风力发电作为新兴的绿色能源之一，在全球得到长足的发展，尤其是近十年我国风电快速发展，风机数量急剧增加。与传统火电相比，风电的特点是机组分散、数量多，而如何提高风机的利用率，降低设备故障发生率和故障时间，同时避免设备的突发故障，已经成为风电场日常运维的主要目标。随着各发电集团风电装机规模不断扩大，作为资产的拥有者，由于没有信息化的数据支持和科学的度量指标体系，无法准确量化资产发电效率损失水平，进而无法有效识别出提升资产发电效率的重点，也无法对生产运维体系团队进行正确的考评与有效的激励。而伴随大数据、云计算的理念融入到风电产业的捕风能力、气动效率、风能转换能力等各个技术环节，通过对风机的运行、监控、管理、维护、检修等工作进行重构，实现数据的互通互联。风电场将真正实现智能化运维和管理。
长期以来我国风电场管理方式粗放、分散：管理人员与风电场及设备信息之间严重不对称；人员专业技能参差不齐，缺乏技术支持；由于运维方式落后，24 小时值守检修消耗了大量的人力成本。所有这些，都导致风电场运营很难达到较好的状态，损失大量的发电潜力，故障隐患得不到及时排除，隐形成本大幅提高。采用大数据和 AI 技术进行风场智慧运维变得迫在眉睫。1.如何实现远程风机的后台监控和全生命周期管理，确保风机运行状态最优化？2.如何及时准确的进行故障预测预警，从而降低设备故障带来的资产损失？3.如何进行准确的风场功率预测，减少电网考核电量与限下损失，提升电网友好性？
核心优势说明
DataFocus 作为运行于智慧风场平台终端的应用，将风机设备、风场管理信息系统、巡检系统等多种业务系统软件数据汇集到一起，打破信息孤岛。运用创新的搜索式分析，快速构建专题数据分析和可视化大屏。运用 DataFocus 的算法集成平台，结合SCADA数据训练故障预警，电厂功率预测等模型。
DataFocus 通过对各业务系统标准数据库进行抽取，构建智慧风场大数据仓库。并对数据进行规范整理，打造数据规范，为后续的数据应用奠定基础；通过接入风机时序数据库，为后续算法部署连通数据。
整合规范后的数据，极大的提高了可用性。依赖于 DataFocus 创新的数据库搜索引擎技术，风电场多种业务系统的数据的统一检索得以实现，数据可用性大大提高。用户可以通过类似自然语言的搜索式问答方式，向系统请求数据，并可以即时的在平台上完成 Ad-hoc 分析，生成数据分析报告，制作实时的可视化大屏。
运用 DataFocus 平台的算法训练平台，建立风场效能模型，对场站涉及与生产绩效进行透明评估，考核应发电量与实际发电量的偏差，建立科学的评估体系；通过对 SCADA 数据的挖掘和训练，建立关键风机资产的预警模型，对叶片结冰、齿形带断裂等多种典型故障进行预警，防止重大资产损失；通过对风场功率输出和风速等气象数据的关联分析，建立风电场功率输出的预测模型，为制定发电计划，调度和优化发电功率提供决策参考。
智慧风场运营是一个有机的整体，它需要风机的智能化、风场管理的信息化和运维的智能化。没有一家厂商可以为你提供最好的包含软硬件的全套解决方案。更多时候，是需要对现有风场进行智能化改造。DataFocus作为一款灵活度极高、专注于数据分析和算法集成的专业软件产品，可以很方便的与各类运维软件平台相集成。
DataFocus 从数据整合部分开始，既可以独立部署，也可以与其他系统联合部署。其自带的数据仓库模块可用于整合分散在各业务系统中的数据库，也可以从其他数据仓库中获取数据。
智慧风电的运营中，既包含离线数据分析，如进行电量生产绩效评估；也包含实时的数据预测，如风机设备的叶片、齿轮、传送带等关键部件的失效预测和故障预警。DataFocus 可以同时将外部信息系统的数据抽取到数据仓库中进行离线分析，或算法训练，也可以实时读取数据进行展示、分析和预测。
DataFocus 可以很方便的进行部署，无论是在用户的私有云平台，还是阿里云、亚马逊云，或者微软的 Azure，均可以进行快速部署。
以 D 公司为例，他们运营多个风场、合计近 200 MW 发电功率，巨额的风电场建设投入已经完毕，对他们来说，能对现有风电场进行挖潜得到的每一个百分点的效率提高都是纯粹的收益。通过引入 DataFocus 数据分析平台，打破信息孤岛，统一收集风场全量的运行数据，进行业务场景规划。具体而言，D 公司运用 DataFocus 解决了以下三个关键问题：
1、风电机器的最优状态标定，在特定的外部环境等状态下，寻找机器的状态最优的相关变量的变化范围，例如：外部环境如温度湿度，气压，时间，按照一定范围分成不同的阶段，机器的最优状态如最大发电功率等，与最优相关的变量如机器自身的温度，风叶的转动角度等，寻找到这些变量哪个最相关及波动范围。
2、通过对 SCADA 系统产生的大数据进行挖掘和建模，对风机叶片结冰、齿形带故障等严重设备问题进行了预测和诊断，从而使过去应激型的维护方式转变为主动预测型的维护方式，能够有效地改善风电设备的使用率和运维成本。
总的来说，深度数字化和智能化很好的提升了运维效率，D公司的风电场得到 4 个方面的显著提升。
1、通过机器学习、环境自适应来优化风机性能，平均提高 5%的风场发电量，增加收益；
2、通过智能化算法，提高运维效率，MTBF 提升 12%，大幅降低了成本；
3、通过协同控制增加电网友好性，将电网考核降低了约 50%；
4、通过数字化提高运行管理水平，每年节约人力成本 100 万元以上。
最终实现远程风机的后台监控和全生命周期管理，确保风机运行状态最优化。
