目前，我國的風電已成為繼火電、水電之后的第三大電源。根據中電聯最新發布的數據，我國累計風電并網容量已達1.8億千瓦。從新增裝機情況看，2018年前9個月，全國風電新增并網容量1261萬千瓦。由此，我國的風電運維市場規模也隨之不斷擴大。

據國家能源局發布的《風電發展“十三五”規劃》提到，到2020年底，全國風電累計并網裝機容量將達2.1億千瓦以上，約占全國總發電量的6%。按照年利用小時數2000小時，每千瓦時運維費用0.05元計算，未來三年內風電運維市場總量將高達252億。業內人士估計，到2020年，我國風機制造企業將有40%的收入和60%的利潤來自運維服務。

發展現狀及問題

行業的發展勢必會從無序競爭到逐步規范的過程。目前而言，風電行業門檻偏低、參與方良莠不齊、缺乏統一的標準，在經歷了大躍進式的發展后，疏忽了對質量的嚴格把控，引發風電機組在實際運維中存在運行不穩定、故障頻發等問題，直接造成風電運營商的經濟損失。

其中，設備是基礎。早期的風電機組存在一定的質量缺陷。在日后的正常運營里，由于部件自身的質量或者其他原因影響了機組的正常運行，造成了發電量損失。有的自身缺陷在現場很難根本解決，給運維團隊帶來了很多困難和繁重的技改任務。

其次，缺少完整的質量管理體系與行業標準規范，也是導致重大事故的主要原因。同一企業，不同的風場運維質量參差不齊，企業無序競爭現狀明顯。風電場的多樣性和特殊性決定了質量運維的重要性，針對不同的風場環境、不同的機型，針對性的運維策略和標準化的作業模型是保證風電場高效發電的關鍵。

此外，專業運維人才流失也是不容忽視的問題。中國大多數風電場地處偏遠地區，條件艱苦、工資低、危險系數高，年輕人對如此強度的工作接受程度大打折扣。一個幾百臺的風電場，只有3-5名工程師運營維護，有經驗的也只有項目經理1人。運維人員的不穩定性，也將帶來相當大的隱性成本。

發展趨勢及前景

隨著大數據、云計算等新興IT技術的廣泛應用，運用新興互聯網技術提高風機運行穩定性和風電場發電效益成為風電行業新趨勢，智慧運維將成為風電運維服務的重要組成部分。而大數據是“智慧運維”中的重要應用，包括運行和故障數據收集和儲存、大部件的檢測、實時天氣和功率預測、故障診斷、故障預判等。其中，故障預判將成為監測系統的重要功能之一，也是大數據的重要應用領域之一。

大數據的關鍵應用還在于幫助提供從被動運維轉向主動運維的可能性。優化的故障后診斷可延長風機檢修的周期，確定風機潛在故障，而非等到風機故障停機。診斷模型可令診斷專家從系統層面或子部件層面確定運維狀態。故障預判則能夠幫助用戶提前發現退化趨勢，估算資本構成的剩余周期，也可幫助工程師及時優化維修服務。診斷分析及故障預判可節省數以萬計的突發性維修費用，減少故障時間，通過預警預防性服務，延長零部件使用時限。

目前的運維模式仍主要停留在描述性分析和故障后診斷的階段。而故障預判將成為未來運維主流分析模式，也是風場智能運維不可或缺的一個環節。

隨著物聯網、大數據概念的愈發火熱，“救火式”的運維方式逐漸淡出歷史舞臺，智能化成必然趨勢。

行業預測指出，到2020年，中國風電存量市場將占93%。風電場存量資產的高效經營、增收節支將成決定風電投資收益實現的關鍵。