云南分公司近两年的设备治理研究方向是通过挖掘不断增长的海量状态监测数据，进行设备运行状态评估和预警，提出有效的预防性检修策略。 一、技术难点 新能源电厂中对数据处理与分析的要求更高，主要体现在以下三个方面： 1、数据海量性：新能源数据节点的数据生成频率远高于互联网，并且持续性产生，其数量规模远大于互联网。 2、数据传输率高：一方面，海量性的新能源数据必然要求骨干网汇聚更多的数据，那么就要求对数据的传输速率更高;另一方面，由于新能源数据与风机、光伏等设备直接关联，需要实时访问、控制相应的设备，因此需要高数据传输速率来支持相应的实时性。 3、数据多样化：新能源数据涉及从风机、测风塔、电网、运行环境，到气象预测、故障报警、安防监控等，其应用范畴广泛。在不同领域、不同行业，需要面对不同类型、不同格式的应用数据，因此数据多样性更为突出。 二、先进行 云南分公司设备健康状态评估平台采用行业成熟的数据质量管理系统以及多级自动化的控制与过滤技术，实现风电场站数据的质量控制为后面的精准分析与预测提供了高质量数据来源。 数据接入集控中心前，首先会通过数据分类判断数据类型，再存储到数据库中。同时，部分数据可能需要人工输入，如：备件更换台账、处理过程数据等，数据输入前需要对数据进行检查控制，从而保证数据库的数据质量。另外，存入数据库中的原始数据会定期或实时的通过规则进行过滤，以及通过数据规一化处理系统进行清洗处理，把原始数据清洗成统一、完整、一致的数据供后续大数据分析以及评估模型使用。进入评估模型的数据也会根据不同算法的特性，采取不同的清洗方式提供给算法使用。 三、创新性 基于大数据和云计算的预测平台，以SCADA数据和CMS数据为基础，结合智能算法，实现设备的健康管理，提供故障预测，健康状态评估等风电机组全生命周期维护解决方案。 健康状态评估可以提前预测重要部件的健康异常，提前进行维护，能够保证重要部件健康运行。多维度和短、中、长多周期的健康诊断，实现风机全方位的健康管理，极大的缩减风电场运维成本。 基于 CMS数据的故障预测，能够准确识别风机传动链的机械故障，若及时维护能够避免故障的发生或者进一步扩散，避免传动链大部件故障造成严重后果。 基于 SCADA数据的故障预测，能够有效预测风机非机械类故障，根据情况有计划的提前运维，能够减少故障停机时间，提升风电场发电能力。 四、可推广性 1、设备运行评估落实最小网格化原则，依据设备关键部位运行状态优化评分标准，逐月逐台评估下发检修策略。 2、最大化利用设备现有功能充分发挥最大效能。 3、利用“数据分析+缺陷表征”分析模式，形成“缺陷预防检修+故障预判检修”策略，精准定位设备缺陷。 4、状态评估多维化、深入化、精准化，涵盖机组运行全过程，为巡检、定检工作搭架良好支撑。 5、对于不同部件状态数据采用不同特征提取方法，获得不同特征参数，得到重点监测部件的特征参数集。 6、针对提取的多种故障信息特征参数集，进行有机结合，构建智慧识别模型，提升设备状态评估的精准性和前瞻性，达到对风电机组整体健康状态评估。 五、经济社会效益 中广核新能源云南分公司通过近一年多的不断优化升级评估模型，风电机组设备运维已由被动向主动检修转型，2019年被动检修占比70%，2020年通过健康状态评估提前发现多台机组设备重大缺陷，并预防性进行处理，被动检修占比降低至9.1%，全年为发生设备质量事故事件，设备故障率同比2019年下降61%，健康状况评估工作取得了显著效果，得到了集团公司及业内的广泛认可。