基于運行數據的風力發電機組與人因工程的相關性分析

王永剛，田林云，郝立剛

（山西潤世華綜合能源管理有限公司，太原 030032）

0 引言

風力發電機組作為我國目前新能源發電中的主流設備，近年來一直是相關部門的研究重點。基于風力發電機組的快速發展，針對風力發電機組的優化設計是歷史必然［1］。人因工程作為一種新興交叉學科，在西方國家受到了廣泛應用，主要指的就是將人的因素學應用到工程中，進而實現對工程的優化。目前學術界針對人因工程這一名詞仍沒有統一的解釋，但人因工程在各個領域中的應用可謂越來越廣。由于風力發電機組與人因工程的融合發展速度越來越快，針對風力發電機組與人因工程的相關性分析成為當下風力發電機組的主流發展研究方向［2］。在我國，對于風力發電機組與人因工程的相關性分析可謂少之又少，在研究領域存在很大空白有待填補。通過搜索相關文獻發現，僅有關于此方面的研究為通過計算兩者之間的相關性度量，分析風力發電機組與人因工程的相關性，但此分析方法的原理是靜態分析，在實際應用中存在分析殘差高的現象，證明研究存在很大局限性。為彌補這一不足，運行數據作為動態數據，能夠直觀、動態地反映出風力發電機組的運行狀態。因此，有理由將運行數據應用在風力發電機組與人因工程的相關性分析中，基于此，本文基于運行數據設計一種新型風力發電機組與人因工程的相關性分析方法，致力于最大限度上降低風力發電機組與人因工程的相關性分析殘差。

1 相關性分析概述

相關性分析在本質上指的就是分析兩個變量之間的關聯程度，進而判斷兩個變量中間是否存在潛在的內部聯系［3］。對于相關性分析中的兩個變量，其先后順序沒有主次之分，必須在保證兩個變量具有相等地位的基礎上加以分析。在相關性分析概述中，本文通過計算相關系數，并對其進行檢驗，具體內容如下文所述。

1.1 計算相關系數

本文結合統計學原理，假定兩個序列為a、b，則有a＝（a1，a2，…，an）；b＝（b1，b2，…，bn），其中n指的是兩個序列中的變量個數，為實數。設兩個序列為a、b之間的相關系數表達式為r（a，b），可得下式：

式中：cov 為兩個序列之間的相似度；D 為兩個序列之間的空間距離；i為兩個序列的分維數；為a序列的平均值為b序列的平均值。

通過式（1）計算得出a、b 之間的相關系數，基于此，可得出r的取值基本范圍，如表1 所示。

表1 r的取值基本范圍

結合表1 所示r 的取值基本范圍，當r 的取值大于或等于0，則表明兩個變量之間存在相關關系，具體相關程度如表1 所示；但當r的取值小于0，則表明兩個變量之間不存在相關關系。

1.2 檢驗相關系數

在計算相關系數的基礎上，考慮到變量之間的相關系數伴隨著一定的不確定性，因此，為保證相關性分析的置信度，必須檢驗相關系數［4－5］。本文采用Spss 統計分析軟件，計算r 的置信度，設此過程的目標函數為t，可得下式：

通過式（2），得出相關系數的置信度，當t ≥0.5 時，則能夠通過相關系數檢驗，否則，則不通過檢驗。在通過相關系數檢驗的前提下，完成變量之間的相關性分析。

2 基于運行數據的風力發電機組與人因工程的相關性分析方法

以上文相關性分析的概述為理論依據，將兩個變量設為風力發電機組與人因工程，在此基礎上，基于運行數據分析風力發電機組與人因工程的相關性［6］。風力發電機組與人因工程的相關性分析具體內容如下。

2.1 采集風力發電機組SCADA運行數據

在風力發電機組與人因工程的相關性分析過程中，必須基于運行數據的動態特征，采集風力發電機組SCADA 運行數據，以此判斷風力發電機組的振動屬性［7－8］。采集的風力發電機組SCADA運行數據主要包括：有功功率、風向角、發電機轉速、漿距角、風輪轉速、風力發電機組側向振動。設定允許錯誤率在0.5%以下，采集風力發電機組SCADA運行數據。

2.2 繪制風力發電機組各量與人因工程之間關系散點圖

采集風力發電機組SCADA運行數據的基礎上，將上述數據代入相關性分析中的相關系數計算公式，得出風力發電機組各量與人因工程之間的相關性計算結果，如表2 所示。由表可知，影響風力發電機組各量與人因工程之間的相關性最明顯的因素就是風力發電機組側向振動［9－10］。

表2 風力發電機組各量與人因工程之間的相關性

基于此，依據風力發電機組側向振動運行數據，繪制風力發電機組各量與人因工程之間關系散點圖，如圖1 所示。由圖可知，設定人因工程的變量為風速，風力發電機組各量與人因工程之間關系為正比例增長關系，以此為風力發電機組各量與人因工程之間的相關性結果，為下文分析風力發電機組與人因工程的相關性提供基礎數據。

圖1 風力發電機組各量與人因工程之間關系散點圖

2.3 分析風力發電機組與人因工程的相關性

以風力發電機組各量與人因工程之間關系散點圖為依據，分析風力發電機組與人因工程的相關性，將人因風速分為3個階段，分析風力發電機組與人因工程的相關性，第一階段為人因風速小于或等于5.0 m／s時；第二階段為人因風速在5.0～15 m／s范圍內時；第三階段為人因風速在15 m／s以上時。

具體分析內容如下。

（1）當風力發電組的風速小于或等于5.0 m／s 時，此時可認為風速小于人因風速，即存在風速過低可能無法帶動機組運動的問題［11］。在此種情況下，機能無可持續供應的電能，機組無法實現有效發電，槳距角此時約為90°。此時由于風速過低，風輪無法實現有效轉動，軸承的轉動鏈與傳動鏈均缺少動力對其的支撐，此時影響風力發電組供電的因素應為風速。此時，機組一側的振動約為0.3～0.5 mm，軸承在運動中的振幅約為0.35 mm，當振幅保持不變而風速在發生變化的情況下，所產生的風陣，對發電機的影響也較為微弱。

（2）當風力發電機組的設定風速在5.0～15 m／s范圍內時，此時可認為風速大于人因風速，此時槳距角度從90°變化到0°，即風速可實現帶動機組運動，并網可實現發電［12］。根據槳距角軸度的變化解決變流器調整產生的磁場問題。此時根據風速的實際大小，控制風能系數，獲取在風能系數最大的瞬間，認為在風速4.5 m／s的時刻，風速變化產生的振動軸距加大，因此可實現帶動風力發電機組正常運動。并且，可認為隨著供電風力系數的不斷增加，在相同軸距范圍內的風力發電機組轉速也同步增加，此種行為滿足風力發電機組額定行為［13］。考慮到在機組側向的軸距可能存在線性增加趨勢，因此在調整風速過程中，可根據傳動軸中槳距角的變化，分析產生的負荷現象，是否對風力發電機組的運行振動產生顯著影響。

（3）當風力發電機組在正常運行狀態下，其額定風速在15 m／s以上時，即可認為風速過大，已超出風力發電機組運行的額定電流值［14－15］。在此狀態下，槳距角同步增大，為了有效地利用風能發電，降低風能的受阻行為，此時可采用調整風力發電機組轉輪系數的方式，使機組的扇葉的轉速達到最高。在此基礎上，根據轉速的散點圖，進行振動幅度的分析。整合分析結果發現，在此種運行狀態下，風力發電機組的轉輪速度極高，甚至達到了超負荷供電狀態。

綜合上述提出的3 點分析，可顯著地看出，風力發電機組的運行與自然風速、槳距角的變化等均具有直接的關系。以此，完成基于運行數據的風力發電機組與人因工程的相關性分析。

3 實例分析

3.1 實驗準備

為構建實例分析，實驗對象選取某風力發電機組，主要機械設備計劃表信息，包括：塔架，規格為12～13 m3；2 臺并網控制器，型號為BW－150 逆變器；4 臺發電機，型號為MGY－60；葉片以及加固件。首先使用本文基于運行數據設計方法，分析風力發電機組與人因工程的相關性，通過黑盒工具－QAcenter測得相關性分析殘差，記為實驗組；再使用傳統方法，分析風力發電機組與人因工程的相關性，同樣通過黑盒工具－QAcenter測得相關性分析殘差，記為對照組。實驗主要內容為測試兩種方法的相關性分析殘差，相關性分析殘差越低證明分析精度越高。針對黑盒工具－QAcenter 測得的相關性分析殘差，記錄實驗結果，共設置6 次實驗。

3.2 實驗結果分析與結論

整理實驗結果，相關性分析殘差對比結果如表3 所示。由表可知，本文設計方法相關性分析殘差明顯低于對照組，具有現實應用價值。

表3 相關性分析殘差對比結果

4 結束語

通過基于運行數據的風力發電機組與人因工程的相關性分析，能夠取得一定的研究成果，解決傳統風力發電機組與人因工程的相關性分析中存在的問題。由此可見，本文設計的方法是具有現實意義的，能夠指導風力發電機組與人因工程的相關性分析方法優化。在后期的發展中，應加大運行數據在風力發電機組與人因工程的相關性分析中的應用力度。截至目前，國內外針對基于運行數據的風力發電機組與人因工程的相關性分析仍存在一些問題，在日后的研究中還需要進一步對風力發電機組與人因工程的融合優化設計提出深入研究，為提高風力發電機組的綜合性能提供參考。