨大的風險，需要我們從道路修建還是工裝車輛的改造方面去消除這些風險。
我們看看這個digital twin是怎樣應用在在棗莊中廣核項目現場的。現在大家看到的這個圖片已經不是一張照片了，它是我們實景採集了風場數據以後做出來的一張數字化3D模型。大家可以看到，這裡邊每一棵樹的高度都是實實在在可以度量的東西。這一塊地要平整多少土方量，對應成本多少錢，通過數字化模擬你可以用精確方式標的出來，相應物流方案和風場投標報價也可以直接輸出。
結合實景建模和把產品的數字化模型放到虛擬環境裡面迭代優化，項目關鍵路徑結點的修建方案就可以明確。葉片和主機過這個彎的時候路的坡度必須修成幾度，這個山上是不是有一個樹必須伐掉，葉片舉升高度會不會帶來車輛重心的失衡。數字化採集和數字化模擬使得我們可以把整個風場解決方案從根本上做好。
再講講智能監控。我們行業裡面多的物流運輸車輛的確在處在工業2.0時代，沒有行業規範，隨意改裝。怎麼樣去改變這個現狀呢，我們希望給傳統車輛加裝上智能的翅膀，讓我們的司機和運作團隊感覺到智能化應用對他們的工作有很好的助力，這就是我們現在做的智能工裝車輛。
大家可以看到，在我們的每一輛葉片舉升車駕駛室裡，司機面前都有這麼一個屏幕，這個屏幕會告訴他今天的任務是什麼，在過程中有幾個風險點。臨近每個風險點前比如還有300米的時候屏幕會主動推送出來說這個風險點的情況以及通過這個風險點的解決方案是什麼，你必須把你的葉片車搞的往哪兒轉，最後走哪條線路。在行車過程中，隨車電腦會每秒鐘20次去採集車輛周邊的環境數據，通過我們專門針對這個車型所做的數學模型顯示即時的車輛運行狀態。大家看到屏幕上的這個指針顯示，綠色區域是安全工況，指針到達黃色區域這個司機就必須停車預警。通過這個平臺我們希望能夠把現實世界的事故率能大幅度降低。項目安全保證了，項目才能快速推進，項目整體費用也能得到有效控制。時間關係本來想給大家再介紹下智能備件響應，時間關係就不多講了。
在座很多是我們的同行，也有很多合作伙伴。期待大家攜起手來，藉助信息化、智能化的技術手段，建設智慧產業鏈，共同實現在2025年讓風電成為中國主流能源的目標而共同努力。謝謝大家！
問答：
提問：陳總你好，剛剛看到那個車運葉片，我不瞭解這個模型怎麼建出來的，在沒有那些實際數據的情況下通過什麼樣方式建模的這個過程能不能說一下？
陳衛民：一個風場由幾個山頭組成，這個時候怎麼修路是非常講究的一個事。我們做的是什麼，首先第一步我們把山的地理形貌做成三維的模型，然後我們再把我們的路的核心算法結合運輸的產品數據進行快速迭代，自動生成建議路線。我該怎麼走，怎麼挖，相應成本是多少，這個建議解決方案出來後，我們再拿它和設計院出的圖紙去驗證和迭代。有的時候我們發現設計院出的圖紙更優，我們就會調整算法。目前更多是設計院告訴我們，你們這個想法更加新穎，那就聽從我們建議優化設計方案。當然他們現在還不知道其實這不是我們建議，是電腦的建議。最後我們把這個路按照我們設計方案修整完後，再用智能工裝去實地驗證採集，形成閉環。
