CN111709644B - 一种利用机组scada数据的风电场风资源计算方法 - Google Patents

Abstract

本发明公开了一种利用机组SCADA数据的风电场风资源计算方法，属于风电场风资源计算技术领域。通过计算得到一台机组在风电场的机舱传递函数，利用该传递函数关系，对各代表机组的机舱风速进行修正，再利用修正后的风速进行风资源模拟，最终得到风电场的全年的风资源数据。本方法利用了同一风电场内，同一机型的机舱传递函数基本相同的原理，通过计算代表机组的传递函数，与多台机组同时测量相比，能够显著的缩短测量时间，节约测量成本。同时，与利用原有测风塔相比，本方法的时效性较好，避免了数据缺失带来的误差，利用场区边缘多处机组的SCADA结果，能够减少单台机组自身传感器偏差带来的风资源计算误差，有较高的计算准确性。

Description

一种利用机组SCADA数据的风电场风资源计算方法

技术领域

本发明属于风电场风资源计算技术领域，具体涉及一种利用机组SCADA数据的风电场风资源计算方法。

背景技术

风电机组的发电能力与所处机位点和风电场的风资源条件息息相关。风速过低、风向变化过快、湍流强度过大，入流角超限等问题，均会导致机组发电量降低、载荷加大，部件磨损增加。因此，合理准确的评估风电场的风资源显得尤为重要。

了解整个风电场的风资源情况主要依靠模拟计算，但影响模拟计算的准确性的关键因素之一就是原始测风数据的准确性和代表性。目前，原始测风数据的获取主要依靠两种手段，即测风塔和激光雷达。测风塔测风主要用于长时间段的测量，移动不便，无法对全场有很好的代表性；同时，如果对测风设备和测风数据的管理不善，容易造成测风数据的缺失。测风激光雷达主要用于移动测量，但成本较高，不适合用于长期测量；同时，由于原理影响，无法测量空气中有过多悬浮颗粒物时的风资源。

发明内容

为了解决上述现有技术中存在的缺陷，本发明的目的在于提供一种利用机组SCADA数据的风电场风资源计算方法，具有测量时间短、测量成本低、计算准确性好的特点，具有极高的实用价值。

本发明是通过以下技术方案来实现：

一种利用机组SCADA数据的风电场风资源计算方法，包括以下步骤：

步骤1：选择一台位于风电场边缘的机组A₁进行地形评估；

步骤2：判断地形评估结果，若通过，则接步骤3；否则，重新执行步骤1；

步骤3：计算机组A₁的机舱传递函数；

步骤4：选择除机组A₁外的若干位于风电场边缘的机组A₂、A₃、…、A_n；

步骤5：收集机组A₁、A₂、A₃、…、A_n的完整年SCADA数据，并分别建立各机组对应的数据库C₁、C₂、C₃、…、C_n；

步骤6：对机组A₁、A₂、A₃、…、A_n进行扇区评估，筛选每一台机组受其它机组或地形影响的扇区，并从数据库C₁、C₂、C₃、…、C_n中剔除受影响扇区的数据，建立剩余数据库D₁、D₂、D₃、…、D_n；

步骤7：对剩余数据库D₁、D₂、D₃、…、D_n的时间戳取并集，判断是否覆盖完整年的每个时间点，是则接步骤8；否则返回步骤4；

步骤8：根据步骤3得到的机舱传递函数计算机组A₁、A₂、A₃、…、A_n的时序来流风速，并将计算结果作为机舱高度点位处的风资源测量结果；

步骤9：对剩余数据库D₁、D₂、D₃、…、D_n中的数据进行代表年订正，得到订正数据库E₁、E₂、E₃、…、E_n；

步骤10：将订正数据库E₁、E₂、E₃、…、E_n导入风电场地形模型，利用时间戳，判断E₁、E₂、E₃、…、E_n时间上的同时性，将订正数据库E₁、E₂、E₃、…、E_n中每个时间点的数据带入风电场地形模型中进行计算，得到全风电场时序的风资源数据，将各时间点的风资源数据叠加平均，得到全年的风资源数据。

优选地，步骤1中，地形评估是通过IEC标准进行的。

优选地，步骤3的具体步骤为：

步骤3.1：测量机组A₁轮毂高度的来流风速风向，根据测量结果建立数据库B₁；

步骤3.2：收集与步骤3.1同时间段的机组A₁的SCADA数据并建立数据库B₁＇；

步骤3.3：对机组A₁进行扇区评估，筛选出受其它机组或地形影响的扇区，剔除数据库B₁和B₁＇中受影响扇区的数据；

步骤3.4：利用时间序列对数据库B₁和B₁＇中的剩余数据建立一一对应关系，进行线性拟合，得到机组A₁的机舱传递函数。

进一步优选地，步骤3.1中，机组A₁轮毂高度的来流风速风向通过激光雷达测量得到。

进一步优选地，步骤3.2中，机组A₁的SCADA数据精度为每秒1个数据点。

优选地，步骤4中，机组A₂、A₃、…、A_n的选择标准包括：

每台机组对其附近机组有代表性，且所选全部机组能够代表风电场内的所有机组；每台机组周围地形相对平缓；全部机组能够覆盖风电场至少4个方向。

优选地，步骤7中，判断是否覆盖完整年的每个时间点，数据的时间间隔为10～60min。

优选地，步骤9的具体步骤为：

步骤9.1：将风电场所在地最近的气象站作为常规参证气象站，收集该气象站的多年测风数据；

步骤9.2：求参证气象站的测风年平均风速和多年平均风速，并计算测风年平均风速与多年平均风速之间的差值与多年平均风速的比值；

步骤9.3：根据步骤9.2求得的比值对剩余数据库D₁、D₂、D₃、…、D_n进行放大或缩小，完成代表年订正。

进一步优选地，当步骤9.2求得的比值小于0.5％时，不需要进行代表年订正。

优选地，步骤10的具体步骤为：

步骤10.1：收集风电场的地形数据并建立风电场地形模型；

步骤10.2：将订正数据库E₁、E₂、E₃、…、E_n导入风电场地形模型；

步骤10.3：利用时间戳，判断订正数据库E₁、E₂、E₃、…、E_n时间上的同时性，对全年中的每个时间点，统计订正数据库E₁、E₂、E₃、…、E_n是否有数据，若某时间点，仅有某个机组有数据，则利用该机组数据进行下一步计算；若某时间点，有多个机组有数据，则利用所有有数据的机组数据进行下一步计算；

步骤10.4：将订正数据库E₁、E₂、E₃、…、E_n中每个时间点的数据带入风电场地形模型计算，得到全风电场时序的风资源数据，将各时间点的风资源数据叠加平均，得到全年的风资源数据。

与现有技术相比，本发明具有以下有益的技术效果：

本发明公开的利用机组SCADA数据的风电场风资源计算方法，通过计算得到一台机组在风电场的机舱传递函数，利用该传递函数关系，对各代表机组的机舱风速进行修正，再利用修正后的风速进行风资源模拟，最终得到风电场的全年的风资源数据。本方法利用了同一风电场内，同一机型的机舱传递函数基本相同的原理，通过计算代表机组的传递函数，与多台机组同时测量相比，能够显著的缩短测量时间，节约测量成本。同时，与利用原有测风塔相比，本方法的时效性较好，避免了数据缺失带来的误差，利用场区边缘多处机组的SCADA结果，能够减少单台机组自身传感器偏差带来的风资源计算误差，有较高的计算准确性。具有测量时间短、测量成本低、计算准确性好的特点，具有极高的实用价值。

进一步地，机组A₁的SCADA数据精度为每秒1个数据点，数据精度较高，可以实时反映机组所处位置的风资源条件。

进一步地，机组A₂、A₃、…、A_n的选择标准，通过对处于风电场边缘处机组合理的选择，使得对每个方向的来流，均有机组处于无遮挡的扇区内，从而避免了机组和地形干扰对测量结果的影响，同时，使得后续风资源计算更有代表性。

进一步地，判断是否覆盖完整年的每个时间点时，数据的时间间隔为10～60min，能够同时保障一定程度的计算准确性，又不至于带来过大的计算量，从而使得整个计算过程过于冗杂。

进一步地，测风年平均风速与多年平均风速之间的差值与多年平均风速的比值小于0.5％时，出于资源评估的谨慎性，不需要进行代表年订正。

附图说明

图1为本发明的整体流程图；

图2为实施例中69号机组的机舱传递函数拟合图；

图3为实施例求得的风电场年平均风速分布图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。

图1为本方法的主要流程，对某风电场进行风资源校核，该风电场为小丘陵地形，共有69台机组，单机容量2.2MW，风轮直径121m，轮毂高度120m。由于前期仅树立一座测风塔，代表性差，同时由于测风塔仪器长时间未更换或校验，老化严重，数据准确度已大大下降，故拟采用激光雷达进行补测风。

通过前期实地踏勘，现场利用激光雷达测量条件最好的机位点为最南侧69号机位点。对69号机位点进行地形评估，就地形条件而言，在所有方向上，均为超过允许最大坡度和允许最大地形偏差，可进行下一步测量工作。

将垂直式激光雷达置于机组主风向，也就是SSE前方350m处，测量来流风速风向，测量时间持续约2个月，同时收集69号机组的SCADA数据，数据精度均为每秒一个数据点。

按照IEC标准，判断69号机组受地形和周围机组影响的扇区。扇区评估按照IEC61400-12-1 2017附录A中的方法进行，通过判断，主要影响扇区为280°～90°方向。

将激光雷达测量数据和SCADA数据中，属于280°～90°扇区的数据点剔除，利用剩余数据进行机舱传递函数拟合。拟合采用不同风速段单独拟合的方法进行，保证各分段函数首尾相连。机舱传递函数拟合图如图2所示。

选取风电场四周的69、59、20、18、5、27、53号机组，作为拟选虚拟测风塔的机组。收集到上述7台机组2019年全年的SCADA数据，数据精度为每秒1个数据点。

综合地形和周围机组影响进行评估，每台被选机组受影响的扇区列表如下：

机组编号	受影响扇区
		69	280～90
59	305-105
		20	0-175
18	45-265
		5	135-270
27	245-325
		53	180-305

将每台机组的SCADA数据中属于被影响的扇区的数据剔除，得到新的数据库。

按照测量得到的机舱传递函数，计算上述7个机组的时序来流风速，并将其作为机舱点位处120m高度的风资源测量结果。

检验上述7个机组的时序，判断是否满足覆盖全年所有时间段。本实施例中，为方便计算，最终采用1小时一组数据点的方式进行判别，判别由软件编程自动识别。以下为部分输出结果。

经过检验，上述7台机组构成的数据集合可以覆盖全年每一个小时。利用最近气象站进行代表年订正。

该处附近气象站距离25km，地形有部分差异，近20年多年平均为3.651m/s，而测风年平均风速为3.644m/s，差距在0.2％左右，故无需进行代表年订正。

利用前期收集到的本风电场的CAD高程图，导入流体计算软件中，建立地形模型，进行CFD计算。将利用上述7台机组SCADA数据得到的虚拟测风资料带入模型中，得到每个时间点的全场风速分布。

将每个时间点处，全场风速分布累加平均，得到年平均的风速分布如图3所示。可以看出，该风电场轮毂高度处的风速在4.81m/s至6.28m/s之间，高风速区域位于北、中、南部三条由东向西的丘陵上。结合机组布机点位，大部分机组布机结果都较为合理，只有两台机组风速条件较差，后续需要重点关注这两台机组，必要时可以进行技术改造。

需要说明的是，以上所述仅为本发明实施方式的一部分，根据本发明所描述的系统所做的等效变化，均包括在本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均属于本发明的保护范围。

Claims (7)

1.一种利用机组SCADA数据的风电场风资源计算方法，其特征在于，包括以下步骤：

步骤1：选择一台位于风电场边缘的机组A₁进行地形评估；

步骤2：判断地形评估结果，若通过，则接步骤3；否则，重新执行步骤1；

步骤3：计算机组A₁的机舱传递函数；步骤3的具体步骤为：

步骤3.1：测量机组A₁轮毂高度的来流风速风向，根据测量结果建立数据库B₁；

步骤3.2：收集与步骤3.1同时间段的机组A₁的SCADA数据并建立数据库B₁＇；

步骤3.3：对机组A₁进行扇区评估，筛选出受其它机组或地形影响的扇区，剔除数据库B₁和B₁＇中受影响扇区的数据；

步骤3.4：利用时间序列对数据库B₁和B₁＇中的剩余数据建立一一对应关系，进行线性拟合，得到机组A₁的机舱传递函数；

步骤4：选择除机组A₁外的若干位于风电场边缘的机组A₂、A₃、…、A_n；机组A₂、A₃、…、A_n的选择标准包括：

每台机组对其附近机组有代表性，且所选全部机组能够代表风电场内的所有机组；每台机组周围地形相对平缓；全部机组能够覆盖风电场至少4个方向；

步骤5：收集机组A₁、A₂、A₃、…、A_n的完整年SCADA数据，并分别建立各机组对应的数据库C₁、C₂、C₃、…、C_n；

步骤6：对机组A₁、A₂、A₃、…、A_n进行扇区评估，筛选每一台机组受其它机组或地形影响的扇区，并从数据库C₁、C₂、C₃、…、C_n中剔除受影响扇区的数据，建立剩余数据库D₁、D₂、D₃、…、D_n；

步骤7：对剩余数据库D₁、D₂、D₃、…、D_n的时间戳取并集，判断是否覆盖完整年的每个时间点，是则接步骤8；否则返回步骤4；

步骤8：根据步骤3得到的机舱传递函数计算机组A₁、A₂、A₃、…、A_n的时序来流风速，并将计算结果作为机舱高度点位处的风资源测量结果；

步骤9：对剩余数据库D₁、D₂、D₃、…、D_n中的数据进行代表年订正，得到订正数据库E₁、E₂、E₃、…、E_n；步骤9的具体步骤为：

步骤9.1：将风电场所在地最近的气象站作为常规参证气象站，收集该气象站的多年测风数据；

步骤9.2：求参证气象站的测风年平均风速和多年平均风速，并计算测风年平均风速与多年平均风速之间的差值与多年平均风速的比值；

步骤9.3：根据步骤9.2求得的比值对剩余数据库D₁、D₂、D₃、…、D_n进行放大或缩小，完成代表年订正；

步骤10：将订正数据库E₁、E₂、E₃、…、E_n导入风电场地形模型，利用时间戳，判断E₁、E₂、E₃、…、E_n时间上的同时性，将订正数据库E₁、E₂、E₃、…、E_n中每个时间点的数据带入风电场地形模型中进行计算，得到全风电场时序的风资源数据，将各时间点的风资源数据叠加平均，得到全年的风资源数据。

2.如权利要求1所述的利用机组SCADA数据的风电场风资源计算方法，其特征在于，步骤1中，地形评估是通过IEC标准进行的。

3.如权利要求1所述的利用机组SCADA数据的风电场风资源计算方法，其特征在于，步骤3.1中，机组A₁轮毂高度的来流风速风向通过激光雷达测量得到。

4.如权利要求1所述的利用机组SCADA数据的风电场风资源计算方法，其特征在于，步骤3.2中，机组A₁的SCADA数据精度为每秒1个数据点。

5.如权利要求1所述的利用机组SCADA数据的风电场风资源计算方法，其特征在于，步骤7中，判断是否覆盖完整年的每个时间点，数据的时间间隔为10～60min。

6.如权利要求1所述的利用机组SCADA数据的风电场风资源计算方法，其特征在于，当步骤9.2求得的比值小于0.5％时，不需要进行代表年订正。

7.如权利要求1所述的利用机组SCADA数据的风电场风资源计算方法，其特征在于，步骤10的具体步骤为：

步骤10.1：收集风电场的地形数据并建立风电场地形模型；

步骤10.2：将订正数据库E₁、E₂、E₃、…、E_n导入风电场地形模型；

步骤10.3：利用时间戳，判断订正数据库E₁、E₂、E₃、…、E_n时间上的同时性，对全年中的每个时间点，统计订正数据库E₁、E₂、E₃、…、E_n是否有数据，若某时间点，仅有某个机组有数据，则利用该机组数据进行下一步计算；若某时间点，有多个机组有数据，则利用所有有数据的机组数据进行下一步计算；

步骤10.4：将订正数据库E₁、E₂、E₃、…、E_n中每个时间点的数据带入风电场地形模型计算，得到全风电场时序的风资源数据，将各时间点的风资源数据叠加平均，得到全年的风资源数据。

Images