風(fēng)機(jī)運(yùn)行異常數(shù)據(jù)的研究

隋雨軒，高陽

（沈陽工程學(xué)院，遼寧沈陽，110136）

0 引言

近年來，全球變暖、海平面上漲、酸雨等因大量使用不可再生能源導(dǎo)致的環(huán)境惡化問題引起各國關(guān)注，而一些可再生能源因其本身的綠色清潔性能及蘊(yùn)含量豐富等特征逐步進(jìn)入到各國研究人員的視線內(nèi)[1]。不同于以往的常用燃料，風(fēng)能和太陽能這種取之于自然環(huán)境且具有清潔特性的綠色能源近些年使用占比逐步攀升。單從我國的風(fēng)電裝機(jī)容量來看，2019年時(shí)我國的風(fēng)電裝機(jī)容量為21005萬千瓦，而截止至2020年底累計(jì)的裝機(jī)容量已達(dá)28153萬千瓦，累計(jì)增長了34.6%，其中新增風(fēng)電并網(wǎng)裝機(jī)容量達(dá)7167萬千瓦，同比增加了178%?？梢钥闯鑫覈L(fēng)電產(chǎn)業(yè)的發(fā)展勢頭正足，但風(fēng)能的間歇性、波動(dòng)性和風(fēng)電的反調(diào)峰特性均是在維護(hù)風(fēng)電上網(wǎng)的安全運(yùn)行以及提升風(fēng)電產(chǎn)業(yè)的市場競爭力等方面需要考慮的重要因素。為削弱這種不利影響的有效途徑之一就是對風(fēng)電場的出力情況能夠精準(zhǔn)預(yù)測并且有效控制，而根據(jù)歷史運(yùn)行數(shù)據(jù)所呈現(xiàn)出的規(guī)律性來分析、預(yù)測機(jī)組出力情況則是重中之重。但在風(fēng)電場的日常運(yùn)行中，可能會(huì)存在設(shè)備故障、信息采集過程中發(fā)生錯(cuò)誤、機(jī)組因某些原因停機(jī)等突發(fā)問題，或是計(jì)劃檢修、達(dá)到風(fēng)機(jī)出力極限等情況[3]，這均會(huì)使風(fēng)電場的SCADA系統(tǒng)存儲(chǔ)的運(yùn)行數(shù)據(jù)存在許多異常點(diǎn)，這些問題數(shù)據(jù)對于做研究來說幾乎沒有可利用價(jià)值甚至可能干擾研究結(jié)果，可見優(yōu)質(zhì)的運(yùn)行數(shù)據(jù)是我國風(fēng)電產(chǎn)業(yè)逐步占據(jù)市場的基石。數(shù)據(jù)的識別清洗成為研究學(xué)者的關(guān)注熱點(diǎn)，文獻(xiàn)[9]利用四分位法對數(shù)據(jù)集進(jìn)行異常數(shù)據(jù)篩選，實(shí)驗(yàn)表明該方法對不同情況的風(fēng)場普遍適用，但當(dāng)數(shù)據(jù)集中異常數(shù)據(jù)比重較大時(shí)其識別效果有所下降；文獻(xiàn)[10]將四分位法與聚類法結(jié)合進(jìn)行數(shù)據(jù)識別。利用四分位法篩選分散類型的異常數(shù)據(jù)，再采用聚類思想來識別堆積類別的異常數(shù)據(jù)。算例結(jié)果有效的剔除了風(fēng)電數(shù)據(jù)中的異常數(shù)據(jù)，且對大部分風(fēng)電場均適用。文獻(xiàn)[11]分析了基于密度的離散點(diǎn)識別與基于高密度連通區(qū)域的聚類方法的異常數(shù)據(jù)監(jiān)測性能，結(jié)果表明其能將離散型的異常數(shù)據(jù)有效篩選出來，但對于聚集度較高的堆積異常數(shù)據(jù)辨別效果有待改善。文獻(xiàn)[12]構(gòu)建了風(fēng)功率的非線性關(guān)系圖，依此對數(shù)據(jù)集中異常數(shù)據(jù)進(jìn)行辨別，但該類方法在構(gòu)建其非線性關(guān)系時(shí)需要大量的有效數(shù)據(jù)進(jìn)行驗(yàn)證訓(xùn)練，且耗時(shí)較長；文獻(xiàn)[13]利用大量的有效數(shù)據(jù)及異常數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，當(dāng)神經(jīng)網(wǎng)絡(luò)能有效分辨有效數(shù)據(jù)及異常數(shù)據(jù)時(shí)再進(jìn)行數(shù)據(jù)集中的異常數(shù)據(jù)識別。由此，為有效辨識風(fēng)電場運(yùn)行數(shù)據(jù)中的異常點(diǎn)，提升數(shù)據(jù)品質(zhì)，本文對風(fēng)電運(yùn)行數(shù)據(jù)中的異常點(diǎn)形成原由及特點(diǎn)進(jìn)行分析，以便于在進(jìn)行數(shù)據(jù)品質(zhì)優(yōu)化時(shí)對異常點(diǎn)進(jìn)行分類處理，同時(shí)簡單列舉幾類數(shù)據(jù)辨別方法。

1 風(fēng)電SCADA系統(tǒng)

SCADA系統(tǒng)是風(fēng)力發(fā)電機(jī)組數(shù)據(jù)采集和監(jiān)控系統(tǒng)，主要用于實(shí)時(shí)顯示與控制風(fēng)電機(jī)組的運(yùn)行，同時(shí)還兼具歷史運(yùn)行數(shù)據(jù)查詢、狀態(tài)檢測及故障預(yù)警等功能。SCADA系統(tǒng)幾乎是各風(fēng)力發(fā)電場不可或缺的重要組成，其主要通過監(jiān)測、分析從風(fēng)電機(jī)組各部件傳感器反饋回來的狀態(tài)信息來保障風(fēng)電場內(nèi)各機(jī)組的安全運(yùn)行。不僅如此，該系統(tǒng)的遠(yuǎn)程操控系統(tǒng)可按需求控制各個(gè)機(jī)組的工作狀態(tài)，為實(shí)現(xiàn)各類發(fā)電量指標(biāo)提供了便利的操作環(huán)境也提升了工作效率。因此，SCADA系統(tǒng)在提升電網(wǎng)調(diào)度效率和能力等方面起到了重要作用。圖1為SCADA系統(tǒng)結(jié)構(gòu)簡圖。主要由風(fēng)電場風(fēng)力發(fā)電機(jī)組、上位機(jī)、下位機(jī)、數(shù)據(jù)采集和監(jiān)控以及通信部分等構(gòu)成。

圖1 SCADA系統(tǒng)結(jié)構(gòu)簡圖

SCADA系統(tǒng)存儲(chǔ)的數(shù)據(jù)不僅包括運(yùn)行數(shù)據(jù)，對運(yùn)行中存在異常狀態(tài)的機(jī)組、時(shí)間、以及具體問題也會(huì)實(shí)時(shí)記錄。一般異常情況可分為如下幾種：

（1）超負(fù)荷：當(dāng)風(fēng)電機(jī)組所處環(huán)境出現(xiàn)異常情況，例如臺風(fēng)、高溫類極端天氣會(huì)使風(fēng)機(jī)可能處于高載狀態(tài)，此時(shí)SCADA系統(tǒng)就會(huì)根據(jù)問題類型發(fā)出相應(yīng)的異常警告并記錄。

（2）故障問題：當(dāng)監(jiān)測系統(tǒng)收到的實(shí)時(shí)運(yùn)行數(shù)據(jù)超出了設(shè)定的正常運(yùn)行范圍，亦或是機(jī)組突發(fā)性停機(jī)時(shí)系統(tǒng)都將記錄為故障狀態(tài)。

（3）預(yù)警問題：當(dāng)SCADA監(jiān)測系統(tǒng)收到的反饋數(shù)據(jù)超出正常運(yùn)行范圍值但并未發(fā)生故障時(shí)系統(tǒng)將其記錄為預(yù)警狀態(tài)。

（4）維護(hù)問題：機(jī)組需要進(jìn)行維護(hù)整修時(shí)對應(yīng)的記錄狀態(tài)。

2 風(fēng)電異常數(shù)據(jù)成因及特點(diǎn)

2.1 風(fēng)電異常數(shù)據(jù)成因

風(fēng)機(jī)的發(fā)電過程就是將風(fēng)能轉(zhuǎn)化為驅(qū)動(dòng)風(fēng)力發(fā)電設(shè)備運(yùn)作的動(dòng)能再將其變換為輸出電能的過程。風(fēng)機(jī)發(fā)電功率與風(fēng)速的關(guān)系式如下：

其中，P為風(fēng)機(jī)所發(fā)出的對應(yīng)功率值，ρ為風(fēng)電場周圍環(huán)境的空氣密度，V是對應(yīng)風(fēng)速值，R為風(fēng)機(jī)葉片的半徑。Cp(β,λ) 為風(fēng)能利用參數(shù)，其是風(fēng)機(jī)的槳距角β和葉尖速比λ的函數(shù)，可通過經(jīng)驗(yàn)計(jì)算得出，且λ=ωrR/V，ωr為風(fēng)機(jī)葉片的轉(zhuǎn)速值。從上式可以看出，機(jī)組所處的地理位置及周遭氣象環(huán)境均對風(fēng)機(jī)輸出功率在不同程度上有一定影響。此外，風(fēng)電場選址多在偏遠(yuǎn)地區(qū)，且各風(fēng)機(jī)組為減少影響分布比較松散，這使運(yùn)行數(shù)據(jù)在傳輸回中央控制系統(tǒng)過程中的每一階段都有可能存在數(shù)據(jù)受損的情況發(fā)生。同時(shí)，我國風(fēng)產(chǎn)量較大的城市主要分布在東北、西北等“三北”地區(qū)，但這些城市的產(chǎn)能消耗卻遠(yuǎn)不如一些沿海的城市，國內(nèi)雖風(fēng)電產(chǎn)業(yè)較為發(fā)達(dá)但對遠(yuǎn)距離的風(fēng)電輸送、并網(wǎng)等方面還有待提高，因此易形成風(fēng)電產(chǎn)能過剩而導(dǎo)致的棄風(fēng)限電現(xiàn)象發(fā)生[4]，該種情況下也會(huì)使風(fēng)機(jī)運(yùn)行過程中產(chǎn)生部分異常數(shù)據(jù)。通過以上分析，可將風(fēng)電異常數(shù)據(jù)成因分為下列類型：

（1）機(jī)組工作環(huán)境比較惡劣，在極端天氣情況下數(shù)據(jù)測量傳感器可能有工作異?；蚬收锨闆r發(fā)生。

（2）風(fēng)機(jī)等關(guān)鍵設(shè)備異常發(fā)生故障導(dǎo)致的機(jī)組故障。

（3）棄風(fēng)限電現(xiàn)象的存在，有時(shí)風(fēng)機(jī)輸出功率需在一定范圍內(nèi)，風(fēng)機(jī)出力并不能隨風(fēng)速改變。

（4）數(shù)據(jù)在轉(zhuǎn)換、傳輸、儲(chǔ)存等過程中，若受到干擾或設(shè)備故障均可能產(chǎn)生異常的數(shù)據(jù)值。

2.2 風(fēng)電異常數(shù)據(jù)分布特點(diǎn)

圖2為根據(jù)寧夏某風(fēng)力發(fā)電廠一年的歷史風(fēng)速與輸出功率數(shù)據(jù)繪制的風(fēng)速與風(fēng)功率間的關(guān)系散點(diǎn)圖，其采樣間隔為10min，共51506組數(shù)據(jù)。由圖可知，風(fēng)速增大時(shí)風(fēng)機(jī)的出力情況也隨之增大，且在風(fēng)機(jī)的最大出力能力內(nèi)二者成正相關(guān)。

圖2 功率與風(fēng)速關(guān)系圖

風(fēng)機(jī)在正常運(yùn)行情況下，輸出功率與風(fēng)速的關(guān)系散點(diǎn)分布規(guī)律有序。但除此之外，從上圖可以看到還存在一些離散分布的孤立離群點(diǎn)，此類數(shù)據(jù)無法代表風(fēng)機(jī)當(dāng)時(shí)的運(yùn)行狀態(tài)，因此這些數(shù)據(jù)點(diǎn)多為異常點(diǎn)。根據(jù)每種數(shù)據(jù)的特點(diǎn)及可能成因?qū)⑵浞譃樗念悾簛G失數(shù)據(jù)、錯(cuò)誤數(shù)據(jù)、異常數(shù)據(jù)及停機(jī)數(shù)據(jù)。丟失數(shù)據(jù)所對應(yīng)的風(fēng)速和輸出功率值均為零。錯(cuò)誤數(shù)據(jù)如圖2內(nèi)六邊形圈出的點(diǎn)，體現(xiàn)為較大風(fēng)速情況下輸出功率較低。異常數(shù)據(jù)如上圖中圓圈內(nèi)的點(diǎn)，其特點(diǎn)則為風(fēng)速較小時(shí)風(fēng)機(jī)的發(fā)電功率較高。停機(jī)數(shù)據(jù)如圖中矩形內(nèi)部的點(diǎn)，當(dāng)風(fēng)速已超過風(fēng)機(jī)可運(yùn)行的邊界值時(shí)，輸出功率為零。

表1 幾類噪聲數(shù)據(jù)特征

3 異常數(shù)據(jù)識別方法

在搭建風(fēng)電功率預(yù)測模型時(shí)，其使用數(shù)據(jù)值的真實(shí)性及有效性是最終模型能否達(dá)到精準(zhǔn)預(yù)測的重要因素。風(fēng)電場的實(shí)際運(yùn)行數(shù)據(jù)中難免會(huì)出現(xiàn)上述小節(jié)中提及的缺失數(shù)據(jù)、錯(cuò)誤數(shù)據(jù)、重復(fù)數(shù)據(jù)等情況，這樣的噪聲數(shù)據(jù)存在會(huì)大大降低整個(gè)數(shù)據(jù)集合的可利用率，使未來功率預(yù)測模型的準(zhǔn)確度降低，失去了原本搭建模型的意義。因此對預(yù)測所需要得數(shù)據(jù)集進(jìn)行篩選、校正等預(yù)處理是必不可少的。

我國不同地區(qū)的氣候環(huán)境復(fù)雜多樣，因此位于不同區(qū)域的風(fēng)力發(fā)電廠難以用一種固定的模型系統(tǒng)進(jìn)行風(fēng)電功率預(yù)測。以風(fēng)電場的歷史數(shù)據(jù)為預(yù)測基準(zhǔn)可以有效地把握當(dāng)?shù)氐臍夂颦h(huán)境，符合預(yù)測風(fēng)電場的實(shí)際情況。以歷史數(shù)據(jù)為導(dǎo)向的預(yù)測方法被廣泛應(yīng)用，但考慮原始數(shù)據(jù)有效性的研究模型較少，部分研究只是對原始數(shù)據(jù)利用偏差率或pauta criterion進(jìn)行數(shù)據(jù)粗略識別，這使得一些數(shù)據(jù)被遺漏或錯(cuò)誤識別導(dǎo)致預(yù)測精度降低。由此準(zhǔn)確有效地篩選噪聲數(shù)據(jù)對后續(xù)的功率預(yù)測具有重要意義。數(shù)據(jù)篩選常規(guī)方法如表2。

表2 數(shù)據(jù)識別方法

4 結(jié)論

在利用煤、天然氣等傳統(tǒng)能源發(fā)電時(shí)，供電公司可以根據(jù)負(fù)荷和發(fā)電計(jì)劃對發(fā)電量進(jìn)行準(zhǔn)確的掌控。反之，風(fēng)能是一種無法控制的自然資源，其本身的波動(dòng)性與間歇性在風(fēng)力發(fā)電設(shè)備大規(guī)模并入電網(wǎng)時(shí)，若無法精準(zhǔn)的預(yù)測發(fā)電量則會(huì)使用電與發(fā)電間的供需失衡。因此不斷地提升風(fēng)電功率預(yù)測的準(zhǔn)確率與可行性是提升風(fēng)能發(fā)電占比的關(guān)鍵之一。風(fēng)電場實(shí)際運(yùn)行數(shù)據(jù)中，存在一些異常數(shù)據(jù)，若將此類數(shù)據(jù)直接用于后續(xù)研究，將對研究結(jié)果產(chǎn)生一定影響，由此探究風(fēng)電場運(yùn)行中的異常數(shù)據(jù)對提升風(fēng)電產(chǎn)業(yè)的競爭力有重要意義。本文對風(fēng)電場的信息采集系統(tǒng)進(jìn)行簡要介紹，并對其歷史運(yùn)行數(shù)據(jù)數(shù)據(jù)中的異常數(shù)值的成因進(jìn)行了分析，并列舉了幾類異常數(shù)據(jù)點(diǎn)的分布特征及常用的異常數(shù)據(jù)識別方法，為后續(xù)風(fēng)電場的數(shù)據(jù)優(yōu)化及進(jìn)一步研究打下基礎(chǔ)。