基于SCADA 數據風電機組發電性能評價研究

王昊天，姬梓程

（華能環縣新能源有限公司，甘肅 慶陽 745700）

0 引言

隨著綠色發展理念、可持續發展理念的落實，我國為實現“雙碳”發展目標，大力興建風力發電設施，對風電機組更新、優化，提高風電機組的發電性能、保障風電機組的工作效率，減少風電機組的運行故障。因此，風電機組發電性能評價工作的開展，是提高設備作業效率的核心。

國內外學者目前針對風電機組發電性能開展了大量研究。我國于2021年提出《在役機組性能評價技術指標》，并積極開展行業標準研討會，為風電機組發電性能評價開展提供支撐。文獻［1］基于風電機組的模型構建，闡述了風電機組運行過程中的異常預警狀態，提出優化風電機組預警模型的措施。文獻［2-3］開展了風電機組運行功率預測作業，將風電機組運行狀態作為功率預測的基本依據。文獻［4-6］開展了有關風電機組健康狀態的評價、評估工作，識別了風電機組的運行階段產生的問題。上述文獻雖然從多個角度開展了風電機組的故障、預警、狀態監測等研究工作，但基于具體實例和相關數據研究內容較少，且行業中的風電機組性能評價標準并不統一。

本文將從風電機組運行過程中產生的SCADA歷史數據出發，開展風電機組發電性能評價工作，建立風電機組發電性能評價體系。基于具體數據，分析風電機組運行階段存在的問題，為風電機組的改良方向提供借鑒。

1 風電機組發電性能評價流程

基于SCADA數據評價風電機組發電性能，按照流程需要開展數據采集、數據預處理、數據分析、數據評估工作，如評價結果與預期結果不符合，則需要采取相應的性能提升措施。根據風電機組所在區域，采集有關發電性能的信息及數據，其中包括風電機組設備結構、選址、裝機容量等。包括機組的運行數據、發電數據、運維數據等。從SCADA數據庫中可以獲取到有關發電機組性能的大量數據資源，根據機組控制流程、控制邏輯篩除無關數據，將功率數據、偏航數據、發電數據、時間利用數據等分類處理，對比《在役機組性能評價技術指標》文件中的相關標準，分析風電機組發電性能是否滿足要求［7］。如評價結果表明風電機組在功能、效率上仍存在進一步的改善空間，則可以采取提質增效措施，確保風電機組時刻處于最優性能狀態中。

2 風電機組發電性能評價體系建立

2.1 數據采集

選取風場內共計30 臺風電機組，均為雙饋式，規格型號為2.5 MW。基于設施的選擇開展風電機組發電性能評估工作，根據功率及發電量等相關數據，深入展開分析。采集并整理SCADA 中的數據，將風電機組2022年的全年運行數據作為依據，每間隔2 min 采集數據樣本，并計算平均風速及光通量，結合發電機裝置的轉速、扭矩等，建立性能評價體系［8］。

2.2 功率曲線生成

功率曲線生成則依據分鐘級數據，根據《風電機組功率特性測試》文件中的要求，開展功率數據的預處理工作，并使用bin寬度建立數據組。采集的風速數據中，按照0.6 m／s 的標準，建立數據組。不考慮風電機組處于非運行狀態以及限制功率狀態，篩除無關數據之后，開展功率曲線的生成作業。功率曲線生成建立數據篩選標準，將變槳角度值在5°以上的數據刪除，同時將未達到額定功率的數據點刪除。低于發電機組理論轉速的數據也刪除，其中包括異常運行狀態數據。將轉速低于并網轉速的數據篩除，將剩余數據作為功率曲線生成的基礎數據，計算功率曲線保證值。并將其作為風電機組發電性能評價的參數量，具體計算公式如下：

式中：M為保證值；Rn為風電機組處于實際運行狀態的折算電量數值；Rb為保證功率下的折算電量數值。

生成功率曲線之后，比較兩者數值之間的差異，觀察散點的分布狀態。功率保證值與實際運行狀態數據的散點集中，則表明機組功率性能良好，反之則表現較差［9］。30 組數據中共計存在12 組功率曲線偏右，在低風速狀態下呈現出功率下降的狀態。具體功率曲線保證值計算結果如表1 所示。

表1 風電機組功率曲線保證值計算結果表（部分）

根據計算結果分析，其中B 組、C 組的風電機組設備的功率保證值偏低，在滿風狀態下的機組運行存在滯后因素，且當自然風量較低的情況下，存在一定的跌落問題。而表內的其余數據的保證值較高，且散點集中，表明設備功率效率較好。

2.3 偏航性能數據分析

風力發電機組在安裝階段，為切實保障性能指標良好，會根據風向的初始位置以及風電機組的機艙位置，標定位置。這就可能會導致發電機組存在偏航的情況，使得理論性能指標與實際性能指標之間存在偏差。因此，風電機組會使用風向儀裝置，用于計量航向，但在長期作業環境下，設備可能會出現磨損等問題，使得偏航角測量結果與實際情況不符合，使得測量偏差存在。而偏航問題的產生，會影響到風電機組的發電性能，使得功率數值和發電量數值受到影響［10］。

基于SCADA數據的航向偏差分析，堅持系統性的原則，從風向機組的整體角度出發，判斷是否存在數據值異常情況，且結合設施扇區風頻變化及尾流變化，綜合評估測量偏差。在偏航數據分析過程中，根據單個機組設備所產生的數據，采取對風性能分析方法，將2°作為一個寬度曲線，繪制功率曲線。采集的偏航數據是指設施對風角度與功率曲線間的曲線，并根據對風誤差的額定功率，計算最終的算術平均值，具體計算結果如表2所示。表中中間數值表示風電機組的運行功率。根據表中的數據變化，評價風電機組處于偏航狀態下對風性能的影響。數據表明，在風速、角度存在差異的情況下，偏差角度存在區別，最終計算平均值為-4.2°。

表2 風電機組對風角度偏差數值表（部分）MW

2.4 發電量數據分析

結合風電機組的運行狀態，根據SCADA 產生的散點數據，可以判斷風電機組在未發電、啟動狀態、正常運行狀態及限制發電狀態下的發電量，對比實際發電量和理論發電量，可以了解到風電機組設施運行過程中的相關發電量參數。根據2022年自然風速數據，確定微選風速，機組平均運行風速值較微選風速值高。總結發電量數據后，計算不同狀態下風電機組的發電量平均數值，開展風電機組的發電性能分析工作。具體理論電量與實際電量占比數值如表3 所示。

表3 理論發電量與實際發電量統計表

發電量是衡量風電機組發電性能指標的關鍵要素，理論發電量是指在風電機組安裝建設之前所預估的發電量數值，實際發電量是指風電機組在實際運行狀態下所產生的電量數值。如果存在限電狀態，則會使發電量的損耗比較大，如果風電機組存在故障因素，也會出現發電量損失［11］。對比理論發電量與實際發電量，發電量損失較為嚴重，而等效滿發時長之間也存在一定差異。

2.5 時間利用率數據分析

結合風電機組的運行狀態，統計發電量后需要根據發電量數據，計算風電機組的時間利用率。根據相關時間參數計算結果，統計相關數據。在2022年全年內，平均風速值在6 m／s 左右，小風量狀態下的風電機組運行時間占比為30%左右，由于風電機組出現故障因素，且自然風無法滿足風電機組運行的時間占比在12%左右，風電機組處于正常狀態下的運行時間總量在55%左右。風電機組發電的時間利用率在計算總時間上，根據可編程邏輯控制器的帶電作業時間，計量最終的數據量。小風量運行時間則對比風速和切入風速，統計實際風速低于切入風速的數據量［12］。在存在自然風的情況下，設備未處于發電狀態的發電計算，統計實際風速高于切入風速且設備轉速在50 r／min 以下的數據量。限電數據和正常數據則采用常規計算方法，具體計算結果如表4 所示。

表4 實際發電時間統計結果表

3 風電機組發電性能評價結果

3.1 功率曲線

分析風電機組發電功率曲線變化，將保證值作為風力發電性能計算的基礎依據。從總體角度分析，風電機組的發電性能有待提高，在30 組風電機組之中，存在12 組風電機組的功率保證值數值較低，僅有18組功率保證值的數值較高，這說明風電機組的硬件設備可能存在一定的問題。在保證值數值較低的情況下，發電機組的運行功率較差，與預估功率之間存在偏差。因此，相關人員應對排查出的12 組風電機組展開硬件排查工作，進一步加強功率數據的分析，有效提高風電機組的性能。

3.2 偏航對風性能分析

根據風電機組在偏航狀態下對風機性能數值結果的分析，風速段不同會使得偏差誤差角度存在差異，通過對數據的綜合整理分析，最終平均偏差數值為-4.2°，這說明風電機組在功率性能上仍存在較大的提升空間。相關技術人員在采取功率調整措施的過程中，可以應用大數據技術，將偏航誤差調整軟件與風電機組相結合，建立風電機組的自適應補償機制，減少偏航問題對風電機組運行功率產生的影響［13］。

3.3 發電量

根據發電量數據統計結果，風電機組在運行過程中存在限電發電量損失較大的情況，占據理論發電量數值的13%左右，而由于設備處于故障狀態所導致的發電損失量占比也較高，占據理論發電量的10%左右。因此，發電量損失較高是風電機組運行存在的問題，相關部門必須積極開展風電機組狀態監測、狀態調整作業，采取機組優化措施，提高風電機組發電性能［14］。

3.4 時間利用率

根據時間利用率結果分析，因故障檢修、啟動等占據的總體時間比例在17%左右，占比較高，風電機組正常運行時間占比為54.26%。為提高風電機組的時間利用率，可以通過故障風險識別、故障分析，快速故障檢修等方法，提升機組發電時間［15］。

4 結束語

本文建立風電機組發電性能評價體系開展風電機組的性能評估工作，主要根據風電機組的運行性能整理相關歷史數據，建立評價指標。結合功率曲線可以了解風電機組性能狀態，結合發電量、時間利用率等各項數據指標，可以切實了解風電機組運行階段影響性能指標的相關問題，為風電機組運行效率的提升指明方向、提供思路，以期為電力企業長效發展提供保障。隨著未來大數據技術以及智能技術的不斷完善，其在風電機組性能評價領域將會發揮更加積極的作用，評價方法及評價體系也將更加完善。