基于云平台大数据技术的风电集控系统的设计与应用

基于云平台大数据技术的风电集控系统的设计与应用

林丽丽

华电新能源集团股份有限公司福建分公司 福建 福州  350000

摘要：自我国全面实施清洁能源战略以来，风能作为众多能源中无污染、可再生的清洁型能源之一，在国内电力系统中发挥着不可替代的重要作用，能够有效调整能源结构，推动电力行业及整个社会的和谐可持续发展。与此同时，风场的建设和发展开始进入到全新的高速发展阶段，风场装机数量和容量均有所增加，这就对风电集控系统的设计与应用提出了更加多元化、复杂化的新要求。基于此，本文围绕云平台大数据技术下的风电集控系统设计与应用展开研究，希望能为推动我国风力发展行业的高质量创新发展提供一些可供参考的合理化建议。

关键词：云平台；大数据技术；风控集控系统；设计；应用

在现代科技与社会经济不断发展的新形势下，风力发电逐渐演变为国内电力系统创新变革的主流趋势，并且开始被社会各界所认可。但是，由于风机厂家不同、控制系统相互独立，相关运维人员通常需要对风场进行分散管控，这就使得电力生产数据信息比较分散，不仅无法实时上报和汇总风电生产信息，还可能会给风电公司的运营管理和电力调度带来重重阻碍。而基于云平台大数据技术的风电远程集控系统，可以凭借其特有的一体化监控平台，实现对多个风场的集中监测及远程控制管理。由此可见，加强对基于云平台大数据技术的风电集控系统的设计与应用研究极具现实意义。

一 基于云平台大数据技术的风电集控系统结构设计

基于云平台大数据技术基础上设计的风电集控系统，其结构通常为云网络拓扑图，主要是借助服务器将所采集的风电生产信息实时传输到相应的风电侧，待经过加密处理后将数据删除至云平台大数据系统中进行存储。在完成这一系列事项后，用户通过登录互联网进行系统认证的方式，随时访问风电集控系统，由此来实现对多个风场的动态监测控制，方便风电场管理人员快速获取和了解多个风电场的风资源信息、运营维护数据、发电量等关键信息。与此同时，大数据平台普遍采用集群配置，按照节点承担任务不同划分为不同的工作节点与管理节点。其中工作节点又叫做在线分析业务节点，其特点在于基于Impala等MPP SQL引擎上进行相对较为复杂的SQI计算，因而对系统内存配置要求较高。而管理节点又可被称之为流处理节点，基于Spark StreamingＳ的流处理消息吞吐量会随着节点数量的持续性增加而呈现出线性增长的章台，这就意味着Hadoop实时流处理性能同样对节点内存和CPU有着极高的要求，具体可结合实际配置128G或者更大的内存，必要时还需要构建相应的云平台。

二 基于云平台大数据技术的风电集控系统平台搭建

（一）综合规划设计

当前，CDH作为大数据平台建设中的政要基础，主要囊括了Yarn、Impala、Kafka、Hadoop等开源组件，并在不断发展中联合应用了Occan数据仓库模型。所以，基于云平台大数据技术的风电集控系统设计，可以实现对风场规划、绩效评估、风电制造管理等多个方面的动态监控，同时还能全面整合风电行业运行阶段形成的数据链条及数据模型，以充分发挥其强大的查询、BI解析、报表统计汇总等功能，为相关人员调整运营管理提供强有力的数据支撑。另外，基于云平台大数据技术的风电集控系统具有一定的互联网属性，架构相对比较灵活，可随时增加部分组件扩充功能，在充分掌握具体业务需求的基础上，快速建立起相应的数据关系模型。

（二）基础数据平台架构

作为业界领先的企业级大数据云平台提供商，Coudera软件囊括了诸多行业内广为流通的开源Hadoop和CDH核心，将海量数据整合至CDH之内，可以有效提升电力企业的业务能力，帮助客户在云环境中快速部署企业级Hadoop。值得注意的是，Coudera企业版本的主要技术特性需从以下几个方面进行完善：

第一，高度集成的Hadoop平台，该平台作为基于Hadoop基础上衍生的大量生态工具，本身就是一个功能强大的数据存储和测算平台，可以将不同业务整合至同一平台中进行集成化处理，在降低数据处理成本的同时，不断提高数据信息处理质量和工作效率，最终在SQL、NoSQL等不同技术的共同作用下提供企业级的安全规划及方案。

第二，多样化的数据分析平台。在具体的应用过程中，针对业务种类的差异性，Coudera企业版能够提供与之对应的测算框架。比如，对于处理批量数据的MapReduce框架；针对交互式查询的Impala MPP查询引擎以及用于全面检索的Solr搜索引擎，确保数据挖掘、内存流计算、全文检索等工作内容得以顺利实现。

第三，强化型数据安全及审核技术，在平台建设期间，联合使用 Navi-gator 能够提供标准化的授权、认证、加密、审查等方法，尽可能保证风电集控系统的运行安全。同时，还可以联合使用ADI、LDAP 等相关系统加强用户身份认证和授权，并借助图形化的方式实时追踪大数据集的来源与访问情况，进一步提高相关数据信息的真实性及可靠性。

第四，高度开放与可管理。从高度开发的角度而言，基于云平台大数据技术所构建的风电集控系统，不仅可以保证数据和应用对用户是开放的，还能够给用户拓展应用提供强有力的保障。从高度可管理角度来看，该平台具有一定的较高的容错性、可用性和自愈性，加之内部囊括了自动化备份和系统灾备，因而可以通过图形化的管理方式进行全面部署，以确保风电企业集控平台的稳定、安全运行。

三 基于云平台大数据技术的风电集控系统功能分析

（一）实时监测和预测

风电场中的每个风机都配备了各种传感器，包括风速、风向、温度、湿度、气压等多个参数。这些传感器不断产生大量数据，大数据平台可以帮助集控系统收集、存储和分析这些数据。通过对这些数据的分析，集控系统可以实时监测风机的状态，包括温度、振动、噪音等，及时发现异常情况并进行预警和维护。

（二）风机故障分析

当风机发生故障时，大数据平台可以帮助集控系统分析故障原因，并提供解决方案。通过对历史数据和实时数据的分析，大数据平台可以帮助集控系统发现风机的偏差和异常，及时排查故障，并针对性地进行维护。

（三）优化风电场运营

集控系统可以根据大数据平台提供的数据，对风电场进行优化。例如，根据实时风速和天气预报，集控系统可以预测风电场的发电量，并根据预测结果来调整风机的转速和桨叶的角度，从而最大限度地提高风电场的发电效率。

（四）维护计划制定

大数据平台可以帮助集控系统制定更有效的维护计划。通过对风机历史数据和实时数据的分析，大数据平台可以预测风机的寿命，并根据预测结果来制定维护计划，以减少停机时间和维护成本。

结语：

综上所述，基于云平台大数据技术的风电集控系统设计与应用至关重要，是当下提高风力发电管理效率、科学控制运维成本的关键举措。因此，相关风力企业必须以云平台大数据技术为支撑，结合风电管理需要，积极构建相对完善的风电远程集控系统，不断提高各种电力设备设施资源的利用效率，加快风场管理数据信息的传输共享，从而为实现风电资源的智能化调度做出积极贡献。

参考文献：

[1]张滈辰.云平台大数据技术的风电集控系统设计分析[J].数字技术与应用，2020,38(05):145+147.

[2]张鑫. 基于云平台大数据技术的风电集控系统的设计与应用[J]. 数字化用户，2021,27(1):28-29.

[3]林彦生.风力发电集控中心的信息化建设研究[J].工程技术研究,2021,6(11):240-241.

[4] 苏雪霜. 基于云平台大数据技术的风电集控系统的设计与应用[J]. 建筑工程技术与设计，2019(36):4704.