風電場智能化設計云平臺關鍵技術探討

齊向寧 魏健

【摘?要】科技的進步，促進人們對能源需求的增多。我國風電場經過20多年的發展，在很大程度上補充了電力能源的供應。近段時間以來，更多的小型風力發電場轉變成為較大規模的風力發電場，這樣一來，發電設備就呈現多樣性和復雜性的狀態，這就給風電場的運維管理帶來了極大的挑戰。本文就風電場智能化設計云平臺關鍵技術展開探討。

【關鍵詞】風電場;智能化設計;云平臺

引言

風電場選型、選址和建設條件日益復雜，風電場設計成為影響風電場開發成敗的決定性因素。受益于大數據技術、云計算等信息技術的飛速發展，大量的創新技術正成為風電場設計的重要基礎?；谌斯ぶ悄芎痛髷祿燃夹g的風電場智能化設計正在革命性地改變傳統風電設計行業，為平價風電開發提供有力的技術支撐。

1大規模風電場并網運行的特點

（1）風能的穩定性差。不同于其他情節性能源，風能屬于過程性能源，具有隨機性和不可控性，風向經常發生變動，并且風速具有不穩定性，因此這些不可控因素嚴重影響風力發電機的工作效率。為了能夠確保輸出電能的穩定性，風力發電機必須加裝調節風速和風向的控制裝置。（2）風能的能量密度小。風能的能量密度與發電機的風輪尺大小成正比例關系，為了確保在相同時間內風能的能量密度達到風電場并網前的發電容量，一定要確保發電機的風輪大小，一般要比未并網前大幾十倍。（3）風輪的效率較低。按照正常理論來講，風輪的最大效率大致保持在59%左右，實際可能會更低。最新統計顯示，水平軸風輪機最大效率維持在15%～45%，垂直軸風輪機最大效率在30%～35%。不難看出，雖然我國的風能資源比較豐富，但分布位置比較偏遠，大多集中在西北、華北和東北地區。根據分析風能以上的幾個特點，發現利用風能發電不是件容易的事?？偟膩碚f，風能發電要考慮的因素有很多，其中最關鍵的就是風能的不穩定性，如果風能轉化為電能直接并入電網，將會對電網的正常運行帶來一定威脅。（4）風能不能儲存。風能也是最不容易存儲的能源之一，所以要保持獨立運行風能發電機組供電不間斷，在保證持續供電的同時還要配備可存儲風能的裝置。

2風電場智能化設計云平臺關鍵技術

2.1基于大數據應用的智慧型風電場預測模型方法

風電場功率過去采用的預測方法是模擬整個風電場的功率輸出情況，建模簡單但是風電場功率預測精確度比較差。因為風電場中各風電設備相隔距離比較遠，所以風電場風機設備所處的氣壓、溫度、氣流和風向都不完全相同，導致最后風電場功率的預測結果與實際相差較大。所以智慧型風電場模型預測方法應該采用大數據技術，通過大數據技術對風電場中各風機設備的運行參數進行統計、整理和分析，找出風電場功率變化的規律，提高風電場功率預測的穩定性，有利于智慧型風電場的建立。

2.2 數據分析建模技術

在大數據環境下，面對海量數據的采集與統計，傳統的分析方法已無法滿足大規模數據集處理，需要基于數據平臺，利用分布式存儲和并行處理機制，建立大數據環境下的數據分析模型，由海量數據中提取出有用的信息特征，為風電機組、風電場的設計優化和運維策略提供支持。一方面，應綜合考慮質量成本、發電量損失、發電量可利用率（PBA）、停機時間、平均故障間隔時間（MTBF）、平均維修時間（MTTR）等因素，確定健康評估模型的建模和實施優先級;另一方面，需根據業務問題完成模型建模的需求分析，并選擇基于機理規則、數據驅動或二者結合的方法完成建模分析。

2.3一體化監控平臺

網絡微機監控系統作為升壓站電氣監控系統的常規設計方案，下設站控層、間隔層與過程層：站控層由操作員站、遠動裝置以及交換機和網絡接口設備等搭建監控后臺，實現整體的監控功能;間隔層由一體化監控平臺下各個子系統，如保護測控裝置、風機機組控制系統和巡檢終端等組成，各個子系統可完成獨立的監控功能。過程層由電流互感器、電壓互感器、測溫裝置、風機數據采集等就地裝置，完成電氣量的實時采集、設備運行狀態的監測和控制命令的執行。所述巡檢裝置集中在巡檢機器人、在線監測裝置、視頻終端以及一體化電源這 4 種類型，均可接入間隔層，海上升壓站配置的網絡微機監控系統可升級為一體化監控平臺，巡檢數據納入網絡監控數據中，由海底光電復合纜一并遠傳至陸上集控中心，實現對海上升壓站無人值守、少人巡檢、陸上集控中心實時遠程監控的去人工的巡檢方案。

2.4數字孿生技術

在設計仿真及產業化運行階段，風電機組實現了數字世界與物理世界的閉環映射及閉環驗證。基于風資源條件、機型平臺等級、子系統條件等設計需求完成仿真模型建模、控制器設計、載荷及動力學仿真設計、部件校驗。通過對樣機的安全功能測試、系統辨識、性能測試、載荷驗證等完成設計認證，實現與仿真設計的閉環確認。通過產業化機組的安全、性能、可靠性、子部件健康、系統裕度等評估，實現產業化機組表現與樣機的對比及與仿真設計的對比。基于閉環映射及閉環驗證，可進一步實現設計的優化、現場故障診斷及預警預測的目標。

2.5風電場模型數據預處理

（1）風電場氣象數據采集。大數據采集風電場氣象數據需要排除一些誤差較大的數據，保證風電場數據的精確度。大數據通過傳感器采集數據時會容易受到信道的影響導致氣象數據異?；騺G失，這些數據如果直接被大數據技術采集則會影響最終風電場功率模式的精度。所以氣象數據在使用之前應該經過預處理，將誤差氣象數據進行修正或者將缺失的氣象數據補全，保證氣象數據的完整性和原始性。在氣象數據的采集中應該測量風速、風向、氣壓、小時溫度變化、小時風速變化以及小時氣壓變化的值，然后進行數據預處理，保證氣象數據的完整性和精確性。（2）風電場歷史數據整理。風電場模型構建之后還要整理其歷史數據，然后將歷史數據與當前測量的風電場數據進行比對，剔除誤差較大的數據，防止在構建模型的過程中出現矛盾數據。在歷史數據整理之后對預測結果進行預處理，將外力因素導致的錯誤歷史數據記錄剔除，防止風電場功率模型出現較大誤差。風電場處理歷史數據時可以根據風機生產廠家提供的風功率變化曲線將誤差較大的數據剔除，防止風電場功率容錯范圍過大，同時查看風電場風機的維修記錄，將維修時間內的歷史數據剔除，然后將此階段的歷史數據采用插值法進行補全，將歷史數據對風電場功率模型建立的影響因素控制在最小。（3）風電場數據歸一化處理。風電場氣象數據和歷史數據采集完成后需要對這些數據進行歸一化處理，即風速歸一化、風向歸一化、溫度歸一化以及其他因素歸一化。風速歸一化即（當前風速值 - 最小預測風速值）/（最大預測風速值 - 最小預測風速值）;風向歸一化即計算出風向值的正弦和余弦數值;溫度歸一化即（1+e（5- 當前溫度值）/10）-1;其他因素歸一化的值按照風速歸一化的歸一方式計算即可。

結語

隨著時代的發展，當今社會更注重綠色能源的開發，而傳統的發電廠多為火力發電，在發電的同時對周圍環境帶來了污染，但是風力發電則不會帶來污染問題。所以風能資源逐漸被開發利用，我國多地建設風電場將風能轉化為電能，在大數據技術下風電場逐漸向智慧型的方向發展。

參考文獻：

[1]劉超，盛科，楊佳元，等.風電場機組選型與微觀選址優化研究[J].風能，2019（8）：62-65.

[2]楊珺，張闖，孫秋野，等.風電場選址綜述[J].太陽能學報，2018（s1）：136-144.

[3]秦初升.基于全壽命周期成本的風電場工程規劃優化設計研究[J].水力發電，2019，39（5）：83-86.

（作者單位：特變電工新疆新能源股份有限公司）