打开文本图片集

摘要：风力发电机组在运行过程中，需要调整机舱角度即进行偏航，使风机正确对风，叶轮垂直于来流风向以获得更高的风能转化效率，从而得到最优的发电功率。机舱与来流风向的角度即对风偏差，对风能吸收的影响为cos³θ的关系。偏航对风是风电机组运行过程中的重要环节，在机组初始安装、叶轮扰流和维护等环节都可能因为各种原因，比如安装误差等等，给机组的偏航对风带来静态误差。这种静态误差会带来发电量的损失，常年大量的统计数据表明，静态偏航对风误差带来年发电量损失平均达到 2%，有些机组甚至更大。特别是可利用小时在盈利点浮动的风场，部分年限实际风速略低于可研风速，发电量的损失对风电场的经济运营产生影响。使用大数据智慧化手段提升风电场机组发电性能是非常必要的。

关键词：风力发电 偏航对风 数据分析

1.风力发电机组偏航误差原理

机舱与来流风向的角度即对风偏差，对风能吸收的影响为cos³θ的关系，不同角度的对风偏差对发电量的影响程度如表1。

风力发电机组偏航的判断依据为风向标与机舱夹角的大小即偏航角，夹角的正负决定偏航的方向，夹角的大小及夹角对应的风速决定偏航动作的及时性。偏航角由风标与风向标N点或S点的相对位置进行计算。风向标N点即风向标180°的位置，S点为风向标0°的位置，风向标安装在机舱外的气象架上，且N-S点需与机舱舱中线平行并固定。风机主控系统认为对准风的情况下风标位置在风向标的N-S线上，未对准风的情况下偏离N-S线。风力发电机组在运行过程中即使风标在风向标的N-S线上，对风偏差也会存在，主要的原因如下：

1）在没有精确校准设备或气象架没有参照点的情况下，风向标的设备本身及安装会存在一定的误差；

2）风向标安装的气象架的安装位置及水平程度，将给风向标N-S线带来偏差；

3）风力发电机叶轮的转动会对来流风向扰动，造成风向标采集不准，也带来误差，IEC61400-12-1中明确阐述，叶轮转动会来带3-5°的偏差。

对风偏差指以上三点所产生误差的总体表现。在此种条件下即便使用精确度高的测风设备由于其他两点的影响，风向标采集的数据也会存在失真。也就是说即使风向标N点对准机舱中线（由于运维人员通过肉眼判断，基本很难对准中线），对风偏差是一直存在的，消除这种误差就成为一个很有价值的技改方式。

2 国内外研究现状和发展趋势

目前针对偏航是否准确的判定方法主要由以下几种：

（1）机舱激光雷达的方式

此种方式主要通过在机舱顶部安装激光雷达测量风机正前方的来流风向，与机舱安装的风向标测的风向进行对比，确定是否存在偏航误差。需要间隔一段时间或更换风向标后重新测量。如果单纯理论激光雷达达到此目的成本太高。

（2）风向标校正设备

此种方法主要通过特定的设备将风向标的N-S线与机舱中线比对，确定是否存在偏航误差。此种方式主要解决风向标安装带来的偏航误差，并未解决叶轮扰动的问题。

以上方式存在成本高、精度低的问题，随着数据挖掘和机器学习的兴起，基于专业测风设备和机组多年运行的大数据分析，机械校准加上优化算法的方式，属于定制化升级改造，更贴合风电场实际设备及风况，整体改造成本较低。因此，研究基于历史运行数据进行偏航对风静态误差预判的方法，并且进一步根据不同机型给出消除这种偏差的方法，是非常有必要的。

3 研究内容与预期目标

3.1研究内容

基于历史数据进行偏航对风误差的预判，部署分析预警平台，校准风向标及优化算法系数，解决偏航对风偏差、提升发电量。

3.2 研究目标

1）解决叶轮转动对来流风向存在扰动、风向标N-S线与标准线存在偏差造成的对风误差问题；

2）建立基于机组历史运行数据进行偏航对风误差判定的模型，实施偏航精准对风分析、校正和优化提升解决方案。

3.3创新点

1）风力发电机叶轮的转动会对来流风向扰动，造成风向标采集误差，IEC61400-12-1中明确阐述，叶轮转动会来带3-5°的偏差，本研究可从根本上解决此问题；

2）在没有精确校准设备或气象架没有参照点的情况下，风向标的设备本身及安装会存在一定的误差，风向标安装的气象架的安装位置及水平程度，将给风向标N-S线带来偏差，安装运维人员通过肉眼判断，基本很难对准中线，本研究可从根本上解决此问题；

3）搭建基于大规模数据分析引擎的智能数据分析平台，可提高风电场运检人员数据挖掘和算法学习能力，提升风电场数据分析和网络通信应用能力。

4 研究方案

4.1 SCADA数据接入调研

根据风电场的实际情况，数据转接方案可以从总的 SCADA 接口获取数据，也可以直接对接机组的 PLC 系统获取数据。为了获取高质量的运行数据，该网关支持目前主流风电机型的控制系统协议，包括 Beckhoff，Bachmann 等。

这里的工业级智能网关是在物联网技术框架下，为适应风电场特定应用场景进行设计、优化和开发实现的。该网关具有开放和可扩展的结构，可以接入多种工业通讯协议和物联网通讯协议，包括 Modbus， OPC UA 和 MQTT 等。

4.2搭建基于大规模数据分析引擎的智能数据分析平台

依托符合国际标准并且满足自主可控要求的大数据分析平台 Apache Spark 实现。MLlib 是Apache Spark的可以扩展的机器学习库，由以下部分组成：通用的学习算法和工具类，包括分类，回归，聚类，协同过滤，降维，以及算法调优部分。同时该平台支持多种主流的编程语言进行开发，具有良好的开发生态。因此系统维护比较容易，相关人才也比较丰富。。

有了智能网关获取数据，以及分布式大数据分析系统处理和分析数据。这就具备了场级运行数据和机组级运行数据的深度分析的基础。

在进行分析的过程中，以风电机组机理分析和机器学习建模相结合的方式，两种方式互为补充。机组以及关键设备的机理分析，可以大大减少那些盲目的统计学方法，机器学习对大数据的处理和挖掘能力，又能够补充机理分析无法做到的短板。

4.3 SCADA数据的实时收集与处理

1）实时收集：数据采集设备：用于从风电机组收集数据的传感器和设备。使用有线或无线通信技术，如4G、5G或专用通信线路，将数据从风机传输到数据中心。

2）数据处理：：使用算法或方法识别并去除异常或错误的数据。采用适当的滤波技术，如移动平均、低通滤波器等，去除数据中的噪声。确保所有风机的数据都在相同的时间基准上，以便进行准确的分析。

4.4部署在线分析服务器

1）硬件：

处理器： 推荐使用多核高频率处理器，以满足大数据处理的需求。

内存： 至少16GB RAM，以支持大数据集的快速访问和分析。

存储： 使用高速SSD硬盘，并确保有足够的存储空间（建议TB级别）存储SCADA历史数据。

网络： 快速稳定的网络接口，支持大量数据的实时传输。

2）软件：

操作系统： 建议使用稳定的服务器操作系统，如Linux或Windows Server。

数据库管理系统： 如MySQL， PostgreSQL， 或其他高性能数据库，用于存储和查询SCADA数据。

分析工具： 如Python、R或MATLAB，包括相关的数据分析和机器学习库。

数据流设计：从SCADA系统到分析服务器的数据传输

数据接口： 利用标准接口或API从SCADA系统中提取数据。

数据格式转换： 根据需要将原始数据转换为适用于分析的格式。

数据传输协议： 使用稳定且安全的传输协议，如MQTT或HTTPS，确保数据的完整性和安全性。

实时同步： 设定自动同步机制，确保SCADA系统的数据能实时传输到分析服务器。

3）实时分析算法的部署与运行

算法选择： 根据偏航误差的特点选择或开发合适的实时分析算法。

算法部署： 在服务器上配置并测试算法，确保其可以稳定运行。

自动化运行： 设置定时任务或触发器，使算法能自动对新数据进行分析。

实时反馈： 将分析结果实时反馈给SCADA系统或其他用户界面，如偏航误差告警或优化建议。

4.5误差的计算方法

1）数据准备

风向数据： 从SCADA系统中提取风向传感器的数据，这代表了实际的风向。

偏航角度： 从SCADA系统中提取风机偏航角度的数据，这表示风电机组当前的指向。

2）误差计算

基础计算： 误差角 = 实际偏航角度 - 实际风向

角度修正： 由于角度值可能跨越360°和0°的界限，需要进行修正以确保误差角在-180°到180°之间。例如，如果误差角计算为-185°，则应修正为175°。

3）静态误差的确定

数据滤波： 使用滑动窗口或其他技术对计算出的误差角进行滤波，以减少噪音和短时风向变化带来的影响。

持续性评估： 静态误差应当是持续存在的，而非短暂的。通过评估某段时间内误差角的稳定性，可以确定是否存在真正的静态误差。

误差阈值： 设定一个误差阈值（例如5°），只有当误差角超过此值时，才认为存在显著的静态误差。

4）数据和测点要求

选取以上测点，采用间隔小于 10 秒，导出最近 3 个月的历史数据。导出的数据格式可以是 Excel 或者 csv 等。根据上述数据，进行建模分析，获得该风场的模型。

5）考虑环境因素

温度： 温度变化可能影响到传感器的准确性和风机结构的刚性。确保在不同温度下都进行误差评估。

其他环境因素： 诸如湿度、海拔等因素可能也会对误差产生一定的影响，应进行考虑。

6）验证与校准

场地测试： 在特定条件下，如已知风向或使用风筒，进行风电机组的测试，以验证计算出的静态误差。

在线校准： 使用算法或人工干预对风电机组的偏航进行校准，以减小静态误差。

4.6利用SCADA数据实时检测偏航静态误差

1）数据收集

从SCADA系统实时获取风向数据和风机偏航角度数据。确保数据频率足够高，能够准确地表示风机的实时状态。

2）误差计算

实时计算误差角度： 误差角 = 实际偏航角度 - 实际风向，进行角度修正，确保误差角在-180°到180°之间。

3）实时显示

利用可视化工具，例如仪表板，实时显示风机的偏航静态误差。这可以帮助操作人员快速识别和响应偏航误差问题。

4）误差趋势分析及告警机制

误差记录：在数据库中存储每个风机的偏航误差历史数据。

趋势分析：利用统计和数据分析方法（例如滑动平均）分析误差的长期趋势。

识别是否存在持续的偏航静态误差或误差有增加的趋势。

告警机制：设置偏航误差阈值，例如5°。当误差超过该阈值时，自动触发告警，通知操作人员。告警可以通过SCADA系统的界面、邮件、短信或其他通信方式发送。

5）偏航静态误差校正策略

误差确认：在进行校正之前，首先要确认误差的存在，并确定其大小和方向。

自动校正策略：开发算法，根据实时误差数据自动调整风机的偏航角度。为了确保安全和效率，自动校正应该在特定的条件下进行，例如风速在某个范围内。

手动校正策略：在某些情况下，例如当误差超出某个范围或其他自动校正策略不适用时，需要人工干预进行偏航校正。

校正验证：校正后，继续监控偏航误差，确保校正策略的有效性。如果发现校正无效或产生了新的问题，需要及时进行调整。

针对偏航对风优化，首先基于风电机组运行过程中偏航控制的原理和实际运行中存在的问题，提炼出数据分析要达成的目的，然后利用机器学习理论中的工具和方法，完成数据分析和计算得到结果。根基机组运行的原理构建数据分析的目标和框架，用机器学习的算法工具完成数据分析的过程。

打通数据流，应用开发的、标准化的数据分析平台，同时机理和机器学习算法相结合对风电机组的运行数据进行流式在线分析。这是得到正确、有意义的结果的重要保证。在得到结果的基础上，能够用简单直接有效的方式呈现给用户，这个结果才能够价值。

通过以上找到机组的偏差后，并根据不同机型给出切实可行的修正方案，不需要修改机组的控制逻辑，一般只需要修改偏航误差修正系数或者校核风向标零位。

5发电量提升验证

1）对比同一机组在优化前和优化后的功率曲线，这种方式要考虑不同时间段风速数据手气候变化的影响。

2）两台风机进行对比，这种方式要求选择的机位地形相似、位置临近。一台风机采取优化措施，一台风机保持不变。运行一段时间后，在相同的运行状态下对比它们实际发电量或理论发电量提升情况。

3）和参考机位对比，这种方式要选出一个机位作为标杆，分别对比目标机组在优化前和优化后和标杆机位的差异。

6 技术规范

6.1精准对风系统架构具备以下功能：

（1）可靠运行

（2）安全性应满足国家信息化要求，并严格按网络安全防护标准规

（3）具备处理大规模数据的分析引擎；

（6）具备符合国际标准且满足自主可控要求的数据分析平台；

（7）底层平台计算方式应满足序列化缓存处理。

（8）支持可扩展机器学习库，包括分类，回归，聚类，协同过滤，降维，以及算法调优等用的学习算法和工具。

（9）底层平台要求和招标人已经建设的大数据平台具有兼容性；

6.2 算法设计和实现的要求

偏航对风误差算法和精准对风模型具备以下功能：

（1）模型和系统在完成数据接入后，自动运行无需人工干预。

（2）模型和系统基于风电机组机理分析和机器学习建模相结合，两种方式互为补充。

（3）模型和系统发挥机器学习对大数据的处理和挖掘能力，配合机组及关键设备的机理分析，避免盲目的使用统计学和机器学习算法。

（4）模型和系统基于偏航控制原理和运行中存在的问题，并利用机器学习理论中的工具和方法，完成数据分析，并得到计算结果。

（5）算法考虑叶轮扰流对机舱风速的影响，并须给出明确的方法和依据。

（6）算法符合风电机组运行原理，从数据到结果的整个过程要是透明过程，每个步骤都要有运行原理的依据。

（7）系统在明确问题和设备运行机理的情况下，借助机器学习和数据处理等技术，完成数据自动筛选；并借助自动寻优和数据可视化等方法，完成机组偏航对风误差的估算。

（8）算法的实现具有跨平台运行的能力，目标平台包括主流操作系统：Windows 系统，Linux 系统和经过安全认证的国产操作系统。

6.3 系统的功能要求

提供的精准对风系统具备以下功能：

具备健全的数据获取能力，能够读取的数据源包括符合Modbus 协议的数据源、符合OPC UA 协议的数据源、CSV 格式的数据源、Excel 格式的数据源、txt 格式的数据源；数据预处理功能；自动完成数据筛选无需人工定义规则；数据可视化，要采用可视化的方式呈现分析结果；给出明确的结果。

6.4 系统风电场部署条件

具备在场站生产区部署的条件，所采用的软硬件符合政府及招标人生产区安全要求，具备与 SCADA 或机组之间的通讯和数据获取功能，具备自动分析自动推送计算结果的功能，具备可视化前端软件，便于运维人员分析和确认偏航对风情况，具备分析结果通过三区发送到集团平台的功能。

每个风电场对风偏差的程度不同，风电场发电提升的目标为一般在1%～2%。项目以3万kw装机，年发电小时1900h计算，每年增发电量100万-200万度电之间，考虑0.61元/kWh的电价，一年综合收益在34.7万元-69.4万元之间，，投入产出比高。