叶翔-基于大数据平台的智能化风电机组健康管理和故障预警系统

来源:中国电机工程学会  发布时间:2020-05-25

叶翔,现任中国大唐集团科学技术研究院技术主管,高级工程师,美国雪城大学电子与计算机工程博士,长期从事人工智能、机器学习及数据挖掘等技术的研发工作。

依托项目名称:基于大数据平台的智能化风电机组健康管理和故障预警系统

个人简介:

叶翔,现任中国大唐集团科学技术研究院技术主管,高级工程师,美国雪城大学电子与计算机工程博士,长期从事人工智能、机器学习及数据挖掘等技术的研发工作。

积极推动大数据技术在电力行业的自主创新及推广应用,主持并参与了10余项行业级、集团级的重点科研项目,其主导建立的电力大数据应用平台,可有效提高电厂的优化运营水平,助力国内电力运维服务行业进入智能化时代。

共有7项授权国家发明专利,12篇国际期刊及会议论文,参与制定中国发电行业首个国际标准《IEEE P2400风电噪声测量技术标准》,参与研发的《燃煤机组烟尘一体化高效脱除与智能控制关键技术》荣获2017年中国电力科学技术进步一等奖。

依托项目简介:

项目名称:基于大数据平台的智能化风电机组健康管理和故障预警系统

关 键 词:风电机组,健康状态管理,故障预警,模式识别,人工智能

项目摘要:

本项目提出了对基于SCADA数据的风电机组健康管理和故障预警的应用研究。在风场监控与数据采集系统的基础上,提取风机状态信息,采用人工智能、机器学习和模式识别等先进计算机技术,从大量的实时运行数据和机组历史数据中发掘有价值的信息,自动地对风机进行状态监测,并评估每台风机的健康状况和工作性能。对风机整体或风机重要部件,例如齿轮箱、发电机、轴承系统等,进行故障模式分析,检测是否有异常情况,并确定其故障的变化模式。由此,可以找出故障前兆,优化风电机组的运行和维修资源分配,具有投资小、免维护、信息共享等多方面优势。

目前,本技术成功应用于大唐河北新能源(张北)有限公司乌登山风电场,使风场从以前采用小件“响应维护”和大件“定期维护”的模式,转变为“预测式维护”和“主动可靠式维护”的运维策略,显著提高了风机的发电效率和风场的盈利能力。