利用数据和机器学习提高风力涡轮机的运行性能

利用现代数据平台有效处理风力涡轮机结冰问题

公用事业企业在运营和维护 (O&M) 方面的支出不断增加，而且没有放缓的迹象。在优化人员配置水平并降低成本的同时，企业也非常关注运营绩效。在本使用案例中，我们将探讨现代数据平台如何帮助处理风力涡轮机结冰问题并提高运行性能。

风能正迅速发展成为世界绿色能源计划的主要支柱，因此其运营也受到了更严格的审查。与行业内的其他运行方式不同，风力涡轮机的运行评估必须略有不同，因为每台涡轮机受天气条件、海拔高度和其他因素的影响都不尽相同。

利用机器学习和高级分析提高风力涡轮机性能

在优化风力涡轮机性能时，您需要考虑多个不同因素，包括涡轮机及其叶片的工程规格、位置以及影响其性能的天气情况。为了解所有这些数据，您需要一个数据平台来结合所有数据并快速应用机器学习 (ML)，以获得洞察，从而更好地优化运营绩效。就风力涡轮机而言，叶片上的冰甚至霜已被证明会极大地影响涡轮机的空气动力效率，最多可减少 80% 的发电量 。企业必须使用 ML 和高级分析技术来迅速了解相关损失，为此做好准备并进行管理，才能尽可能减少整体影响，同时保持运营效率。

此图显示了如何使用面向能源和水资源的 Oracle Data Platform 来支持与运营绩效有关的用例，特别是与风力涡轮机结冰方面的应用。该平台包括以下五个支柱：

1. 1. 数据源和数据发现
2. 2. 摄取、转换
3. 3. 持久化存储、整理、创建
4. 4. 分析、学习、预测
5. 5. 评估、行动

“数据源、探索”支柱包括三类数据。

1. 1. 第一方数据由资产元数据、GIS 数据和视频组成。
2. 2. 应用包括 SCADA、设备数据中心以及停电和维护管理系统。
3. 3. 第三方数据包括来自 GPS 和天气来源的数据。

“摄取、转换”支柱包括三个功能。

1. 1. 批量摄取使用 OCI Data Integration 和 Data Studio。
2. 2. 更改数据捕获使用 OCI GoldenGate。
3. 3. 流摄取由 OCI Streaming 和 OCI Connector Hub 组成。

所有三种功能均单向连接到“持久保存、整理、创建”支柱中的服务数据存储和云端存储。

“持久化存储、整理、创建”支柱共涵盖 4 项功能。

1. 1. 服务数据存储使用 Oracle Autonomous Data Warehouse。
2. 2. 云端存储，基于 OCI Object Storage。
3. 3. 批处理使用 OCI Data Integration、Functions 和 Data Flow。
4. 4. 数据治理，基于 OCI Data Catalog。

这些功能在支柱内互联。云端存储不仅单向连接至伺服数据存储，还双向连接至批处理。

元数据线从服务数据存储和云端存储单向连接到治理。

有两个功能连接至“分析、学习、预测”支柱：服务数据存储能够单向连接至分析和可视化功能、预测、学习和 AI 服务；云端存储不仅单向连接至分析和可视化功能、学习和 AI 服务，还双向连接至学习。

“分析、学习和预测”支柱包括六个功能。

1. 1. 分析和可视化使用 Oracle Analytics Cloud 和 Spatial Studio。
2. 2. 数据产品、API 使用 OCI API Gateway、Oracle Integration Cloud 和 OCI Functions。
3. 3. 预测使用 OCI Data Science 和 Oracle Machine Learning 服务。
4. 4. 学习使用 OCI Data Science 和 Oracle Machine Learning 记事本。
5. 5. AI 服务使用 OCI Vision、OCI Language 和第三方服务。
6. 6. 预测功能单向连接至数据产品、API 功能。

“评估、行动”支柱包含如何应用数据分析来支持风力涡轮机结冰的交付模型和监控绩效。这些应用分为两组。

第一组“人员和合作伙伴”包括运营和维护。

第二组应用包括 Oracle Field Service、Oracle Utilities Work and Asset Management、企业资产管理、工作管理系统和现场服务管理。

“摄取、转换”、“持久保存、整理、创建”及“分析、学习、预测”这三大核心支柱由基础设施、网络、安全和 IAM 提供支持。

风力涡轮机运行性能逻辑架构

将数据注入架构的方法主要有三种，有助公用事业企业有效地评估风力涡轮机的运行性能策略。

• 我们将使用批量摄取功能，从无法支持流处理的系统中导入数据，例如较旧的监控和数据采集 (SCADA) 系统或维护管理系统。在此用例中，将以不同的时间间隔摄取资产数据、天气数据以及来自 GPS、维护和停机管理系统的数据。我们将使用 OCI Data integration 将这些数据集加载到 Oracle Cloud Infrastructure (OCI) Object Storage 或直接加载到 Oracle Autonomous Data Warehouse (ADW)。
• 此外，我们还将使用 Oracle Cloud Infrastructure GoldenGate，通过更改数据捕获，从停机系统、维护管理系统和资产数据中心等运营系统中摄取数据。
• 对于天气数据等流数据，我们将使用 OCI Streaming 和 OCI Connector Hub 的无缝组合来捕获、汇总数据，并将其直接加载至 OCI Object Storage 中。

数据持久性和数据处理有赖于三个组件，

• 从所有来源获取的原始数据均存储在云端存储中。根据所需的操作，我们可以使用 OCI 中的自动化功能（例如 OCI Events Service）来启动批处理事件。在此用例中，我们将摄取天气数据并将其转换为可读形式，以供日后使用。然后，我们将使用 OCI Data Integration、OCI Functions 或 OCI Data Flow 进行批处理，以根据需要整合、整理或增强所收集的数据。我们还通过 OCI Data Integration 建立和维护数据管道。尽管 OCI Data Integration 为各种数据资产（数据库、应用、对象存储、REST API 等）提供了多种连接器，但它可能无法满足您的所有需求。如果是这种情况，您可以构建一个 OCI Data Flow 应用，利用 Spark 提供的所有连接器。在此示例中，资产数据中心、全球定位系统、天气、历史停机和维护数据被结合起来，以建立一个模型来识别需要关注的实体资产位置，然后利用这些信息来改进运营维护计划。
• 我们创建了经过处理的数据集，这些数据集已准备好以优化的关系形式持久保存，以在 ADW 提供的服务数据存储中进行管理和查询性能。这样一来，我们就可以直观地看到模型预测的结果。我们甚至可以使用内置的空间功能来可视化可能需要立即关注的涡轮机。

分析、学习和预测能力建立在三种技术方法之上。

• Oracle Analytics Cloud、Spatial Studio 和 Oracle APEX 等分析和可视化服务可提供交互式仪表盘，用于将图像信息可视化，并预测未来天气对特定涡轮机或涡轮机场的影响。这些服务提供：
  • 描述性分析：我们可以用柱状图和图表说明当前和历史结冰趋势，以帮助确定需要立即维护的区域
  • 预测性分析：我们可以通过预测未来的天气事件、识别趋势并确定不确定结果的概率，以规划和确定长期的运营和维护需求
  • 规范性分析：提出适当的行动建议，帮助优化策略运营绩效管理决策
• 除了使用高级分析之外，我们还使用 OCI Data Science 来开发、训练和部署机器学习模型。这些模型使用机器学习来分析大量的资产、天气、维护、地理信息系统 (GIS) 和其他数据，以便您更好地了解和改进每台风力涡轮机的运行性能。此类深度洞察可以持续帮助您确定关闭涡轮机等任务的优先级，考虑要完成的工作，以及确定哪些团队能够以具成本效益的方式高效完成工作。一些更常用的模型类型包括 XGBoost 算法和深度学习中的算法，如循环神经网络、深度神经网络和迁移学习。这些模型经过训练后，则可根据用户的喜好以多种方式进行部署。用户可以使用 OCI Data Science 平台或数据库内 Oracle Machine Learning Services REST API，通过 REST 端点调用模型。此外，用户还可以将这些模型打包为开放神经网络交换 (ONNX) 格式，并将其作为应用的一部分进行部署。
• 您可以使用 OCI Data Catalog 以及其他服务，对经过整理、测试的高质量数据和模型应用治理规则和策略，将其作为数据网格架构中的“数据产品” (API) 公开，以便在整个组织中分发。

改善运营绩效，提高公用事业的利润

低效的维护策略可能会降低运营绩效和盈利能力，并导致客户不满意。此风力涡轮机结冰用例只是其中一个例子，说明了如何使用 ML 和其他高级分析技术（包括预测性和规范性分析）来微调运营绩效策略。通过使用这些技术，您现在可以预测结冰事件和资产故障，并实时生成具体可行的洞察。这些洞察会触发规范性工作流，以便您采取先发制人的措施，优化维护工作。只要使用合适的数据平台，您就可以提高运营绩效，实现以下成果：

• 提高可靠性
• 缩短主动/预防性维护响应时间
• 降低成本
• 缩短恢复时间
• 提高供电便利性