基于遠程集中監控系統風電機組智能啟停的研究與應用

方志寧 渠葉君

摘 要：風能作為一種可再生的清潔能源，風力發電與當地的氣候條件緊密結合，風速的隨機性和間歇性決定了風電機組的運行狀態的隨機性和波動性，即風電機組的運行狀態會隨著風速的隨機變化而不停的變化。而風電機組的啟停無序會帶來較多的的安全隱患，不利于風電場穩定經濟運行。為了改善風電機組在運行狀態和停機狀態之間頻繁切換的情況，最大限度的降低機組啟停過程中的自耗電，延長重大部件的使用壽命，實現機組高效能運行，基于遠程集中監控的風機風電機組智能啟停系統很好的解決了這個問題。本文首先介紹了風電機組智能啟停的總體設計，然后針對風電場實際運行中對機組啟停以及功率控制的要求，結合機組狀態監測和氣象數據預測系統，利用自學習算法制訂機組啟停策略，實現風電機組智能啟停。機組智能啟停的實現對優化機組啟停計劃優化、提高風資源利用率，改善風電場整體的經濟運行效率具有良好作用。

關鍵詞：集中監控；風電機組；啟停系統；研究

中圖分類號：TM614 文獻標識碼：A 文章編號：1671-2064（2018）08-0173-02

近年來，大力發展可再生能源是我國能源的發展戰略，以風能為動力的風力發電場正在大量地被規劃興建，我國風電裝機容量己實現翻番式增長，在全國發電裝機結構中所占的比例逐步上升，特別是根據國家《可再生能源發展“十二五”規劃》中提出，到2020年全國累計并網風電裝機達到2.0億千瓦，表明了中國風電發展的巨大潛力。我國的風電裝機容量更是突飛猛進，截至2017年08月底，裝機總量達到17732.2萬千瓦，正式成為風電裝機世界第一大國。雖然我國風電近些年取得了蓬勃發展，但風電場現場人員生活質量較差、風能利用率較低及風電場經濟運行水平較低等，已成為目前風電場運行過程中普遍存在問題[1]。通過建立遠程集中控制中心，將分散的風電場集中監控，完成對風電機組實時狀態監測和實時氣象數據的采集，實現風電機組啟停的智能化管理，不僅可以改善運行人員的生活條件，還可以合理利用風資源，提高風電場的經濟效益[2]。因此，對機組的啟停進行管理非常有必要，安排機組啟停和出力，減少機組的不必要啟停操作，使得機組啟停最優化，降低風機啟停自耗電，延長風電機組發電機、變頻器、變漿系統、接觸器等關鍵大部件使用壽命，節約運行成本，對實現經濟化和智能化運行具有重要意義。

1 風電機組智能啟停總體設計

1.1 設計需求

（1）通過全面機組智能啟停預判與控制，解決身處偏遠山區風場運行值班人員的工作和生活問題，體現了公司的人性化管理理念，提高員工生活質量，解決人員流動性大的問題；（2）通過機組設備集中啟停預判和控制，同時結合深度氣象預測數據及機組健康狀況，實現風資源利用的合理化，全面提升風資源的利用效率，優化運行方式，降低機組自耗電，提高風電場發電量；（3）通過機組設備集中啟停預判和控制，實現單機、批量啟停機組，可以一個運行人員控制多臺風機，實現區域集中管控，無人值班、少人值守的運維管理模式，減少人為操作失誤，全面提高設備的可靠性。

1.2 總體結構

基于遠程集中控制系統，結合狀態監測和深度氣象預測共同實現機組的啟停管理，并利用數據挖掘技術和人工智能技術，通過自學習、自分析、自驅優等算法模型優化機組運行方式、優化對風角度、優化啟停策略，通過不斷的數據積累、歷史數據比較，平臺不斷自學習、優化知識庫、提高啟停判斷準確性，智能啟停結構圖如圖1所示，解決風電場運行的瓶頸問題[3]。

（1）自分析：自動分析風機狀態，實現啟停并給出建議。（2）自驅優：通過計算與比較，自動優化運行方式、優化對風角度、優化啟停策略。（3）自學習：通過不斷的數據積累，歷史數據比較，優化知識庫，提高啟停準確性。

2 遠程集中控制系統

遠程集中控制系統將分散的各個風電場集中監控，方便了對眾多風場的生產管控，節約了人力成本和基建投資，又增強了管理人員對各風場運行情況的掌握，并能為領導對設備選型及投資提供決策依據，還為實現機組智能啟停、智能報警、健康管理奠定了基礎，是提高風電場及風電機組管理效率的有效方法[4]。

2.1 機組狀態監測

實時狀態監測系統是實現智能啟停的基礎，風電機組運行狀態監測評估與SCADA系統大數據相結合。利用風電機組實際運行數據，對風電機組的風特性、功率特性等性能指標進行分析與評價。從風速、功率、溫度、振動、轉速等多個維度，進行SCADA運行數據趨勢分析和相關性分析，采用趨勢分析方法對風電機組進行溫度監測和振動監測，利用相關性分析方法深入探究各性能參數之間的關聯關系。為風電機組的運行狀態監測提供了有效的分析手段。通過對SCADA系統提供的大數據及分析、挖捆，發現運行參數的變化規律及特點，探索各運行參數間的關系，為機組智能啟停提供狀態依據[5]。綜合氣象數據監控圖2所示：

2.2 氣象信息預測

通過借助精準氣象數據，全方位預測風資源分布及趨勢，大幅提升風資源預測的準確性，合理化指導生產計劃；運用合理化的設備智能啟停控制，設備狀態視情維修方法，全面提升風資源的利用率。典型業務應用：深度氣象數據、風電場潮流分析、精準氣象預測、設備智能啟停預判、設備狀態視情維修等。進一步挖掘并提供天氣要素敏感的風電業務關鍵指標的高精度預報，提供極端氣象時間的人員工作和設備運行預警，降低現場工作安全和設備運行風險，提升精益化管理水平和未來的電能交易決策能力。資源情況分析主要指風資源分析，也包含溫度、天氣、濕度等分析歷史情況，為風機啟停預判提供數據支撐[6]。數據預測與分析圖3所示。

3 智能啟停系統的實現

機組啟停是風電機組運行過程中耗能較高的階段，且機組的頻繁啟停會影響風電機組發電機、變頻器、變漿系統、接觸器等關鍵部件使用壽命。風機智能啟停系統不僅可以改變設備較多人員監管不完善的現狀，還可最大限度的降低機組啟停過程中的耗能，實現機組高效能運行，改善機組在運行狀態和停機狀態之間頻繁切換的情況，節約運營成本，增加風電場的經濟效益。風電機組智能啟停系統是基于遠程集中監控，結合風電機組實時狀態和氣象預測數據，利用算法分析決策達到機組啟停的智能化，實現機組設備的預控和可控能力，提高風資源利用率，為實現“集中管理、無人值班、少人值守”的運維管理模式奠定了基礎[7]。

3.1 實現過程

智能啟停的實現是通過數據平臺、天氣預測及風功率預測系統的結合，根據各個風機校準后的實時有效風速、實際切入切出風速、風電場短期和超短期風功率預測數據、并結合當地的氣象因素和檢修計劃、以及相關歷史數據，自動分析風機狀態，針對不同地形、風場、型號的機組制定啟停策略，并通過計算與比較，自動優化運行方式、優化對風角度、優化啟停策略，實現機組的智能化啟停，利用算法評價指標召回率來評價啟停預判的準確度，一般要求預判準確率達到80%以上，并通過不斷的數據積累、歷史數據比較，不斷自學習、優化知識庫、優化啟停策略，提高啟停準確性[8]。

3.2 判斷依據

啟停判斷準確度是根據召回率來計算結果來判斷。召回率是一種數據挖掘分類算法評價指標，為提取出的正確信息條數與樣本中的信息條數的比值，recall=TP/（TP+FN）（TP：被正確地劃分為正例的個數，即實際為正例且被分類器劃分為正例的實例數；FN：被錯誤地劃分為負例的個數，即實際為正例但被分類器劃分為負例的實例數）[9]。例如：實現啟停且應該啟停的次數為A，未實現啟停但是應該啟停的次數為B，則啟停判定的召回率recall=A/（A+B）。

3.3 主要功能

（1）預判。系統根據大數據及機器學習計算及分析結果，實現對設備智能啟停的預判，同時在系統中提供在線的啟停控制提醒功能，方便監盤人員第一時間預判和控制發電設備，全面提升設備利用率。在線提醒內容包括風場名稱、風機編號、智能啟停原因、最佳啟動時間、設備重要運行參數信息、故障信息，預警信息、批量控制操作等內容。（2）啟停。基于智能啟停預判數據，設備啟停控制具備嚴格的安全防護策略，對于不符合安全防護策略的控制操作，系統將不予執行，并給予重要性的安全提示。分為實時推薦啟停和計劃推薦啟停，實時推薦啟停風機主要是根據實時風速、短期和超短期預測風速的變化來給值班人員推薦需要啟停的風機，該功能需要實時性強，準確性高，并結合控制功能由值班人員人工篩選后，進行指紋確認，并根據操作生成記錄。計劃推薦啟停風機功能，主要是根據未來3天、7天、一個月或更長時間的天氣預測情況，并結合歷史天氣情況，并根據風機的部件全生命周期管理來制訂啟停計劃，并生成啟停計劃報告，并為機器學習中監督學習發提供有效標記。（3）調整。根據風機智能啟停預判來實現檢修的調整，通過實時人員定位及檢修時機調整，能夠合理化的安排距離最近的人員，避免在大風天氣進行定期檢修，提高發電量。（4）轉換。實現風機運行、故障、維護、待機、限電、離線等狀態之間的及時轉換，提高風機狀態轉換及時率，降低廠用電量[10]。

通過啟停準確性的判斷，利用自驅優、自學習等人工智能技術實現對啟停策略的校正，智能啟停功能不僅降低了廠用電，還極大地方便了現場人員確定風機最佳檢修維護時間，避免有風或者大風天氣檢修，減少檢修損失電量。特別在春秋檢期間，一般風況優良天氣較多，使用此項功能，再結合電網計劃檢修安排，可以提前向申請調度最佳檢修時間，最大程度的減少了檢修維護損失電量。

4 應用及效果

（1）降低自耗電，提升發電量。通過計算時間段內自耗電與發電情況對比，如果自耗電大于發電，系統會由消息系統提供啟停策略，通知運行人員將風機轉為維護狀態，反之將風機轉為待機狀態，降低自耗電，提升發電量。（2）降低人員成本，提升經濟效益。綜合考慮人工費、交通費、生活費、辦公費等開支，節約基建投資，提高場站經濟效益。（3）降低操作失誤，提高設備可靠性。解決了設備較多人員監管不完善的問題，減少人為操作失誤，全面提高設備的可靠性。

參考文獻

[1]郭廷貴.大唐重慶分公司區域電站集控中心建設與運營[J].中國高新技術企業，2014，（26）.132-134.

[2]孫冬明，付聯卿.淺談集控中心精益化管理[A].2011年云南電力技術論壇文集[C]，2011.

[3]郭曉玉，鮑慧，劉春玉.基于B/S的綜合自動化遠動信息管理系統研究[J].電力系統通信，2006，（1）：48-50.

[4]劉桂龍，王維慶，常喜強，蔡靜靜.基于延時控制器的風電機組啟停分析[J].華東電力，2011，（6）：989-992.

[5]郭廷貴，大唐重慶分公司區域電站集控中心建設與運營[J].中國高新技術企業，2014，（26）：132-134.

[6]譚忠富，鞠立偉.中國風電發展綜述：歷史、現狀、趨勢及政策[J].華北電力大學學報：社會科學版，2013，（06）：42-48.

[7]王茜，楊文娟.中國風電發展歷程及相關建議[J].風能，2013，（06）：42-48.

[8]趙飛.風電場遠程集控中心的設計與應用[J].科技展望，2015，（09）：92.

[9]童超.基于掘方法的風電機組狀態監測研究[D].華北電力大學，2014.

[10]王羽.基于運行數據的風電機組狀態監測研究[D].華北電力大學，2013.