看數據看什么？內行看門道，如東有一座10萬千瓦的海上風場，2016年的發電小時數是這樣的：
　　
　　在年平均風速不到7m/s的如東海域，由25臺遠景4MW海上智能風機組成的海上風場，年實際平均發電小時數為2475小時，位列如東海上風場第一，如果不是因線路檢修停機影響了發電量，這一年的發電小時數可超過2700小時。 　　
　　2016年的可靠性數據是這樣的：
　　
　　2016年時間可利用率（TBA）為98.72%，整場平均故障間隔時間（MTBT）為3833小時，相當于每年每臺風機平均故障2.25次。值得提及的是，因故障停機的時間僅占風場所有不可用時間的23%。
　　
　　需說明的是，上述數據來自于業主的報表，雖然不是官方正式發布的數據，可也實際反映了遠景25臺4MW海上智能風機的運行業績情況。想必內行的朋友可能對這座海上風場的運維成本很感興趣，畢竟高于陸上7至8倍的海上風場運維成本是海上風電的最大挑戰之一。據遠景海上現場工程師透露，2016年這座海上風場的運維成本單位千瓦已降至80元左右。內行的朋友，自然會懂得這個數字的含金量。
　　
　　怎么做到的呢？與降低海上風電運維成本相關的事情總會令內行驚喜。簡要說，是兩方面的技術因素驅動了海上風場運維成本的下降態勢。
　　
　　一方面，是風機設計可靠性的價值支撐，針對海上風機高可靠性的要求，遠景4MW海上智能風機采用了高可靠性指標，并將其分配到零部件級，做到在基因層面保障機型的設計可靠性，這為運維成本控制奠定了基礎。另外，值得提及的是，遠景4MW海上智能風機內置有智能故障診斷和預測功能，備有與各個真實物理系統相對應的完整數字故障模型，在其與風機同步運行時，它們可以實時交換運行數據，當風機的某個子系統出現運行偏離時，故障模型能夠及時捕捉到差異，從而發出針對性預警。與傳統運行數據超標后的報警機制相比，這種基于物理系統內部建立的統計模型，可精準定位風機故障，這樣運維工程師出海時就可以做好各種相應的準備，保障運維作業的效率。
　　
　　想想看，如果登上機艙才發現真實的故障并不是預判的那樣，那很可能就是一次無效的作業活動，要知道僅交通船只的費用就占到運維總成本的50%，這意味著風機智能故障診斷和預測功能對降低海上運維成本有較高的貢獻率。
　　
　　另一方面，遠景Wind OS^TM物聯網平臺將海上風場以及與此相連接的設施和設備變得清晰透明，尤其Wind PHM模塊將設備分為正常、注意、亞健康、警告、故障等五級健康度來管理，這是制定運維計劃的基礎，“與陸上風電相比，海上風電的計劃性十分重要，也就是說計劃是拉動海上運維持續降低運維成本的引擎。”上述工程師這樣強調計劃之于海上風電運維的重要性。
　　
　　但是，制定計劃恰恰是海上風電運維的一個難點。
　　
　　與陸上風電相比，海上風電受制于更多的氣象因素，比如海浪、團霧、雷雨、臺風等惡劣工況及潮位信息等，在船只使用、物料運送及作業難度、安全保障上，也有最小成本投入和最大運維效益的優化問題，這么多的因素或要素作用下，一旦計劃不周，就會付出較高的成本代價，可完美的計劃就會取得事半功倍的效果，而人工很難做到這一點。這也是為什么遠景在一年前就在Wind OS^TM平臺上開發海上風場運維管理軟件，通過數據化、流程化、智能化的方式不斷優化運維計劃，找到成本和效果的最佳平衡點，持續降低海上風場的運維成本。
　　
　　“可以說，以海上風場運維管理軟件為支撐的計劃性運維是遠景降低海上風場運維成本的技術手段。”上述工程師舉例，2016年3月，系統報出一臺風機的主軸承潤滑油預警信息，盡管它在運維計劃中的優先級比較低，但運維管理軟件對其作出在某日大風來臨前予以解決的時間界定，并在周計劃中給予了提醒。
　　
　　值得注意的是，對業主來說，海上風場運行業績夠不夠好才是最重要的事情。盡管這座10萬千瓦的海上風場只有2年的歷史，但從運行業績可以看到，中國海上風電不僅擁有適合中國海域的智能風機，還有精準化的運維支持軟件，這一步給行業一個看點。
　　
　　當然，要看這座海上風場25年的運行業績，還需要時間來證明。不過，遠景自主研發的4MW海上智能風機可以在其全生命周期持續優化，并得到Wind OSTM平臺的數據化支持，相信這座風場會用其業績持續說明這是一個好生意。