一种基于运行风功率曲线的阵列式风电场低效风电机组挖掘方法与流程

1.本发明涉及风力发电领域，特别涉及一种基于运行风功率曲线的阵列式风电场低效风电机组挖掘方法。


背景技术：

2.随着社会经济的不断发展，传统能源短缺已经成为制约社会经济发展的关键问题。作为清洁可再生能源的风电，具有储量巨大、分布广泛，且开发利用成本较低的优势，是清洁可再生能源中最具开发前景的一种能源形势。随着在运机组数量的急剧增长,因微观选址不精准、设备选型不合理、风机性能劣化、设备蠕变缺陷等因素造成风电机组投产之后部分机组发电量较低，风机运行数据及效益远远不及可研评估值和设计值的情况。
3.为了找出低效的风电机组，通常利用发电量、容量系数以及时间可利用率(time based availability，tba)等指标开展对标找差工作，定位低效机组，针对性开展运维工作。上述指标和考核方法是业内经验的总结，对风电场的运维管理起到了重要的指导作用。然而由于风速风向的不稳定、不确定变化,使得风电机组难以保持稳定的风能转换状态,也直接导致了机组发电状态的不确定性。这两个指标在定位低效风电机组的时候，存在指向性不明显、责任方不明、难以定量衡量等众多问题。例如，同样2000小时发电量，大风年和小风年不可同日而语，所以在用发电量和cf作为考核指标时，人们往往只是简单地参照统计周期的平均风速，得到一个粗略的对比标尺，却掩盖了真实的风能和发电潜力。同样，tba也掩盖了风电机组的发电潜力的挖掘。据全球风能理事会和能源局统计，随着风机设备可靠性的持续提升，目前国内外大部分风电场的tba都达到了97％以上，可是不同项目间仍然存在很大的发电水平差异。欧美典型风场的平均年发电小时数达到2500小时，而国内风电场平均水平只有1700-1900小时左右，近乎一致的tba水平无法解释600-800小时的发电量落差。究其原因在于大风时停机1小时，往往比小风时停机10小时的损失还要多，单纯时间维度的衡量无法对由于停机造成的能量损失，因此也无法有效的对低效机组进行准确定位，因此提供一种基于运行风功率曲线的阵列式风电场低效风电机组挖掘方法来解决上述问题。


技术实现要素：

4.本发明的目的在于提供一种基于运行风功率曲线的阵列式风电场低效风电机组挖掘方法，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：一种基于运行风功率曲线的阵列式风电场低效风电机组挖掘方法，包括以下具体步骤：
6.s1、数据抽取：从scada数据库抽取1秒间隔的风机运行数据(包括风速、功率、桨距角、plc状态)；
7.s2、数据清洗：根据抽取的风机运行数据将其中的风机限电数据(plc给出限电状
态)、停机数据(plc给出停机状态或者待机状态)、故障数据(plc给出故障状态、维护状态)剔除后，生成十分钟间隔的数据；
8.s3、风功率曲线生成：将步骤s2中生成的数据采用iec61400-12-1标准提供的“bin法”构造风机的实际风功率曲线；
9.s4、低效机组挖掘：通过损失电量计算和功率一致性系数计算，实现对高损失电量机组、偏离设计曲线机组和性能劣化机组的低效机组挖掘；
10.s5、风机处理：将s4中挖掘出的高损失电量机组、偏离设计曲线机组和性能劣化机组进行标记并处理；
11.s6、发电量提升评价：对于处理后的低效机组，采用处理时间电前后的运行功率曲线对发电量提升进行评价，最后得出发电量提升比例。
12.优选的，在所述步骤s3中，构造的风机的实际风功率曲线是以修正后的标准空气密度下风速为参考，按照0.5m/s风速的整倍数进行区间划分，且每个区间以0.5m/s风速的整倍数为中心值，按照前后各0.25m/s进行连续划分，区间为前闭后开，划分完成的每个风速区间可表示为[v
ni-0.25,v
ni
+0.25)，其中v
ni
为该区间的中心风速。
[0013]
优选的，在所述步骤s4中，对高损失电量机组的统计方式为：
[0014]
(1)每周开展一次高损失电量机组挖掘；
[0015]
(2)将日平均损失小时数在前20％并且差异率大于5％的风机标记为高损失机组；
[0016]
(3)将日平均损失小时数在前40％并且差异率率大于5％的风机标记为中间损失机组，但已标记为高损失机组的风机不作处理；
[0017]
(4)挖掘过程中需要排除已经被标记为长停机组的风机。
[0018]
优选的，在所述步骤s4中，对偏离设计曲线机组统计的方式为：
[0019]
计算全公司所有风机的一致性系数f，以同机型内各风机的一致性系数f为集合，根据四分位法计算集合内限将一致性系数小于f
l
的风机标记为偏离设计曲线机组，挖掘过程中需要排除已经被标记为长停机组的风机。
[0020]
优选的，在所述步骤s4中，对性能劣化机组统计的方式为：
[0021]
计算全公司每一台风机连续十二周的一致性系数f，记为{f1,
…
,f
12
}，对{f1,
…
,f
12
}采用最小二乘法进行线性拟合，拟合的斜率作为性能劣化系数α。以同机型内各风机的性能劣化系数α为集合，根据四分位法计算集合内限将一致性系数小于a
l
的风机标记为性能劣化机组机组，挖掘过程中同样需要排除已经被标记为长停机组的风机。
[0022]
优选的，在所述步骤s6中，计算处理前的运行功率曲线pa，以及处理后的运行功率曲线pb，取评价时间段内风机实际经历的风速和实际功率，记为{vi,pi}，然后使用发电量提升计算公式和发电量提升比例计算公式分别进行计算对应的发电量提升量和发电量提升比例，同时评价时间段内要排出风机故障以及风机停机的时间段。
[0023]
本发明的技术效果和优点：
[0024]
(1)本发明采用风机的实际运行功率曲线，并基于实际功率曲线和风机经历的实际风速计算损失电量，在此基础上通过损失电量的绝对值来挖掘低效机组，避免了某些实际发电量虽高(单纯由于风资源好)，但损失电量高(例如发电效率低，频繁停机等原因造成
电量损失)的机组被漏掉，同时结合损失电量的差异率(相对值)，也避免损失电量虽高，但是由于风速条件好，实际相对的损失电量很小，提升空间很小的机组被反复挖掘；
[0025]
(2)本发明基于运行功率曲线提出了功率一致性系统的定义，功率一致性系数避免了单纯的比较功率曲线是偏高还是偏低，量化地考虑了风机在不同的风资源条件下的发电能力，能够避免偏离设计曲线挖掘和性能劣化挖掘出的风机具有较大的发电量提升空间；
[0026]
(3)本发明采用处理前后的功率曲线，结合风机经历的实际风速来对发电量提升效果进行评估，解决低效机组挖掘后缺少评估手段的问题。
附图说明
[0027]
图1为本发明方法流程示意图。
具体实施方式
[0028]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0029]
本发明提供了如图1所示的一种基于运行风功率曲线的阵列式风电场低效风电机组挖掘方法，包括以下具体步骤：
[0030]
s1、数据抽取：从scada数据库抽取1秒间隔的风机运行数据(包括风速、功率、桨距角、plc状态)；
[0031]
s2、数据清洗：根据抽取的风机运行数据将其中的风机限电数据(plc给出限电状态)、停机数据(plc给出停机状态或者待机状态)、故障数据(plc给出故障状态、维护状态)剔除后，生成十分钟间隔的数据；
[0032]
s3、风功率曲线生成：将步骤s2中生成的数据采用iec61400-12-1标准提供的“bin法”构造风机的实际风功率曲线；
[0033]
s4、低效机组挖掘：通过损失电量计算和功率一致性系数计算，实现对高损失电量机组、偏离设计曲线机组和性能劣化机组的低效机组挖掘；
[0034]
s5、风机处理：将s4中挖掘出的高损失电量机组、偏离设计曲线机组和性能劣化机组进行标记并处理；
[0035]
s6、发电量提升评价：对于处理后的低效机组，采用处理时间电前后的运行功率曲线对发电量提升进行评价，最后得出发电量提升比例；
[0036]
在步骤s3中，构造的风机的实际风功率曲线是以修正后的标准空气密度下风速为参考，按照0.5m/s风速的整倍数进行区间划分，且每个区间以0.5m/s风速的整倍数为中心值，按照前后各0.25m/s进行连续划分，区间为前闭后开，划分完成的每个风速区间可表示为[v
ni-0.25,v
ni
+0.25)，其中v
ni
为该区间的中心风速。
[0037]
在步骤s4中，对高损失电量机组的统计方式为：
[0038]
(1)每周开展一次高损失电量机组挖掘；
[0039]
(2)将日平均损失小时数在前20％并且差异率大于5％的风机标记为高损失机组；
[0040]
(3)将日平均损失小时数在前40％并且差异率率大于5％的风机标记为中间损失机组，但已标记为高损失机组的风机不作处理；
[0041]
(4)挖掘过程中需要排除已经被标记为长停机组的风机。
[0042]
基于运行功率曲线，建立基于风机损失电量差异率的挖掘指标，每周一零点后，系统自动根据最近一次的挖掘条件，挖掘上周全公司的高损机组。损失电量的差异率定义如下：
[0043][0044][0045][0046]
式中：
[0047]
d:损失电量差异率；
[0048]yt
：日平均理论发电小时数；
[0049]yloss
：日平均损失小时数；
[0050]et
：理论发电量合计；
[0051]eloss
：损失电量合计；
[0052]
p
rated
：额定功率；
[0053]
days：统计时段内的天数。
[0054]
理论发电量和损失电量已风机的运行功率曲线为基础，采用风机测风仪测得的风速进行计算，当风机无通讯或故障停机没有风速信号时，采用全场平均风速进行计算。
[0055]
在步骤s4中，对偏离设计曲线机组统计的方式为：
[0056]
计算全公司所有风机的一致性系数f，以同机型内各风机的一致性系数f为集合，根据四分位法计算集合内限将一致性系数小于f
l
的风机标记为偏离设计曲线机组，挖掘过程中需要排除已经被标记为长停机组的风机；
[0057]
采用一致性系数f来评价风电机组的运行功率曲线是否偏离设计功率曲线。每台风机的一致性系数f定义如下，取统计时间段内的风机的10分钟数据，对被标记为正常状态的数据按下式计算f：
[0058][0059]
式中：
[0060]
i为十分钟的取样点；
[0061]
n为时间段内的有效数据点数量；
[0062]
pd(vi)为第i个取样点的实际风速vi对应设计功率曲线的功率；
[0063]
pi为第i个取样点的实际功率。
[0064]
在步骤s4中，对性能劣化机组统计的方式为：
[0065]
计算全公司每一台风机连续十二周的一致性系数f，记为{f1,
…
,f
12
}，对{f1,
…
,f
12
}采用最小二乘法进行线性拟合，拟合的斜率作为性能劣化系数α。以同机型内各风机的性能劣化系数α为集合，根据四分位法计算集合内限将一致性系数小于a
l
的风机标记为性能劣化机组机组，挖掘过程中同样需要排除已经被标记为长停机组的风机。
[0066]
在步骤s6中，计算处理前的运行功率曲线pa，以及处理后的运行功率曲线pb，取评价时间段内风机实际经历的风速和实际功率，记为{vi,pi}，然后使用发电量提升计算公式和发电量提升比例计算公式分别进行计算对应的发电量提升量和发电量提升比例，同时评价时间段内要排出风机故障以及风机停机的时间段；
[0067]
发电量提升采用下式计算：
[0068][0069]
发电量提升比例采用下式计算：
[0070][0071]
上式中：pb(vi)为风速vi对应处理前运行功率曲线的功率。
[0072]
基于风机运行数据的风功率曲线(后文简称运行风功率曲线)通过安装在风电场的监视控制与数据采集(supervisory control and data acquisition，scada)系统采集得到的，针对具体机位选取其正常发电时间段内的10分钟间隔数据，考虑了风机实际运行条件下风速的高度随机性和波动性变化，以及风速变化时机组控制系统的响应，能够更准确的反应机组在实际环境条件下的发电性能；
[0073]
通过风力发电机组实际输出功率和风速得到的风速-功率曲线，根据其机舱10分钟风速匹配当月的实际功率曲线，计算这段非正常运行时间内的应发电量可以定位这段非正常运行时间的损失电量，可以更加准确定位问题，量化生产过程中的每个环节导致的损失电量，同时，通过对月度功率曲线的对比分析，可以有效定位偏离设计功率曲线和性能劣化的分析；
[0074]
因此，本发明基于风机实际运行数据，生成风功率曲线，并在此基础上，提出了一整套能够有效定位低效机组的方法
[0075]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。