基于SCADA数据的风力机功率曲线评价方法试验研究*

2020-08-05 05:03郭玉立
机械研究与应用 2020年3期
关键词:风力机风速区间

郭玉立

(湖南科技大学 机械设备健康维护湖南省重点实验室,湖南 湘潭 411201)

0 引 言

风能是一种洁净的可再生能源。近年来风力机产业发展迅猛。随着风力机装机量的增加,风力机事故频发导致运维成本逐年递增。因此,对风力机进行性能状况评价很有必要。国内外学者进行了大量研究:Jafarian等[1]采用神经网络的方法运用风速和空气密度估算风力机的发电性能;Julwan等[2]提出在复杂工程系统可靠性分析中概率方法的应用,采集定性的历史故障数据推断该系统的失效概率;Habibi等[3]通过分析SCADA数据对风力机的故障预警和性能退化提高了对风力机运行状态的监测;Lazakis等[4]根据风力机性能指标提出其运行状态中实际输出功率与标准功率相比可浮动的正常区间;Q.Han等[5]结合风电场存在的问题建立风力机可靠性评估理论与程序,提高了对风力机性能监测与掌控;Clemens等[6]研究了风力机性能退化与故障,提出基于风力机历史运行数据对其故障发生概率的推断;彭华东等[7]将神经网络理论应用到风电机组故障预测中,实现了故障类型与故障预测的判断;张穆勇等[8]针对风电机组故障数据样本数较少,提出了基于运行数据的风电机组可靠性分析与评估方法;张帆等[13]提出基于SCADA参数关系的风力机组运行状态识别,通过输入输出参数关系确定异常故障状态。以上这些研究仅是分析了能够体现风力机性能状况重要参数、风力机的主要部件故障诊断以及依据历史故障数据对其进行故障分析。在基于SCADA数据对风力机进行性能可靠度评估、考虑风力机性能参数的离散性以及对风力机性能综合评价方面有待进一步研究。

针对以上不足,笔者提出一种基于风力机SCADA数据中风速-功率的性能评价方法。首先对风力机SCADA原始数据进行数据预处理,以性能可靠性理论为依据、结合组合权重法构建风力机性能可靠度模型;其次,提出风力机功率离散度问题,计算风力机功率变异系数;最后,结合风力机性能可靠度与功率变异系数建立评分规则并通过算例验证了该方法的可行性。

1 风力机功率曲线可靠度建模

1.1 SCADA数据

风力机的工作原理是由风能引起叶片的旋转,由机械能转化为电能的能量转换过程。

风力机SCADA数据记录了各个部位较为全面的数据,其中功率可以直观的表现出风力机的运行状况。风力机的输入为风能,输出为电能。轮毂转速、风向等参数虽然对风力机的运行状况产生一定的影响但功率是产生电能的直接因素同时也是评价其性能状况的重要指标。笔者采取我国南方某风电场2 MW风力机为研究对象,图1为风力机风速-功率散点图;表1所列为2MW风力机参数。

图1 风力机风速-功率散点图

表1 2MW风力机参数

1.2 SCADA数据预处理

为提高风力机性能评价的精度,首先对风力机SCADA数据进行数据预处理,其中以下情况记录的数据应去除:

(1) 标准风速区间以外的数据。

(2) 停机、维修时的数据。

风力机的标准风速区间为3~22 m/s;标准风速区间之外的数据会对风力机的性能分析产生一定偏差。

风力机功率曲线是衡量其性能状况的重要指标。一般的风力机商业验收指标中要求标准风速范围内的的实际功率应不低于标准功率的90%[10]。图2为风力机SCADA数据预处理过的风速-功率散点图。

图2 数据预处理过的风力机风速-功率散点图

1.3 组合权重法风速区间划分

组合权重法是根据某区域内的样本数与样本总数的比值为该区域所占权重。将风速区间划分间隔为0.5 m/s,依次计算各风速区间所占总体的权重。风速-功率散点为样本,样本总数为N,以风速间隔为0.5 m/s划分n个风速区间,则:

N=N1+N2...+Ni

(1)

(2)

(3)

(4)

1.4 风力机功率曲线可靠度模型

依据性能可靠性理论,以及风力机的商业验收条件,风力机性能参数X(t)服从正态分布[10],且表示为单侧下限性能可靠度:

R(t)=P(x(t)≥XL)

(5)

式中:Φ为标准正态分布函数;XL为性能参数的下限;μt为x(t)的均值;σ(t)为x(t)的标准差。

风力机各风速区间风速-功率相互独立,得出风力机功率曲线性能可靠度为式(8):

(6)

Ri(Zi)=1-Φ(Zi)

(7)

(8)

式中:σi为i区间功率标准差;Ri(Zi)为i区间的性能可靠度;Zi是标准风速-功率曲线的正态标准化变量;PSi为i区间标准风速-功率曲线对应的功率值,可参照最小二乘法求出。风力机性能曲线的可靠度为式(9):

(9)

式中:Ri为i区间性能可靠度。

以风力机的实际使用性能对设计性能的满足程度为基准,参照性能可靠度理论以及风力机的商业验收条件,风力机的风速-功率样本点应不低于标准风速-功率曲线的90%。图3为风力机某风速区间风速-功率样本的合格与不合格散点图。

图3 风力机某风速区间合格样本散点图

2 风力机功率离散度评估

2.1 问题来源

风力机功率的离散度也是影响其性能优劣的重要因素。若风力机的功率满足标准风速-功率曲线的下限但波动性较大,则表明风力机稳定性较差。如图4所示。

图4 风力机风速-功率散点图

风力机功率离散度较大不符合运行状态平稳的要求,因此风力机功率的离散度也是评判其性能优劣的重要指标。

2.2 风力机功率变异系数

变异系数又称“标准差率”,是表示样本离散程度的统计量。变异系数为该区间内标准差与平均值的比值。

(10)

式中:Pi为i区间实际功率;CVi为i区间功率变异系数。

参照风力机标准风速-功率曲线将其划分为上限、中限、和下限三个区域,中限表示运行状况良好,上限和下限表示运行状况一般,在计算风力机实际功率的变异系数时允许上下浮动10%[10]。风力机功率变异系数CV如式(11):

(11)

3 风力机性能评分规则

风力机功率曲线可靠度是体现其性能是否达标的标准;风力机功率变异系数是衡量运行状态稳定的重要因素。由于两者之间相互独立且均是体现风力机运行状态的重要指标。本文将风力机的性能可靠度与功率变异系数相结合,并依据风力机质量指标评定方法制定评分规则。其中评分T如式(12)所示;评分规则如表2所列。

表2 风力机性能等级评价规则

T=0.5CV+0.5(1-R)

(12)

4 算例分析

以我国南方某风电场2 MW风力机为研究对象,以1号风力机为例提取SCADA原始数据中的风速-功率并进行数据预处理,参照风力机商业验收条件得出各风速区间功率不合格样本数,如图5所示。

图5 1号风力机风速区间不合格样本数

结合性能可靠度理论计算出风力机各风速区间性能可靠度如表3所列。

表3 1号风力机风速区间性能可靠度

考虑风力机功率的离散型,经过计算得出1号风力机功率变异系数如图6所示。

图6 1号风力机各风速区间功率变异系数

风力机在运行中根据电网容量来控制是否对其进行限功率,当电网可容量不足时需要对风力机进行限功率。风力机的自由状态是指在不受任何人为控制下的正常运行,限功率是风力机处于不自由状态,因此风力机处于限功率状态时的输出功率应严格按照不大于功率限定值来衡量样本是否合格。

计算了风电场5台风力机各风速区间的性能可靠度折线图如图7所示;参照风力机性能评分结合性能可靠度与功率变异系数对其进行综合性能评价如表4所示。

表4 风力机综合性能等级评价

图7 5台风力机各风速区间性能可靠度折线图

由以上分析可知,基于SCADA数据中风力机风速-功率评价方法可以得出以下结论:①结合风力机标准风速-功率曲线与实际风速-功率曲线构建性能可靠度模型并得出性能可靠度,同时考虑风力机功率的离散型建立性能评分规则可直观表示出风力机的综合性能状况;②该方法同样适用于风力机处于停机或限功率状态;③参照风力机商业验收条件确定风力机稳定运行的风速区间,对风力机稳定运行环境条件的选取提供帮助。

5 结 论

(1) 提出了一种风力机SCADA数据中风速-功率的性能评价方法。以风力机的实际使用性能对设计性能的满足程度为基准,结合性能可靠度理论建立风力机性能可靠度模型。

(2) 参照风力机性能参数并进行SCADA数据预处理,结合组合权重法计算各风速区间所占权重。

(3) 考虑风力机的综合性能状况,提出功率的离散度问题并以风力机功率变异系数为评价指标。对评价风力机运行状态的稳定性具有重要作用。

(4) 结合风力机性能可靠度与功率变异系数,建立风力机性能评价规则并进行等级评价。对掌控风力机运行状态具有重要益处。

猜你喜欢
风力机风速区间
你学会“区间测速”了吗
基于最优TS评分和频率匹配的江苏近海风速订正
基于时间相关性的风速威布尔分布优化方法
全球经济将继续处于低速增长区间
基于GARCH的短时风速预测方法
快速评估风电场50年一遇最大风速的算法
区间对象族的可镇定性分析
大型风力机整机气动弹性响应计算
小型风力机叶片快速建模方法
大气湍流度对风力机翼型气动噪声的影响