基于LCOE 最優的數字化風電場及關鍵技術研究

梁 宇

（華電新疆發電有限公司紅雁池分公司，新疆烏魯木齊 830047）

0 引言

2018 年5 月18 日，國家能源局印發《關于2018 年度風電建設管理有關要求的通知》（國能發新能〔2018〕47 號）（以下簡稱《通知》），隨文下發《風電項目競爭配置指導方案（試行）》，提出從《通知》發布之日起，尚未印發2018 年度風電建設方案的省（自治區、直轄市）新增集中式陸上風電項目和未確定投資主體的海上風電項目應全部通過競爭方式配置和確定上網電價。從2019 年起，各省（自治區、直轄市）新增核準的集中式陸上風電和海上風電項目應全部通過競爭方式配置和確定上網電價。

通過競爭方式配置和確定上網電價帶來的直接影響是促使風電行業真正回歸到圍繞LCOE（Levelized Cost of Energy，平準化度電成本）這一核心指標上來組織開發工作。選擇度電成本的指標是因為它是目前國際上最通用的評價度電成本的指標，可以簡單明了的橫向比較各不同發電形式之間的經濟性，也是因為它能夠縱向綜合的概括風力發電的投資、運行維護、財務資金在規定生命周期內的成本。目前，業界普遍認可的LCOE 計算公式見式1。

這里的度電成本并不單純是機組總成本與年發電量的比值，而是從整個風電場生命周期的投資和收益來考量的，它不僅包括建設成本、固定資產折舊、運維成本、財務費用、稅金等會計成本，還包括項目占用資本金在規定年限內的機會成本。因此，度電成本不僅跟風電機組選型以及其決定的初始投資和發電能力有關，在風電場生命周期的不同階段，它也受到項目前期對風資源評估的準確性、風電場實際運行調度、維護管理水平及財務成本波動等多方面的影響。近年來隨著云計算、大數據、物聯網、移動互聯、人工智能等數字化技術的發展以及在風電行業的應用，推動了數字化風電場的研究和建設，也為降低度電成本提供了前所未有的機遇。

1 數字化風電場的定義和特征

數字化風電場中的“數字化”并不只是將許多復雜多變的信息轉變為可以度量的數字、數據，再以這些數字、數據建立起適當的數字化模型，把它們轉變為一系列二進制代碼，存入計算機內部；而是通過重新組合信息、資源和數字技術，從而帶來獨特價值，最終實現收入增長和業務成果。因此數字化風電場的定義為在整個風電場的生命周期內，綜合運用云計算、大數據、物聯網、移動互聯、人工智能等數字化技術，提高風資源評估、微觀選址、風電機組控制策略、運行維護等全生命周期各階段業務的效率、精度和精益水平，最終實現度電成本的降低。

從風電場的組成要素來看，數字化風電場應具備如下特征：

1.1 風：精準測風、優化選址

準確的風資源評估是風電場選址和選型的第一步，其準確性有賴于長期有效的風資源測量以及不斷被校正的經驗模型分析，尤其是應對風資源隨季節、地理地形地貌、極端氣象等因素影響較為嚴重的區域。對風資源的深刻理解可以有助于在風電場投入運行后設定更合適的控制策略、準確地預測發電量，從而大大降低由發電能力預測決定項目投資回報預期所帶來的財務風險。

微觀選址主要依賴于微觀選址模型，隨著風電場建設地形越來越復雜，人們越來越認識到微觀選址模型的重要性。目前主流的微觀選址模型已可以把地形地貌的差異性予以修正，對臺風、覆冰、高海拔等也能做出相應的模擬，以及校驗不同機位點的載荷圖譜、尾流影響等，以期最真實的還原整個風電場的發電能力。隨著數字化技術的發展與應用，微觀選址模型不僅能更接近真實場景的模擬，還能自學習并優化選址，從而提升整場發電量，降低度電成本。

1.2 機：智能風電機組

風電場不同機位點的風資源和地理條件是有差異的，這點在復雜地形風電場更為突出。如何能讓同樣的一款或幾款風電機組適應不同機位點的運行特征，除了前面提到的精準測風、優化選址以外，風電機組本身控制策略的個性化和智能化將發揮其重要的作用，而風電機組本身控制策略的個性化和智能化則主要依賴于先進的數字化技術支撐實現。因此，智能風電機組可定義為通過集成先進的感知、計算、通信、控制等信息技術和自動控制技術，構建了1 套信息空間與物理空間之間基于數據自動流動的狀態感知、實時分析、科學決策、精準執行的閉環賦能體系的風電機組，具有深度感知、自我認知和控制、協同決策的顯著特征。其中深度感知、自我認知和控制是指通過傳感器、物聯網等數據采集技術，使得風電機組運行數據和外部環境數據全方位“可見”，并通過實時分析，準確、直觀體現風電機組的當前狀態，同時借助大數據和人工智能等數字化技術，持續提高風電機組自身的學習和分析能力，實現了對現實的準確評估、未來預測和多場景的自主控制，解決了風電機組運行過程中的復雜性和不確定性問題。協同決策是指在應對未來復雜的應用場景時，風電機組僅通過單機自身的數據進行分析決策和控制，難以在更高的層級上實現效率和收益的最優，需要支撐在場站、場群乃至能源系統層面的協同決策，實現系統整體最優，從而提升整場發電量，降低度電成本。

1.3 場：一體化設計，精細化工程建設管控，精益化運維

在LCOE 計算公式中，風電場建設成本包括設備購置費用、建筑工程費用、安裝工程費用、前期開發與土地征用等費用以及項目建設期利息、在項目運營壽命期內固定資產的折舊等，其中設備購置費用、建筑工程費用、安裝工程費用、前期開發與土地征用等與風電機組基礎設計、集電線路基礎設計、場內道路設計等土建設計方案，以及集電線路路徑設計、電氣布置設計、電氣設備選型等電氣設計方案的優劣有直接的關系。目前主流的風電場規劃設計平臺已可以初步提供基于優化的微觀選址開展風電機組基礎、集電線路、場內道路、電氣布置等一體化設計能力。隨著數字化技術的發展與應用，風電規劃設計平臺將能夠提供以度電成本為優化目標，綜合考慮土建、電氣等各個設計要素的一體化設計能力，不僅能提高設計效率，還能自學習并優化一體化設計方案，降低風電場建設成本，從而降低度電成本。

隨著數字化技術的發展與應用，風電場工程建設管控將會由目前主流的基于二維圖紙的管控模式向基于三維數字化模型的建設管控模式演進，從施工前的制訂精準的進度計劃、精細的成本計劃和完善的質量安全計劃等，以減少工程施工期間的各項變更，到施工階段的精細化生產進度管理、可視化進度校核和偏差調整、質量和安全點預先布控與實時提醒等，以提高風電場工程建設質量、縮短工程建設周期、降低工程建設成本，從而降低度電成本。

在LCOE 計算公式中，運維成本是指在項目運營壽命期內為保證風電機組等設備正常運行所發生的維護成本，主要包括檢修費用、備品備件購置費、保險費以及管理費用等。精益化運維主要包括3 方面的內容。①改變現有運維作業的粗放式管理，嚴格按照風電機組的設計使用手冊，將運維作業標準化，同時實現備品備件、特殊工具等運維資源共享化；②借助數字化技術，實現對更多運行數據的采集、存儲、分析和利用，實現單機和風電場的控制最優，實時調節適應不同風況、監控和診斷風電機組健康狀態；③基于更多的運行數據更加全面的理解在微觀選址階段所不能涵蓋的信息，為適時的技術升級改造提供定制化的方案。從而實現在降低運維成本的同時，提升發電量，實現度電成本的降低。

1.4 網：電網友好

目前，風電場的實際發電能力也受到整個電力體系調度模式的制約，風電場的發電能力一般采取主動預測和被動的調度相結合的方式，在某些區域還存在限電、限功率運行的情況。電網友好主要是指通過應用數字化等技術使得風電場并網運行能夠實現可預測、可調節和維持暫態穩定，成為電網的有利支持。在電力系統穩態過程中，風電場提供良好的有功調節控制能力（AGC）和電壓無功調節能力（AVC），協助維持系統頻率及電壓穩定。在電力系統發生擾動和故障情況下，風電場具備高/低電壓穿越能力和慣性阻尼特性，防止故障的擴大，降低擾動影響，協助系統恢復正常運行。另一方面，隨著電網的運行和調度優化，也會大大提升風電場的實際發電能力，從而降低度電成本。

1.5 環：環境適應和友好

極端的高溫、高濕、風沙等特殊環境因素降低風電機組壽命與可用性的同時，對風電機組的發電效率也產生了不利作用。此外，復雜地形產生的復雜風況不僅對風電機組的發電量有很大影響，也對風電機組的載荷和安全性影響較大。借助數字化技術，不僅可以根據具體的環境條件高效實現風電機組的深度定制，更能夠對可能發生的環境適應性風險進行分析預測，動態優化控制策略，降低故障停機，從而提高風電機組環境適應性，提高發電量，降低度電成本。

隨著風電開發規模的快速發展，風電場個別機位點距離居民區或景區較近，機組噪聲、光影現象等可能會引起相應的環境問題，目前歐美等國家已經相繼出臺相關環境標準，以限制機組噪聲和光影問題，從而提高風電場環境友好型，對居民區或景區的環境影響降至最低。但目前大部分機組及風電場并未有相應的控制策略去滿足環境友好要求，增加了風電場運營風險，借助數字化技術，可以通過有效的扇區管理以及主動調整風電機組運行狀態，實現風電場發電量與環境友好之間的最佳平衡。

2 數字化風電場的關鍵技術

2.1 風資源技術

風資源技術是風電場選址開發和機組選型的基礎，精確觀測、數值仿真、后評估等相關技術實現了風況的準確描述和風參的精確評估。

高精度測風設備和高精度地表的采集數據嵌套融合，為多維度的資源圖譜提供支撐。機組運行狀態數據與測風數據、高精度資源圖譜整合構建立體、全方位的風資源觀測→采集→分析數據庫，可為風況描述和風參評估奠定數據基礎。

基于多前沿學科交叉、多時空尺度耦合的風資源數值仿真技術，精確高效地解析風電場范圍內及周邊地形和氣候數據，精確描述、呈現風電場乃至機組處的風況信息；合理的尾流、湍流模型可以準確描述風電場內機組之間的相互影響，為機組的發電量預測和安全性分析提供保障。

基于多種設計分析經驗和算法模型的后評估技術，機位點處精準的風資源參數為智能風電機組的控制系統提供數據輸入，實現機組控制系統設計和功率曲線的全方位定制化，達到機組功率最優。同時，機組運行過程中采集的各類風資源數據，為定制化控制系統的更新迭代優化提供實時輸入，使其適應場址內點位的風資源特性，實現智能風電機組發電性能最優。

在風電場層面，精確的尾流模型和附加湍流模型描述機組之間相互影響的狀態，并對其進行精確量化，進一步保證場址風參的真實性；不同場景下分風速段有效湍流強度的細化分析，為風電機組的安全性分析和塔架定制化開發提供技術保證。

風資源技術不僅能夠提供準確的全扇區風參信息，還能提供精確的分扇區風資源參數，為風電機組的塔架定制化開發提供詳細全面的數據輸入。

2.2 大數據平臺技術

基于大數據平臺底層組件，建立風電大數據分析模型開發的軟件平臺，可為風電機組、風電場提供數據分析、模型開發、管理和運行的數據和環境。數據分析平臺能夠孵化風電場健康體檢、故障診斷、健康預警等健康管理相關服務，能支撐單機、場站、場群和平臺級的控制優化，提供滿足用戶個性化需求的服務，如報告中心、微服務、資產可視化管理等。其主要功能有：

（1）風電行業數據服務：統一集成、存儲和管理多維度、多格式、多尺度的行業數據；打造風電場/風電機組全生命周期數據模型，根據模型有機組織和關聯相關數據，為分析服務層提供一致、可信的數據，簡化數據的理解、整合和使用成本及難度。

（2）風電機組洞察：幫助分析人員理解故障分布和風電場或風電機組全息視圖；指導分析問題的定義、分析數據集的選擇。幫助研發人員了解機組在現場的表現，并作為機型設計優化的基礎。

（3）健康評估模型與任務管理：利用訓練模型和數據模型兩個功能模塊，完成分析模型的試驗測試與生產評估。分析人員可先在“訓練模型”里測試完善模型，再進一步將模型應用到生產系統中。數據模型中的評估結果，可在系統其他更友好的界面中進行查看，方便運維業務人員使用。

（4）并行化分析節點監控：查看任務集群運行時節點占用情況，以確保多現場機組大數據并行化分析的正常完成。

（5）模型結果輸出：模型結果具備與工單系統、可視化系統等系統的交互功能，實現模型至現場、設計分析人員的連接。

此外，數據平臺還需與風電機組單機和風電場形成聯動，依托云端的海量數據分析處理能力和端側實時分析快速響應能力，實現“云+端”智能協同。

2.3 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。

2.4 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?；陲L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 數據安全技術

數據接入安全：通過工業防火墻技術、工業網閘技術、加密隧道傳輸技術，防止數據泄漏、被偵聽或篡改，保障數據在源頭和傳輸過程中安全。

平臺安全：通過平臺入侵實時檢測、網絡安全防御系統、惡意代碼防護、網站威脅防護、網頁防篡改等技術實現風電大數據平臺的代碼安全、應用安全、數據安全、網站安全。

訪問安全：通過建立統一的訪問機制，限制用戶的訪問權限和所能使用的計算資源和網絡資源實現對云平臺重要資源的訪問控制和管理,防止非法訪問