基于聚類分析的風電機組偏航對風優化

中廣核風電有限公司 董 禮 張雪松 蘇寶定

能源是當今社會面臨的主要和最重要的挑戰之一。長期以來，各種可再生能源一直被視為解決世界能源和環境問題的最終解決方案，在不同類型的可再生能源技術中，風能目前擁有最有利的投資成本與生產率之比。在風電場運行過程中，通過優化機組的控制策略來提升機組年發電量具有重要意義。偏航系統使得機組在運行過程中風輪平面始終正對來流，在風向多變的來流中保證機組發揮最大效能。大型水平軸風力機多采用主動偏航系統，其測風裝置由風向標及風速儀構成，為偏航系統提供風向及風速數據。

如何對偏航控制策略進行優化，提高對風精度一直是被關注的問題。張舜德等人[1]采用了高精度的角位移傳感器測量來流風向，將風向變化劃分為恒向變風以及變風恒向并采用爬山算法進行優化控制；張慧寧[2]設計了一種基于優化卡爾曼濾波偏航控制算法的控制器對風向量進行預測，并利用小時間尺度范圍內風向在一定范圍內作擊期性變化的特性，對結果進行優化；王欣等[3]根據對風誤差歲風速的變化特點，提出了分風速段的偏航優化方案；張樂等[4]劃分了22個功率段以及12個偏航方位角，結合機艙式雷達測得的偏航誤差角制成偏航誤差表。

隨著人工智能的不斷發展，深度學習等先進的分析方法開始運用到偏航優化問題當中。D.Choi等[5]建立了動態偏航誤差與風向、風速、風輪轉速的關系模型，使用了線性回歸算法、隨機森林算法和梯度增強算法三種機器學習算法進行訓練，誤差減小了44.4%。

本文提出基于SCADA的歷史數據，采用基于聚類分析的工況識別方法，通過工況識別自動提取有效數據，對風向標測量的靜態偏差進行估算，并以此為依據進行偏航優化，及時發現風向標的測量偏差并修正，以達到明顯提升風電場發電量的目的。

1 數據準備

選取江蘇省的某風電場，對編號34#～66#風電機組采集90天的歷史數據，進行分析。以下是數據選擇測點名稱及測點說明：風速。若有兩個風速儀則取兩個；風向。若有兩個風向標則取兩個；功率。發電機并網功率；變槳角度。變槳位置，三個葉片各一個；發電機轉速；葉輪轉速；機組狀態。停機、并網和故障等；偏航位置。偏航編碼器；環境溫度。選取以上測點，采用間隔為10秒，導出最近3個月的歷史數據。導出的數據格式可以是Excel或者CSV等。

2 數據分析

分析流程：自動工況識別-自動工況篩選-自動計算功率分布-自動尋優-求導自檢。

2.1 基于聚類分析的自動工況識別與篩選

本次實驗的目的是為了揭示風向標測量偏差對風電機組功率的影響，并以此進行偏航優化，因此必須對測量數據進行篩選，選出風電機組正常并網運行工況下的數據來進行研究。聚類分析(Cluster Analysis)是數理統計中研究”物以類聚”的一種方法[6]，應用聚類算法對風電機組運行中的槳距角變化與風電機組運行工況進行對比，可識別出風電機組啟動、停機、故障、限制功率運行和正常并網運行等不同工況，并對各種工況進行分類，就可以篩選出所需正常并網運行數據。自動工況識別結果如圖1所示，自動工況篩選如圖2所示。圖1和圖2的橫坐標和縱坐標分別是風速、變槳角度和功率的標幺值。

圖1 自動工況識別

圖2 自動工況篩選

2.2 基于連續求導分析的自動功率尋優

對風電機組功率對應的輪轂中心高度處入流風速以及偏航誤差角進行統計，得出各風速在不同偏航誤差角下功率的分布，如圖3所示。明顯看出0°偏航誤差角處各風速對應的功率并不是最優，而只有尋找到功率在偏航誤差角和對應風速上的最優區域，才能使得偏航優化后的功率提升最大化。應用連續求導分析方法排除非正常數據的干擾，有效避免自動尋優落入局部最優。對5～8m/s風速所對應的最優區域進行（某分析）尋優，得出全局尋優結果，其結果如圖5所示。圖3、圖4、圖5中橫坐標是對風偏差角度，縱坐標是功率。

圖3 功率分布

圖4 功率最優點

圖5 功率尋優結果

3 偏航優化結果

各機組偏航誤差角(°)及發電量提升(%)分別為：34#機組-9.75/3，35#機組-7.0/1.1，36#機組-1.75/0.12，37#機組1.25/0.12，38#機組-8.75/1.98，39#機組10/3.11，40#機組-4.75/0.5，41#機組-7.25/1.5，42#機組-3.25/0.4，43#機組-8.25/2，44#機組-0.5/0，45#機組-11.75/4，46#機組-3.25/0.5，47#機組-8/2，48#機組-0.5/0，49#機組-2.0/0.12，50#機組13/5，51#機組8.5/2，52#機組6.5/1.1，53#機組-0.5/0，54#機組10.25/3.11，55#機組4.3/0.5，56#機組4.5/0.5，57#機組-7.75/2，58#機組7.25/1.5，59#機組-3.0/0.3，60#機組-1.5/0.1，61#機組6.25/1.1，62#機組-1.5/0.1，63#機組5.25/0.6，64#機組5.5/0.6，65#機組-6.0/1.1，66#機組-4.75/0.5。

4 結語

聚類分析可以有效地完成工況自動識別，在此基礎上提取有效數據進行，應用連續求導搜索功率在不同偏航角度下的分布，有效避免自動尋優落入局部最優，得到準確的結果。分析結果表明，通過分析全場的數據，可以有效地發現存在偏航偏差的機組，通過針對性的校正，從而有效地提升發電量。