数据治理是风电实现数字化与智能化的基础
近些年，新一代信息技术被广泛应用于风电产业之中，数字化、智能化已成为风电产业发展的主要趋势之一。在选址环节，基于中尺度建模技术、卫星遥感物理建模技术和高精度风电场微观选址技术，智慧选址模式正在逐步取代费时、低效的传统方式。在运行中，借助现有技术，通过感知并预测所处环境变化，系统能够自动采取不同控制策略，做到降载增寿，提高发电效率。在运维环节，通过在风电场安装状态监测和故障诊断系统，结合资产完整性管理理念，故障维修已经从事后转向事前，逐步走向预防性维护，并在运维方案定制和成本优化方面开始发挥作用。这些手段有效推动了风电发电效率的提升以及整体成本的下降，正在成为未来进一步提高产业发展质量的主要抓手。
推动数字化转型，数据是基础。然而，目前风电数据质量依然存在诸多问题，这在SCADA数据中体现得尤为明显。通过对市场上主流供应商的SCADA数据质量进行分析后发现，问题包括部分关键变量丢失、数据时间分辨率不一致、数据重复、整条数据记录缺失、部分变量记录缺失、数据超出正常范围、变量错位等。导致此类问题的因素涉及不同设备厂家SCADA系统采集的变量个数与变量名称不同、风电场停电、服务器故障、PLC供电电压异常、PLC模块故障、传感器故障、数据线虚接、存储空间不足、数据线屏蔽不到位，SCADA系统升级、机组运行程序升级、通信故障等。特别是早期开发的风电项目，由于SCADA数据系统设计和运行管理不完善，数据质量问题更加突出。
上述问题长期、普遍存在，严重影响着发电量评估、可靠性分析、运维检修、技改退役等方面的决策。例如，数据缺失导致无法追溯相关机组对应时间内的真实运行情况，不利于开发企业及运维人员迅速了解机组的实际运行状况;在应用SCADA数据进行故障诊断和故障预警建模时，数据质量问题会使模型表现出的不确定性更加显著，模型中蕴含的规律难以被发现，预测结果无法准确判断影响产品质量和设备状态的敏感参数;变量错位的数据会让建模过程陷入混乱，造成分析结果与实际情况出现较大偏差，甚至会产生与实际情况相悖的结果;在技改效果评估中，经常利用SCADA数据进行技改机组和参考机组在技改前后时间段内的发电性能比对，被用于评价的SCADA数据若存在质量问题，将无法对技改的实际效果开展准确评估，进而妨碍企业的后续决策;在机组寿命评估中，SCADA系统记录的环境参数及机组运行状态是进行机组全寿命期间的疲劳累积计算的输入条件，如果SCADA数据质量出现问题，分析得出的机组寿命结果与实际情况会有很大的偏差;在事故分析中，事故机组的运行数据常被用来复现事故发展过程并进一步识别事故发生原因，如果存在相关数据无法获取或数据记录不准确的情况，将增加事故分析难度，导致事故原因难以确定。
要充分挖掘数据的价值，必须加强数据治理工作，这涉及数据采集、传输、加工、存储、应用等环节。就目前而言，亟需着手做好以下工作：一方面，整机商应当配合开发企业做好机组软件系统的维护、更新工作，及时修复系统中存在的漏洞，提高系统运行的稳定性以及准确性;根据实际需求适当增加重要数据部分的冗余，完善系统日志，最大限度确保系统的正常运行;同时，定期维护机房服务，及时清除无用缓存，备份历史数据。另一方面，开发企业应当加强对机组各部位传感器硬件的排查，制定详细的检查计划，及时发现传感器硬件故障、加以更换;做好风电场升压站或者集控中心等区域的外部保障工作，实时确保电力资源的充裕以及网络连接的畅通。
习近平总书记指出，要发展数字经济，加快推动数字产业化，依靠信息技术创新驱动，不断催生新产业、新业态、新模式，用新动能推动新发展。对于风电产业而言，数字化、智能化已是大势所趋。加强数据治理，是风电产业实现数字化升级的基础。数据质量问题不解决，风电的数字化与智能化就无从谈起。
>
>
