案例简介

智能风场是智能化在能源行业的一个重要应用领域，某大型能源行业客户采用联想大数据整体解决方案，让企业平台接入了南非、伊春、内蒙等7大风场数千台风机，并即将接入全国一万余台风机，实现风机的远程监控与实时数据分析，构建了风机、风场、区域及集团数据中心多级数据采集与计算中心，实现数据从采集到结果的秒级与分钟级延迟。

客户介绍

客户是一家大型的风力发电的国有新能源企业，集风电机组设计、开发、生产、销售、服务为一体。

业务痛点

风电机组作为风场发电的关键设备，发生故障时严重影响发电效率。但其内部结构复杂，维修难度高，且风力发电场多分布在交通闭塞的偏远地区，维修人员难以及时到场，整体维护成本较高。因此，在监测风电机组日常运行和故障检修的过程中，面临管理和维护成本居高不下的巨大挑战，具体表现为：

1.管理和维修等专业资源无法实时到场：风场本地管理人员专业度不足，无法很好地进行风机故障预测、维护和性能改进；受制于自然条件，专业工程师团队难以在现场对风机设备进行运维。

2. 运营数据无法实时互通：客户总部无法实时获得风场的运行数据，需要派专人到每个风场拷贝数据，再带回总部进行分析和优化，最后发回风场进行相应调整，其中产生的时间及经济成本过高。

解决方案

以联想大数据、物联网、人工智能等技术为核心，为客户搭建数据采集、计算平台及分析预警系统，提供端到端的解决方案：

1.数据采集：通过物联网和边缘计算技术，打通风场内外部数据库，使每台风机运行的实时数据迅速回传总部，实现对风电设备的转速、功率、风向、轴片温度等超过1500个点位数据信息的实时采集。

2. 数据清洗：依托于具有人工智能算力的边缘计算网关，通过对历史数据的深度学习以及对风机运行实时数据的现场综合分析，将筛选出的设备状态异常信息传回中心的工业互联网平台。

3. 数据计算与呈现：平台再通过PB级数据分布式存储与分析能力，建立设备预测性维护和健康检测的模型。分析轮机传感器中储存下来的数据，结合天气预报，通过数据算法和智能判断算法，推算出轮机可能出现故障及发生时间，提前向客户发送预警。

用户收益

为客户实现了数千台风力发电设备的远程运维：

1.运维秒级响应：工程师可远程实时感知风机健康状态，分析故障原因。

2. 巡检模式优化：合理分配运营和维修资源。

3. 发电效率提升：在业界风场利用率约为99%的基础上，提升机组年可利用率0.5%。

4. 降低运营成本：为企业降低了5%以上的运营成本。

适用领域

机械设备复杂，分布分散、维修难度及成本较高的能源企业