张振:大家早上好!
很高兴今天在这里和大家分享我们的课题,这个课题是我们在发改委和能源局的要求下做的规划,我把我们的心得和大家做分享。
主要分几方面,研究背景,海上风电维修内容和现状,以及集约化运维检修的优势及研究方案等等。
研究背景,在座的各位专家都很熟悉,这是十三五的时候,广东省海上风电规划的场址的分布图,原来规划浅水区和深水区的容量,在十四五期间,容量规划和趋势不变,还要进一步推动海上风电的发展。
这是我们统计的,之前现有的项目准备并网的情况。未来广东省的海上风电,会从建设高峰到运维高峰,在此过程中,不断进行新项目的投入,也不断有新项目的运维。比如现在在建的项目还有很多,这里面列得不是很全,都要赶在2021年之前并网,压力还是比较大。
我们测算了一下,一个30万的风场,包括江苏和广东这边,一年的维护费用在3千万左右,按照广东省海上风电发展的情况,平价时代上网解决了之后,2030年广东省海上风电维检市场还是非常大的。
维护检修的内容,主要是预防性的维护,比如风电机组、塔筒等等。
目前海上风电维护的现状,参与者主要是哪些?
第一,风电机组的开发商,也就是业主,业主资金雄厚,自己运行和维护都在一起。
第二,整机制造商,也就是我们的风机场,目前占据市场份额比较大。
第三,第三方的阵营,除了风机以外还有很多维检的工作,比如说海缆定期的巡检等等,第三方的阵营资源调度比较灵活,细分领域有技术专长,占小份额的市场。
海上风电维检存在的问题:
1.海上风电专用的维检码头、运维直升机场、交通工具等资源紧缺,海上风电运维人才也紧缺;
2.成本高昂,左边的图表是我们做的成本的分析;
3.技术落后,比如说大部件故障、老旧设备故障、质量事件频发,还有缺乏专业运维船舶;
4.缺乏标准规范,目前是没有完整的规范,专业化、规范化、标准化、信息化水平低。
集约化维检,我们希望给各个业主和省里面提供一些参考,我们可以分区域来看集约化,它有几个优势:
第一,实现资源共享。码头、直升机基地、交通工具共享,海洋气象播报和预报等气象资源共享,检修人力共享,有利于培养专业的检修人才。
第二,促进技术进步,比如说大数据、人工智能等先进技术的应用。
第三,降低运维成本。
第四,规范行业发展。
第五,推动行业升级。
广东省特别希望产业链的当地化,这也是我们努力的方向。当地化的产业链也有助于海上风电健康持续的发展。
这些是刚才讲的几点的细化,海上风电的良性发展是我们特别希望看到的,良性发展才有项目做,大家才有饭吃。
行业的规范发展与升级,各个地方政府都在做这个工作,比如说推动运维人才的储备。
整体的要求,我们希望做到几点:
1.强化政府的引导。政府首先要引导,包括汕头、汕尾、阳江做的工作都是这些,比如说在阳江搞了一片区域,让大家进驻。
2.合理规划集约化维护检修中心。在粤东粤西建立集约化维检中心,再根据情况来设分中心。
3.注重技术突破。加大自主研究力度,制定集约化维修产业技术发展路线图,推动大数据中心建设,加大大数据挖掘,人工智能等先进技术的应用。
主要研究的内容,研究基于大数据中心的海上风电运维检修现金方案的技术路线,研究海上风电集约化维检产业行动方案,研究制定海上风电维护检修相关的行业规范和标准体系。
(PPT图示)这是广义的检修方案的图谱。
(PPT图示)这是刚才说的路线图,结合现有的港口资源,科学地规划、集约化维修基地,包括仓储物流、维护检修的保障等五位一体多功能的方案;整合风电场运营商、设备厂家等各方资源,打造资源共享平台;建立海上风电集约化维检公司架构,组织制定集约化维检公司股份组成方案、业务组成、建设方案、船只需求、行为规范、考核机制等。
在维护检修中心下面,比如说在汕头建了一个区域化的中心,和附近的区域怎么辐射,我们会在各个地方建立一些靠泊点,或者是分中心。
(PPT图示)这是5方共同参与来构建运维中心,我们希望把运行交给业主,把维护检修放到一个区域的中心里来。
这个行动路线,不再赘述。
下面介绍广东院海上风电大数据中心和智能运维。
海上风电大数据中心,很多专家也都知道,2017年9月发改委批复,2020年入选国家工业和信息化部大数据产业发展试点示范项目。
(PPT图示)这是大数据中心的构架,我们希望是全面的共享海上风电建设运营的经验和数据,它是公务型的平台。
这是系统的结构,也不再赘述。
海上风电大数据平台数据的接入,有一些场址的数据已经接入,但是还有一些没有接入进来,我们希望各个数据都能够接入到这个平台,至于如何设置数据的防火墙是技术上对接的事情。
我们更多希望是做一个平台,两个数据,服务数据,包括气象、海试、航运、维检信息等等都整合到平台上,维检的服务商如何拿到这个数据,怎么样给大家提供服务,比如我是项目业主,在平台上有多位的气象服务商,那这个气象服务是怎么应用等等。
我们现在依托大数据,像银行一样,银行开几个窗口,正常来讲是有计算的,海上风电每个月配多少船、配多少人出海,同样的类型,可以通过数据挖掘最优的选择。
大数据中心智能运维的几个例子:气象播报和预报,实时计算可作业的时间窗口;设备故障诊断和预警,区域内的备件、人员、船舶实时联动;区域内运维任务的实时运维计划安排;区域内运维资源的优化配置。
最后是一些建议,现在还没有统一的规范,行业的参与者也没有形成合力,集约化的维检模式需要各方资源的整合和参与,需要政府的加强引导,我们希望通过集约化维检,降低运维成本,助力海上风电健康可持续发展。
我今天的分享就到这里,谢谢大家!(内容来自现场速记,未经本人审核)