案例背景：
智能风场是智能化在能源行业的另一个重要应用领域。风力发电的风场多分布在交通闭塞的偏远地区，受制于自然条件，工程师团队通常只能常驻异地研发中心，难以在现场对风机设备进行运维。而大型发电装备的风机内部结构复杂，风场本地管理人员往往专业度不足，无法很好地进行风机故障预测、维护和性能改进，造成设备维护成本居高不下，运营成本也相对较高。
一家国内大型风力发电企业就面临着这样的难题。对于分布于内蒙、东北、新疆、天津、云南等天南海北的7个风场和几千台风机，虽然风机现场有工控系统可以准确监控设备实时状态数据，但是此数据目前仅存放与风厂厂侧，且现场人员技术能力有限，无法针对复杂的问题及风机优化等作出判断。如何降低运营、监控、维护等一系列成本变成了这家风力企业的首要考虑。
实际上，每一个风机出厂前都装有传感器和监控设备，可以实时收集风机的运行数据，客户在每个风场端也建立了风力发电控制系统。但这些风场的运行数据客户总部无法实时获得，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，再发回风场进行调整，这其中的时间和成本巨大。同时由于无法进行实时优化，往往导致风场无法实现最大发电量，造成巨大的经济损失。
案例概述：
面对这样的情况，联想团队利用智能化技术，为他们打造了一套端到端解决方案。
首先，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可以迅速地传递到总部，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。
之后，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的实时数据的现场综合分析，筛选出的设备状态变化和异常等信息传回中心的工业互联网平台。
平台再通过PB级数据分布式存储与分析能力，建立设备的预测性维护和健康检测的模型。分析这些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，推算出轮机大概可能出现的问题和时间，并提前向客户发送预警，从而极大地降低企业保养和维修设备的成本。
通过这样的解决方案，联想团队帮助这家风电企业实现了数千台风力发电设备的远程运维，千里之外，可以秒级响应。千里之外的工程师也可以远程感知风机健康状态，分析故障原因，优化日常巡检模式，风机利用率和发电效率双双得到提高，为企业降低了5%以上的运营成本。
*本文刊发在财新promotion频道，不代表财新网编辑部观点
