不同來風方向對風電機組發電性能的數據分析研究

王亭 李龍 馬靖皓 洪歷江

摘要：以往分析風電機組不少是采用仿真技術或理論計算，所得結論跟實際情況存在較大差距。文章通過對風電機組實際運維的數據進行分析，得知風力發電機組在幾乎相同的日平均風速下，僅當來風向不同時，其發電效率存在很大不同。針對額定功率為3.2 MW的同一臺風電機組，其在兩種不同風向上的日發電量會相差近10000 kW·h，同時發現此類情況并非個例，在不同風場多臺風電機組上均有發現。據此文章詳細分析了兩種不同來風方向下，機組的風資源、偏航對風、收槳等方面數據差異。在實地調研風場現場機位的情況下，根據機組實際偏航數據偏差，得出風電機組發電性能受來風方向的影響很大，機組所處機位的地形對來風造成了一定程度的影響，從而最終影響到風機的運行效率。

關鍵詞：風電機組；來風方向；發電性能；數據分析

中圖分類號： TM315??文獻標志碼： ?A

0?引言

風力發電機組是將風輪吸收的風能有限的轉換為機械能，再由機械能轉化為電能。由流體力學可知，單位時間內氣流的動能計算公式為：

P=12ρAv3

式中，A為葉輪的面積（單位：m2），ρ為空氣密度（單位：kg/m3），v為空氣的流速（單位：m/s）［1］。由于風電機組從自然風中獲取的能量是有限的，當來流風速v在遠離風輪被阻滯到1/3時，所獲得的功率最大［1］。此時理論上可以獲得的最大功率為：

P=12ρAv3Cp.max

式中，Cp.max為最大功率系數［1］。根據計算公式可知，風機獲取的風能主要是受制于葉輪面積、平均風速以及空氣密度，而Cp.max則受制于葉尖速比的影響，使風電機組保持在最大功率系數，需要調節風輪轉速，葉尖速度與風速之比保持不變，即可獲得最佳的功率系數［2］。

在風電機組出廠后，葉輪面積是固定值，如果溫度和大氣壓強相差不大，則空氣密度也近似相同。由于最佳葉尖速比在試驗機型時已確定，故Cp.max也不會相差太大。此時，在不同的兩個發電自然日，如果平均風速近似相同，則風電機組的發電功率以及發電量也會相同或大致相同，但實際情況卻偏差較大。

文獻［3］的研究分析發現，風電機組受外部環境影響因素較大，主要包括溫度和高度，二者是通過空氣密度影響功率曲線。文獻［4］的研究表明，通過控制策略的改進可以提升發電機組的功率，減輕對機組和電網的沖擊影響。現有文獻主要是從仿真的角度進行論證，真實機組上的數據并未驗證分析。而本文在研究分析中發現，對于同一臺風電機組，即便是在日平均風速相同、空氣密度和壓強相差不大的情況下，其發電性能或者發電效率方面也存在著很大的差異。

以某風電項目為例，風場所處地理位置的主導風向為東北風，次主導風向西南風，通過對機組長時間的SCADA數據分析發現，該風場多臺機組的發電情況受現場風向的影響較為明顯。當現場風向為東北風時，有2臺機組的發電性能表現較差；當現場為西南風時，機組發電性能表現較好。與此同時，另有2臺機組的發電情況與上述情況剛好相反，即當現場為東北風時，發電效率普遍較好；而在西南時，發電效率普遍偏差。

為此，本文重點分析了#009機組在兩個不同來風方向上的風資源、偏航情況以及槳葉角度控制等多個維度的數據。在此基礎上，筆者實地調研了風機機位，發現在該機組在東北和西南兩個方位上，地形存在較大差異。

1?發電情況分析

為表征機組發電情況的優劣，本文定義1項指標，即機組性能損失（單位：kW·h）。該指標是指風電機組在一定時間內，在剔除故障、限電以及其他因素導致的停機基礎上，機組理論發電量與實際發電量的差值，該指標能夠反映機組發電效率情況。

#009機組在平均風速幾乎相同的情況下，性能損失出現了很大的差異，如表1所示。機組性能損失為負代表機組實際發電量大于理論發電量。從風向上看，當風場風向為東北風時，機組的性能損失均為正值；當風向為西南風時，機組的性能損失均為負值。在所有風向均是西南風的天數中，又以2023年7月7日的性能表現最佳。

以2023年7月7日和2023年7月17日兩天的運行數據為例，由于性能損失的差異，導致了該機組在2023年7月17日的實際發電量相較2023年7月7日減少了11628 kW·h ，主要原因則是因為2023年7月17日的性能損失偏大導致的，兩者在性能損失方面相差8485 kW·h。

在參考文獻［5-6］的基礎上，本文剔除了常見的異常數據，如：停機時段數據（待風與故障時段）、有限功率數據時段（限功率）以及噪聲數據時段，根據文獻［7］中所提空氣密度對機組功率的影響，在此基礎上繪制了基于SCADA數據繪制機組理論與實際功率曲線，如圖1所示。圖1中紅色線代表機組的理論功率曲線，藍色和橙色的散點分別代表2023年7月7日和2023年7月17日兩天的實際功率與風速的散點。從圖1中可以看出，2023年7月7日當日整體的發電功率優于2023年7月17日，而且多數功率點分布在理論功率曲線之上。

2?風資源情況

2.1?風頻分布

根據文獻［8］的研究分析，本文采用適合的決定系數繪制了表1中對應每天的風頻分布，其中為東北風的3天風頻分布如圖2所示，西南風的3天風頻分布如圖3所示。相較于西南風，當現場是東北風時，其風頻分布的范圍更寬以及更分散。

在所有的東北風風向條件下，2023年7月17日當天的風頻分布中，出現風速突變的可能性是最大的，出現風速突變的時間段居多（見圖3）。基于現有的機組轉速與轉矩控制策略可知，此種情況往往不利于風機的發電。

在所有的西南風天氣條件下，2023年7月7日當天的風頻分布最不利于發電，2023年5月2日和2023年5月16日兩天的風頻分布情況近似，但2023年5月16日在風頻分布的數據區間范圍上要稍好于2023年5月2日。在西南風天氣下，2023年7月7日的發電效率最高，由此可以說明，風頻分布并不是影響發電的最主要的因素。

2.2?風向、風速以及湍流離散評估

文獻［9］研究分析了關鍵環境因素對風電機組輸出功率的影響，為此本文針對文獻中提到的湍流進行了分析。風場#009機組雖然在平均風速和風向上近似相同，但需要利用風機SCADA數據對風向和風速做進一步的分析和整理。為此，分別計算了該機組在東北風和西南風兩個風向下的詳細數據，具體如表2—3所示。

標準差可以反映機組數據的集中情況。相較于西南風而言，當現場為東北風時，其在風向、風速以及湍流值的標準差遠大于西南風，說明現場是東北風時，其風向的波動幅度較大、風速變化更明顯，最終導致機組所處的湍流值存在較大不同。

由表2和表3可知，不論機組是處在東北風還是西南風，性能損失的優劣更多的是取決于風向的集中情況。如2023年7月7日和2023年7月18日分別是西南風和東北風條件下性能損失表現最好的天數，此時上述兩日的風向標準差也是最小的，但此時風速以及湍流的標準差并非最小，說明在機組的實際表現中，風向可能是起到了決定性的作用。

在額定風速附近，機組輸出功率隨湍流強度的增加而減小；在切入風速附近，功率將隨湍流強度的增加而增加；當湍流強度小于10%時，對機組的輸出功率影響較小；湍流強度較大時，對小風速下機組輸出功率的影響更明顯［9］。針對該機組上述日期中，機組平均風速處于額定風速以下，故湍流強度越大，對機組輸出應該是有促進作用。而此時西南風時的湍流強度小于東北風，說明在湍流方面，當現場為西南風時，并非有助于機組發電。

3?偏航對風情況

3.1?風向偏差角

在計算偏航對風時，以機組啟動偏航時刻為基準點，選擇基準點前30 s的數據，求平均值作為機組啟動偏航時的風向偏差角，該計算結果也是機組啟動偏航的實際角度。另外，將當日計算出來的所有啟動偏航時的風向偏差角度求平均，得出計算結果如表4—5所示。

在風向為東北風的天數中，以2023年7月18日偏航對風最優，2023年7月17日偏航對風最差，具體如表4所示。從數據上看，機組偏航對風最優時，此時機組性能也是最好的（性能損失值最小），同樣偏航對風最差時，機組性能也最差（性能損失值最大）。

從表4的計算數據來看，在東北風條件下，機組啟動逆向偏航時，最大和最小風向偏差角度為4.99°（31.56～26.57）；機組啟動正向偏航時，最大和最小風向偏差角度為3.65°（-23.89～-27.54）。

在風向為西南風的天數中，偏航對風效果幾乎相同，不存在較大的偏差，具體如表5所示。而綜合兩個表的數據來看，當風場是西南風時，該機組的對風效果整體要優于東北風，導致偏航出現差異的原因，應該也是由于來風方向的差異所導致。由于機組應對不同來風方向的偏航程序相同，風向的差異，則直接導致了機組在偏航實際表現上的不同。

偏航對風誤差主要受偏航控制性能誤差和偏航靜態偏差影響，偏航系統的容錯控制策略引起偏航誤差分布的形狀不同，而偏航靜態誤差則影響偏航靜態分布位置。隨著風電設計水平和技術的日趨成熟，偏航系統的控制誤差對偏航誤差的影響越來越小，而偏航靜態偏差成為影響偏航誤差的主要因素［10］。在偏航靜態誤差中，風向標的安裝精度、測量精度以及葉片紊流是導致偏航誤差的主要因素［10］。針對該機組，不同的運行自然日，機組風向標的安裝精度和測量精度均相同，故導致在東北和西南風下對風偏差的主要原因還是來自葉片的紊流，而風速和風向則是引起紊流不同的主要原因。

3.2?偏航次數和時長

東北風和西南風條件下，機組啟動正/逆偏航的次數和時長，如表6—7所示。根據表中數據可以看出，相較于東北風而言，該機組在西南風時，偏航的次數減少了40.4%，累計偏航時長減少了14.4%，但機組平均單次偏航的時長卻增加了44.0%，說明偏航時長的減小的比例要小于偏航次數。

前文已述，在此期間并未更改過機組控制程序或者更換過風速、風向儀等，所以導致機組偏航數據（偏航角度和偏航次數等）出現較大不同的原因可以判定，并非由機組自身原因導致，而是由于外部環境所致，也就是由風資源引起。由于日平均風速近似相同，結合風電機組的控制原理可以得知，導致偏航發生較大差異的根本原因還是由于風向引起。

4?機組收槳情況

當該機型的機組在功率大于1900 kW時，為避免機組葉片和塔筒之間出現掃塔風險，會使機組槳葉執行一定的收槳操作；在機組達到額定功率后，為限制機組功率的增加，也會以收槳的方式來達到控制功率超限的目的。

為此，在分析機組槳葉角度時，考慮以1900 kW與3200 kW（額定功率）為標準，將機組分成3個區間，即：（0，1900］，（1900，3200］，（3200，3360］，其中3360 kW是以不大于機組額定功率5%來確定的機組功率上限。

在東北風條件下，除（3200，3360］功率區間外，機組在（0，1900］和（1900，3200］兩個非滿功率區間下，平均槳葉角度越大，則對應的機組性能損失越大。而在滿功率以上的區間（3200，3360］，出現大風的概率分布較多天數，其平均槳葉角度也會越大，如2023年5月7日在（3200，3360］功率區間對應的平均槳葉角度為8.1°。與東北風不同，當機組處在西南風時，機組最佳發電效率所對應的槳葉角度并非最小，如在2023年7月7日，除在額定功率以上外，機組平均槳葉角度均大于2023年5月16日與2023年5月2日。

綜合兩種風向下的槳葉角度來看，西南風條件下的槳葉角度均小于東北風，槳葉角度越小，則說明更多的風資源被機組吸收，發電效率則會更大。

5?原因分析

不同工況下，風電機組運行特性不同，各狀態變量間相關性強弱差異較大，對風電機組工況進行劃分，研究不同工況下各狀態變量間的相關性，能更準確地反映風電機組運行特性［11］。本文則采用兩種不同風向下進行了較為深入的數據分析。

經調取該機組日常運維的相關記錄可以得知，在分析時段內，機組并未修改過主控程序，未更換過風速和風向儀，因此導致機組發電性能偏差較大的主要原因在于自然因素。在自然因素中，本文則主要分析了空氣密度、風速以及風向等。由于分析時段跨度不大，經計算所得的平均溫度相差較小，故可以排除是由于空氣密度導致的差異；而由于機組日平均風速近似相同，故導致機組在發電效率方面存在較大差距的原因可以歸結為是風向導致。

為分析導致此類情況的根本原因，筆者實地調研了#009機組的現場地形情況，其地形分布情況如圖4所示。前文已述，該機組的主導風向和次主導風向分別為東北和西南風向，故該機組在實際運行過程中，主要是受這兩種風向。對比兩種地形可以發現，在東北方向上，地形分布起伏較為嚴重，而在西南風向上，地形相對平坦。所以可以判斷，機組在此種地形分布情況下，東北風受地形的影響更為嚴重，風速和風向的波動會加劇。而在西南風下，平坦的地形對風速和風向的波動影響相對較小。該結論可以通過本文2.2章節中風速和風向的標準差以及3.1章節中偏航對風的實際表現可以得出。在東北風下，風速和風向的標準差均大于西南風，說明在風速和風向的波動方面，東北風更為嚴重。東北風下，機組正、逆向偏航的次數約是西南風條件下的1.67倍，偏航時長也明顯偏長，說明機組處在東北風條件下時，為了捕捉最佳的對風效果，機組需要付出更多的偏航次數才能實現。而平均單次偏航的時長則是出現在西南風，也是由于東北風向變化較大所致。

綜上，經過對風電機組實際運維的SCADA數據分析發現，對于同一臺機組而言，即使機組日平均風速相同，僅當來風方向不同時，對機組的發電效率也會造成較大的差別，最終會影響到機組的日發電量。通過對風資源、機組偏航、機組變槳等各個實際運維的數據分析中發現，風向的影響起到了主導作用；風向通過影響機組的對風效果，進而影響到風機的性能損失；在有利的風向下運行時，機組偏航次數和累計時間均會減少，但單次平均偏航的時間不會減少，反而會增大。造成上述情況的原因在于機組所處兩種風向上的地形不同。

6?結語

一般情況下，在同一個風場中，相同機型的機組會采用相同的控制程序，其中包括偏航控制程序，而機組所處機位的地形不可能完全相同，由此會導致機組在發電效率上存在較大差距。因此，在已知不同來風方向上發電效率差異的前提下，結合文獻［12］的研究成果，可以有針對性地采取不同的偏航策略，以提升機組發電效率和發電量。

［參考文獻］

［1］廖明夫，GASCH R，TWELE J. 風力發電技術［M］.西安：西北工業大學出版社，2009.

［2］葉杭冶.風力發電機組監測與控制［M］.2版.北京：機械工業出版社，2021.

［3］邢作霞，項尚，徐健，等.外部環境對風電機組性能影響分析［J］.太陽能學報，2021（3）：98—103.

［4］許謹，鄧巍，李春廷，等.改進的風電機組轉矩控制策略［J］.熱力發電，2023（3）：160-167.

［5］柏文超，劉穎明，王曉東，等.基于數據驅動的風電機組最優槳距角辨識方法［J］.電力科學與工程，2022（9）：38-44.

［6］劉清河，趙映澤.風電機組功率曲線建模方法對比研究［J］.可再生能源，2018（4）：580-584.

［7］張國強，田宏哲，楊政厚，等.考慮空氣密度變化的風電機組轉矩控制算法研究［J］. 可再生能源，2020（1）：58-62.

［8］李化.基于威布爾分布的風功率密度計算方法比較［J］.南方能源建設，2024（1）：33-40.

［9］陳海軍，宮偉，張銳，等.關鍵環境因素對風電機組輸出功率的影響［J］.船舶工程，2023（2）：5-12.

［10］?楊偉新，宋鵬，陳雷，等.風電機組偏航靜態偏差對發電性能的影響及優化方法［J］.可再生能源，2020（5）：680-684.

［11］?崔雙雙，孫單勛.分工況下風電機組各變量相關性研究［J］.綜合智慧能源，2022（12）：49-52.

［12］?毛江，蔡義鈞，張斯翔，等.湍流風況下的風電機組偏航控制系統［J］.機械工程與自動化，2022（1）：175-177.

（編輯?姚鑫）

Data analysis and research on the power generation performance of

wind turbines with different wind directions

WANG ?Ting， ?LI ?Long， ?MA ?Jinghao， ?HONG ?Lijiang

（Mingyang Smart Energy Group Co.， Ltd.， Zhongshan 528400， China）

Abstract： ?In the past， many analyses of wind turbines were conducted using simulation techniques or theoretical calculations， resulting in significant discrepancies between the conclusions obtained and the actual situation.Through analyzing the actual operation and maintenance data of wind turbines， it is found that under almost the same daily average wind speed， the power generation efficiency of wind turbines varies greatly only when the incoming wind direction is different. For the same wind turbine unit with a rated power of 3.2 MW， its daily power generation in two different wind directions will differ by nearly 10000 kW·h. At the same time， it was found that this situation is not an exception and has been found on multiple wind turbines in different wind farms. Based on this， this article provides a detailed analysis of the differences in data on wind resources， yaw impact on wind， and pitch control for wind turbines under two different wind directions. After conducting on-site research on the wind farms machinery， the relevant conclusion was drawn that the power generation performance of wind turbines is greatly affected by the wind direction， and the terrain will have a significant impact on the operational data of the turbines.

Key words： wind turbine; direction of incoming wind; power generation performance; data analysis