试论大数据技术在风电机组运行状态监测评估中的应用

中车永济电机有限公司 赵梦露 胡 睿

前言

火力发电为常见的发电形式，需大量开采煤炭资源以供燃烧产生热能。不仅容易造成资源的浪费，且易加重环境污染。风力发电的出现，为上述问题的解决提供了思路。但由于相关监测技术欠缺，发电机组运行过程中的状态异常情况难以监控并及时得到解决。因此，为使可持续发展得以实现，加强对风电机组运行状态的监测与评估，提高机组运行的稳定性尤为重要。

1.风电机组运行数据监测需求

风特性、功率特性、风能利用系数、转矩特性以及推力特性，是决定风电机组性能的主要参数，也是风电机组运行需监测的主要数据。其中，风特性即机组随自然界风力大小及方向的变化而不断变化的特征，主要监测指标，以风速、风频为主。功率特性需以功率曲线表示，指风电机组功率的常规动态特性，是决定机组发电量大小的主要指标[1]。风能利用系数，即机组将由风所带来的动能转化为电能的系数，以Cp表示，计算公式如下：

公式中，P代表功率，ρ代表密度，S代表风与风电机组接触的面积，v代表风的实时速度。因此风电机组的风能利用系数，为多种因素综合作用的结果。转矩与推力，同样为决定风电机组运行效率的主要指标。确保上述指标无异常，且能够处于稳定的状态，是提高风力发电可靠性及连续性的主要途径。

2.大数据技术在风电机组运行状态监测评估中的应用方案

为提高风电机组运行的稳定性，某发电场将大数据技术应用到了机组运行状态的监测与评估过程中。技术应用方法如下：

2.1 运行状态监测系统

本课题中，风电场的机组运行状态监测评估系统，为SCADA系统。系统功能主要包括“信息采集”、“远程控制”、“数据分析”等。系统依托JAVA进行程序设计，后台数据库系统为MySQL，以确保系统能够稳定运行。SCADA系统的具体功能如下：（1）信息采集：SCADA系统能够实施采集风电机组所处区域的自然环境数据（以风力、风向、风速数据为主），通过对数据的观察，调整风电机组的运行参数。以确保能够及时发现机组存在的异常，并及时给予维修。（2）远程控制：SCADA系统能够通过对数据的收集，通过预警的方式，使机组故障能够被维修人员及时感知，提高故障的维修效率[2]。（3）数据分析：SCADA系统能够将机组运行的历史数据，记录在数据库当中。并通过分析数据规律的方式，分析机组未来的运行状态。以确保有关人员可通过对机组的调整，提高其运行稳定性。

2.2 运行状态监测模块

风电机组的运行状态监测模块，由数据读取及参数设置模块、波形显示及故障分析模块两部分构成。数据读取及参数设置模块，能够实时读取机组运行及其周围环境的数据，波形显示及故障分析模块，能够以波形图的形式描述当前机组的运行状态，以供相关人员进行分析：（1）数据读取及参数设置模块：当监测人员登录到监测系统中后，可经系统直接读取数据库中的机组运行数据。为满足监测需要，监测人员可通过SCADA系统，对数据采集的频率、待采集机组编号进行设置。确保系统能够针对性的对数据进行采集，提高数据的可利用性。（2）波形显示及故障分析模块：由时间信号、时频分析，以及参数模块构成，可用于针对性的显示机组运行信息。例如：监测人员可选择2018年2月12日作为时间，选择“风速”作为监测指标，得到2018年2月12日的机组风速波形图，进而为有关人员判断机组故障提供参考。

2.3 数据及信号分析

时域信号、频域信号及时频信号，为显示风电机组运行状态的主要参数，均能够以图像的形式，呈现在SCADA系统之中。供检测人员通过对图像的观察，判断风电机组运行状态是否存在异常。以时域图为例，时域图为体现时域信号随时间变化为不断变化的规律的图像。将其应用到风电机组运行状态监测过程中，能够有效体现机组运行的平稳性。但需注意的是，时域图无法显示精确的采集数据。监测人员需利用统计学软件，对数据进行整理与分析，得到最终的信号分析结果。时域图分析过程中，信号的强度将能够反映风电机组的性能。信号强度的计算公式如下：

如时域信号较为复杂，则可将其采用以下公式表示：

根据上述公式，监测人员能够详细的计算出时域信号的强度。通过对信号强度的分析，既可大致掌握风电机组目前的运行情况。

2.4 运行状态监测方法

以大数据技术为基础的风电机组运行状态的监测与评估，借助SCADA系统实现，具体监测方法如下：（1）登录：监测人员应通过输入“用户名+密码”的方式，登录至SCADA系统当中。利用系统的多种功能，实现对机组运行状态的监测。（2）数据读取：SCADA系统中的数据，需存储于数据库当中。监测人员可在登录后，采用EXCEL格式，将数据以表格的形式导出，获取风电机组的运行参数。（3）参数设置：监测人员可分析待监测的数据，并将其输入至系统当中。在此基础上，判断数据是否为“空”或“零”。如参数异常，则表明数据能够设置成功。（4）选定并导入SCADA数据后，监测人员应根据监测需求，选择数据的展示模式。例如：如监测人员需观察进一个月的风力变化趋势，则可选择“曲线模式”，使风力的变化趋势，能够以曲线图的形式体现。进而通过观察相应图表的途径，对风电机组的运行状态进行评估。

2.5 大数据应用前后监测结果对比

为评估大数据技术的应用价值，本风电场对大数据应用前后风电机组的运行情况进行了观察，发现：（1）大数据技术应用前，风电机组1年内平均故障次数为5次，机组运行的稳定性较低，发电连续性差。（2）大数据应用后，进一步观察风电机组的运行状况发现，机组运行1年内，仅产生1次故障。该故障发生后，SCADA数据立即实现了预警。维护人员收到预警信息后，立即对故障展开了维修，使故障得到了及时的解决。对比发现，将大数据技术应用到风电机组运行状态监测过程中，能够有效降低风电机组的故障率。对于机组运行稳定性及安全性的提升，具有较大的推动作用。

3.结论

综上所述，本风力发电场以大数据技术为基础，对风电机组运行状态进行了监测与评估，在提高机组运行稳定性方面，取得了良好的效果。我国风力发电领域，可借助其经验，积极应用大数据技术设计信息化监测系统。通过实时采集风电机组功率、转矩及推力参数的方式，及时发现异常并给予调整。最终使发电的稳定性，以及机组的性能得以提升。

[1]郭鹏,姜漫利,李航涛.基于运行数据和高斯过程回归的风电机组发电性能分析与监测[J].电力自动化设备,2016,36(8)：10-15+25.

[2]李辉,胡姚刚,李洋.基于温度特征量的风电机组关键部件劣化渐变概率分析[J].电力自动化设备,2015,35(11)：1-7+19.