北京2020年11月23日 /美通社/ -- 從古至今，人類始終沒有放棄對風能要饋贈的探索。

曾有人粗略估計過，地球上可用來發電的風力資源約有100億千瓦，幾乎是全世界水力發電量的10倍；相比之下，世界范圍內每年燃燒煤炭所獲得的能量也只有風力在一年內所提供能量的三分之一。

放眼全球，作為世界第三大海上風電國家，有數據顯示目前風力發電在我國電力總裝機比重超過7%，已逐漸成為繼火電與水電后的第三大電力來源；由此可見，因為資源豐富、發電利用小時數高以及不占用土地、不消耗水資源和適宜大規模開發等優勢特點，海上風電一度有望成為我國電力產業發展新動力。

說起來風電好處多多，但實踐起來究竟難不難？有沒有坑？談及這個問題，運維人員可謂滿腹心酸。

由于海上風電場長期地處鹽霧腐蝕、海冰沖撞，甚至是臺風破壞等極端惡劣環境中，遠離大陸并不適合現場測試作業，精打細算下來后期運營維護成本甚至高達總成本的一半以上，遠遠超過機組設備成本；再加上“出現問題才維修，缺乏精準的資源統籌與規劃安排”這種“后知后覺”的運維模式根深蒂固，不但運維效率無法保障，運營操作更是很難常規化。自身疑難非但未解決，再伴隨今年風電開啟平價上網，價格與火電同價的政策導向，風力發電降本增效的探索就成為當下該行業迫在眉睫的大事兒。

我們深入分析得出，風能行業中運維水平的高低往往對成本以及效率產生最直觀的重要影響，所以海上風電的未來早已深度鎖定在找到能夠對設備運行狀況進行全面監測、集約高效、又具有成本優勢的智能化風電機組狀態監測解決方案上。基于此，江蘇未來智慧攜手浪潮，在集控體系、邊緣計算、大數據、工業互聯網平臺等領域展開一系列深度合作，憑借浪潮的技術優勢成功為海上風力發電插上智慧翅膀。

聚焦浪潮超融合打通云邊端    “智慧風電場”呼之欲出

作為國內第一個全面數字化、智慧化的海上風力發電場，依托浪潮技術領先性，未來智慧利用云計算與大數據等創新技術打造了云邊協同的智慧風電設備監測平臺。

立足該平臺，江蘇未來智慧通過豐富的傳感器設備將風電設備的轉速、傾角、油液等數據信息高效接入超融合系統中，完成在邊緣分析數據并傳遞有效信息到云中心的整體流程，高效打通云邊端協同，實現邊緣自治、協同部署、無人運維等目標。整套技術架構創新不但降低了設備建設的運維成本，還實現了風電場設備統一運行監控、統一數據管理的全生命周期智慧化運營。

據了解，本次合作，浪潮超融合為海上風電場提供了“一柜即云”的IT基礎設施與云邊協同完整方案，尤其在濱海南H3項目中完成了升壓站、風機監控兩個部分的邊緣計算節點部署。其中升壓站邊緣計算節點實現升壓站數據采集與計算、機器人協同等工作；而風機監控邊緣計算節點則實現對于風機狀態監控采集、計算以及整體數據的采集與計算等功能。

具體來說，外邊緣節點可以提供豐富的網絡接口以支持廣泛的終端接入，云端提供資源調度管理策略，主要包括設備管理、資源管理以及網絡聯接管理。過程通過發電設備的態勢感知傳感器接入浪潮超融合InCloud Rail，在邊緣側進行葉片轉速、高性能傾角、潤滑油狀態監測、振動狀態感知等數據分析，隨后有效信息傳至云中心，通過云邊協同大幅降低建設運維成本。

值得提及的一點，盡管近年來海上風電的運維探索也在嘗試不斷追趕科技前沿，但長期實踐中積累而來的數字化程度不高也成為繼自身特殊情況之外，阻礙運營和運維效率進一步提升的關鍵因素。

例如盡管很多極端環境下的風電場普遍采用風機SCADA監控系統，但因為受限于豐富傳感器的缺乏，無法對螺栓、葉片振動、塔底傾斜以及腐蝕等工況實時感知，所以該設備僅僅做到了部分數據采集，并不具備進一步數據分析與及時預警的功能，所謂“理想很豐滿、現實很骨感”就是這個道理。

基于這種情況，同樣在濱海南H3項目中，依托工業互聯網平臺長期探索得來的成熟經驗，浪潮選擇在傳統SCADA系統基礎上增加了五類傳感器和邊緣計算的節點，實現了從感知到邊緣計算的技術創新，這項舉措相當于在海上升壓站建設了一個邊緣計算中心，同時又在陸地升壓站中建設了一個云平臺，有效實現了云邊協同。

聚力打造邊緣云端數據協同   高效釋放智數力量

當然除了海上風機等各種設備進行全面數字化升級之外，在實際操作中還需要收集諸如空氣、溫度、環境監控等多維度數據來進一步提升感知層數據的豐富程度，為集控中心體系構筑堅實的數據基礎。

所以問題來了！伴隨行業全面數字化推進，當前風電行業已經擁有并掌握了海量風機以及風場運行的大量數據，但如何讓這些數據真正發揮價值卻一直困擾該行業。例如利用有效數據實現老舊風場的技術改造來完成降本增效目標？針對新投運風機，基于工業互聯網打造整體智能化運維平臺，實現線上智能化與線下實體運維相融合？

無論目標怎樣，可以肯定的一點，海上風電復雜的業務場景要求對數據傳送的及時性、應用的承載能力以及大數據融合能力都提出了更高要求，這必然需要設備數字化升級中的邊緣站點提供超融合的云數智能力。

此趨勢下，風電行業的業務場景正逐漸向邊緣端遷移，海量數據亟需在邊緣進行預處理，而低時延、高并發的業務場景進一步放大了邊緣微數據中心、遠程運維和降級自治等需求。

例如在本次未來智慧與浪潮的深度合作中，在場站側風機規模上，每個設備就布置了超過2000個監測點。伴隨該規模不斷升級，對陸地上的集控中心能力要求也越來越高，不僅需要在硬件平臺上滿足海上惡劣環境的硬性需要，更重要的是在工業互聯網大數據平臺上具備強大的數據處理和分析能力。

所以在數據處理層面，邊緣節點主要負責終端數據采集，之后會按照規則或者數據模型進行初步處理與分析，并將處理結果以及相關數據上傳給云端；同時云端會提供海量數據存儲、分析與價值挖掘。

此外由于浪潮超融合軟件具備實現獨立副本容災的能力，實現邊緣計算節點數據實時備份的同時還能做到針對自然災害等情況下保證數據安全，如此看來數據流轉以及數據安全可謂一舉兩得。

可以總結，在感知層具備強大數據采集能力的基礎上，邊緣與云端的數據協同可以高效支持數據在邊緣與云間可控且有序流轉，形成完整的數據流動路徑，不但做到高效低成本對數據進行生命周期管理與價值挖掘，還可有效實現“端-邊-云”的全局監控，降本增效毋庸置疑。

基于整套云邊協同的技術實踐，以數據為基礎，未來智慧構建了近30類故障預警模型，可以做到提前預警故障，為實現預防式運維奠定了基礎，例如根據設備健康診斷模型的判斷對排查任務進行智能調度，對出海船只、次數、維修優先級等進行智能優化，進而降低檢修成本，有利于提高風場的可利用率，切實降低風電全生命周期的度電成本。

如今海上風電需要盡快實現從被動運維到主動預防運維的轉變，這就需要風電運維與大數據、云計算、邊緣計算、機器學習等新技術更加深度融合。在此過程中，端側設備通過不斷采集數據做到對設備運行狀態的全面監控，更像是一雙智慧的眼睛；而邊緣側則是一雙勤勞的雙手，在算法與模型中實現降級自治，確保場站側設備有序工作；陸地上的集控中心更像智慧的大腦，不斷訓練和迭代，下發指令給邊緣側實現云邊協同。

曾有人坦言，身處數字化時代，所有行業都值得被重新定義一遍。這個過程正如江蘇未來智慧與浪潮在風力發電領域的深度合作一樣，綜合運用云計算、大數據、人工智能等數字化技術，加速實現自身再造，助力行業智慧升級。