数字化转型下新能源场站智能管控平台研建

朱润泽, 王德军, 张 佑, 王文彬, 崔青汝

(国家能源集团新能源技术研究院有限公司, 北京 102209)

随着全球能源问题日益严峻,低碳经济蓬勃发展,我国将风电、光伏等新能源发电产业作为远期能源发展重要战略产业[1-3]。现阶段,新能源场站集控平台建设已成为新能源发电行业发展趋势,云大物移等新兴信息技术的迅猛发展也正在带动新能源场站集中管控平台的研发,利用云计算、大数据挖掘等技术与新能源进行融合,对新能源场站进行统一的远程集中监测和智能化分析管理,保障场站安全高效运行。

目前,在已投入应用系统如风电侧,远景能源在国内较早提出智慧风电场概念,并推出了智慧风场全生命周期管理系统。浙江运达风电股份有限公司开发的故障预测与健康管理 (prognostic and health management,PHM)系统从政策角度出发,提出了基于风电机组感知的智能运维模式,具体实现了包括智能诊断、故障预警、运行评估3个方面在内的核心技术模块。在光伏侧,阳光电源联合阿里云推出“智慧光伏云 iSolarClound”为用户建立标准化、精细化运维管理平台,可实现光伏电站实时运行数据监测、自动化管理、电站设备故障预警、远程专家咨询和大数据分析等功能。

然而,现有新能源场站集控平台面临以下挑战。在数据方面,各厂商在构建平台过程中主要考虑自身配套数据采集与监控系统(supervisory control and data acquisition, SCADA),而风光电站一般采取分期建设形式,最终形成新能源场站的设备制造商的差异化及多样化,导致各类设备提供的通信规约和数据格式不兼容问题。另外,由于电站各系统相互独立、无法兼容,造成大量监控后台和通信设备同时存在、数据信息无法共享,对操作维护和协调控制造成极大不便,进而导致信息量更大、数据类型更复杂、集成难度更大。目前国内风电和光伏智能监控平台仍处于产品研发和产业化初期阶段,从研发到产品落地还需要市场考验以及用户认可。而现有大数据云平台存在数据匹配度低、应用效率低等问题,信息不匹配无形增加运维人员工作量。此外,从使用角度层面观察云平台,灵活性、扩展性、工具化等方面比较薄弱,功能多集中在展示层面,实用性不强,导致提升效果不明显[4-9]。

因此,本文面向新能源场站集中监控分析和并网消纳的需求,基于工业互联网平台架构构建新能源场站智能管控平台,采用虚拟化技术,提高整个平台存储、计算和运行效率。利用云化ETL(extract、transform、load,抽取、转换、加载)数据仓库技术实现设备数据、异构数据的接入与采集。采用数据仓库技术对数据进行清洗、整理、加载和存储,为最终的分析应用提供数据及环境支撑。针对新能源场站性能监测和故障诊断技术开展研究,实现新能源场站数据深度挖掘功能,为实现安全、高效、灵活的多能协同互补运行提供技术支撑。

1 平台架构

1.1 技术架构

数字化转型过程中,通过建设集团“数据湖”,配合电力公司及基层单位的数据处理中心与生产侧的采集装置和终端设备的“云边端”一体化结构,实现分布式计算环境、网络传输标准、数据治理体系等一系列设施环境和标准体系[10-12]。

因此,新能源院基于发电集团“数据湖”平台,通过建设智能管控平台,整合和管理下属发电数据,实现区域数据存储、分析和计算。基于工业互联网架构建设新能源场站智能管控平台。技术架构由数据集成、数据存储后台和分布计算引擎组成。技术架构如图1所示。

图1 技术架构

1.2 数据架构

数据架构如图2所示。智能管控平台通过搭建数据采集装置,实现国家能源集团新能源技术研究院有限公司(以下简称新能源院)与集团“数据湖”的数据对接。智能管控平台整体数据架构由数据集成与数据存储构成。其中,数据集成包括批量上传、实时接入、ETL工具;数据存储包括结构化数据存储引擎、时序数据存储引擎、非结构化数据存储引擎。主要功能如下:

图2 数据架构

1)数据采集。边缘侧:负责采集新能源院发电设备数据。

2)数据共享服务。①基于标准化数据接口规范的数据服务统一访问接口实现智能管控平台与“数据湖”数据联通;②提供统一的数据访问通道,实现对底层存储的多源异构数据进行统一的查询访问能力,支持跨库查询;③统一数据访问,实现不同类型数据的规范化统一化的读取访问功能;支持混搭异构数据的统一访问和关联查询。

1.3 平台通信

1.3.1 通信标准

智能管控平台采取Modbus TCP和TCP/IP通信协议,广泛应用于工业现场总线控制[13]。智能管控平台所用数据采集设备基于“客户端-服务器”方法,实现发电设备与服务器设备的主网络与链路连接。另外,传统Modbus一般由报文头、功能码、数据区和校验码组成,其中Modbus功能码和数据区在不同网络下基本固定不变,而报文头和校验码则因网络底层的实现方式有所区别。由于Modbus TCP是基于以太网和TCP/IP可靠性协议,在数据链路层已经完成CRC校验。因此,Modbus TCP数据帧(图3)由MBAP报文头、功能码和数据组成[14-16]。

图3 Modbus TCP数据帧

智能管控平台通信实行三级管理,即终端设备(发电设备)、边缘侧(采集装置)、云平台侧(新能源院和集团总部)。在数据层面边缘侧需要不断采集终端设备数据进而存入集团“数据湖”。现阶段在远程方面,新能源院主要根据“数据湖”中底层数据对发电设备进行远程监控。

1.3.2 网络结构

通信网络结构如图4所示。智能管控平台在新能源院风电机组和光伏电站部署数据采集计算一体化装置,采集所需数据。后续新能源院将采集数据、算法及模型上传至发电集团“数据湖”中。生产监控系统将“数据湖”中的数据提取后,支撑智能管控平台所需应用及生产过程可视化功能展示等需求[17-18]。期间发电设备和采集装置形成终端设备和边缘设备的结构,而“数据湖”则将智能管控平台算法管理模块进行总体集成工作,形成云计算中心的大数据分析中心和存储中心。

图4 通信网络结构

在集团内网下进行如下部署:

1)云平台服务器部署:在集团网络分别部署新能源场站智能管控平台与算法模型应用平台。

2)采集装置部署在新能源院区:一台部署在控制网内为内汇聚采集装置,负责采集风电与光伏SCADA(监测控制和数据采集)数据并汇聚转发到办公网;另一台部署在办公网内为外汇聚采集装置,负责接收内汇聚采集装置推送的数据,并转发传输到“数据湖”。

2 数据采集与转发

2.1 新能源场站数据信息

智能管控平台采用电厂标识系统(Kraftwerk-Kennzeichen system,KKS)编码为基层单位设备创建唯一的系统标识编码,并集成数据采集接口、数据库接口、应用接口及转发接口等服务器,通过网络实现基于Modbus TCP和TCP/IP协议转换的数据传输、加工及存储,实现线上数字化管理。编码主要由基层单位代码、机组码、系统码、设备码和部件码组成,通过统一的KKS编码,实现不同单位之间的数据贯通,并将最终收集、整理的数据信息移交给“数据湖”[19-21]。由于数据量巨大,只列举风电部分遥测数据信息,见表1。新能源院发电设备的数据采集包括设备管理系统、智能传感器数据、数据集成平台等数据汇聚到智能管控平台,进而进入“数据湖”集中存储、集中处理及集中分析。“数据湖”采集各方数据后,进行数据标准化、加工、整合,形成数据资源库,供平台可视化、模型开发研究等使用。

表1 风电遥测信息

2.2 数据采集与存储

2.2.1 采集流程

数据湖上行服务接口使用高性能的网络编程框架实现边缘侧实时测点数据的接入功能,并通过专网数据连接将数据存储至数据湖内。数据采集过程包括测点元数据导入、实时数据上传、数据传输加密等。该流程包括:

1)接入申请。向“数据湖”平台组提出数据接入申请,并通过。

2)申请Topic及用户名密码。Topic是消息发布(Pub)者和订阅(Sub)者之间的传输中介。基层单位发电设备可通过Topic建立唯一标识,实现消息的发送和接收,从而实现边缘侧与中心侧的通信。

3)点表导入。边缘侧整理数据点表数据,发送给“数据湖”平台开发人员并导入,导入结果会通过邮件返回。

4)调试接口。根据分布式发布订阅消息系统协议(kafka)及轻量级数据规范(JavaScript object notation,JSON),通过“数据湖”平台上行测试接口将数据写入平台。

5)接入生产环境。提出申请并连接“数据湖”平台上行生产接口。

2.2.2 存储流程

“数据湖”服务器均在发电集团机房中心,生产环境为单独内网。通过Hbase列式数据库存储解决海量实时和历史数据高吞吐量及高容错的集中存储的需求。存储模块支持分布式部署、面向列的开源数据库,具有高可靠性、高性能、面向列、可伸缩的分布式存储系统,可应对超大数据量存储的扩展。

同时,通过基于分布式的键值数据库(Redis)存储解决实时数据快照和缓存、高性能查询需求数据、特定类型数据以及特定操作场景下的数据存储工作。

“数据湖”平台采集存储架构如图5所示。

图5 数据采集与存储

2.3 数据服务

“数据湖”通过通用数据服务接口为智能管控平台模型算法等功能应用模块提供数据传输通道,满足各个功能应用的数据使用获取需求。针对实时数据库及列式数据库内的测点数据,基于“数据湖电力实时数据下行接口规范”,创建统一的数据服务接口,采用RESTful API调用方式,以JSON数据格式返回测点值。有效支持管控平台各个模块能够按照“数据湖数据服务技术规范”中要求的数据请求格式、条件要求及限制,从“数据湖”中获取实时数据。

2.4 数据采集过程监控

启动数据采集进程,进入数据采集设备,设备自带Windows系统,在系统D盘下进入servicesCommAgentServicelogs文件夹并启动debug程序,进而对数据采集过程进行监控,如图6所示。

1）渭北西、南部海拔低、水肥条件好的产区和采用矮化自根砧、3～3.5 m×1～1.5 m行株距定植的苹果园，宜采用高纺锤形。

图6 数据采集过程

3 新能源场站智能管控平台功能

结合新能源院实际工程项目搭建面向规模化新能源利用的新能源场站智能管控平台并经过了数据试验验证。将院区历史数据通过对应协议导入平台,同时把辅助传感器数据实时接入平台。根据平台功能,进行可视化展示界面开发,定制化开发异常监测、性能评估及可视化展示等应用。

3.1 风光运维监控

图7、图8为风光运维监控画面,主要用于显示风光运行数据,主要包括风电机组和光伏电站在内的场站地图与统计数据展示(包含天气数据、时实发电量、月发电量、累计发电量、月发电量图表),同时可监控数据运行曲线以及故障告警提示。监控界面有效提升现场运维水平,现场人员根据数据曲线分析判断故障原因,为设备检修工作提供重要的依据。

图7 监控画面

图8 风电及光伏画面

3.2 运维模型研发

基于智能管控平台进行算法模块研发,对发电设备运行异常监测及发电性能评估相关功能进行研究。在各项功能应用过程中,运维人员对新能源院风电机组和光伏电站进行性能监测、故障诊断及预警,及时解决现场问题,有效降低总人工成本与总设备维护成本;由自动化智能监控代替人工监控,可缩短响应时间,提高运维控制工作效率。如图9所示,基于图像相似度的齿轮箱油温异常检测方法,将每台机组的功率—齿轮箱温度散点图处理为灰度图像,通过计算每台机组的灰度图像与基准机组灰度图像的相似度实现异常识别。

图9 齿轮箱润滑异常分析

图10为基于能量的可利用率规则的机组计划停机时段选择方法,核心输出量为风场每台机组的最优停机时段以及对比电量损失,通过多维度多视角辅助现场运行和管理人员在现有基础上开展更清晰的决策,进而降低计划停机带来的发电量损失。

4 技术应用情况与前景分析

针对新能源场站集中监控和智能化发展的需求和规划,开展新能源场站智能管控平台建设,打通集团公司所属新能源场站数据通信壁垒、挖掘数据资产价值。

通过新能源场站管控平台对接入的风电场和光伏电站进行性能监测、故障诊断及预警,能够及时解决新能源场站生产控制系统的问题,有效降低总人工成本与总设备维护成本;由自动化智能监控代替人工监控,可缩短响应时间,提高运维控制工作效率;由远程智能监控及故障检测平台代替现场检修人员,实现对紧急情况采取更及时的处理,以避免事故、减少风险、稳定新能源场站的投资收益。同时,围绕平台生态,制定相关后续方案。

1)基于新能源场站智能管控平台,开展新能源功率预测、风光消纳能力分析、多能互补协同运行等功能模块,通过云边协同、数据融通、数据驱动和价值挖掘,推动新能源场站智能管控平台在新能源场站数字赋能上发挥更大的价值。

2)基于新能源场站智能管控平台,开发构建集团公司新能源工业互联网平台。建立集团新能源工业互联网平台产业生态,推动集团新能源产业链协同发展。引入新能源全产业链资源,开展新能源工业App研发,构建资源富集、创新活跃、多方参与、高效协同的产业链协同发展生态圈,推动集团公司新能源产业高质量发展。

5 结语

智能管控平台以数字化管理的思想进行设计,基于统建“数据湖”对新能源院内部风电机组和光伏电站进行数据整合、信息上传,实现对各新能源节点进行远程监视和集中管理。同时在整合不同类型的监控系统和统一数据来源基础上在平台开展建模、分析和展示工作,有效支撑新能源场站性能监测、异常分析、预测预警等需求。后续也可基于智能管控平台,开发构建新能源工业互联网平台产业生态,推动新能源产业链协同发展。