在北京国际风能大会上的主题发言：信息化助力智能供应 （作者：远景能源 陈卫民）
听到艾郎叶片包括刘晓鸣团队介绍的产业实践，作为风机供应商感到非常振奋。我们看到了行业未来，在不远的将来我们能够做到3.0、4.0。
我们目前在做很多走出去的工作，上个月在印度我们的主机厂第一台风机产品刚刚下线。我们也希望更多国内同仁能够跟我们一起走出去。走出去很重要一条就是模块化、自动化，把我们在国内的很多优秀实践，快速保质保量地复制到印度、拉美等国家的产能的建设上，让风电行业继高铁和通讯产业之后成为另外一个跨出国门去竞争的高新产业。
结合刚才很多同仁分享的智能制造，我把整个范围拓展一下，讲一讲智能供应。为什么要拓展这个话题，我们要从风电产业面临的全新的挑战说起。2017-18年墨西哥风电招标，中标上网电价低到每千瓦时3美分，也就是人民币两毛钱左右。两毛钱什么概念，和国内上网电价比一比，大家看到了风电行业未来的度电成本压力非常大。就在昨天的风展开幕式上，来自国家能源局的政策制定者也在说，整个“十三五”风电产业围绕着两个主旋律，一个是降低成本，一个是降低补贴。他也期望我们整个行业在未来三五年内全流程成本要降低20%到25%。
从初期的风资源获取，到风电场的建设到二十年的运维，我们如果把风电项目的全生命周期成本拿过来看就会发现，风机成本占了其中不到30%到40%，30%到40%是工程建设成本，还有20%-30%是运维成本。
所以在未来持续降低风电行业的度电成本，三年内做到和火电成本持平，就要求我们从端到端去思考产业链的整体规划，一方面通过持续降本减轻部件供应商、整机制造商和风电场开发商的压力，另一方面把质量做好，把发电效率做好，把二十年运营阶段的风电场生产管理做好，让它的年度满发电小时数做到更高。
去年我们的新增项目建设65%位于山地或者丘陵区域。65%来自这些区域什么概念，这两年整个国内风电场的建设大家可以看到非常多的不适应，不管是山地道路修建，还是水保林保达成，还是在开发过程中间遇到了那么多的天灾，道路刚修好，一台主机还没上来一场暴雨就把原来道路全部摧毁了。还包括拆迁这样一些现实的问题，伴随这个趋势的是风电场建设的工程挑战日益增大。同时我们的单台风机功率越来越高，从过去的1.5MW到现在的2.5，3兆瓦和4兆瓦。伴随功率上升，主机重量从80吨增加到90、100吨，叶片从过去的50多米到现在的60米、65米、70米。
工程建设的挑战和风电项目度电成本的双重压力，要求我们拉通整个供应链平台去深入思考，用什么样创新手段解决行业所面临的巨大挑战。
我们的回答是建设一个以数据驱动为核心的智慧供应系统。其中包含三个方面的主要驱动，第一个是实时数据获取，第二个是通过数据分析产生业务洞察，第三是共享业务洞察和行动计划给整个产业链，达成共识，并应用在风场全生命周期管理中。
关于数据实时可视，近两年我们尝试应用了一些技术手段。比如说客户需求侧的信号管理，从风电场的各项审批，到启动设计，到项目开工，项目计划管理，到建成投产等，每一个环节的关键信号的及时获取，信号如何转化为各项市场需求以指导整个产业链的活动，是我们这两年一直在思考的。
在具体硬件实现上，我们在整个供应链过程中加装各种传感器，比如在主机上加装位置传感器，感知运输状态的传感器，包括感知周边环境传感器、振动和温湿度传感器等。后面具体我有一些例子，让整个风电建设的物理过程中让设备和周边环境能够智能交互，无缝迭代，及时化解工程建设中间可能出现的风险。
再比如说，我们把RFID无线射频标签用在备件、整机以及叶片等风场设备的管理上，再引入GPS、GRS设备，把整个风机到出厂到吊装机位点的全过程监控起来。有时在运输过程中间会在通过某个不良地理位置时会产生了剧烈震动，这个振动可能当时看不出，但是五年以后受损的风机齿轮箱和主轴可能就会暴发出很多故障。我们就希望把全过程就100%地监控起来，哪怕一个微小的振动也要有一个像飞机上黑匣子把它捕捉监控住，把数据储存起来，从根本上去保证产品的全流程高质量。大家想想，家里买一台五千块钱的彩电拿到家里我们还都小心再小心，我们一个700万、800万价值的这么一台风机该怎样防护都不过份。我们大家到现场可以看一看，现场物流过程是非常艰苦的，怎样保护好这么贵重的资产，能够让它在未来二十年不留后遗症，这是我们应该为业主为客户去想的事情。
接下来我聚焦三个方面分享我们的实践。第一个智慧供应与产业链协同，第二个数字化物流，有时间的话讲讲智能运维。通过这三方面我想具体给大家看一看，虽然说现在可能还处在工业2.0时代，但我们可以尝试利用目前行业最先进的技术，包括汽车、航空行业的很多领先实践，尝试弯道超车，去迅速构建我们在工业4.0背景下风电行业的核心竞争力。
首先是我们的一个业务实景演示。大家可以看到我们正在跟踪的128个风电项目。这128个项目从合同谈判一直到最终的并网，不管是在电脑平台还是手机应用平台上，所有项目的端到端交付全程可视都在这个平台呈现。比如说在这里可以看到这里面有些项目标红了，它在某些方面发生哪些风险，哪些人在负责解决，相关人员会在这些风险造成实实在在损害前就能够提前介入处理。
比如说我们点一个项目，你会看到这是一个国电投宁夏西吉的项目，这个项目需要我们交付24台2.2兆瓦，115叶片的风机。这个项目业主的吊装计划，完成状态，现场基础做了多少，主体吊装做了几台，电气、对中、消缺完成的怎么样，整个项目信息一目了然。同时的话我们可以看到这个项目今天的状态，现在我们有3台风机正风场运输的途中，每台风机它目前位置到什么地方，车辆和司机的状态，预计还有几天能够到达机位，什么时间点业主必须要安排吊车进行堆场准备。通过项目全流程可视平台，我们希望实现项目交付的全程可视以及风险的全面可控。
这个会带给产业链什么好处呢？我们希望把这个以项目为基础的端到端可视交付的平台，能够把客户需求和我们的供应实时无缝衔接起来，拉动整个产业链响应客户需求，增强响应能力，优化响应成本。借鉴汽车行业的做法，推拉结合，拉动整个产业链的响应，实现全产业链根据需求信号精准备货。
虽然风电看着是很大很重的工业形态，但重工业为什么不能做到很精益，为什么不能做到just in time? 所以我们还是希望通过数据驱动，把不管是需求还是风机的生产，到供应商的物料供应都无缝衔接，实现数据流贯通，以数据为基础打造一个比汽车行业可能更加精益的这么一个产业链。
下面再举一个例子，从数字世界重新回到我们的物理现实。刚才跟大家讲到风电物流面临越来越多的挑战，事实上我还没有讲到物流事故，如果把一年全国风电现场的事故拿过来盘点，大家会发现这是非常触目惊心的数字。
虽然不是发生在我们身上，但看到这些案例我们的心情也是非常沉重。看到那么多行业的事故以后，我们就在想怎么样能够利用数字化、智能化的手段去改变这个现状。我们花了一年左右的时间，通过无人机实现智能数据采集，我们希望把整个风电场的环境数据都能用智能化的方式采集到，把风场内的危险点都能够快速识别出来。在数据采集基础上，我们做了3D实景建模，把物理世界转变成数学模型，把路堪和道路解决方案的定性分转变成定量分析，把定量分析精确到厘米级，因为你只有到厘米级才能够分析判断出来我们现场的车辆有没有风险，会不会掉到悬崖底下去。在3D建模的基础上把我们的风机和叶片的数字化模型迭代到风场模型里面，也就是我们所说的数字化模拟和digital twin，看在这么一个风场环境里面我们的整个风电物流运输它该怎么设计，主机该怎么走，叶片该怎么走，怎么安排是最安全的，同时成本最低；什么情况下还是有巨大的风险，需要我们从道路修建还是工装车辆的改造方面去消除这些风险。
我们看看这个digital twin是怎样应用在在枣庄中广核项目现场的。现在大家看到的这个图片已经不是一张照片了，它是我们实景采集了风场数据以后做出来的一张数字化3D模型。大家可以看到，这里边每一棵树的高度都是实实在在可以度量的东西。这一块地要平整多少土方量，对应成本多少钱，通过数字化模拟你可以用精确方式标的出来，相应物流方案和风场投标报价也可以直接输出。
结合实景建模和把产品的数字化模型放到虚拟环境里面迭代优化，项目关键路径结点的修建方案就可以明确。叶片和主机过这个弯的时候路的坡度必须修成几度，这个山上是不是有一个树必须伐掉，叶片举升高度会不会带来车辆重心的失衡。数字化采集和数字化模拟使得我们可以把整个风场解决方案从根本上做好。
再讲讲智能监控。我们行业里面多的物流运输车辆的确在处在工业2.0时代，没有行业规范，随意改装。怎么样去改变这个现状呢，我们希望给传统车辆加装上智能的翅膀，让我们的司机和运作团队感觉到智能化应用对他们的工作有很好的助力，这就是我们现在做的智能工装车辆。
大家可以看到，在我们的每一辆叶片举升车驾驶室里，司机面前都有这么一个屏幕，这个屏幕会告诉他今天的任务是什么，在过程中有几个风险点。临近每个风险点前比如还有300米的时候屏幕会主动推送出来说这个风险点的情况以及通过这个风险点的解决方案是什么，你必须把你的叶片车搞的往哪儿转，最后走哪条线路。在行车过程中，随车电脑会每秒钟20次去采集车辆周边的环境数据，通过我们专门针对这个车型所做的数学模型显示即时的车辆运行状态。大家看到屏幕上的这个指针显示，绿色区域是安全工况，指针到达黄色区域这个司机就必须停车预警。通过这个平台我们希望能够把现实世界的事故率能大幅度降低。项目安全保证了，项目才能快速推进，项目整体费用也能得到有效控制。时间关系本来想给大家再介绍下智能备件响应，时间关系就不多讲了。
在座很多是我们的同行，也有很多合作伙伴。期待大家携起手来，借助信息化、智能化的技术手段，建设智慧产业链，共同实现在2025年让风电成为中国主流能源的目标而共同努力。谢谢大家！
问答：
提问：陈总你好，刚刚看到那个车运叶片，我不了解这个模型怎么建出来的，在没有那些实际数据的情况下通过什么样方式建模的这个过程能不能说一下？
陈卫民：一个风场由几个山头组成，这个时候怎么修路是非常讲究的一个事。我们做的是什么，首先第一步我们把山的地理形貌做成三维的模型，然后我们再把我们的路的核心算法结合运输的产品数据进行快速迭代，自动生成建议路线。我该怎么走，怎么挖，相应成本是多少，这个建议解决方案出来后，我们再拿它和设计院出的图纸去验证和迭代。有的时候我们发现设计院出的图纸更优，我们就会调整算法。目前更多是设计院告诉我们，你们这个想法更加新颖，那就听从我们建议优化设计方案。当然他们现在还不知道其实这不是我们建议，是电脑的建议。最后我们把这个路按照我们设计方案修整完后，再用智能工装去实地验证采集，形成闭环。
