物联网技术在风电场数字化中的应用

love1

2020 年9 月22 日中国提出“碳达峰、碳中和“战略目标，承诺中国二氧化碳排放力争于2030 年前达到峰值，努力争取2060 年前实现碳中和。这为中国能源转型变革指明了战略方向，也为风电行业的持续发展注入了一剂强心针。近些年，随着物联网、大数据，云计算，AI 等技术的进步，以及各种软硬件设备性能的提升，这些新技术逐渐在工业应用中崭露头角。风电作为新兴的能源产业，具备一定的先发优势，也在不断的把这些新技术应用在风电产业的各个环节。但是风电场运营的数字化、智能化还是停留在较浅的应用层面，我国风电产业数字化技术的发展仍然有很大的提升空间。

国外的整机商几年前就推出数字化风电场。国内整机商如金风科技、远景能源等龙头企业这些年也在探索利用大数据，人工智能技术深入发掘风机和风场的价值。考虑到安全性等方面原因，风电机组能不能直接接入互联网，而且目前风机运行数据的记录和存储，风场内数据通讯等仍然采用传统的方式，数据壁垒仍然存在。这为数据的采集、整理、分析和利用带来了困难。因此需要探索在风场内部采用物联网技术，提高数据的有效利用率，降低人力成本及时间成本，未来还可为风电场的数字化转型及商业模式的创新提供条件和基础。


传统风电场数据采集方案



1. 风电场网络通讯结构

风场网络通常采用下图所示的网络拓扑。根据现场安装环境，可配置多个闭环网络。每个闭环网络支持多台的风电机组。每台风电机组配置一台工业级交换机。风场网络采用两层结构，包括中央控制室层和风电机组层。其中风场监控SCADA，CMS 服务器，能量管理平台，场控系统等部署在中央控制室层。风机主控系统，振动状态监测系统，风机基础监测系统、螺栓载荷监测系统、叶片状态监测系统、箱变运行状态监测系统等部署在风电机组层。各个设备之间通过点到点的方式建立通讯连接，系统复杂度高。



2. 数据采集相关的典型设备

风电机组不仅仅是一个机械加电气组件的简单组合，而且是一个可以提供丰富数据的数据源。风机内部遍布了上百个传感器，可以对自身的工况，噪声、震动等状况以及风况，温度等外部环境进行实时感知。这些信息主要通过风机主控PLC 进行周期性采集用于风机的控制。数据采集周期为PLC 的任务周期，一般为10 ms。控制程序运行过程中，会将重要的过程数据以文本文件的方式存储在风机控制器上，通常是以10 分钟平均值的方式保存。故障触发前后数分钟的数据则会以PLC 任务周期进行采样并存储到本地，用于离线进行故障分析。

风场SCADA 系统部署于风场中控室，可对现场多台风机设备的运行数据进行集中的监控，实现对风机过程数据的采集、监测、储存、分析、展示等。目前SCADA 系统的通讯采用轮询方式，由于风场内各机组分布十分分散，距主控室较远，所以每台风机数据的采集周期都在秒级以上。

状态监测系统已在风电场中得到了广泛应用，通过实时状态监测和智能故障预警技术可以有效地发现事故隐患并实现快速准确的系统维护，保障机组安全运行，并且减少维修费用。状态监测系统需要增加专用的传感器，专用的数据采集和处理硬件，并采用独立的通讯接口和通讯协议接入风场网络。由于风机振动信号的采样频率最高可达40kHz，因此状态监测系统对数据采集的要求较高，现有系统无法实现实时传输。采样数据多通过文件方式存储在本地，再通过文件传输的方式，发送到状态监测服务器上用于进一步的分析处理。



3. 传统方案的不足

综上所述，风电场现有数据采集中存在一些不足。风机本地数据以文件方式存储导致数据采样率低，不同风机之间的数据同步性差，而且后期对数据进行分析时需要再次进行文件解析，会降低工作效率。SCADA采用轮询方式对每一台风机进行数据请求，会导致轮询周期长，数据采样率低，而且SCADA 需要和每一台风机建立点对点连接。状态监测系统所采集的数据在只能在系统内部处理，无法与其它系统共享使用，数据的价值无法得到充分的利用。而且各个系统之间相互紧密耦合，通讯结构复杂，通讯故障易发，并且存在网络信息安全的隐患。



物联网技术和MQTT 协议

随着物联网技术的进步及其应用的逐步展开，物联网技术的应用领域不断拓展，已在智能交通系统、智能电网、移动物联网等领域得到了应用，其关键技术逐渐成熟。利用物联网的实时共享数据的能力，能够打造一个智能网络，持续采集和分析数据，并从数据中学习，从而将传统工业提升到智能化的新阶段。MQTT（Message Queuing Telemetry Transport ， 消息队列遥测传输协议）协议是一个基于发布/ 订阅（publish/subscribe）模式的轻量级的协议，由于对带宽需求很低，可作为 M2M 通信或物联网应用的理想选择，并且在快速，高效的数据传输应用中变得越来越流行。目前国内的主流 IoT 服务器供应商均提供对 MQTT 协议的解析比如百度云计算，阿里云计算等。当然，MQTT 协议也不仅仅局限于运行在互联网通信上，它是一个通信规则，也能在风场网络这样的局域网环境中应用。



1. MQTT 的消息发布/订阅模式

MQTT 消息发布/订阅基本结构如下图所示，它由MQTT 客户端和MQTT 消息代理（MQTT Broker）组成。MQTT 客户端和MQTT 消息代理之间通过MQTT 协议进行消息传输。在消息代理收到客户端发布的消息后，会对消息进行过滤，过滤后会将特定的消息转发到订阅了该消息的客户端。这样，循环进行不断完成客户端和 MQTT 代理服务器之间数据的传输。MQTT 消息发布/订阅通信模型具有异步、多点通信的特点，使 MQTT 客户端之间完全解耦，能够很好地满足物联网通信的需求[1]。


2. MQTT 的通讯质量

MQTT 支持多种级别的通讯质量等级，由QoS 等级表示。用户能够针对网络的实际情况以及服务要求采取三种不同的通讯质量等级：

“至多分发一次”，消息发布完全依赖底层TCP/IP 网络。会发生消息丢失或重复。这一级别可用于对数据偶尔丢失不敏感的场合，比如温度等环境数据。

“至少分发一次”，确保消息到达，但消息重复可能会发生。

“只分发一次”，确保消息到达一次。这是最高质量的消息发布，在一些要求比较严格的计费系统中，可以使用此级别。在计费系统中，消息重复或丢失会导致不正确的结果。[2]



3.MQTT 通讯的安全性

MQTT 具有多层次的安全特性，如下图所示。在应用层对设备进行合法性确认，权限校验等。在传输层使用 TLS/SSL 进行加密处理。在网络层使用 VPN，只允许指定客户进行访问，最大限度的避免窃听和非授权访问。


在应用层通过身份认证和权限校验可以限制客户端发布和订阅Topic 的权限，消息代理必须具备Topic权限管理的功能，而且这些权限可以在运行时动态配置和调整。对于每个客户端，Topic 的权限管理主要包括：允许的Topic（明确Topic、带有通配符的Topic），允许的操作（发布、订阅和两者）和允许的Qos 等级。

在传输层使用TLS/SSL 进行加密处理防止中间人攻击。客户端证书不但可以作为设备的身份凭证，还可以用来验证设备。需要注意的是，在建立连接阶段，TLS 很消耗CPU 资源，对低运算能力的设备而言是额外的负担，不过如果设备是长连接的话就会避免反复连接的开销。



4. MQTT 与常用通讯协议对比

目前风电场采用的通讯协议主要有Modbus TCP、OPC DA、OPC UA、ADS 等。表1 选取其中几种有代表性的通讯协议与MQTT 进行了对比，可以看出MQTT 在系统架构，安全性和通讯方式上有多项优势。







1. 系统架构

基于物联网技术的风场数据采集系统方案如下图所示，其中消息代理（MQTT Broker）采用成熟度和性能都十分出色的开源软件Mosquitto。风机控制系统，风场SCADA 系统，及其它数据采集系统，比如状态监测系统，能量管理系统等都可以作为MQTT 客户端或者通过MQTT 网关发布和订阅数据。在此架构之下，所有的数据可以方便的接入到统一的数据平台中，易于实现共享。而且各种应用场景之下的不同需求都可以灵活的满足，信息安全性能也能够得到全面的提升。该方案既可以在新项目中实施，也适合对原有系统进行改造。下面以风机控制系统为例进行说明。


2. 软件集成方案

对于支持 MQTT 功能的风机控制器，可以直接通过软件设置或者调用功能块实现。以一款在风电中有广泛应用的风机主控制器为例，该控制器中可集成 IoT Communication（MQTT） 或者 Analytics Logger 软件功能。这两个软件都可以实现 MQTT 客户端功能，而无需增加任何硬件。



风场监控应用

IoT Communication 以PLC 库的形式提供MQTT 基本功能，通过PLC 程序调用MQTT 基本功能块，即可实现设备之间消息的发布/订阅。此方式灵活性高，可自主设置消息的主题，消息发送的频率以及消息体的格式等。

消息格式可支持Json 数据格式，这也是目前绝大多数主流的云平台系统传输所使用的数据格式。消息的主题可参考IEC61400-25-2 定义的风电场信息模型进行设计。IEC61400-25 是在IEC61850 基础上针对风电场监控系统应用的扩展。IEC61400-25 在IEC61850 定义的90 个逻辑节点之外又增加了多个风机特定的逻辑节点，如表2 所示。采用统一的信息模型结构可对风电机组提供给外部监控的数据进行标准化处理。[3]


以发电机转速为例，逻辑节点信息模型结构如下图所示。可基于标准信息模型结构来设置消息的主题。


发电机转速的消息主题可设置为WindfARM1/WindTurbine1/WGEN/Spd，其它逻辑节点的信息均可依据此标准结构进行设置。采用统一的消息主题结构不仅可以便于不同厂家风机的统一监控，还可以通过不同等级的通配符对多台风机的各类信息进行高效的筛选。



高性能数据采集应用

Analytics Logger 作为 MQTT 客户端，可以定期将数据传输到MQTT 消息代理，也可以将数据存储在控制器本地硬盘上的文件中（文件模式）。Analytics Logger 可实现与 PLC 任务周期同步记录机器控制器的 IO 数据和 PLC 程序数据。它的特点是高性能，因为它可以直接在控制器的实时环境中运行，每个 PLC 任务周期都可以进行数据采集。只须在系统配置界面通过复选框便可以轻松的将所需的 IO 数据和 PLC 应用程序变量添加到组态中，而无需进行代码编写。另外 Analytics Logger 能够使用环形缓冲区功能，在控制器与 Message Broker 的连接短暂断开时，对数据进行缓冲，从而防止由通讯不稳定造成的临时丢失数据。

因此，Analytics Logger 非常适合对数据质量要求高，数据采样率高的场合。比如，风机振动状态监测系统。可以直接将IEPE 振动传感器接口的IO 模块集成到主控系统中，然后通过Analytics Logger 配置将采集的数据发布出去。状态监测服务器及其它相关应用均可以订阅相关的数据，并进行深入的分析和诊断。



3.硬件网关方案

如果目前运行的风机中采用的控制器无法直接支持MQTT 通讯，则需要通过MQTT 的网关进行转发。但是这个网关可能并不需要单独增加硬件成本，因为目前风机中增加辅控系统的需求越来越多，通过在辅控系统上安装IoT Data Agent 软件便可实现MQTT 网关功能。此辅控系统可以分担一部分风机主控系统中的任务，也可以连接振动状态监测系统、风机基础监测系统、螺栓载荷监测系统、叶片状态监测系统、箱变运行状态监测系统等，实现将风机本地各个子系统数据通过MTQQ 推送，同时它还可以承担边缘计算的功能。[4]

IoT Data Agent 软件可以提供与消息代理或者不同云服务的双向连接。IoT Data Agent 提供的配置工具是一个易于使用的图形用户界面，可轻松的配置发送到MQTT 消息代理或从MQTT 消息代理接收的数据。通过IoT Data Agent 软件，可将原来通过ADS 或OPC UA 等通讯连接的设备接入MQTT 消息代理。



总结与展望

风电场中设备型号纷繁复杂，安装分散，数据规范性差，各种辅助系统信息孤立。采用传统的方案难以对数据进行有效的采集、分析和利用。通过使用物联网技术进行数字化改造，可以为风电场建立更加高效、开放、面向未来的数据采集系统。风场的数字化转型并不是最终目的，而是为了能够创造出更多的价值。如果把风场的所有设备连接起来，开放共享数据，相信大数据和人工智能等技术会得到更广泛和更深入的应用，一定会带来运营效率的提升和运维成本的降低。更进一步，随着数据的积累，通过数字化赋能，风电运维的商业模式将会不断创新，也会为风电整机企业带来新的机会，使其有可能从单一的整机设备制造商转变成涵盖风电全产业链的服务商。

赛博疯子

风场网络通常采用下图所示的网络拓扑。根据现场安装环境，可配置多个闭环网络

turth

综上所述，风电场现有数据采集中存在一些不足。风机本地数据以文件方式存储导致数据采样率低，不同风机之间的数据同步性差，而且后期对数据进行分析时需要再次进行文件解析，会降低工作效率。SCADA采用轮询方式对每一台风机进行数据请求，会导致轮询周期长，数据采样率低，而且SCADA 需要和每一台风机建立点对点连接。

plug

风电机组不仅仅是一个机械加电气组件的简单组合，而且是一个可以提供丰富数据的数据源。风机内部遍布了上百个传感器，可以对自身的工况，噪声、震动等状况以及风况，温度等外部环境进行实时感知。这些信息主要通过风机主控PLC 进行周期性采集用于风机的控制。数据采集周期为PLC 的任务周期，一般为10 ms。控制程序运行过程中，会将重要的过程数据以文本文件的方式存储在风机控制器上，通常是以10 分钟平均值的方式保存。故障触发前后数分钟的数据则会以PLC 任务周期进行采样并存储到本地，用于离线进行故障分析。