风力发电机组机舱式激光测风雷达可用性评价

李颖， 雷熠， 莫尔兵， 王其君， 兰杰

（东方电气风电有限公司， 四川德阳， 618000）

1 激光雷达简介

近年来， 随着激光雷达技术的发展， 其在工业领域的应用程度得到广泛提高， 包括航天航空、汽车行业、 气象领域、 灾难预警、 城市交通安全等等。 在风能行业， 激光雷达在陆上和海上得到了越来越广泛的应用。 激光测风雷达主要运用在风场投资前期的风资源勘测阶段、 进行单机或风场级控制的运营阶段、 以及风机全生命周期内的功率特性测试等等。 然而， 由于激光雷达测风技术的数据有效性、 完整性以及成本较高等问题，并没有得到风电行业的普遍认可。

激光雷达是通过发出激光光束并检测碰到空气流场中的微粒或者气溶胶产生反向散射信号的一种激光多普勒效应风速计。 根据多普勒效应，在发出和返回的光束方向上， 给出了反射粒子速度分量的直接测量， 而这些测量信号的频率会发生变化。 激光雷达根据发出信号的类型又分为脉冲激光雷达和连续波激光雷达。 激光雷达测风原理存在一些前提性的假设， 而这些假设往往就是导致激光雷达测风数据完整性不高、 有效性不高的原因。 这些假设包括测量点分布空间内流场速度均匀， 空间中气溶胶颗粒均匀分布， 且空气流动主导粒子运动， 其运动速度为空气流动速度。因此， 空气中气溶胶颗粒的含量、 风场的天气状况会对激光测风雷达的测量造成较大影响。

2 激光雷达测风数据的对比分析

选取1 台安装机舱式激光测风雷达的风机，进行长期数据采集和分析。 测试风机位于内蒙古风场， 风场地貌属于坝上高平原地区的丘陵地段，测试时间为3 个月。 雷达选用某机舱式激光雷达，光束结构为4 光束、 采样频率为4 Hz。 此机舱式激光雷达提供记录风力发电机组机舱位置射出前方50~200 m 共10 个测量距离的风场信息数据。

2.1 激光雷达测风数据有效性分析

径向风速表示空间风矢量在雷达4 个激光束的投影风速， 是雷达的原始测量数据。 轮毂高度处合成风速为4 个激光束在某个距离点测得风速信息的合成风速， 因此， 轮毂高度处合成风速的有效率能够反应4 光束同时被遮挡的情况和信噪比随距离变化的情况， 也能反应激光雷达测量风速数据的可用程度。 定义nνhub为轮毂高度处合成风速的有效数据（排除采集周期内NaN 的数据）， n为采集数据的总数。 （影响激光雷达系统数据可用性的任何条件不包括在内： 电源中断、 自然行为导致的系统损坏、 通讯中断、 维护等等。 ）则激光雷达测量风速数据的有效率计算公式为：

数据可利用率定义为在整个时间戳范围内的可用的合理性数据nνhub_R（排除采集周期内偏差过大数据， 排除NaN 数据） 占有效数据的百分比。（影响激光雷达系统数据可用性的任何条件不包括在内： 电源中断、 自然行为导致的系统损坏、 通讯中断、 维护等等。 ）则激光雷达测量风速数据的可利用率计算公式为：

通过对激光雷达数据进行有效性和可利用率计算， 如表1 所示， 说明激光雷达风速信息的可利用率满足需求， 但在整个观测期内的有效率不高， 超出可接受范围， 不建议作为实时控制的输入信息。

2.2 激光雷达测量不同距离的风速风向相关性分析

由于测试雷达的测量范围为50~200 m， 对相近测量距离的数据进行对比， 分析雷达自身数据的关联性， 从而确认雷达本身数据的可靠性和正确性。 测试数据选取2019 年 12 月至2020 年 2 月共3 个月的数据， 在保证数据为相同时间段内的滑动平均值、 数据无时移的前提下， 筛选掉无数据和不合理数据， 进行激光雷达射出距离分别为50 m、 60 m、 80 m、 100 m、 120 m、 140 m、 160 m、 180 m、 190 m、 200 m 共 10 个距离段两两相近距离（共9 个比较结果）的风速/风向时序对比和相关性分析。 相关性分析采用线性回归算法模型进行曲线拟合，并用最小二乘法求解损失函数的最小化问题，拟合程度的评估值用判定系数R2表示。

此线性回归预测模型可定义为假设存在一条最佳拟合的直线方程： y=ax+b， 对于每一个样本点Xi代入直线方程， 可得到预测值Y^i=aXi+b。 且样本真实值Yi与预测值Y^i的距离要尽可能的小。则此问题就是最小化损失函数即可以定义为每一个样本点和预测值的距离总和最小， 即：

式中n 为样本数量。

通过此模型拟合方法将每个10 个距离分段数据共9 组对比结果计算得出的模型拟合函数和判定系数如表2~3 所示。

表2 10 min 平均风速相关性分析表

表3 10 min 平均风向相关性分析表

10 分钟平均风速/风向时序图不同距离进行了对比。

对比数据分析显示， 激光雷达测得不同距离处风速/风向的相关性程度高， 纵向说明了雷达设备本身测量数据的可靠性与真实性。 后续还需要将雷达数据与机舱风速计、 机舱风向标进行横向对比， 确认不同测量设备测量数据的相关程度。由于雷达不同距离相关性程度高， 只需要将距离风轮面最近的50 m 雷达风速数据与机舱风速计、机舱风向标进行对比即可。

2.3 激光雷达测量风速风向与机舱风速计风向标数据相关性分析

现阶段， 单台风力发电机组测量风速风向，往往选取经济性高的机械式或超声波风速计。 那么机舱式激光测风雷达的测量数据需要跟同类产品的测量数据进行横向对比， 确认其关联程度，从而确认雷达测得风速风向的真实性。 同样地，选取相同时间段雷达数据与机舱风速计和风向标数据进行采集， 剔除掉无效数据， 采取线性回归模型对其相关性进行分析可以得到风速风向时序图对比和相关性分析图， 如图1~2 所示。

以上数据分析表明， 激光雷达与机舱风速计测得风速相关程度较高， 但激光雷达与风向标测得风向数据相关程度较差，拟合程度只有0.525 2。

3 激光雷达测风数据的应用分析

激光雷达根据安装位置又可分为机舱式、 地面式。 根据不同的应用场景， 选取不同类型的激光雷达。 比如， 地基式激光雷达可作为测风塔的替代方案， 进行微观场址的风资源评估。 而机舱式激光雷达可进行单台风机的风速预测， 进行前馈控制、 尾流控制等。

3.1 单台风机的偏航误差校正

单台机组可以通过离线或在线的方式， 收集一段时间的数据量进行单台机组的偏航校正。 根据雷达测得的水平距离50 m 处的风速和风向分布关系， 分布图如图3 所示。

图3 雷达测量风速/风向分布图 （10 min 风速）

根据风速风向分布， 定义偏航角度误差计算公式为：

式中Di为每个有效风向，νi为每个有效风速。

通过采集3 个月10 min 平均风速风向数据，可计算出该风机的平均偏航角度误差为+0.846 7°（雷达风向数据以雷达射线方向左边为正）。 此误差通过一段时间数据采集统计， 由修改主控参数实现。 此方法可以与设备定检同步进行， 间隔一段时间校正偏航误差， 提高全风场对风精确度，从而提升机组的发电效率。

3.2 单台风机的功率曲线对比

采集1 个月的雷达风速、 机舱风速计风速、有功功率的数据进行分析。 筛选掉无效数据的前提下， 通过对测试风力发电机组雷达测得10 min平均风速与机舱风速计测得10 min 平均风速进行功率曲线对比数据， 可以看到， 在同等功率下，机舱风速计统计的功率曲线比雷达统计的功率曲线有1 m/s 左右的过高估计， 如图4 所示。 而在激光雷达风速、 风速计风速的时序对比中不难看出，风速计风速时序图略高于激光雷达测得风速时序图。 由此可见， 风速计测得风速无论作为秒级数据查看机组运行曲线， 或者用作10 min 平均数据作为机组功率曲线统计， 过高的风速估计会导致功率曲线过低。 而激光雷达数据在数据准确度方面优势较为明显， 统计功率曲线更具优势。

图4 风速计与雷达测风功率曲线对比图

4 结论与展望

本文通过对机舱式测风雷达数据进行多维度多角度的初步分析， 并对雷达数据在风力发电机组的应用进行举例分析， 评价雷达在风能行业的可用性程度。 就3 个月试验数据而言， 可得出以下结论：

（1）机舱式激光雷达在测量范围内的相关程度较高， 风速信息的判定系数高达0.99 以上， 风向信息的判定系数>0.95， 不同距离的测量数据准确程度较高。

（2）激光雷达与机舱风速计作对比， 从时序图看， 机舱风速计测量风速普遍略高于激光雷达测量风速， 从拟合曲线看， 风速相关性较好， 判定系数为0.945 5。 但风向数据的关联程度较差， 判定系数只有0.525 2。 可以看出， 轮毂高度处的来流风向经过风轮面扫风后， 已经发生了较大改变。

（3）激光雷达测量风速风向的数据有效性、 完整性较低， 其中轮毂高度处合成风速的有效率并未达到统计指标的可接受范围， 而机舱风速计的测量数据完整性高。 激光雷达测得风速是风轮面前方的风速信息， 但由于风轮遮挡和空气气溶胶颗粒不足等原因导致雷达测得风速风向存在无效数据。 因此， 雷达数据作为风机单机控制的风险较大。 而机舱式风速计测得风速风向为风轮面后的尾流， 虽然数据完整性较高， 但精准程度存在较大误差， 并非实际风轮面的来流风速。

（4）根据实际雷达数据的应用与雷达有效性相结合分析，雷达数据完整性程度不高， 不建议作为实时控制的测量信号。 但由于其数据的准确性较高， 对于有一定时间间隔的离线控制或数据分析具有一定指导意义。

综上所述， 在风能行业， 激光雷达具有测量范围大、 运用场景多、 数据准确性高等优点， 但由于数据完整性、 有效性不高， 市场价格高、 设备寿命短等特点， 许多整机厂商认为其设备作为风机控制信号还需观望。 但在科技高速发展的今天， 随着产业配套的加速发展， 相信不久的将来，雷达测风设备可以像车载雷达一样， 成为风电机组的标准配置， 为智慧风电做出必要的贡献。