一种基于空气密度的调节风机切入的新机制

邓永华 姜庆云

摘 要：风力发电机的自动控制水平是风机效率和可靠性的重要指标之一。目前的风机一般只将风速作为风机切入的判断条件。事实上，风机在运行过程中，风速切入主要由空气密度和风速的三次方的乘积决定。本文根据风能捕获和空气密度相关的思想，提出了空气密度调节的风机切入机制。这种机制在近乎零成本的投入下，可在低风速风场提高发电量约0.5%。

关键词：空气密度;切入风速;发电量

中图分类号：TM614 文献标识码：A 文章编号：1003-5168（2019）02-0038-03

A New Improving Energy Product Model of Modulating Wtg Cut-In Wind Speed by Air Density

Abstract： Automatic control represents one of the most important factors responsible for the efficiency and reliability of wind power conversion systems. Thus far， only the wind speed is considered as cut-in control mechanism. In fact， the cut-in requirement is determined by the ρv3， i.e. the air density times the cube of incoming wind speed， so the air density should be considered as the cut-in parameter. Based on this concern， a new model was suggested that the cut-in speed was modulated by the instant air density. This model can improve the energy product about 0.5% without any hardware cost at low speed wind farm.

Keywords： air density;cut-in wind speed;energy product

1 研究背景

風机切入风速的设定是检验风机质量的重要参数。现代风机电器系统大多采用变速恒频运行方式，同时不断追求最大的风能捕获（Maximum Power Point Tracking，MPPT）。李晶[1]、姚骏[2]、赵仁德[3]等提出了多种实现最大风能跟踪的控制方法，但缺乏对切入风速变化本身的关注。早些年，人们都将切入风速设定为相对较高的数值，因为早些年高风速风场居多，低风速阶段的发电量较少而不受到运营商的重视。近年来，高风速风场开发饱和，低风速风场得到快速发展，风机的低风速发电性能得到了关注[4]。低风速风机对切入风速非常重视，因为其需要风机在尽量低的风速下正常启动，保证正常切入，从而减少启动故障。

风机设计决定了风机的切入性能。同时，风机的切入与运行环境密切相关。之前，人们对风机切入风速的研究较少，一般都取固定值。本文指出，风机切入风速与风场运行环境中的空气密度密切相关。基于这一原理，结合不同季节空气密度不同，提出了一种新的风机切入调节机制。这种模式只需修改控制逻辑算法（几乎零成本投入），即可显著提升发电量。

2 空气密度调节的风机切入机制

空气密度是指单位体积内空气的质量。空气密度越大，空气中所携带的能量越多。风能捕获模型[5]为：

[P=12ρACpλ，βv3]                        （1）

式（1）中，[P]为可捕获功率;[ρ]为空气密度;[A]为风机扫风面积;[Cp]为风机的风能利用系数，其是叶尖速比[λ]和桨距角[β]的函数;[v]为风速。

由式（1）可知，可捕获功率[P]和空气密度[ρ]成正比。在相同风速情况下，空气密度越大的地方和季节，可捕获功率越高。

风机切入风速的最佳设定是：风机从气流中捕获的能量，刚好满足风机启动并网条件。对于已经树立的风机而言，扫风面积A和风能利用系数[Cp]等均为定值，则风机启动与[Cp·ρv3]相关。在风速变化较小的情况下，可认为[Cp]不变，则风速启动只与[ρv3]有关。对于空气密度大的地区和季节，切入风速可以设置得稍微小一些。

假设风机在某空气密度[ρ0]下风机设计切入风速为[v0]，则在某一时刻当地空气密度[ρ1]下，根据式（2），切入风速[v1]可以设置为式（3）[6]。

[ρ0v30=ρ1v31]                             （2）

[v1=ρ0ρ13×v0]                             （3）

根据式（3），已知某一空气密度下风机切入风速，即可计算实时的切入风速。

在大多数地区，空气密度随季节呈现较大变化[7]。以安徽某年度80m平均风速为5.32m/s的三类风场为例，该风场月度平均空气密度趋势变化如图1所示（左纵坐标轴）。假定该风场安装的风机在空气密度最小（七月份）的情况下，切入风速3.0m/s足以支持风机正常启动，那么在其他月份，根据式（3）得到的切入风速变化也如图1所示（右纵坐标轴）。

目前，大多数风机在一年内所有时间段都使用固定的切入风速。事实上，如图1所示，风机在空气密度较高月份完全可以采用较低的切入风速;在1月份，切入风速可以设为2.88m/s。由此根据该风场的测风数据推算，则每年可延长风机在风速3m/s附近的工作时间约200h。按照该延长时间内功率全部为30kW，全年满发小时数2 000h计算，则该策略可提升全年发电量的0.5%。

对于地处寒带的高风速风场（如中国的黑龙江、内蒙古，新疆等地），空气密度差异更大，冬夏季的切入风速设置要相差更大，则发电量提升效果会更加显著。

3 设计方案

假定在标准空气密度下，风机设定在某一空气密度[ρ0]下的切入风速为[v0]。

3.1 计算空气密度

3.1.1 方案一。如果风机设有空气密度传感器，则直接利用实时的空气密度[ρ]，根据式（3）来判断合适的启动风速v。

3.1.2 方案二。如果风机没有空气安装密度传感器，但具备温度和大气压强传感器，则根据理论气体公式（见式（4））[8]，利用实时的温度和大气压强，计算实时的空气密度[ρ]。

[ρ=BR×T]                                （4）

式中，[T]为空气实时空气绝对温度（K）;[B]为大气压强（Bar）;[R]为干燥空气的大气常数，[R]=287.05J/（kg·K）。

3.1.3 方案三。如果风机既无空气密度传感器，又无大气压强传感器，但具备温度传感器，则可以假设当地大气压强为定值，然后利用实时温度，根据式（4）来计算实时的空气密度[ρ]。这时，大气压强可根据当地大气压强年度平均值来设定，也可根据压强和高度的关系来设定当地平均气压。气压和高度的关系参见相关文献[9]。

3.1.4 方案四。如果风机不具备测量空气密度、大气压强和温度的所有设备，则可以根据当地年度空气密度变化趋势（可类似于二次曲線，如图1所示），拟合出空气密度变化规律，然后根据月份来对应插值得到近似的空气密度，或者记录每月空气密度数值进行调用。由于这种近似可能存在较大误差，所以设置参数时需要预留较大的阈值。

目前，大多数厂家风机具备外置温度传感器，所以第三种方案具有广泛的适用性。

3.2 计算实时启动风速

计算出实时的空气密度[ρ]后，根据式（3）和给定空气密度下的启动风速[v0]，即可计算实时启动风速[v0]。

4 结论和讨论

本文利用风场空气密度的变化特性，给出一种空气密度调节风机切入的新模式，并给出了4种设计方案。该模式只需要修改控制算法而不需要任何其他硬件投入，即可实现发电量的有效提升。在一个平均风速为5.32m/s的低风速风场，增加这种机制将带来0.5%的发电量提升。预期在空气密度变化更为显著的寒冷地带，发电量提升将更加显著。接下来，笔者将在寒冷地带做测试，以证实这种机制对发电量提升的贡献。

风机切入风速可能与多种因素有关，空气密度只是其中一个易于控制且非常显著的参数。进一步，笔者可以研究其他因素如湍流强度、入流角、天气对切入风速的影响，以及风场环境对风机控制的影响，并进一步优化风机控制，达到提升发电量的目的。

参考文献：

[1]李晶，方勇，宋家骅，等.变速恒频双馈风电机组分段分层控制策略的研究[J].电网技术，2005（9）：15-21.

[2]姚骏，廖勇，瞿兴鸿，等.直驱永磁同步风力发电机的最佳风能跟踪控制[J].电网技术，2008（10）：11-15.

[3]赵仁德，王永军，张加胜.直驱式永磁同步风力发电系统最大功率跟踪控制[J].中国电机工程学报，2009（27）：106-111.

[4]杨秀媛，梁贵书.风力发电的发展及其市场前景[J].电网技术，2003（7）：78-79.

[5] Tony Burton.风能技术[M].武鑫，译.北京：科学出版社，2007.

[6]International Electrotechnical Committee. IEC 61400-1： Wind turbines part 1： Design requirements[S]. International Electrotechnical Commission，2005.

[7] CARTA，Antonio J，MENTADO，et al. A continuous bivariate model for wind power density and wind turbine energy output estimations[J]. Energy Conversion & Management， 2007（2）：420-432.

[8]汪志诚.热力学与统计物理[M].北京：高等教育出版社，2008.

[9] Minzner R A. The 1976 Standard Atmosphere and its relationship to earlier standards[J]. Reviews of Geophysics，1977（3）：375-384.