風力發電機組對風偏差檢測算法研究與應用

李 闖， 田春華， 劉家揚， 崔鵬飛， 蔣 偉

（北京工業大數據創新中心有限公司， 北京 100083）

0 前言

風電機組對風偏差是由于風向標安裝誤差、電器測量、尾流影響等因素造成的機組對風偏差。偏航對風偏差會造成機組發電效率降低， 當對風偏差為10°時，機組發電功率約降低4.5%[1]。 另一方面，當出現偏航偏差時，機組將受到單側偏離主軸軸向的作用力， 該作用力將使主軸輕微偏離中心軸，形成大風機械振動。 如此長期運行，會造成主軸磨損、 齒輪箱齒面磨損、 機組對中位移等問題，嚴重影響機組壽命。 因此，定期排查風電機組對風偏差，及時對偏差進行矯正，不僅能夠提升機組發電性能，提高風電場發電量，還能減少大部件磨損，延長機組使用壽命。

風電機組葉輪在正對風時， 風能的吸收效率達到最高， 大型機組通常采用主動偏航控制系統來保證機組對風（圖1）。

圖1 風電機組對風偏差示意圖Fig.1 Principle of yaw error of wind turbine

偏航對風偏差按照成因不同， 分為靜態偏差和動態偏差。靜態偏差由風向標固定安裝、電氣測量和擾流影響造成。 動態偏差由風湍流和偏航系統響應延遲造成。 本文提出的對風偏差檢測算法僅用于機組的靜態偏差測算。

目前， 有關偏航的研究主要集中在偏航系統控制策略領域[2]，[3]，且均是假定傳感器測量結果的統計均值是準確的， 未對傳感器本身存在偏差的問題做檢測優化。 文獻[4]提出對發電功率和偏航對風角度進行擬合， 把擬合曲線的極大值對應的角度作為對風偏差，但并未說明具體的擬合算法。

針對上述問題， 本文首先提出基于分位數擬合的對風偏差算法， 給出算法步驟的詳細描述以及在河北某風場的應用效果；其次，給出算法應用系統的功能設計， 包括偏航對風偏差應用的具體功能和系統的整體流程框架。

1 對風偏差檢測算法

1.1 算法原理

偏航對風是否存在偏差主要體現在相同風速下，對風角-功率曲線極大值點的偏移量（圖2）。由圖2 可知：正對風時，如圖中實線，極大值中心線靠近0°對風角；正偏和負偏分別對應右側和左側的虛線。 因此，只要搜集足量數據，在很小的風速區間內（近似認為風速不變），擬合出對風角-功率曲線，然后找出功率最大值對應的對風角度，即是所求對風偏差。

圖2 偏航偏差與對風角-功率曲線極大值的對應關系Fig.2 The correspondence between yaw error and maximum of relative wind direction-power curve

實際執行擬合時，因尾流效應和隨機波動，給風速測量值帶來不平穩噪聲，因此，需要擬合算法具備很強的魯棒性。 本文引入分位數回歸進行曲線擬合[5]，[6]，相比于 OLS（Ordinary Least Square）算法，分位數回歸放松了模型隨機誤差0 均值、同方差的假設，并具有缺失值不敏感的特點，能更加精確地描述自變量對因變量的變化范圍。 假設隨機變量的分布函數為

Y 的 τ 分位數的定義為

對于 Y 的一組隨機樣本{y1，y2，…，yn}，ξ 為模型預測值，分位數回歸要滿足：

式中：ρτ（u）=[τ- I （u<0） ]。

I（z）為指示函數，即 z 為真時 I（z）=1，否則為 0。

若Y 由k 個自變量線性表示：

則參數估計問題可轉換為

該問題的參數估計方法采用內點算法[7]。 中位數回歸是分位數回歸算法的特例，即τ=0.5，本文使用中位數回歸進行對風偏差問題求解。

1.2 算法流程

風電機組對風偏差算法， 基于機組運行SCADA 數據，以單臺機組為顆粒度執行，具體分為五步。

第一步：單臺機組數據獲取。

搜集機組SCADA 運行數據和機組保障功率曲線。

①運行數據：選取最近1～3 個月的SCADA 數據，時間粒度在秒級到分鐘級，用于保證后續步驟有足夠的數據進行統計分析。時間顆粒度越細，選定的數據時間范圍可以越小。 數據字段包括：時間、對風角度、風速、功率、槳距角、機組運行狀態（包括運行、停機、限電等）。

②理論功率曲線： 機組生產廠家給出的擔保功率曲線。

第二步：數據預處理。

包括零方差數據刪除和風速平滑。

①數據異常原因主要包括： 機組運行狀態異常，如停機、限功率；數據采集異常，如風速儀結冰，連續多點數值不變等。

停機異常易于判斷， 但降功率異常或小風速高功率異常，則需要借助理論功率曲線完成。具體方法是， 過濾與理論功率曲線功率相對誤差絕對值大于某閾值的點， 設過濾前風速功率散點為（vi，pi）， 使用機組理論功率曲線樣條內插值得到的對應點為（vi，p′i），則過濾條件為

式中：T 為濾波閾值，通常0

②風速平滑采用指數平滑法， 對風速進行過濾，平滑因子的取值為0.1～0.4。

第三步：風速分倉。

按照風速把數據集劃分成若干風速倉， 分倉過程分為兩步。

①曲線爬坡段選取： 為了避免槳距角變化對功率的影響，僅選取功率爬坡階段的散點，選取從切入風速vin到額定風速vr之間的數據， 通常在3～8 m/s。 此階段槳距角不變，且保持最大風能吸收。

②風速倉劃分：在[vin，vr]之間，以 w 為間隔，將風速劃分成M 個連續的數據倉[vin-w/2，vin+w/2]，[vin+w/2，vin+3w/2]，…，[vin+（2M-3）w/2，vin+（2M-1）w/2]，并取第j 個風速倉的代表風速vj為倉邊界均值，風速倉中的第i 個數據點為其中 α 為對風角度。為了滿足艙內數據風速不變的假設，風速倉寬度w 理論上越小越好，但分倉數目太多會導致落在每個倉內的數據變得過少， 不利于檢測算法計算，通常0.1≤w≤0.5。

第四步：回歸模型建立。

為找到風速倉內最大功率對應的對風角度，需對風速倉內的數據進行回歸。 本文采用中位數回歸算法進行回歸，這里選用拋物線為模型結構，則風速倉vj內所有的擬合模型定義為

繪制式（2）的示意曲線（圖3），正常情況下，kj<0 拋物線開口向下，bj是功率最高值，與之對應的就是要求解的對風偏差。

圖3 對風角功率擬合曲線Fig.3 Fitting curve of relation between relative wind direction and power

第五步：對風偏差計算。

權重的選取考慮了風速與功率之間的非線性關系，風速越高貢獻越大。

1.3 測試效果

以河北某風電場25 臺2 MW 機組為例，取2018 年12 月數據進行對風偏差測算， 該風場的SCADA 數據為7 s 間隔， 機組切入風速為3 m/s，額定風速為10.5 m/s，設定風速倉大小w=0.5 m/s。風場25 臺機組測算的對風偏差結果如表1 所示。其中2 臺機組對風偏差絕對值大于8°，評級為嚴重偏差；6 臺機組介于4～8°，評級為輕微偏差；17臺機組小于4°，評級為正常。

以WT17 機組為例，根據切入風速、額定風速和w，劃分出16 個風速倉，在每個風速倉計算出風速倉偏差結果，最后由式（3）計算綜合偏差α0=-6.7 °（表 2）。 進 一 步 取 WT17 機 組 vj為5，5.5，7，7.5 m/s 的 4 個風速倉，繪制對風角-功率擬合曲線（圖4）。 由圖4 可知，擬合曲線較好地反映了功率隨對風角的變化，且在4 個風速倉中，對風偏差計算結果較為一致，均為-8°左右。

表1 風電場25 臺機組對風偏差測算結果Table 1 Yaw error detection results of 25 turbines in one wind farm

表2 WT17 號機組對風偏差測試結果Table 2 Yaw error detection results of turbine WT17

續表2

圖4 WT17 機組在4 個風速倉內的對風角-功率擬合結果Fig.4 Fitting results of relative wind direction - power curve of WT17 within 4 wind speed bins

2 應用系統設計

基于對風偏差檢測算法， 設計了風電場偏航對風監測應用，包括風電場監測畫面，對風偏差、損失電量歷史統計畫面，用戶權限管理功能，幫助用戶發現偏航偏差問題和相關電量損失。

圖5 對風偏差應用系統框圖Fig.5 Framework of application system of yaw error detection results

在對風偏差監測應用基礎上， 本文設計的算法應用系統框架如圖5 所示。 應用系統包括采集計算前端和對風偏差監測應用兩部分。 采集計算前端位于風電場一區，負責采集機組數據和偏航對風控制參數調整 （需要計算前端與機組主控系統對接）。對風偏差監測應用位于安全三區或互聯網區的遠程集控中心， 它一方面接收計算前端發來的機組運行數據，一方面以周為時間窗口，滾動評價所轄區內全體機組的對風偏差情況。 如果偏差大于8°（嚴重偏差可能是數據采集或檢測算法問題）， 則通過給資產管理系統發送維修工單，讓現場檢修人員維修確認；如果偏差小于8°，則將偏差調節指令下達至采集計算前端， 通過機組控制參數調整修正對風偏差。通過上述流程，實現機組對風偏差矯正的閉環落地。

3 結論

本文針對風電機組偏航對風偏差問題， 提出了基于分位數擬合的偏航對風算法， 并在河北某風電場進行測算， 發現嚴重偏差2 臺， 經現場核驗，這2 臺機組確實存在風向標對風不正問題，驗證了算法的有效性。 基于檢測算法開發了偏航對風偏差監測應用系統，設計了應用系統整體框架，實現了系統的檢測算法的閉環落地。

本文的檢測算法僅考慮了風速因素， 對于地形復雜風場， 入流角或湍流影響會造成不同風向下偏航對風偏差的不同，此外，溫度、濕度也會影響對風偏差。因此，下一步，應加入扇區、環境等因素進行對風偏差分析。