婁建樓 單凱 胥佳

摘 要：針對風(fēng)電機組出力情況難以精細(xì)量化分析問題，文章提出了基于閾值篩選器方法的出力結(jié)構(gòu)模型。根據(jù)閾值篩選器對機組多種運行狀態(tài)進(jìn)行識別，構(gòu)建出機組出力結(jié)構(gòu)模型，然后利用該模型對風(fēng)機出力進(jìn)行分析。實驗結(jié)果表明，該模型能夠有效分析機組出力情況，有助于實現(xiàn)機組的精維護。

關(guān)鍵詞：風(fēng)電機組；閾值篩選器；出力結(jié)構(gòu)模型

風(fēng)電是最有前景的可再生能源之一，根據(jù)GWEC的預(yù)測顯示，未來五年內(nèi)風(fēng)電將繼續(xù)保持增長勢頭。由于風(fēng)電機組工作環(huán)境的惡劣性（嚴(yán)寒、酷暑、沙塵、降雪等），導(dǎo)致風(fēng)電機組在很多情況下處于異常運行狀態(tài)[1-2]，包括降出力、停機或超發(fā)狀態(tài)。對機組出力情況進(jìn)行量化分析，有助于風(fēng)場運維人員實現(xiàn)機組精維護，具有很高的經(jīng)濟價值。文中利用基于風(fēng)速-功率閾值篩選器算法進(jìn)行數(shù)據(jù)分類并多次迭代，得到機組基于正常數(shù)據(jù)的實測功率曲線，基于該功率曲線識別正常數(shù)據(jù)和異常數(shù)據(jù)，進(jìn)而構(gòu)建出風(fēng)機出力結(jié)構(gòu)模型。

1 閾值篩選器

檢測停機數(shù)據(jù)。為了保證閾值篩選器的效果，首先需要根據(jù)機組有功功率小于零來篩選出停機數(shù)據(jù)。

閾值篩選器數(shù)據(jù)分類思想。以廠家提供的保證功率曲線為基礎(chǔ)，識別正常數(shù)據(jù)域，根據(jù)正常數(shù)據(jù)域得到優(yōu)化的功率曲線；基于優(yōu)化的功率曲線，進(jìn)一步得到優(yōu)化的正常數(shù)據(jù)域，根據(jù)優(yōu)化的正常數(shù)據(jù)域得到進(jìn)一步的優(yōu)化功率曲線。如此，多次迭代后，可得到最終的正常數(shù)據(jù)與降出力數(shù)據(jù)（文章中，考慮到超發(fā)數(shù)據(jù)較少，降出力數(shù)據(jù)實際上是降出力數(shù)據(jù)與超發(fā)數(shù)據(jù)的融合數(shù)據(jù)）。

閾值篩選器數(shù)據(jù)分類數(shù)學(xué)原理。基于Bin方法，按照風(fēng)速0.5m/s為區(qū)間對SCADA歷史數(shù)據(jù)U分類。得到每個區(qū)間數(shù)據(jù)集

（1）

式中，Ui為第i個區(qū)間的數(shù)據(jù)集，（v，p）為落在第i個區(qū)間的二維數(shù)據(jù)元素。假設(shè)U最大風(fēng)速為vmax，則最大風(fēng)速區(qū)間為n=[vmax/0.5]。

對任意數(shù)據(jù)點（vi，pi），基于參考功率曲線可以計算出vi對應(yīng)的正常功率pnormal，給定兩個上下限系數(shù)？姿down和？姿up，即可得到判斷正常域的方法，即如果 ，則點（vi，pi）為正常運行數(shù)據(jù)。

利用閾值篩選器進(jìn)行數(shù)據(jù)分類效果取決于迭代次數(shù)。圖1為閾值篩選器迭代1次的分類結(jié)果，圖2為閾值篩選器迭代3次的分類結(jié)果。經(jīng)過大量實驗驗證，迭代2-3次效果最佳。

2 出力結(jié)構(gòu)模型構(gòu)建

基于風(fēng)電機組的實際功率性能情況，將風(fēng)機出力劃分為正常運行、降出力運行、停機狀態(tài)，基于這個定義進(jìn)行構(gòu)建機組出力結(jié)構(gòu)模型，如圖3所示。

3 工程實踐

利用我國某風(fēng)場A機組6月份SCADA的10min數(shù)據(jù)進(jìn)行實驗驗證。得到該機組的出力情況，如表1所示。

從表1中可知，該機組降出力損失電量約占理論發(fā)電量的26.5%，機組停機損失電量約占理論發(fā)電量的3%。這說明如果改善該機組的降出力情況，能大大提高機組的能量利用率。

4 結(jié)束語

文章提出了利用一個新型閾值篩選器來對機組運行數(shù)據(jù)進(jìn)行分類，得到了正常運行數(shù)據(jù)、停機數(shù)據(jù)、降出力數(shù)據(jù)，進(jìn)而構(gòu)建出機組出力結(jié)構(gòu)模型，從而能夠?qū)C組出力情況進(jìn)行分析。該方法簡單有效，對風(fēng)電場運維人員對風(fēng)機的精維護提供了很好的指導(dǎo)方案。

參考文獻(xiàn)

[1]Tchakoua P，Wamkeue R，Ouhrouche M，et al.Wind turbine condition monitoring：State-of-the-art review，new trends，and future challenges[J].Energies，2014，7（4）：2595-2630.

[2]趙永寧，葉林，朱倩雯.風(fēng)電場棄風(fēng)異常數(shù)據(jù)簇的特征及處理方法[J].電力系統(tǒng)自動化，2014，21：39-46.