張世磊

摘? 要：為了提高評估風力發(fā)電機組（以下簡稱風機）發(fā)電能力的準確性以提高風機的利用小時數，本文采用穩(wěn)定工況判斷和機頭微氣候環(huán)境溫度修正廠商擔保功率曲線建立風機實際功率曲線模型，對1臺1500kW風機的運行數據進行數值模擬計算，得出風機在不同溫度區(qū)間的實際功率曲線和修正廠商擔保功率曲線的功率分布，計算風機的功率絕對誤差和功率一致性系數，并給出風機的運行優(yōu)化建議。結果表明：風機機頭的微氣候環(huán)境溫度對風機的功率影響較大，采用修正廠商擔保功率曲線、分溫度區(qū)間進行計算的方式能夠提高風機發(fā)電能力評估的準確性。

關鍵詞：風力發(fā)電機組? 環(huán)境溫度? 功率曲線? 發(fā)電能力

中圖分類號：TM315? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ?文章編號：1674-098X（2020）09（a）-0037-06

Abstract：In order to improve the accuracy of evaluating the power generation capacity of wind turbine （hereinafter referred to as wind turbine） and improve the utilization hours of wind turbine， the actual power curve model of wind turbine is established by using stable condition judgment and microclimate environment temperature correction manufacturer guarantee power curve at the head of the fan， and the operation data of one 1500kW fan is calculated by numerical simulation， and the actual power curves of the fan at different temperature ranges and the power distribution of the modified manufacturer's guaranteed power curves are obtained. The absolute power error and power consistency coefficient of the fan are calculated， and the operation optimization suggestions of the fan are given. The results show that the microclimate environment temperature of the fan head has a great influence on the power of the fan， and the accuracy of the evaluation of the power generation capacity of the fan can be improved by modifying the guaranteed power curve of the manufacturer and calculating by temperature range.

Key Words：Wind turbine generator; Ambient temperature; Power curve; Power generation capacity

經過近些年風電項目的開發(fā)與發(fā)展，我國風電裝機容量已經十分巨大，風電的迅猛發(fā)展無疑帶來了巨大的機遇，但同時也帶來了巨大挑戰(zhàn)，已建成風電場實際運行和經濟效益存在一定的問題。風機發(fā)電能力評估是指對已經投產運行風機的功率曲線進行的系統、客觀的量化分析和評價。通過風電能力評估，確定風機目前運行的健康水平，為風機后續(xù)的運行和檢修提供數據支持。風機的發(fā)電能力直接影響發(fā)電量，進而影響風電場的整體生產經營指標。風機的運行實際功率曲線可以反映機組的實際發(fā)電能力與機位的微氣候條件，對機組運行和檢修具有重大意義。目前行業(yè)內功率曲線的計算方法有：測風塔數據外推法、樣板機法、機頭風速法等，工程使用效果不太理想，均未考慮風機機頭所在微氣候環(huán)境參數的影響，尤其冬夏溫差大和山地風場更為明顯;如何利用風機機頭微氣候環(huán)境溫度修正廠商擔保功率曲線并對風機實際功率曲線進行建模，作為風機發(fā)電能力計算的依據，則正是本文要研究的內容。

本文以內蒙某風場1500kW風機為研究對象，根據現場實際生產運行數據，對冬天和夏天兩種氣候環(huán)境下的實際功率曲線進行了數值研究，并對廠商擔保功率曲線修正前后的情況進行對比。

1? 基本信息

1.1 功率曲線

功率曲線指風力發(fā)電機組輸出功率和風速的對應曲線。描繪風電機組功率輸出與風速的函數關系圖和表。風機在運行過程中，功率時刻隨著風速的變化而變化。功率曲線作為反應風機性能的重要數據，已經開始引起新能源發(fā)電行業(yè)的重視，功率曲線驗證作為一項新的課題，擺到了風電技術人員面前。國內的一些領先企業(yè)已經開始從事功率曲線驗證的研究性工作，這將為風機的參數校驗帶來科學的依據，會給風電場的發(fā)電量帶來很大的提高。

目前國內大部分風機制造商提供的擔保功率曲線是通過設計仿真計算出來的標準空氣（大氣壓力為101.325kPa，溫度為0℃，相對濕度為50%）下的風速功率關系曲線，但由于機頭微氣候環(huán)境溫度因素的影響，風機在不同微氣候環(huán)境的擔保功率曲線會存在差異，因此需要進行修正。

1.2 風機穩(wěn)定工況定義

因風機的慣性較大，功率的變化不能實時響應風速，功率存在時滯性，將t時刻風機穩(wěn)定工況定義為：[t-2min，t]時間之內風速Vmax-Vmin<2m/s且功率Pmax-Pmin<20%P容量，工況風速V工況定義為：[t-1min，t]時間范圍內風速歷史數據的加權平均值，工況功率P工況定義為：[t-1min，t] 時間范圍內功率歷史數據的加權平均值，工況溫度T工況定義為：[t-1min，t]時間范圍內環(huán)境溫度歷史數據的加權平均值。

1.3 空氣相對濕度對空氣密度的影響

標準大氣壓下，在溫度范圍為：-20～100。C ，干空氣密度和飽和空氣密度的對比曲線如圖1所示。

圖1為空氣相對濕度為干空氣和飽和空氣下的空氣密度與溫度對應關系，通過上圖可以看出，氣溫50。C? 以下，干空氣和飽和空氣的空氣密度偏差均小于0.05 kg/m3;氣溫40。C? 以下，干空氣和飽和空氣的空氣密度偏差均小于0.031 kg/m3;風機運行環(huán)境的空氣溫度一般低于40℃，在該溫度范圍下，空氣相對濕度的影響較小，故本文研究忽略空氣濕度的影響（采用相對濕度為50%狀態(tài)下的數據）。

1.4 二維插值法

利用微氣候空氣密度和風速結合擔保功率曲線，通過二維插值法計算風機理論功率。

空氣密度插值：若當前空氣密度不存在，則利用相鄰空氣密度曲線功率進行插值得出該空氣密度下的擔保功率曲線;若大于最大或者小于最小空氣密度則選用相應最大最小理論功率。

風速插值：基于該空氣密度下的擔保功率曲線，利用相鄰風速進行插值得出該風速下的理論功率。

2? 數學模型及計算方法

2.1 數學模型

2.1.1 微氣候空氣密度模型

標準大氣壓下，氣溫40℃以下，干空氣密度與飽和空氣密度偏差均小于0.031kg/m3;風機正常運行環(huán)境的氣溫低于40℃，在該溫度范圍下，本文研究忽略空氣濕度的影響。

相對濕度取標準空氣的相對濕度0.5，空氣密度計算公式可以簡化為：

式中，ρ為空氣密度，kg/m3;B為大氣壓力，Pa;t為氣溫，單位為℃。

根據大氣壓力與海拔高度的經驗公式：

式中，H為海拔，m。

2.1.2 風速修正模型

風機機頭風速由測風儀測得，當前風機測風儀分為兩種，一種是傳統風杯測風，另一種是激光裝置測風。風速儀安裝在風輪后面，為做功后的風速，功率曲線的風速為做功前的風速，為得出相對準確的風速數據，根據能量守恒近似計算風輪前風速，傳統風杯測風計算公式如下：

式中，Vf為風輪前風速，m/s;ρ為空氣密度，kg/m3;P為風機功率，kW;V為當前風機風杯測得的風速;R為風機風輪半徑，m。

2.2 計算方法

2.2.1 修正廠商擔保功率曲線

廠商一般會給不同空氣密度下的擔保功率曲線數據，通過風機機頭微氣候空氣密度利用插值法對擔保功率功率曲線進行修正，根據計算得到的微氣候空氣密度ρ尋找廠家提供的2條空氣密度相鄰的擔保功率曲線，滿足ρ1<ρ<ρ2，修正計算方法可表示為：

式中，ρ1，ρ2為空氣密度，kg/m3;P1，P2為擔保功率，kW;PL為修正擔保功率，kW。

2.2.2 計算機頭微氣候理論功率

對工況風速通過公式（3）進行風速修正，利用風機工況溫度和機海拔通過公式（1）計算微氣候空氣密度，利用廠商擔保功率曲線和微氣候空氣密度通過公式（4）修正擔保功率曲線;基于修正擔保功率曲線進行功率插值計算得出機頭微氣候理論功率P理論。

2.2.3 建立風機實際功率曲線數據模型

當工況功率P工況在0.7P理論～1.3P理論之間，則認為風機處于非限功率正常發(fā)電狀態(tài)，數據判定為有效工況功率。

2.2.4 風機發(fā)電能力評估

通過計算一段時間內某個溫度范圍內的實際功率曲線與廠商擔保功率曲線的偏差，評估風電機組的發(fā)電能力。

在廠商擔保功率曲線的風速點上，選取切入風速和切出風速區(qū)間以1m/s為步長的若干風速點及各風速點對應的有效工況功率和微氣候理論功率，計算功率一致性系數和功率絕對誤差，以此評價風機的發(fā)電能力。

功率絕對誤差：

功率一致性系數：

式中，PMAE為功率絕對誤差;為功率一致性系數;P工況i為i風速點有效工況功率，kW;P理論i為i風速點微氣候理論功率風速，kW;n為風速點數量;V切入為風機切入風速，m/s;V切出為風機切出風速，m/s。

功率絕對誤差為負值表明風機發(fā)電能力低于廠商擔保功率曲線，為正值表明風機發(fā)電能力高出廠商擔保功率曲線;當功率一致性系數低于規(guī)定值95%則表明風機發(fā)電能力出現較大偏差，應安排聯系技術人員及時進行巡檢。

3? 實例分析

選取內蒙古某風場1500kW風機作為研究對象，分別抽取同一臺風機2018年夏天7～8月和2018年冬天11月～2019年1月的歷史數據進行篩選預處理和計算，對同一風速點附近的數據進行合并。該風機的廠商擔保功率曲線為標準空氣密度1.293kg/m3下的數據，標準空氣密度為大氣壓力101.325kPa、環(huán)境溫度溫度0℃、相對濕度50%條件下的空氣密度。

表1為2018.7.1-2018.8.31期間某風機的運行數據，數據包括廠商擔保功率、實際功率和平均環(huán)境溫度。

從圖2風機夏天實際功率、廠商擔保功率和修正廠商擔保功率與風速關系的模擬計算曲線，可以看出，由于夏天環(huán)境溫度（平均20.7℃）較高、風功率密度較低，修正后擔保功率低于修正前，修正前功率絕對誤差為-52.65kW，功率一致性系數為89.84%，低于規(guī)定值95%;修正后功率絕對誤差為-3.07kW，風機的功率絕對誤差明顯降低，功率一致性系數為95.55%，高于規(guī)定值95%，修正后風機發(fā)電能力評估處于正常范圍，無需加強風機的定檢和分析大部件的運行情況。通過修正前后對比可發(fā)現，夏天風機的廠商擔保功率會下降，風機的實際發(fā)電能力也偏低，若實際功率曲線在修正廠商擔保功率曲線和原廠商擔保功率之間則會存在誤判異常的情況。

表2為2018.11.1-2019.1.31期間某風機的運行數據，數據包括廠商擔保功率、實際功率和平均環(huán)境溫度。

從圖3風機冬天實際功率、廠商擔保功率和修正廠商擔保功率與風速關系的模擬計算曲線，可以看出，由于冬天溫度（平均溫度-7.1℃）較低、風功率密度較高，修正后擔保功率高于修正前，修正前功率絕對誤差為-21.74kW，功率一致性系數為87.61%;修正后功率絕對誤差為-66.00kW，風機的功率絕對誤差明顯增加，功率一致性系數為88.13%;修正前后風機冬天功率一致性系數均低于規(guī)定值95%，均處于亞健康狀態(tài)，應加強風機的定檢和分析大部件的運行情況。通過修正前后對比可發(fā)現，冬天風機的廠商擔保功率會上升，風機的實際發(fā)電能力也偏高，若實際功率曲線在修正廠商擔保功率曲線和原廠商擔保功率之間則會存在誤判正常的情況。

4? 結語

本文對風機引入穩(wěn)定工況的判斷、利用風機機頭微氣候環(huán)境溫度修正廠商擔保功率曲線、并對機頭前風速進行修正、對風機實際功率曲線進行建模，得到提高評估風機發(fā)電性能準確性的方法。通過對機頭風機發(fā)電能力評估模型建立和計算，可以得到以下結論：

（1）引入穩(wěn)定工況可以排除復雜風況環(huán)境、調度限功率等條件下的影響，利用風機機頭微氣候環(huán)境溫度參與計算可以達到消除空氣密度的影響。

（2）修正前后擔保功率偏差較大，影響風機功率絕對誤差和功率一致性系數數據的計算結果。通過實例數據分析驗證，發(fā)電能力的評估效果較好，得到提高評估風機發(fā)電能力準確性的方法。

（3）本文的評估優(yōu)化方法能夠提高風機發(fā)電能力評估的準確性，對正確評估分析風機發(fā)電能力、主動發(fā)現風機的亞健康運行起到積極作用，更好的指導風機運維和檢修，對于提高風機的發(fā)電量和利用小時、挖掘風機發(fā)電潛力、提升發(fā)電企業(yè)收益具有積極意義。

實際工程實踐過程中有些風機廠商存在無法給出不同空氣密度下廠商擔保功率曲線的情況，會影響修正過程，最終影響評估風機發(fā)電性能的準確性。

參考文獻

[1] 姜文玲，王勃，汪寧渤，等.多時空尺度下大型風電基地出力特性研究[J].電網技術，2017（2）：163-169.

[2] 王錚，劉純，馮雙磊，等.基于非參數回歸的風電場理論功率計算方法[J].電網技術，2015，39（8）：2148-2153.

[3] 范奇，王曦，孫志超，等.基于實時功率曲線的風電機組出力特性研究[J].節(jié)能技術，2019，12（6）：557-560，570.

[4] 郭海思，何慧，包大恩，等.風電機組理論發(fā)電功率計算及對比優(yōu)化[J].電力與能源，2019，40（3）：339-343.

[5] 許佳妮， 高峰. Wind turbine static yaw error detection based on optimal tip speed ratio[J]. 電力科學與工程， 2019，35（5）：37-42.

[6] 張健美，汪寧渤，馬明，等.風電場發(fā)電能力評估技術研究現狀及展望[J].海峽科技與產業(yè)，2017（2）.

[7] 劉永前，邵振州，王錚，等.基于分段支持向量機的風電機組理論功率計算研究[J].太陽能學報，2019（3）：673-680.

[8] 韓夢虞.新空氣密度計算公式的變化及其對砝碼測量的影響[J].計量與測試技術，2018（8）：99-101.