风电机组出力性能分析方法研究

兰维，张中泉，雷阳，刘庆超，叶小广（华电电力科学研究院，浙江杭州310030）

风电机组出力性能分析方法研究

兰维，张中泉，雷阳，刘庆超，叶小广
（华电电力科学研究院，浙江杭州310030）

风电机组的出力性能等直接影响了风电场的效益，利用风电机组的SCADA系统数据对风电机组进行出力性能分析，主要包括发电量分析、功率曲线分析、基于MTBF和MTTR的可靠性分析等。依托云南某风电场进行分析，可找出机组出力性能较差的机组并初步对该类机组进行定性分析，为下一步进行各系统性能分析提供方向和参考建议。

风电场；风电机组；出力性能；功率曲线；MTBF；MTTR

0 引言

为解决地球环境污染和能源匮乏日益加重的问题，发展无污染、可再生的风能是有效的途径之一[1]。风电机组的出力性能是保证风电管理企业生产运行和发展规划的决定因素[2]。

针对风电机组出力性能分析评估的研究，现国际国内尚未达到统一的标准或方法，相关研究也较少[3]。风电机组出力性能分析主要存在以下难点:1）机组由塔筒、叶片、偏航系统、变桨系统、传动链、电气系统和主控系统等组成[4]，每个系统对机组的性能均有直接影响。如果进行准确定位分析，需对各系统进行深入的研究，难度较大。2）由于成本原因，机组安装较少传感器从而导致可分析的数据有限，故需要对数据进行深入挖掘。

在有限的运行数据背景下，对机组进行有效的出力性能分析具有较大挑战。利用机组S CA D A系统的运行数据进行出力性能分析，找出出力性能较差的机组并进行原因排查，为下一步各系统的性能分析提供方向和参考依据。

1 风电机组出力性能分析方法

1.1 出力性能的影响因素

风电机组出力性能的影响因素错综复杂[3]，但可分为外部和机组自身因素两方面。

（1）外部因素主要有风况、环境等。风况包括风速大小、风向、湍流强度、风切变等。环境主要有温度、湿度和大气压力等。

（2）机组自身因素包含有偏航系统、变桨系统、传动链系统、电气系统和主控系统等。比如偏航不对风、变桨不同步等问题较为常见。

1.2 出力性能的分析思路

由于国内多数风电场（特别是“三北地区”）各机组所处地形较为相似，利用机组S CA D A系统数据进行横向对比，通过发电量、功率曲线和可靠性等分析，找出造成发电量、功率曲线、可靠性较差或三者之间各种组合的影响因素，分析流程如图1所示。其中发电量分析包括机组发电量和平均风速的对比。功率曲线分析主要参照I E C61400-12-1[5]等相关标准执行。

1.3 基于MTB F和MTT R的可靠性分析

可靠性与机组的设计制造水平、使用条件、所处环境、运行时间和零部件退化等因素有关，具有特殊、时变等特点，它是反映风电机组性能和运行维护水平的关键指标之一[6-8]。

可靠性指标主要包括故障率、MTBF、MTTR和可利用率，对这些指标进行分析，可以初步确定存在故障较多或性能更为可靠的风电机组。

（1）故障率指在一段时间内机组故障时间与总时间的比值，计算公式如下:

式中λ—故障率，%；

T—某一段分析数据的总时间，h；

T1—故障时间，h。

（2）MTBF是指相邻两次故障之间的平均工作时间，它反映了风电机组的时间质量，是体现风电机组在规定时间内保持功能的一种能力，计算公式如下:

式中N—故障次数，n。

（3）MTTR是指平均修复时间，它反映了风电机组的故障修复能力，是衡量风电机组的可维护性的一项指标。计算公式如下:

（4）机组可利用率指每年机组实际使用时间占计划用时的百分比，计算公式如下:

B—非投标人责任的停机小时数，h。

停机小时数B不包括以下情况:1）电网故障；2）气象条件超出技术规范规定的运行范围；3）不可抗力等。以上情况如有两种或者两种以上同时发生，只计其中较长一种情况。

图1 机组出力性能分析流程

2 试验及结果分析

2.1 试验背景

云南红河州某风电场共安装33台1.5MW的M Y1.5S-82型风电机组，于2013年5月份完成风电机组并网发电。近几年，部分风电机组出力性能不佳，多数机组出现各种类型的故障，需进行出力性能等相关分析以找出问题所在。

2.2 数据采集和剔除

2.2.1 数据采集

数据是从风电机组S CA D A系统中采集到的，采集时间为2016年10月1日至11月31日，数据为30秒平均值。数据包含机组运行状态值、风速、错风角、功率、变桨角度、发动机转速、电网限电状态等。

实验在相同条件下采集了黑火药及液化石油气的拉曼光谱图像，且各样品图像经过多次重复。通过光谱数值比较发现：样品2#煤气罐上方木横条、样品4#煤气罐左侧储物顶面织物、样品5#煤气罐减压阀与黑火药有相近的基团；样品3#煤气罐右侧储物箱木条与液化石油气有相似近的基团。

2.2.2 数据剔除

数据参考I E C61400-12-1相关标准并按照以下原则剔除测风仪异常情况、停机、故障时间段内之外等的数据。需剔除以下数据:

（1）风速以外的其他外部条件超出风电机组的运行范围；

（2）风电机组故障引起风电机组停机；

（3）在维护运行中人工停机；

（4）弃风限电期间数据；

（5）其他异常情况。

2.3 风电机组出力性能

2.3.1 发电量

将33台风电机组的每台机组发电量、平均风速数据进行统计，如图2所示。

图2 33台风电机组总发电量

由上图可知，发电量最差的机组有12#、22#、26#、30#、31#和32#，较差的机组有17#、20#、21#、23#、24#、25#、29#。风电机组平均风速最差的机组有22#、26#、31#和32#，较差的机组有1#、2#、3#、9#、12#、21#、23#、24#、27#、29#和30#。

由于影响风电机组发电量的因素较多，一般影响因素包括有:风况、地形、故障、限电、检修停机、机组出力、偏航性能、变桨性能、振动等。由于11月，风电场未存在限电情况，故限电因素首先排除。下文将结合功率曲线以及可靠性的分析以找出上述风电机组发电量较差的原因。

2.3.2 功率曲线对比

功率曲线是风电机组出力性能的一项重要指标。功率曲线的常用分析方法是采用b in方法进行分区间处理。即风速范围划分为以0.5m/s整数倍的风速为中心，左右各0.25m/s的连续区间，功率、错风角、发电机转速等数据分区间方法均同。

依据数据剔除方法取正常并网状态的数据，并利用b in方法进行分区间处理后，得到33台风电机组的功率曲线如图3所示。

图3 33台风电机组功率曲线对比图

由上图可知，功率曲线最差的风电机组有7#、12#、9#、25#和30#，一般的风电机组有6#、8#、10#、11#、22#、29#和33#，最好的为19#风电机组。其中12#机组功率曲线较差的原因是由于振动原因被厂家改变其控制策略而导致的。

2.3.3 可靠性

对33台风电机组进行可靠性分析，由于可利用率差异较小，故暂不进行统计。

（1）故障率

对风电场33台风电机组的故障率进行统计，如图4所示。

由图表可知，8#、21#、27#和31#风电机组故障率较高，但均小于2%，其他风电机组故障率一般。由于7#和12#风电机组由于振动停机，不在统计范围内。

图4 33台风电机组故障率

（2）MTBF

对33台风电机组进行MTBF统计，结果如图5所示。

图5 33台风电机组MTBF统计

由图表可知，MTBF较低的机组有7#、8#、9#、12#、15#、16#、21#、22#、26#、27#和31#。其中MTBF为744h表示该风电机组在744h内无故障。

（3）MTTR

将33台风电机组的MTTR统计结果如图6所示。

由图可知，MTTR较高的机组有2#、4#、9#、10#、14#、21#、27#、29#、31#和32#。

由统计的故障率、MTBF和MTTR的结果可知，可靠性较差的风电机组有8#、9#、10#、14#、21#、27#和31#。

2.3.4 地形

由分析可知，发电量和功率曲线并非一一对应的关系。功率曲线是基于S CA D A系统得到的，未考虑湍流强度、风切变等地形的因素，故影响发电量较差的因素包括地形、风电机组可靠性、故障、限电、检修等。

风电场33台风电机组所处地形如图7所示。

分析地形发现，除16#、17#、21#、22#、26#和30#风电机组所处地形较为平坦外，其他风电机组所处地形均较为复杂。

图6 33台风电机组MTTR统计

2.4结论

结合发电量、平均风速、功率曲线、可靠性和地形情况可初步认为:

（1）发电量最好的机组有:4#、5#、6#、13#、14#、18#、19#和28#；其原因是由于所处风况较好且可能机组运行故障较少。

（2）发电量一般的机组有:1#、2#、3#、8#、10#、11#、15#、16#、20#、21#、24#、26#、27#、29#、32#和33#；其中8#、10#、21#和27#风电机组存在故障较多或故障修复时间过长等问题，其他风电机组所处风况较差。

（3）发电量较差的机组有:7#、9#、12#、17#、22#、23#、25#、30#和31#；其中7#和12#机组发电量较差原因在于振动问题，9#、25#和30#机组存在出力性能较差

图7 风电场33台风电机组地形图

（可能是偏航、变桨或其他原因，偏航和变桨分析可参考相关文献[9-10]），9#、14#和31#存在故障较多或故障修复时间过长等问题。

3 结语

现国际国内尚未对风电机组出力性能分析达成统一的标准或方法。出力性能分析存在以下难点:1）风电机组组成系统繁多，每个系统直接影响其出力性能，需对各系统进行深入研究，难度较大；2）机组有限的传感器导致S CA D A系统的运行数据较少，且精度较低，加大了分析的难度。

利用风电机组的S CA D A系统的运行数据进行各机组横向对比，通过发电量和平均风速对比分析、功率曲线分析、基于故障率、MTBF、MTTR、可利用率的可靠性分析，可找出机组出力性能较差的机组并初步对该类机组进行定性分析，为下一步进行各系统性能分析提供方向和参考建议。

[1]宁少华.基于数据的风电机组故障趋势预测方法研究[D].北京:华北电力大学,2015.

[2]肖运启，贺贯举.大型风电机组限功率运行特性分析及其优化调度[J].电力系统自动化,2014，38（20）：18-25.

[3]周进.基于运行数据的风电机组性能评估研究[D].北京:华北电力大学,2015.

[4]T ony B urton，等.风能技术[M].北京:科学出版社,2014.

[5]W in d tur b ine s g enerator s y s tem s p art 12-1:p o w er p er f ormance meas urement s o f electricity p ro d ucin g w in d tur b ine s：I E C 61400-12-1-2005[S].

[6]张穆勇.基于运行数据的风力发电设备可靠性分析方法和评估技术的研究[D].北京:华北电力大学,2015.

[7]郭波，武小悦，张秀斌，等.系统可靠性分析[M].长沙:国防科技大学出版社，2002.

[8]王华伟，高军.复杂系统可靠性分析与评估[M].北京:科学出版社，2013.

[9]马东.激光雷达测风仪在风电机组偏航误差测试中的应用研究[J].应用能源技术,2015，（11）：5-7.

[10]杨超，王志，叶小广等.基于S CA D A数据的风电机组技术改造后评估方法研究[J].华电技术,2017，39（1）：21-23.

Study on Output Performance Analysis of Wind Turbine

LAN Wei，ZHANG Zhong-quan，LEI Yang，LIU Qing-chao，YE Xiao-guang
（Huadian Electric Power Research Institute，Hangzhou 310030，China）

T h e out p ut p er f ormance o f w in d tur b ine d irectly a ff ect s b ene f it o f w in d f arm s.U s in g t h e d ata o f S CA D A s y s tem o f w in d tur b ine s，t h e out p ut p er f ormance analy s i s mainly inclu d e s p o w er g eneration analy s i s, p o w er cur v e analy s i s，relia b ility analy s i s b a s e d on MTBF an d MTTR，etc.B y analy z in g a w in d f arm in Y unnan, w e can f in d out w in d tur b ine s w it h p oor p er f ormance an d ma k e corre sp on d in g qualitati v e analy s i s.Furt h ermore, d irection an d re f erence s u gg e s tion s f or t h e f ollo w e d s y s tem p er f ormance analy s i s can b e p ro v i d e d.

w in d f arm；w in d tur b ine；out p ut p er f ormance；p o w er cur v e；MTBF；MTTR

10.3969/J.ISSN.2095-3429.2017.03.007

TM614

B

2095-3429（2017）03-0026-04

2017-03-27

修回日期：2017-05-24

兰维（1981-），男，江西萍乡人，工程师，主要从事新能源技术监督、检测诊断技术、技改后评估、风电场设计等领域的研究。