CN106815773A - 一种风电场功率特性评估方法 - Google Patents

Abstract

本发明涉及一种风电场功率特性评估方法，选择典型风电机组；对典型风电机组进行测试，获取标准空气密度下的轮毂风速；基于数据挖掘理论和方法，使用典型风电机组的测量数据和SCADA数据，建立轮毂高度风速模型；将典型风电机组的轮毂高度风速的数据模型应用于风电场内其他风电机组，结合SCADA数据，计算待评估风电机组的轮毂高度自由流风速；计算待评估风电机组的功率曲线，最终实现对风电场内所有风电机组功率特性的评估。本发明大大降低了逐台测试的成本和时间费用，并且保证了自由流风速评估的准确度，能够对风电场所有风电机组的功率特性进行高效、准确地评估。

Description

一种风电场功率特性评估方法

技术领域

本发明涉及一种评估方法，具体涉及一种风电场功率特性评估方法。

背景技术

风力发电作为可再生能源开发中技术最成熟的、最具有规模开发和商业化发展前景的发电方式之一，越来越受到世界各国的重视并得到了广泛的开发和应用。近年来我国风力发电发展势头迅猛，风电装机容量连年大幅增长。

随着风电装机台数的增加，每年有越来越多的风电机组面临出质保期的情况。出质保时，风电场业主和风电机组制造商需要共同对风电机组的特性进行评估和确认。其中，由于风电机组的功率特性与风电场后期的发电能力和收益直接相关，所以风电机组的功率特性评估方法就成为了双方关注的焦点之一。双方都希望能有一个准确、高效、公平的方法对风电场的功率特性进行评估。

目前，风电场功率特性常用的评估方法有两种。第一，按照IEC 61400-12-1:2005标准对风电场内的风电机组逐台进行测试和评估。这种方法的优点是准确度高，检测结果能够在国际上获得普遍认可。但是这种方法比较复杂，需要的测试周期相对较长，需要的测试费用也较高，这就给风电场业主和风电机组制造商都带来了很大的成本压力，双方都很难接受；第二，利用风电机组SCADA数据的机舱风速数据和功率数据绘制功率曲线。这种方法的优点是数据便于获得，不需要测试周期，花费的成本较低。但是，由于机舱风速数据在运行时，受到风轮的干扰，准确度很差，这种方法得到的功率曲线与实际准确度差别很大，评估结果不能被风电场业主认可。

发明内容

针对现有技术的不足，本发明提供一种风电场功率特性评估方法，结合风电机组测试数据和SCADA数据进行分析，保证评估结果的准确度的同时，大大降低了测试的时间和费用成本，非常适合于在风电场出质保时大规模推广应用。

本发明的目的是采用下述技术方案实现的：

一种风电场功率特性评估方法，所述方法包括：

步骤1.选择典型风电机组；

步骤2.对典型风电机组进行测试，获取标准空气密度下的轮毂风速；

步骤3.基于数据挖掘理论和方法，使用典型风电机组的测量数据和SCADA数据，建立轮毂高度风速模型；

步骤4.将典型风电机组的轮毂高度风速的数据模型应用于风电场内其他风电机组，结合SCADA数据，计算待评估风电机组的轮毂高度自由流风速；

步骤5.计算待评估风电机组的功率曲线。

优选的，所述步骤1中，选择典型风电机组的条件为：在风电场中选择不同型号的典型风电机组各一台；所述典型风电机组满足IEC 61400-12-1：2005附录B的要求；上风向障碍物少，可用扇区大。

优选的，所述步骤2具体包括：

2-1在典型风电机组主风向的上风向安装测风塔，距离在2倍风轮直径至4倍风轮直径之间；

2-2在与典型风电机组轮毂高度相同的测风塔上，安装风速计、风向标、温度计和气压计测试获得风向数据，满足测试采样率和平均周期分别不低于1Hz和10min；

2-3根据风向数据，剔除受影响扇区的风速数据；

2-4按照下式对风速数据规格化，获得标准空气密度下的轮毂风速；

式中，V_n-标准空气密度下的轮毂风速，

V_10min为轮毂风速测量值的10min平均值，

B_10min为气压测量值的10mn平均值，

T_10min为气温测量值的10mn平均值，

R为干燥空气的气体常数287.05J/(kg×K)，

ρ₀为标准空气密度1.225kg/m³。

优选的，所述步骤3包括：

3-1获得典型风电机组与测试同步的SCADA数据；

3-2数据清洗，剔除无效数据和故障数据；

3-3基于数据挖掘的理论建立轮毂高度风速模型。

进一步地，所述步骤3-2数据清洗具体包括：根据风电机组运行状态剔除数据，仅保留风电机组在正常发电状态的数据；根据偏航位置和偏航偏差角度，剔除风轮受到障碍物影响的数据。

进一步地，所述步骤3-3建立轮毂高度风速模型包括：以SCADA数据的转速、桨距角、功率、偏航偏差角度为输入，以典型风电机组测量的标准化轮毂高度自由流风速为输出，分别通过人工神经网络、支持向量机SVM法以及最小二乘法进行建模，并以不同模型的测试均方根误差为指标，选择均方根误差最小的模型。

优选的，所述步骤4具体包括：

4-1获取风电场内与典型风电机组同型号的其他风电机组长期的SCADA数据；其中，所述SCADA参数与步骤3-1中的数据参数相同；

4-2数据清洗，剔除无效数据和故障数据；根据风电机组运行状态剔除数据，只保留风电机组在正常发电状态的数据；根据偏航位置和偏航偏差角度，剔除风轮受到障碍物影响的数据。

4-3根据步骤3获得的典型风电机组的轮毂高度风速的数据模型和待评估风电机组的SCADA数据，计算待评估风电机组的轮毂高度自由流风速。

优选的，所述步骤5计算待评估风电机组的功率曲线包括：使用区间法基于步骤4获得的待评估风电机组的轮毂高度自由流风速，以及与其同步的SCADA数据中的功率数据，确定风速区间0.5m/s，计算功率曲线，其表达式为：

式中：V_i为第i个区间的平均风速；V_n,i,j为第i个区间数据j的风速；P_i为第i个区间的平均输出功率；P_n,i,j为第i个区间数据j的平均输出功率；N_i为第i个区间内10min数据的数目。

与现有技术比，本发明达到的有益效果是：

与最接近的现有技术进行比较：申请号201410294915.8的专利基于BP神经网络，获得自由流风速和机舱风速的非线性关系，同时测量风电机组输出功率，从而获得功率曲线，与本专利评估自由流风速和功率的方法不相同。

申请号201310613419.X的专利使用流体力学的方法修正机舱风速，获得功率曲线，未涉及SCADA数据的使用，与本专利评估自由流风速和功率的方法不相同。申请号201210527809.0、201410727095.7是针对风电机组功率曲线的测试方法，未涉及风电场评估的内容。

本发明具有进步性的有益效果在于：(1)结果准确度高：典型风电机组的数据来源于实际测试数据，轮毂高度自由流风速的数据模型基于测试数据和必需的SCADA参数，并且通过控制模型的均方根误差选择最合适的模型，可以提高风速评估的准确度。

(2)评估效率高：避免了逐台对风电场内的风电机组进行测试，降低了测试所需的时间和设备成本。对典型风电机组的建模完成后，其他风电机组的评估工作可以同步开展；轮毂高度风速的建模和其他风电机组的评估工作，不需使用测试设备，可以通过编程自动实现，极大地提高了评估的效率。

附图说明

图1为本发明提供的一种风电场功率特性评估方法流程图；

图2为本发明提供的建立轮毂高度风速的模型流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

如图1所示，一种风电场功率特性评估方法，其特征在于，所述方法包括：

步骤1.选择典型风电机组；

所述步骤1中，选择典型风电机组的条件为：在风电场中选择不同型号的典型风电机组各一台；所述典型风电机组的周围地形较平坦，应满足IEC 61400-12-1：2005附录B的要求；上风向障碍物少，可用扇区大。

步骤2.对典型风电机组进行测试，获取标准空气密度下的轮毂风速，具体包括：

2-1在典型风电机组主风向的上风向安装测风塔，距离在2倍风轮直径至4倍风轮直径之间；

2-2在与典型风电机组轮毂高度相同的测风塔上，安装风速计、风向标、温度计和气压计测试获得风向数据，满足测试采样率和平均周期分别不低于1Hz和10min；

2-3根据风向数据，剔除受影响扇区的风速数据；

2-4按照下式对风速数据规格化，获得标准空气密度下的轮毂风速；

式中，V_n-标准空气密度下的轮毂风速，

V_10min为轮毂风速测量值的10min平均值，

B_10min为气压测量值的10mn平均值，

T_10min为气温测量值的10mn平均值，

R为干燥空气的气体常数287.05J/(kg×K)，

ρ₀为标准空气密度1.225kg/m³。

步骤3.基于数据挖掘理论和方法，使用典型风电机组的测量数据和SCADA数据，建立轮毂高度风速模型；

所述步骤3包括：

3-1获得典型风电机组与测试同步的SCADA数据；以10min为测量周期，SCADA参数包括：

变量	平均值	标准差
			转速	●	●
桨距角	●	●
			功率	●	●
偏航位置	●
			偏航偏差角度	●
风电机组状态	●

3-2数据清洗，剔除无效数据和故障数据；根据风电机组运行状态剔除数据，仅保留风电机组在正常发电状态的数据；根据偏航位置和偏航偏差角度，剔除风轮受到障碍物影响的数据。

3-3基于数据挖掘的理论建立轮毂高度风速模型。以SCADA数据的转速、桨距角、功率、偏航偏差角度为输入；根据实际需要，通过计算机语言编写的方式定义不同比例的输入量进行数据训练和数据测试；通过人工神经网络、支持向量机SVM法以及最小二乘法分别建模，输出典型风电机组测量的标准化轮毂高度自由流风速；并以不同模型的测试均方根误差为指标，选择均方根误差最小的模型；如图2所示。

步骤4.将典型风电机组的轮毂高度风速的数据模型应用于风电场内其他风电机组，结合SCADA数据，计算待评估风电机组的轮毂高度自由流风速；具体包括：

4-1获取风电场内与典型风电机组同型号的其他风电机组长期的SCADA数据；其中，所述SCADA参数与步骤3-1中的数据参数相同；

4-2数据清洗，剔除无效数据和故障数据；根据风电机组运行状态剔除数据，只保留风电机组在正常发电状态的数据；根据偏航位置和偏航偏差角度，剔除风轮受到障碍物影响的数据。

4-3根据步骤3获得的典型风电机组的轮毂高度风速的数据模型和待评估风电机组的SCADA数据，计算待评估风电机组的轮毂高度自由流风速。

步骤5计算待评估风电机组的功率曲线包括：使用区间法基于步骤4获得的待评估风电机组的轮毂高度自由流风速，以及与其同步的SCADA数据中的功率数据，确定风速区间0.5m/s，计算功率曲线，其表达式为：

式中：V_i为第i个区间的平均风速；V_n,i,j为第i个区间数据j的风速；P_i为第i个区间的平均输出功率；P_n,i,j为第i个区间数据j的平均输出功率；N_i为第i个区间内10min数据的数目。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种风电场功率特性评估方法，其特征在于，所述方法包括：

步骤1.选择典型风电机组；

步骤2.对典型风电机组进行测试，获取标准空气密度下的轮毂风速；

步骤3.基于数据挖掘理论和方法，使用典型风电机组的测量数据和SCADA数据，建立轮毂高度风速模型；

步骤4.将典型风电机组的轮毂高度风速的数据模型应用于风电场内其他风电机组，结合SCADA数据，计算待评估风电机组的轮毂高度自由流风速；

步骤5.计算待评估风电机组的功率曲线。

2.如权利要求1所述的方法，其特征在于，所述步骤1中，选择典型风电机组的条件为：在风电场中选择不同型号的典型风电机组各一台；所述典型风电机组满足IEC61400‐12‐1：2005附录B的要求。

3.如权利要求1所述的方法，其特征在于，所述步骤2具体包括：

2‐1在典型风电机组主风向的上风向安装测风塔，距离在2倍风轮直径至4倍风轮直径之间；

2‐2在与典型风电机组轮毂高度相同的测风塔上，安装风速计、风向标、温度计和气压计测试获得风向数据，满足测试采样率和平均周期分别大于或等于1Hz和10min；

2‐3根据风向数据，剔除受影响扇区的风速数据；

2‐4按照下式对风速数据规格化，获得标准空气密度下的轮毂风速；

$V_n=V_{10\min }{\left(\frac{B_{10\min }}{{\mathrm{\ρ}}_0{\mathrm{RT}}_{10min}}\right)}^{1/3}$

式中，V_n-标准空气密度下的轮毂风速，

V_10min为轮毂风速测量值的10min平均值，

B_10min为气压测量值的10mn平均值，

T_10min为气温测量值的10mn平均值，

R为干燥空气的气体常数287.05J/(kg×K)，

ρ₀为标准空气密度1.225kg/m³。

4.如权利要求1所述的方法，其特征在于，所述步骤3包括：

3‐1获得典型风电机组与测试同步的SCADA数据；

3‐2数据清洗，剔除无效数据和故障数据；

3‐3基于数据挖掘的理论建立轮毂高度风速模型。

5.如权利要求4所述的方法，其特征在于，所述步骤3‐2数据清洗具体包括：根据风电机组运行状态剔除数据，仅保留风电机组在正常发电状态的数据；根据偏航位置和偏航偏差角度，剔除风轮受到障碍物影响的数据。

6.如权利要求4所述的方法，其特征在于，所述步骤3‐3建立轮毂高度风速的模型包括：以SCADA数据的转速、桨距角、功率、偏航偏差角度为输入，以典型风电机组测量的标准化轮毂高度自由流风速为输出，分别通过人工神经网络、支持向量机SVM法以及最小二乘法进行建模，并以不同模型的测试均方根误差为指标，选择均方根误差最小的模型。

7.如权利要求1所述的方法，其特征在于，所述步骤4具体包括：

4‐1获取风电场内与典型风电机组同型号的其他风电机组长期的SCADA数据；其中，所述SCADA参数与步骤3‐1中的数据参数相同；

4‐2数据清洗，剔除无效数据和故障数据；根据风电机组运行状态剔除数据，只保留风电机组在正常发电状态的数据；根据偏航位置和偏航偏差角度，剔除风轮受到障碍物影响的数据。

4‐3根据步骤3获得的典型风电机组的轮毂高度风速的数据模型和待评估风电机组的SCADA数据，计算待评估风电机组的轮毂高度自由流风速。

8.如权利要求1所述的方法，其特征在于，所述步骤5计算待评估风电机组的功率曲线包括：使用区间法基于步骤4获得的待评估风电机组的轮毂高度自由流风速，以及与其同步的SCADA数据中的功率数据，确定风速区间0.5m/s，计算功率曲线，其表达式为：

$V_i=\frac{1}{N_i}{\Σ}_{j=1}^{N_i}{V}_{n,i,j}$

$P_i=\frac{1}{N_i}{\mathrm{\Σ}}_{j=1}^{N_i}{P}_{n,i,j}$

式中：V_i为第i个区间的平均风速；V_n,i,j为第i个区间数据j的风速；P_i为第i个区间的平均输出功率；P_n,i,j为第i个区间数据j的平均输出功率；N_i为第i个区间内10min数据的数目。