主持人：非常感谢Jhon Kop先生的精彩演讲。下面有请GL Garrad Hassan北京团队主管Benoit Nguyen先生，报告题目是“现代风电机组性能监测的分析技术”。

Benoit Nguyen： GL有950多个员工，分布于24个国家，我会跟大家讨论一下风场运行效率如何提高?对于风场运行者来说他们考虑的可能跟我们不一样，风机的效率可能需要进一步的提高或者是要提高风机的发电量，以及提高维护的性能，或者是需要这个风机满足需求，实现收入最大化，把风险降到最低，来减少损失。这些都是维护中所必须的。我会讨论很多类似的问题。但是我们会更多的关注数据对风场的监控。

我们所提供的产品服务包括：我们有数据软件进行数据管理，同时也有一些可以进行短期预测软件，同时我们也能够帮助客户进行策略方面的咨询或者是提供培训。我们可以通过数据进行风机的控制，我们可以知道风机内部的情况，当然整个理念是非常复杂的。比如说像叶片系统。可以看到叶片角度不一样的话，也会影响发电量。我们应该让风机面朝风的方向，我们会用控制系统来对风机方向进行控制，保证发电量。很多数据都是基于安装上风机上的传感器来获取的。比如说监管控制和数据获取，风机方面可以获取风机的SCADA数据，或者是气象杆的一些数据，十分钟的数据值蒙速、位置以及叶片的角度，转子的速度，以及状态等等。也可以对故障情况进行记录，比如出现故障具体时间、故障持续时间是多长?故障描述，都可以通过这个SCADA数据获取。还可以通过数据获取风向、压力等等。也可以同志变电站方面，比如电网连接的地方，我们会测量所生产出来的电量。

数据管理变得越来越复杂，我最近参加了一个会议，讨论比如甘肃酒泉风场的情况，2000多个风机，数据量非常大。

接下来看一下关于风场的监测，不要等到风场的性能低于预算年度才开始关注性能监视，否则会带来很大的问题。实际产量情况以及潜在的应该产量的情况，红色部分，本来我的产量应该是达到曲线的位置，但是实际情况是低于这个量，那么就需要研究一下原因是什么。我们会看到当这个项目第一年的时候，实际上发电量都已经是低于之前的预期了，为什么风电场测量发电量不等于期望的发电量呢?原因有很多。比如说像运营期间风资源的情况。可能这样说比较傻，比如第一年和第二年的风速情况是不一样的，所以必须了解这一点，应该考虑到风速的不同来设定长期发电的目标。

还有一个就是功率性能的情况，可利用率情况。比如说，你要保证风速并不会影响风机运行的情况。要保证风机它是否能够发电?是否是没有问题的?另外就是，在进行长期预测的时候可能存在很多不确定性，我们必须了解这一点，明确这一点。因为是否有足量的风，会导致我们对长期预测产生不确定性。

AMOS：风但场运营管理和优化服务：我们可以提供每月或每日远程检查运行表现和状态报告。比如说可以对风机性能情况进行分析和计算。(表)每一个颜色柱子显示的都是风机表现的情况。绿色是2011年4月，相对来说实测发电量是少了很多，是负的177%，红色是2011年至今，实测发电量也是少了2.7%。有的时候由于风机表现性能的情况会影响整体的发电量，为什么风机不能够运行，也需要分析一下原因，是由于工厂的原因?还是风的问题?或者是业主的原因?只有这样才可以更好的了解整个风场发电量的情况。

展示的是我们如何使用这些数据?通过这些数据可以知道哪些风机发电量比较高?哪些风机发电量比较少。同时，我也可以知道风电场功率的曲线。通过这样的分析图可以知道在风场的西边可以安装更多的风机。根据风向确定，比如风从西往东吹，可以在西边建更多的风机。

我们也可以建输入风和输出能量的模型，可以进行短期的预测。比如说我可以预测未来40到50个小时之内可以发这么多的电，通过模型计算出来。接下来看一下可利用率的问题，并不是说关掉风机还是打开风机的问题，并没有那么简单。

一个是风机的利用，一段时间内有的时候可能会受到风机系统的限制，或者是维修风机的时候也无法利用风机。还有一些就是对风机利用率有一个不同的定义，总的来说，关于风机利用率并没有一个通用的定义。根据项目的不同，我们对风机利用率定义也是不一样的。

系统可利用率：如果我们要测量整个系统的话会影响整个系统的利用率。或者说，业主财务模型所关注的聚焦方面也会影响可利用率。

因为生产商错误计算了风场利用率，因此是被用户索赔。风机有3%的停机时间这也是承包商非常关注的一点。但是实际的情况并非如此，我们并不能保证风机97%的运行，即使能保证是在运行的，但是是否是有效的运行呢?如果不是有效运行，就会影响我们最初的预测。有的时候发电的表现并不尽人意。那么我们到底寻求的是什么?比如说像低额定功率，或者是有最佳的额定控制，我们也需要有校准过的传感器，也要避免这样的问题。

对风场数据根据分析，我们意识到虽然风机方面没有问题，但是很多的风机情况是出现了恶化，因此影响了整个风场的收入。主要是由于叶片结冰或者叶片缺陷所造成的问题。由于这些叶片的缺陷，每年造成了很多的损失。同时由于风机手动操作不达标造成20万英镑的损失。

这是法国的一个案例，是控制器的鼓掌子，通过分析数据可以识别控制器故障在哪里，可以通知制造商修复。

根据这个案例并没有对每个风机故障进行充分的监测和排查，所以每年会造成的损失是3万欧元。

更极端的一个案例，就是控制器案例，这是在中国的一个案例。一个叶片坏了，影响了发电，我们用了一个高分辨率的数据闷热。在叶片上结满了冰，造成了一些空气动力学的问题导致在叶片上面的负载过重。

在英国冬天的时候天气特别冷这也是很常见的，在电量上面损失了50%。

我们可以用SCADA数据技术进行详细的取证分析，控制变浆控制失灵、叶片污染和损害，控制程序问题、控制器设置错误、空气动力学增强受限运行和环境条件。

我想强调一下，在风电场要充分利用SCADA优化数据功能，不仅要关注可利用性，而且还要关注性能。如果风机97%的时间在运行，那么它的性能呢?还是要用SCADA定期的监测风场监测数据，保证风场运行效率。