9月25日，以“慧至风电·智创未来”为主题的2021智慧风电创新成果及应用场景研讨会，在华北电力大学北京校区举行。此次研讨会由华北电力大学技术转移转化中心主办，中关村华电能源电力产业联盟承办，深信服应邀出席，并由能源事业部发电业务总监周书亮分享题为“深信服在新能源数字化转型的方案及能力”的主题演讲，着重介绍了在新能源发电行业的数字化转型过程中，“深信服太衍大数据平台”如何高效可靠的提供大数据基础设施能力。

事实上，传统的设备运维方式通常采用按时巡检、定期大修、故障被动停机等依赖“老师傅”的经验模式——修复性维修，这种模式意味着被动事故处理、风险不可控、生产异常中断损失、非必要维护等问题。

而解决这些问题则需构筑状态监测技术、故障诊断技术、状态预测技术、维修决策与维修活动的预测性维修模式，该模式的最大的价值是基于剩余使用寿命（RUL）的预测，选择成本最低的维护策略和排程计划，同时综合考虑所有设备的维护需求，制定全局最优的维护方案。

最终，在确保人员安全和设备安全的前提下，尽可能延长设备的可持续工作时长，提高设备的安全与效率，进而达到更好的商业价值。——这也是在新能源发电过程中智能运维的核心价值。

预测性维护已经提出了近40年，为何之前没有迸发出价值呢？

在过去，数据处理平台和算法模型的问题迟迟没有解决，导致要么没有数据，要么有数据但存不下、算不了，最终算法模型只能停留在实验室，无法实现生产环境的真正应用。



深信服通过体系化工程方式，构建符合能源发电行业的大数据平台、数据治理、数据工程、特征工程、安全工程等，使数据完全可以采得多、存得下、算得了、管得住、用得好。同时，深信服的博士算法团队和合作生态伙伴共同努力，持续沉淀针对风电新能源智能运维场景的核心技术能力，实现针对四个核心价值场景、六大机械组件、七大运行系统的90+细化场景、200+算法模型（预测准确性≥80%），让预测性维护真正在新能源发电过程的智能运维场景发挥价值。

实战案例：助力新能源风电智能化运维

某新能源风电运维场景，风场大量的风机测点会持续产生海量的监测数据，在生产区，使用的告警模型一般是基于单一数据的阈值型，这就导致了大量误告警、重复告警等问题；同时，若采用“修复性维修”模式，则需要在少人乃至无人的风场安排人员值守，并需全风场定时停机大修维护。

深信服太衍大数据，将各类设备持续产生的海量监测数据和告警数据进行了实时收集，并对异常数据进行过滤和处理。凭借优秀的实时数据处理引擎、高效融合数仓、易用的低代码数据开发平台等综合实力，实现对数据接入、解析与治理、构建字段标准、风机设备的故障告警规则等数据处理过程的采、存、算、管、用的全流程承载，并实现在高并发场景下秒级数据采集分析。

通过努力，深信服不但解决人员“10分钟内启停状态更换5次“、”连续在一段时间内相同告警出现n次“等情况，还通过承载效能分析评估出风电场和每台机组的实际发电能力，帮助用户对场内各机组的性能、可靠性进行详细的分析和诊断，全面解答损失电量大小、损失时间、损失何处、损失原因等问题，通过挖掘分析找到发电量的提升空间，为优化技术改进提供了方向，基于数据的智能决策，对生产运维持续优化。

随着双碳政策的推进，以风电为代表的新能源愈发受到关注，其数据化转型对电网结构、信息化、智能化运维水平也提出了更高要求，深信服太衍大数据平台也将持续沉淀针对风电智能运维场景的核心技术能力，为新能源行业持续赋能。