9月25日，以“慧至風電·智創未來”為主題的2021智慧風電創新成果及應用場景研討會，在華北電力大學北京校區舉行。此次研討會由華北電力大學技術轉移轉化中心主辦，中關村華電能源電力產業聯盟承辦，深信服應邀出席，并由能源事業部發電業務總監周書亮分享題為“深信服在新能源數字化轉型的方案及能力”的主題演講，著重介紹了在新能源發電行業的數字化轉型過程中，“深信服太衍大數據平臺”如何高效可靠的提供大數據基礎設施能力。

事實上，傳統的設備運維方式通常采用按時巡檢、定期大修、故障被動停機等依賴“老師傅”的經驗模式——修復性維修，這種模式意味著被動事故處理、風險不可控、生產異常中斷損失、非必要維護等問題。

而解決這些問題則需構筑狀態監測技術、故障診斷技術、狀態預測技術、維修決策與維修活動的預測性維修模式，該模式的最大的價值是基于剩余使用壽命（RUL）的預測，選擇成本最低的維護策略和排程計劃，同時綜合考慮所有設備的維護需求，制定全局最優的維護方案。

最終，在確保人員安全和設備安全的前提下，盡可能延長設備的可持續工作時長，提高設備的安全與效率，進而達到更好的商業價值?！@也是在新能源發電過程中智能運維的核心價值。

預測性維護已經提出了近40年，為何之前沒有迸發出價值呢？

在過去，數據處理平臺和算法模型的問題遲遲沒有解決，導致要么沒有數據，要么有數據但存不下、算不了，最終算法模型只能停留在實驗室，無法實現生產環境的真正應用。

?

深信服通過體系化工程方式，構建符合能源發電行業的大數據平臺、數據治理、數據工程、特征工程、安全工程等，使數據完全可以采得多、存得下、算得了、管得住、用得好。同時，深信服的博士算法團隊和合作生態伙伴共同努力，持續沉淀針對風電新能源智能運維場景的核心技術能力，實現針對四個核心價值場景、六大機械組件、七大運行系統的90+細化場景、200+算法模型（預測準確性≥80%），讓預測性維護真正在新能源發電過程的智能運維場景發揮價值。

實戰案例：助力新能源風電智能化運維

某新能源風電運維場景，風場大量的風機測點會持續產生海量的監測數據，在生產區，使用的告警模型一般是基于單一數據的閾值型，這就導致了大量誤告警、重復告警等問題；同時，若采用“修復性維修”模式，則需要在少人乃至無人的風場安排人員值守，并需全風場定時停機大修維護。

深信服太衍大數據，將各類設備持續產生的海量監測數據和告警數據進行了實時收集，并對異常數據進行過濾和處理。憑借優秀的實時數據處理引擎、高效融合數倉、易用的低代碼數據開發平臺等綜合實力，實現對數據接入、解析與治理、構建字段標準、風機設備的故障告警規則等數據處理過程的采、存、算、管、用的全流程承載，并實現在高并發場景下秒級數據采集分析。

通過努力，深信服不但解決人員“10分鐘內啟停狀態更換5次“、”連續在一段時間內相同告警出現n次“等情況，還通過承載效能分析評估出風電場和每臺機組的實際發電能力，幫助用戶對場內各機組的性能、可靠性進行詳細的分析和診斷，全面解答損失電量大小、損失時間、損失何處、損失原因等問題，通過挖掘分析找到發電量的提升空間，為優化技術改進提供了方向，基于數據的智能決策，對生產運維持續優化。

隨著雙碳政策的推進，以風電為代表的新能源愈發受到關注，其數據化轉型對電網結構、信息化、智能化運維水平也提出了更高要求，深信服太衍大數據平臺也將持續沉淀針對風電智能運維場景的核心技術能力，為新能源行業持續賦能。