风电场与风电机组运行数据的精细化分析

文 | 邢志刚，沈昕，高英俊，张存佳

目前，如何充分发挥已投运风电场发电能力、实现存量风电场的提质增效对于各发电集团提高管理水平、提高经济效益意义重大。而要做到以上两点，首先必须准确掌握整个风电场乃至每台机组的实际运行状态。然而，由于每座风电场的机组数量少则三十余台，多则三、四百台，且往往分布在方圆数十公里的区域内，虽然各公司均建立了比较完善的维护、巡检制度和标准，但在实际工作中，其运维的注意力主要集中在减少机组的故障次数、故障停机时间及由此导致的发电量损失上，而对于浩繁的机组运行数据缺乏分析，难以发现数据中隐含的一些机组亚健康状态、隐性缺陷及每台机组的隐性发电量损失等信息。

为了解决上述问题，本文作者研发了一套用于机组运行数据精细化分析的专业软件，该软件通过对每台机组历史运行数据的清洗、标准化整理、统计计算、分析和可视化展示，最终生成分析报告，既可以对整个风电场的实际发电量、理论发电量、电网限电量、机组自限电量、总发电时间、故障时间、待机时间、故障类型和数量、故障损失电量等进行精准分析，还可以对每一台机组的上述参数进行精准计算，以及对每台机组部分运行参数的长期变化趋势进行分析，为机组的状态诊断和隐患分析提供数据支撑，进而为这些机组的运行与维护提供个性化的专业指导。

本文简要介绍了机组运行数据精细化分析软件的主要构成及软件主要统计量，并通过对国内某风电场实际年度机组运行数据的分析计算，以可视化的形式直观展示了整个风电场的各种经济性指标和关键运行指标。重点分析导致非指令降功率运行的机组参数，如齿轮箱油温、发电机温度、变频器温度、机舱温度等，并计算其导致的自限功率损失电量。通过分析精准掌握整个风电场乃至每台机组的实际运行状态。同时对整场机组故障进行统计，发现频报故障，筛选出故障高发机组及其高发故障。

风电机组数据精细化分析软件简介

一、数据分析软件主要模块简介

（一）数据的采集与标准化模块：此模块首先访问风电场SCADA系统的数据存储服务器，从其中采集获取风电场每台机组的全部历史运行数据、包括风速、风向、环境温度等风资源参数，机组实时功率、发电量、叶片转速、桨距角、变桨扭矩、各类温度、发电机各相电流、电压等机组状态数据，同时也采集机组的各类故障统计数据。之后对这些数据进行分类整理、清洗和标准化，数据清洗采用软件自动清洗和人工干预相结合的方法，按照既定的清洗规则对上述数据进行清洗，发现和剔除其中的错误数据、异常数据和不一致数据并形成数据清洗报告，之后对数据进行标准化处理，按照统一的时间间隔（本文采用10分钟）对不同属性的数据分别进行平均、汇总或分解，形成标准化的数据并映射至分析软件的标准化数据结构中。需要注意的是，数据的正确清洗和标准化对数据分析结果的准确性至关重要。

（二）关键指标的计算统计分析模块：该模块根据风电场生产运营中的不同需求，对风电场的关键运营指标和其主要影响因素进行统计和分析计算，运营指标包括每台机组和风电场整体在设定的统计时间内的实际发电量、理论发电量、电网指令限电量、非正常运行状态损失电量、发电时间、故障时间、待机时间、故障类型和数量、故障损失电量等。该模块对不同属性的数据，分别采取加权平均、累积求和、多项式回归计算等各种统计分析算法进行。在每台机组关键指标计算分析结果的基础上，进行相应的分类、汇总、排序等操作，从而得到风电场整场的主要指标。

（三）结果存储与图形化展示模块：通过创建机组运行数据统计分析数据库，将得到的运行数据统计结果存储至对应的运行数据统计分析表（数据库）中，同时利用各种图形化软件实现统计数据的图像化显示和统计数据报表的查询导出，方便风电场运行和维护人员快速发现运行异常的机组，以及定量分析影响风电场运行的各种因素。

二、数据分析软件的主要统计量及其计算方法

（一）理论发电量：首先计算选定的时间范围内，机组不存在电网指令限电和机组主动限功率状态的情况下，用统计回归算法计算出的以该机组机舱风速仪风速为准的机组功率曲线。机组的理论发电量即指按照该功率曲线计算出的机组实际风况下理论应发电量。

（二）风电场的实际发电量统计：统计选定时间范围内，风电场每台机组的实际发电量，汇总得到整场总发电量。

（三）电网限电量统计：选定时间范围内，在电网指令限电工况下，机组实际风速下理论发电量与该机组实际发电量的差值，进而累积计算出该机组的电网限电损失电量。

（四）机组不同状态下损失电量：统计选定时间范围内，不同机组在不同运行状态下，实际发电量与该机组理论应发电量的差值以计算机组在不同状态下损失的发电量。

（五）机组自限电量统计：统计选定时间范围内，机组系统部件超温而导致的发电量损失，从而计算出机组的超温自限电损失发电量。

（六）机组超温时间统计：统计选定时间范围内，机组发电状态下，齿轮箱、发电机、变频器、机舱等设备超温运行的时间（机组超温运行中，会自动限制有功出力）。

（七）机组不同状态持续时间统计：统计选定时间范围内，机组在不同状态（发电、停机、故障、服务等）下维持的时间。

风电场运行数据分析实例

以下为该软件在国内某风电场运行数据分析实例。该风电场处于华北丘陵地带，共安装1.5MW风电机组40台。风电场运行数据分析统计时间为2016年全年，主要指标包括机组之间发电量对比分析、机组自限电分析、电网限电分析、维护故障时间对发电量影响分析、主要故障分析等5个方面。

经统计分析，2016年该风电场全场平均风速为7m/s，单机全年平均发电量为2540.1MWh，平均折合满发小时数1693.4小时。

一、风资源情况

从图1可以看出，该风电场机组之间风资源相差较大，符合丘陵地区风资源特点。单机最大年平均风速8.1m/s，最小6.0m/s，风速相差较大，其中5、2、20、22、3、12、7、42、34、21、38、23号风电机组的平均风速明显低于该风电场风电机组整体的平均风速。

二、机组实际发电量

通过图2可以看出，20、2、17、28、25、19、37、40、5、21、7、42号机组的实际发电量低于平均水平，但其中只有6台风电机组的风速低于平均风速，由此可以推断其余6台机组发电量较低是由其他原因造成的，值得关注。

图1 2016年单机年平均风速情况

图2 2016年单机发电量对比（总发电量：101604.0MWh）

三、单机折合的满发小时数

图3所示的单机折合的满发小时数对比也说明了同样的问题。

四、机组自限电损失电量及原因分析

当机组某些部件温度超出阈值后，机组出于保护设备安全目的会自动进入限功率运行状态，因此会导致发电量损失。影响机组发电量的主要超温部件有齿轮箱油温、发电机驱动侧轴承温度和发电机温度。

2016年该风电场机组超温自限电主要因素为齿轮箱油温超温占91%、发动机驱动侧轴承温度超温占8%、发电机温度超温占1%（图4）。

通过统计计算，预计自限电损失发电量为620.9MWh，占实际发电量的0.61%（图5）。

2016年该风电场超温自限电运行总时间为1847.7h，平均每台机组限功率运行时间为46h，最大达到480h以上（图 6）。

如图5、图6所示，虽然超温限功率机组主要都是29、30、16、37、17、25等机组，但是其超温时间（图6）与损失电量（图5）并不完全成比例，这说明超温并不一定全部发生在机组接近满发状态下。此外，17、37、25、21号风电机组均处于图2的低于平均功率区，而不在图1的风速较低区域内，可见其功率较低主要是由于机组超温导致的。所以风电场应对其超温问题予以重点关注。

图3 单机折合利用小时数对比（总计：67736.0h）

图4 机组高温自限电因素对比

图5 单机超温自限电损失电量对比（总计：620.9MWh）

图6 单机超温自限电时间对比（总计：1847.7h）

五、电网限电损失电量分析

通过对机组运行数据进行统计分析，在选定的时间范围内，机组不存在电网指令限电和机组主动限功率状态的情况下，用统计回归算法可以计算出以该机组机舱风速仪风速为准的机组功率曲线，也就是本文所称的理论发电量功率曲线。以此风功率曲线为标准，就可以进行电网限电损失功率的准确统计。

2016年该风电场40台机组总发电量为101.6 GWh；全场机组发电量平均值为2.54GWh。全场40台机组电网限电损失发电量总计为21.2 GWh，大约占实际发电量的20.8%（图7）。平均每台机组弃风损失电量530MWh，折合满发小时数353小时，这说明影响该风电场运行效益的最主要原因是弃风限电。

六、维护、故障时间分析

经统计，2016年风电场机组总服务时间损失发电量为2021.0MWh，约占总发电量的1.99%（图9）。该风电场总服务时间为6037h，平均每台机组服务时间为150h（图 10）。

需要说明的是，在SCADA数据中并未将机组的正常计划维护服务状态与由于故障停机等待备件等而造成的长时间停机区分开来，因而造成了整场维护服务时间超常。图10显示7、28、11、19、14号机组维护时间明显高于平均维护时长，最高的甚至超过500小时，应该主要是由大部件故障停机，维修时间长造成的。

图7 单机电网限电损失电量对比（总计：21195.0MWh）

图8 机组电网限功率时间对比（总计：47319.0h）

图9 单机服务时间损失发电量对比（总计：2021.0MWh）

图10 单机维护时间对比（总计：6037.0h）

2016年该风电场总故障状态时间为276h，平均每台机组故障状态时间为6h（图11）。整场机组故障状态下损失发电量为52.8MWh（图12）。

图11显示26、14、36、15、5、18、30、11号等机组故障时间明显高于全场机组平均故障时间。

2016年该风电场总故障次数为4419次，平均每台机组报故障次数110次（图13）。与行业平均水平相比，该风电场机组的报故障次数相对偏多。

图13中37号风电机组故障次数最高，同时故障电量损失、故障时间相较其他风电机组较大。

七、机组理论发电量构成分析

在以上分析的基础上，综合各因素，制作了图14所示的风电场每台机组的实际应发电量构成图，从这张图上就可以非常清晰地分析出每台机组的损失电量及其原因，从而做到在运维工作中有的放矢，重点问题重点解决。

八、主要故障和报警分析

从前述数据分析可知，该风电场由于故障停机和维修服务造成的发电量损失超过2%，所以需要对故障进行详细分类统计和分析，以便在运维工作中抓住主要矛盾，重点解决频发故障，从而减少故障损失。该风电场主要故障统计见表1和图15，可以看出其主要故障是变频器故障、滑环故障和编码器故障，应重点予以关注。遗憾的是由于记录数据缺失严重，统计数据不全。

机组告警统计见表2和图16，需要在机组巡检时重点予以关注。防止小报警不解决而造成机组故障。

对以上风电场数据信息进行分析可以准确掌握该风电场的年度运行状态，主要包括：

1.2016年该风电场理论发电量为125.5GWh，统计其实际发电量为101.6GWh，实际发电量占理论发电量比例为80.96 %。

图11 单机故障时间对比（总计：276.0h）

图12 单机故障损失发电量对比（总计：53.0MWh）

图14 机组理论发电量组成（总计：125494.0MWh）

图14 机组理论发电量组成（总计：125494.0MWh）

表1 风电场主要故障统计

表2 机组告警次数统计

图15 主要故障发生次数统计（总计：229.0次）

图16 警告统计（总计：894.0次）

2.影响风电场发电量的主要因素包括机组维护水平、机组自限电、电网限电、故障时间较长等。其中：维护损失1.99%，机组自限电损失0.61%，电网限电损失20.8%。

3.通过对机组超温自限电时间进行统计分析，可以看出29、30、16、37、17号机组发电状态下设备超温严重，需要重点分析其超温原因，并采取措施解决以上机组超温问题。

4.总体上看该风电场电网弃风限电严重，造成的电网限电损失电量达到总实际发电量的20.8%。

5.通过对维护时间、故障时间的统计分析，可以看出7、28、11、19、14号机组维护时间明显高于平均维护时长，26、14、36、15、5、18、30、11号等机组故障时间明显高于全场机组平均故障时间，对于以上机组需要重点维护。

6.风电场主要故障分别为变频器一般性故障（112次/年）、发电机转速相对测得的叶轮转速过小（48次/年）、保险熔断或直流电源接地（14次/年）。以上为需要重点关注的故障。

结论

通过本文的分析可知，本风电场机组运行数据分析软件可以准确获取风电场的实际发电量、理论发电量、电网限电量、机组自限电量、总发电时间、故障时间、待机时间、故障类型和数量、故障损失电量等统计值；分析机组高温、故障、服务等运行数据统计，可以指导风电场对超温现象严重的机组重点进行机组超温改造，减少超温自限电造成的电量损失以及提高机组设备的使用寿命。

本分析软件具有数据分析精确度高、统计数据量大、分析数据种类多及良好的可视化报表显示等特点，便于用户准确掌握整个风电场的多种经济性指标和关键运行指标，帮助风电场尽早发现一些机组存在的亚健康状态和隐性缺陷,在一定程度上指导运维，节约运营成本，降低风电场电量损失，从而实现风电场经济效益的提升。