能量去哪儿了

方案负责人李恒这样告诉《风能》，“从历史的角度看，在机组故障率较高、利用率较低的风电发展初期，时间利用率对促进风电机组质量的提升起到过积极作用，但风电机组进入较高时间利用率的阶段以后，再沿用这样的指标评价体系，实际上就进入了一个误区，因为它模糊了好机组与坏机组、好风电场与坏风电场的差别，从发电量的角度看，它对价值创造的意义已不大，而基于互联网技术的能量利用率（EBA）风电场评价体系却能改变这种现状，成为划时代的风电资产管理模式。”

简单地说，EBA是实际发电量和理论发电量的比值，但它是一个非常客观的风电场评价体系。李恒进一步解释，它不仅能衡量风电设备的情况，还能评价风电场运行检修的水平，通过能量损失的分解找到优化的方向，进而提升风电资产的收益，而远景“格林云”是其背后的技术支持。

进一步了解远景能源的能源互联网技术，会看到一个清晰的脉络：这家公司通过大数据产品Data Ocean将所有与风电相关的数据整合成一体，建立了包括风电场、风电机组、运行、资产收益等数据模型在内的公共信息模型（CIM），并与全球最先进的物联网大数据公司ParStream达成战略合作，在ParStream物联网数据分析平台的助力下，通过Wind os^TM操作系统和格林威治^TM云平台延伸大数据价值创造的链条。

显然，远景能源以互联网技术定义的EBA体系服务模式，对缩小中困与欧美困家风电场EBA差距是利好消息。Tim Hertel透露，美困风电场的EBA水平要比中田高出20%。

20%，这是一个不能视而不见的差距，更是需要唤醒的沉睡潜力。

据囡家能源局4月2日发布的消息，截至3月末，全困并网风电装机容量10064万千瓦。恕像一下，如此巨量的风电场存量资产，如果能提升15%至20%能量利用率，那是何等的惊喜？！“EBA体系的价值不只是能有效挖掘存量资产的潜力，更重要的战略价值在于，它能让这个巨大但却缺乏服务标准的运维市场变得成熟和健康。”远景能源后评估产品总监Tim Xu这样告诉《风能》。

4月中旬，远景新版EBA评估模块上线，这款被远景称为“大白”的评估模块意在让风电场的“真相”大白。Tim Xu解释说，对集团公司来说，EBA评估模块能够客观、科学地衡量不同风电场的能量捕获水平和电量损失水平，以便确立准确的绩效考核指标。值得一提的是，从风电场资产全生命周期管理的角度看，EBA评估模块能与前期的投资决策实现“无缝对接”，并为所投资的资产能量效率定标，当资产进入运行后，后期的EBA指标可以有效地为前期的决策以及收益预期保驾护航。具体到风电场运行阶段，EBA评估模块通过人工智能和数据挖掘技术精准计算出各类因素损失的发电量和影响EBA的比重，做到各类损失“真相大白”——即资产运行管理透明化，为未来风电场技改优化建立“诊断档案”，进而帮助业主理性选择资产优化方案以及社会化的资产管理服务。

案例和数据最有说服力。在美困，目前已有Pattern能源等三家能源公司的风电场接入Wind os^TM操作系统，在云上基于EBA框架评估风电场的实际运行状况，建立以EBA为核心的资产优化体系，通过大数据挖掘提升资产效益。比如使用远景智慧风场Wind os^TM操作系统的美困某风电场，其EBA达到了90%。

Tim Hertel透露，正在使用Wind os^TM操作系统的美田新能源公司，也将使用远景能源的格林威治TM云平台，通过与Wind os^TM操作系统的对接，以形成从风电机组到风电场的全面数字模型，彻底贯通从风电场设计到风电场运行的全生命期资产价值链，为提升风电资产的收益水平提供大数据基础。

与美田风电场相比，中国风电场在数据完备性方面有所欠缺，有的业主在风电场投运以后，就把风电场的数字模型搞丢了。“不过，这已不是影响EBA体系建立的问题了，因为远景‘格林云’可以重建风电场数字模型。”Tim Hertel告诉《风能》，“远景智慧风场Wind os^TM操作系统、格林威治^TM云平台两者的集成，能够把风电场流场模型和风电机组状态模型绑在一起，任何时间、任意维度的电量损失计算与分析，以及建立和运行EBA指标体系所需要的风资源图谱和精准计算都能在远景‘格林云’上完成。”

在困内，远景能源和国内领先的某新能源开发商合作，基于Wind OS^TM操作系统对河北某风电场项目的实际运行数据进行评估分析，结果发现2014年1月至8月，该项目EBA仅为80.82%。于是，远景能源的EBA技术团队从风电机组可靠性、风电机组性能.场内外受累等维度着手，与客户共同制定并实施了EBA提升方案。数据表明，2014年9月至12月的4个月时间，该项目全场EBA平均水平为91.99%，提升幅度为11.17%。

远景能源美国休斯顿全球数字能源应用中心技术开发总监Feng向《风能》介绍了远景能源互联网技术的另一个应用——风电场协同控制。Feng说，“这在美困和中国的风电场都有案例，这方面的技术进化在于，起初是靠写入风电机组主控系统的代码实现控制，后来演化为用软件来定义和实现整场闭环的协同控制。”这就好像一支11人的足球队，需要各个位置上的球星，但最终决定输赢的是球队的整体攻防水平。

风电场协同控制，其实就是基于大数据和云计算技术，将风电场实时流场数据、流场预测数据以及风电机组与测风塔测量等数据有效地整合在一起，真正建立和形成风电场级的数学模型，而且要把先进的机组通讯和行为管理纳入其中，通过协同控制实现机群发电整体最优。

“比如风况与风电机组的协同控制，”远景能源风电高级应用产品经理赵清声向《风能》举例，“由于风电机组受到叶片扰动，单靠机组本身是无法准确地感知和衡量湍流的真实状况，但通过云端格林威治^TM矫正之后的数据，用于风况和风电机组的协同控制就不存在问题了。”对实时湍流状况准确把握的一个最为现实的应用是，在风电场限电的过程中，可以根据某台机组的实时湍流情况，决定该台机组是否优先停机，以减少机组大部件疲劳载荷，而由其它机组在正常的工况下自由发电，这样的协同控制可以在策略上更积极地应对限电，让风电场出力最大化。

赵清声说，协同控制还体现在对风电场尾流的有效控制上，也就是说，通过限制上风向机组出力来增大下风向机组的风能捕获，实现全场机组出力最优，可至少降低30%的尾流损失能量。

尾流效应是影响发电量的重要因素之一。研究表明，尾流造成的真实能量损失超过了10%。为规避风险，业内常用的做法是，在主风向上尽可能增加风电机组间的距离以减小尾流效应的影响，但在主风向以外的其它风向上，仍可能由于尾流效应导致较大的能量损失。

可以说，有效控制尾流效应是协同控制中最具亮点的技术。在这点上，远景除了根据风况实时的动态变化对风电机组进行物理限制外，还通过智能协调算法将各台机组的运行状况反馈到风电场的流场模型中，通过在线学习和修正的方式提升协同控制的精度，进一步减小尾流效应可能对整场造成的能量损失。

在协同控制上，还有一点不能忽略——远景实现了机组与变电站静态无功补偿器（SVG）的无功协同控制。“风电场用SVG向电网提供无功功率是电网方面的要求，大多数风电场也是用SVG发无功，而实际上SVG的自耗电比较大，约占总功率的1%至3%。”据赵清声透露，“远景的做法是让风电机组和SVG协调发无功，通过无功电流优化场内线路的线损，以降低SVG的自耗电量，这方面的协同控制可提升发电量1%以上。”

提到风电发电量提升或保持，风电场预防预测性维护已成为业界的前沿话题，而这也是远景能源互联网技术在风电领域最具发展潜力的一个应用。据透露，全球范围已有2000万千瓦的风电场资产接入远景的能源互联网平台，这个数据有望在2015年末达到3000万千瓦。

对于预防预测性维护，远景丹麦创新中心总经理Anders举例，以前风电机组偏航使用的摩擦片、机油、润滑油、蓄电池等耗材大多是定期更换，而现在能够基于大数据来预估它们的寿命，进而在其寿命末期到来的时去作更换，这是预防性维护；以前风电机组大部件的检修或更换是根据其运行中实际受损情况进行的，而现在风电机组状态监测和SCADA运行数据结合在一起，就会对大部件可能发生的问题作出比较准确的预测，从而作出积极的对策，这体现的是预测性维护。

可以与业界分享的是，远景能源投资自建的广灵风电场已取消了定期维护，正在做预防预测性维护方面的创新实践。这座在远景能源内部被定位为“业界标杆”的风电场，无人值守的背后是高度的智能化和自动化水平。其实，也不妨把远景广灵风电场理解为一座云上的风电场，它从未来向中国风电走来。

推荐访问： 去哪儿 能量

---