数据为价值创造之源的时代，大数据将成为组织运行的基本要素，任何一个行业的领军者都已经看到了大数据所带来的前所未有的潜力和重大意义。在风电业，随着以远景能源为代表的企业大力推动智能风机和智慧风场的发展，风场将源源不断地产生海量的，急需要有效管理的数据。如何将这些海量数据转换成可操作的见解，推动更好的决策，提高风场的发电量，成为能否在能源互联网时代胜出的关键。
大数据不仅仅在于数据量大，也在于管理者基于系统支持建立更广泛的数据连接。要从大数据中获取真正的商业价值，需要对广泛来源的数据进行有洞察力的建模和集成分析。
远景通过风电管理平台格林云，用大数据产品Data Ocean将公共天气数据，风电场设计数据、风电场实时流体模型数据、风电场设备运行数据、风电场生产检修数据、风机设计数据、风机模拟数据等全生命周期的风电企业数据整合成一体，基于公共信息模型(CIM)把现实存在广泛关联的数据建立了系统化的数据链接，支持强大的数据管理、数据质量和数据治理模型，并利用Hadoop等大数据技术平台管理上PB级的对象数据、采样数据、风资源和地理数据等，提供结构化数据和非结构化数据的访问，以不同的方式有效管理不同的数据集，从而得到企业数据的“唯一版本事实”（single version of the truth)，有效支持后续的大数据分析挖掘和价值创造。远景的智慧风场Wind OS™平台，目前管理包括美国最大的新能源上市公司Pattern能源、Orion能源、美国大西洋电力公司等在内的2000万千瓦的全球新能源资产。
有效支持风电资产的保值增值
以远景格林威治平台为例，基于高性能计算，大数据技术和专业气象模式与流体模型技术，远景可以为业主建立起风电场全生命期数值模型，基于精准计算以投资收益率和能量可利用率为核心的指标体系，实现了针对风电场资产从规划设计与投资管理，到运营资产管理的全生命期风电资产信息化管理，有效支持风电资产投资的风险把控与既有风电资产的持续保值增值。
远景能源以全生命周期为视角，开发了如下资产后评估功能模块：设计后评估、运行后评估、产品后评估、技改后评估及风场对标后评估五大体系。
以Wind OS™能源互联网平台为依托，完成不同区域、不同设备制造商、不同运维团队等不同类型风电场的能量可利用率横向对比，为宏观管理、科学决策提供依据。通过资产评估，找到电量损失原因，通过远景一体化智慧风场解决方案，针对绝大多数风场，可以获得5%-10%的发电量提升。
实现对风场尾流的有效控制
尾流效应是影响风电场发电量的重要因素之一，其造成的真实能量损失高达10%以上，部分海上风场真实尾流损失甚至接近20%。因此在进行风场机位排布时，在主风向上会尽可能增加风机间的距离，以减小尾流效应影响。但在主风向以外的其他风向上，仍然可能由于尾流效应产生较大的能量损失。因此，风机间的协同控制在降低尾流损失方面就显得尤为重要。
基于大数据技术，有效整合风场实时流场模型数据，风电场流场预测数据，风机与测风塔量测数据，真正建立工业级的风电场协同控制能力，实现对风电场尾流的有效控制。
风场中每台风机运行情况的变化会引起自身尾流的变化，进而影响风电场实时流场数据，最终体现在其他风机所能捕获的风能及全风场发电量的变化上。基于风电场运行产生的大数据，包括风场实时流场模型数据，风电场流场预测数据，风机与测风塔量测数据等，远景通过有效地整合，并结合风机模型，最终建立起风场级的数学模型。
结合风场的流场模型，便可以利用非线性寻优算法对风场中各风机发电情况进行最优规划，综合考虑风况实时的动态变化和风机运行的物理限制(如风机输出功率对风速和风向变化的响应时间等)，实现风场级协同控制以减小尾流影响带来的损失。同时，远景的智能协调算法将各风机的运行状态闭环反馈到风场流场模型中，实时在线进行系统学习并调整模型，消除外界环境的随机干扰因素，从而进一步提高风场模型的精度，取得最优全场发电量。
通过对零部件故障信息的挖掘，优化产品设计和零部件选型，实现预防性维护
利用大数据技术，可以通过数理统计、模式识别、神经网络、机器学习、人工智能等深度数据挖掘算法，在海量数据中，挖掘出零部件故障信息，追溯其在设计、制造、装配、运输、安装各个环节的潜在缺陷，快速找寻引起故障或失效的原因。一方面从产品全生命周期角度考虑，可以闭环形成对设备的预防性维护和预测性维护策略，同时可以进一步闭环到产品设计与零部件选型；另一方面，基于零部件的大量数据失效积累，可以理性推进预防性维护，真正提升现场维护工作的计划性。
大数据不仅仅在于数据量大，也在于管理者基于系统支持建立更广泛的数据连接。要从大数据中获取真正的商业价值，需要对广泛来源的数据进行有洞察力的建模和集成分析。
远景通过风电管理平台格林云，用大数据产品Data Ocean将公共天气数据，风电场设计数据、风电场实时流体模型数据、风电场设备运行数据、风电场生产检修数据、风机设计数据、风机模拟数据等全生命周期的风电企业数据整合成一体，基于公共信息模型(CIM)把现实存在广泛关联的数据建立了系统化的数据链接，支持强大的数据管理、数据质量和数据治理模型，并利用Hadoop等大数据技术平台管理上PB级的对象数据、采样数据、风资源和地理数据等，提供结构化数据和非结构化数据的访问，以不同的方式有效管理不同的数据集，从而得到企业数据的“唯一版本事实”（single version of the truth)，有效支持后续的大数据分析挖掘和价值创造。远景的智慧风场Wind OS™平台，目前管理包括美国最大的新能源上市公司Pattern能源、Orion能源、美国大西洋电力公司等在内的2000万千瓦的全球新能源资产。
有效支持风电资产的保值增值
以远景格林威治平台为例，基于高性能计算，大数据技术和专业气象模式与流体模型技术，远景可以为业主建立起风电场全生命期数值模型，基于精准计算以投资收益率和能量可利用率为核心的指标体系，实现了针对风电场资产从规划设计与投资管理，到运营资产管理的全生命期风电资产信息化管理，有效支持风电资产投资的风险把控与既有风电资产的持续保值增值。
远景能源以全生命周期为视角，开发了如下资产后评估功能模块：设计后评估、运行后评估、产品后评估、技改后评估及风场对标后评估五大体系。
以Wind OS™能源互联网平台为依托，完成不同区域、不同设备制造商、不同运维团队等不同类型风电场的能量可利用率横向对比，为宏观管理、科学决策提供依据。通过资产评估，找到电量损失原因，通过远景一体化智慧风场解决方案，针对绝大多数风场，可以获得5%-10%的发电量提升。
实现对风场尾流的有效控制
尾流效应是影响风电场发电量的重要因素之一，其造成的真实能量损失高达10%以上，部分海上风场真实尾流损失甚至接近20%。因此在进行风场机位排布时，在主风向上会尽可能增加风机间的距离，以减小尾流效应影响。但在主风向以外的其他风向上，仍然可能由于尾流效应产生较大的能量损失。因此，风机间的协同控制在降低尾流损失方面就显得尤为重要。
基于大数据技术，有效整合风场实时流场模型数据，风电场流场预测数据，风机与测风塔量测数据，真正建立工业级的风电场协同控制能力，实现对风电场尾流的有效控制。
风场中每台风机运行情况的变化会引起自身尾流的变化，进而影响风电场实时流场数据，最终体现在其他风机所能捕获的风能及全风场发电量的变化上。基于风电场运行产生的大数据，包括风场实时流场模型数据，风电场流场预测数据，风机与测风塔量测数据等，远景通过有效地整合，并结合风机模型，最终建立起风场级的数学模型。
结合风场的流场模型，便可以利用非线性寻优算法对风场中各风机发电情况进行最优规划，综合考虑风况实时的动态变化和风机运行的物理限制(如风机输出功率对风速和风向变化的响应时间等)，实现风场级协同控制以减小尾流影响带来的损失。同时，远景的智能协调算法将各风机的运行状态闭环反馈到风场流场模型中，实时在线进行系统学习并调整模型，消除外界环境的随机干扰因素，从而进一步提高风场模型的精度，取得最优全场发电量。
通过对零部件故障信息的挖掘，优化产品设计和零部件选型，实现预防性维护
利用大数据技术，可以通过数理统计、模式识别、神经网络、机器学习、人工智能等深度数据挖掘算法，在海量数据中，挖掘出零部件故障信息，追溯其在设计、制造、装配、运输、安装各个环节的潜在缺陷，快速找寻引起故障或失效的原因。一方面从产品全生命周期角度考虑，可以闭环形成对设备的预防性维护和预测性维护策略，同时可以进一步闭环到产品设计与零部件选型；另一方面，基于零部件的大量数据失效积累，可以理性推进预防性维护，真正提升现场维护工作的计划性。
索比光伏网 https://news.solarbe.com/201503/31/67774.html
