推進經濟數字化是實現創新發展的重要動能，企業在其中又如何自處？最近，阿里云發布的ET工業大腦在浙江有了新的探索方向：11月43日，盾安集團下屬新能源產業（以下稱盾安新能源）與阿里云正式啟動“基于SCADA歷史數據的故障預測系統開發項目”。與中策橡膠提高良品率的應用不同，這一次，ET工業大腦的應用場景落地在風能領域。基于歷史數據的積累、建模和運算，對盾安布局全國乃至全球的風力發電機組實現故障預判，從而降低企業的運維成本。
“與其他設備不同，風力發電機組本身就是數據中心，風電場自成物聯網，會產生豐富的數據。從2014年開始，盾安新能源開始做數據積累，但對這些數據應用到哪里，并沒有明確的方向。”浙江盾安新能源股份有限公司總工程師顧毅告訴記者，盾安新能源從去年8月前后正式同阿里云開展業務和數據方面的相關探索，對這些數據進行深度挖掘。
在風能領域，盾安新能源擁有一條完善的產業生態鏈。目前，盾安新能源在全國擁有500多臺風力發電機組，它們分布在新疆、內蒙古、寧夏、貴州、山西、河南、河北等地，大多建在風能資源豐富的偏遠地區。這些自動化程度很高的重型設備不光操作復雜、成本昂貴，在運維方面也很難找到理想的高技能人才駐留。
除了地域分散上的限制，設備運維成本也是企業的痛點。顧毅跟記者解釋，目前，盾安新能源的風機裝機容量超過100萬千瓦，正常運行狀態下，這些機組年等效滿發超過2000小時，運行壽命則為20年。但經驗數據顯示，設備在運行七年之后故障率會升高。一個5萬千瓦的風電場，平均每年的維護費用需要300萬元左右，而這些運維成本也以平均3%左右的速率逐年遞增。
能否通過大數據、云計算，讓運維這件事更精準，甚至實現提前干預？與阿里云聯手，盾安新能源運用自己的歷史數據開發模型。顧毅透露，在前期的POC測試（針對客戶具體應用的驗證性測試）中，盾安新能源在一個風電場針對兩個機組進行局部驗證，基本能夠實現對數據的異常判斷。以溫度參數為例，當風機長期高速運轉時，部件容易老化導致摩擦碰撞，產生不必要的熱能，但部件發熱并不一定由機械故障引起，目前ET工業大腦已經具備分辨部件發熱的原因，在不放過故障的同時，盡量做到不誤報，減少風場工程師的工作量。
現在，盾安新能源已將風機的傳感器、狀態數據、運行與維護的數據全部上云，基于阿里云的云計算和大數據能力，未來三個月，雙方將不斷驗證、完善該模型。“到明年3月底前，我們將完成對各類數據資源的實時調配，通過對風機歷史數據的運算，預計運維成本將下降30%以上。”顧毅打了個形象的比喻，這就像是疾病預防，當你的身體感知到一點異常就嚴加防范，而不是等到病入膏肓。
“我們的機組大多在八九十米的高空，如果在小故障階段就能發現問題，只需要維護人員攀爬替換部件，要是發展到需要更換幾十噸重的大部件，僅動用吊車來到現場，吊車的進出場費用就達40萬，一天的臺班費用就接近3萬元，更別提設備停運帶來的電量損失。”顧毅表示，運用數據的力量，盾安新能源希望給這些風力發電機組“養生”，實現機組可以“生老”，但不要“病死”。
事實上，基于數據挖掘的故障預判還在向更前端延伸。顧毅告訴記者，以往，在當地駐扎的運維人員大多是在等待故障來臨，而現在，基于歷史數據開發的模型會根據現場的風機實時數據，并通過移動APP為運維人員推送工作待辦列表，對部分機組進行事先保養和維護。
盾安新能源已經越來越認識到數據的價值。去年年底，盾安新能源上線生產管理系統，對風機運維工單信息進行系統搜集。“明年，我們希望能做出盾安新能源自己的智能運維大腦，將故障知識、運維經驗數據與機組的傳感器數據、狀態信息以及環境數據組合，對這個大腦進行訓練。”顧毅表示，這也從另一個側面解決了運維人員的技術水平問題——針對各式故障，未來，知識也將是數據化的。
盾安新能源的這次探索，也是盾安集團在推動互聯網、大數據、人工智能同實體經濟深度融合方面的先頭兵。從去年年中開始，盾安集團為適應新的發展環境，對集團原有的流程架構進行調整，突出技品領先和成本領先戰略，并將“兩化一云”（數字化和智能化、云計算）寫入企業憲章。
“‘十三五’期間，盾安將把新能源產業作為集團的重點產業，到‘十三五’末，國內國外累計裝機容量將達到500萬千瓦。”顧毅說，未來，ET工業大腦將深入到設備的性能評估、控制策略優化、可預知性維護等領域，也將在集團各業務板塊縱深發展。
值得一提的是，盾安更看重阿里云提供的大數據分析平臺的作用。今年5月，盾安新能源已開始組建自己的數據挖掘團隊，利用阿里云提供的云平臺和數據挖掘的工具從數據開發、模型開發、應用開發等層面對人員進行培訓。“大數據教會我們去學規則、找規則，但企業工業大數據云平臺這道菜，還需要企業自己來做。”顧毅表示。
