基于“互联网+新能源”的智能风电场研究

文 | 张羽

基于“互联网+新能源”的智能风电场研究

文 | 张羽

移动互联网、云计算、大数据、物联网等技术在风电场的应用，是未来风电场的发展方向，也是实现智能化风电场的手段和必要措施。通过开发整场控制器统一协调控制风电场所有风电机组，智能控制风电场电能对电网的输出，提高风电场整体的发电量，满足目前和未来的电网要求，挖掘风电机组无功能力，降低风电场造价及运行成本；开发基于云计算的大数据平台，可根据风功率预测合理制定维护检修备件计划，降低管理成本，减少维护损失电量，提高风电机组可利用率；结合多种监测手段使风电机组和风电场更智能，可深度挖掘传感器数据，智能预测风电机组故障，对风电机组进行全面掌控，为实现远程集中运营、无人值守提供保障。

智能风电场的整体构架

一、实现基础

主要利用移动互联网、云计算、大数据、物联网、智能监控等手段，将风电场整场控制器、全部风电机组、备品备件信息、风功率预测系统、无功补偿装置、后台SCADA等组建物联网，使整场控制器根据电网情况、风况，统一协调控制机组；将全部数据信息汇总到数据库，打造一个基于风电场的平台，实现机组控制、风电场信息管理、数据的收集分析、报表自动输出等功能。

二、主要功能

1.整场控制器：调用风电机组无功，低风速时主要发挥机组自身无功；有功控制，根据电网限功率要求和风能资源情况，协调整场机组，通过功率平衡控制、斜率控制、尾流优化控制，使得整场功率提升。

2.智能监测：振动在线监测，预警风电机组传动链潜在故障；基础GPS监测，实时监测基础沉降情况；塔筒形态检测，监测塔筒变形和倾斜；红外火焰监测，监测机舱内异常高温，并可视频监测机组；雷击监测，记录雷击电流、时间等数据；螺栓断裂监测，采用声发射技术进行检测。

3.大数据处理平台：风电场整场性能分析，用于风电场控制器优化整场控制策略；利用临近机组对比和风功率预测系统，对机组机舱顶风速仪数据进行评估与修正；偏航大数据分析，给出风向仪纠正角度、偏航策略优化；风电机组尾流对整场功率曲线影响大数据分析；风电机组故障状态分析，如临近风电机组对比、积累数据对比、分析温度、振动等数据的突变和异常，指导风电机组巡检、维修、备件储备；利用风功率预测数据，指导定检计划；风电场损失电量统计，风电机组功率曲线计算，公式、数据处理统一；采取风功率预测系统气象数据修正空气密度；风电场控制器优化整场控制策略，单台风电机组提效，为部件评价与技改提供数据支撑。

4.移动终端：手机上显示风电场信息、发电量、功率曲线、风电机组状态、维检信息等。

三、构架图

构架图如图1所示。

风电场整场控制器

风电场整场控制器是对风电场有功功率和无功功率进行综合管理与配置调度的智能控制系统，它可以对风电场的有功功率进行智能管理，在满足电网调度的限制功率、功率输出斜率控制等要求的条件下，通过智能控制算法，实现最大化控制风电场上网电量的目的；风电场控制器还可以手工或者自动控制风电场的无功功率，通过智能优化算法，实现并网点处定电压控制、定功率因数控制和定无功功率控制等先进功能。

风电场控制器以“风电机组群组性能优化”为控制目标，通过智能算法精确评估机组运行状态，结合历史运行状态，智能调度控制风电场输出的有功功率，使得风电场的收益最大化。

一、无功控制

为适应风电场电压调整的需要和电网用户的无功需求，电网要求风电场需要按照其额定容量的20%-30%配备无功补偿装置。目前风电普遍采用投入SVG设备满足电网的无功需求，虽然兆瓦级风电机组本身都具有发无功能力，但因风电场的并网点电压难以调整，并且机组在系统短路故障过程中对系统的电压、无功支撑能力不足，因此机组均处于恒功率因数运行状态，从而埋没了它的无功能力。虽然SVG具备四象限运行并有很强的调节能力，但有些保护定值设置过低，甚至有些SVG在系统出现电压波动时，由于自身保护定值过低先于风电机组跳闸，起不到无功支撑能力，而有些因部件质量问题，故障频发，即便质量可靠的SVG也存在损耗过大的问题。因此，调用机组自身的无功功能，稳定电压能够缓解对SVG的需求，降低其功耗。

目前，很多风电场有厂区较大、风电机组分布广、线路阻抗大的特点，因此通过风电场并网点监测到的电压波动信息传输到机组本地后，带来很大的延时和不准确性。如果风电机组直接使用该信息进行无功调整，则会带来控制响应慢、风电场并网点的电压波动和难以稳定的问题。所以稳定电网电压首先要保证每台机组的自身电压稳定，首先需要对主控系统进行升级，对机组进行自律控制，根据机端电压波动，自身智能协调无功稳定电压。而对风电场较重要的线路汇流点增加无功补偿装置，采用分散的补偿方式取代集中补偿。

二、智能限电

电网公司会根据电网发电和用电的一些情况，对风电场进行总功率的临时限制。目前风电场会对要求限制的总功率进行平均，在某一功率限制所有风电机组。风电机组进行功率限制采取的措施是变桨，而在机组整机设计时是不考虑限电工况的，也就是说变桨系统会在机组设计范围外进行工作。图2为某2MW风电机组，设计额定风速为10m/s，三类标准风况下，变桨工作时间占20年寿命的21.7%，而限电则使变桨超出寿命周期。20年内变桨电机扭矩有效平均值较高的点出现在额定风速附近，这是由变桨的频繁启停引起，而限电则在小风时启动变桨，这也会导致变桨启停频繁，带来更大的载荷，而这个RMS载荷正是变桨系统容量的依据，限电工况则意味着风电机组的变桨系统容量也不充足（图3）。

因此，功率限制需要根据风电机组变桨情况做出调整。现实中由于风电场机组布局和当时的风向，会出现尾流中工作的机组，这时工作的机组的载荷也会增大。再结合机组故障状态和维护需求的信息，智能分配风电场内哪些机组发电，哪些停机，哪些限制运行更为合理，这样能够减小变桨的消耗，提高机组的可利用率。

三、整场协调控制

通过协调每台风电机组的控制状态，使风电场出口的电功率保持平稳的状态，可视为电网友好型的风电场。如图4，在暴风突然来到时，风电场风电机组采取有规律的逐台切出，能够保证整场无突变，而当风速恢复到发电范围再逐台切入并网。

四、其他控制优化

可通过协调全场风电机组的功率输出，保持有功功率出口电量维持在恒定的设定点上，如电网需求波动，风电场能够快速响应，维持电网平衡。

通过升级变频器控制策略，动态储存风轮的转动惯量，不增加硬件的前提下实现虚拟同步发电技术，再通过正常的功率统一协调，这使得电网远端看到风电场特性如同火电厂同步

h发电机状态，对电网来说意义重大。

还可以将风电机组布局结合地形纳入控制策略，根据风电场的自身特点调整场内各机组的偏航和转速状态，使得整场发电功率提升。

大数据平台

风能行业根据其特点，大数据平台应分为总部级、区域级和风电场级的梯级数据分析管理系统。总部级别平台主要集中在整体信息管理比对、大方向和长期计划的措施优化；区域级平台主要集中在数据的管控、数据分析、报表管理，是风电场无人值守的关键；风电场级平台，主要任务是对大量数据的过滤处理、关键信息的提炼，在实现无人值守前，是故障预警的第一信息反馈。

现实状况是应对种类繁多的风电机组和不同情况的风电场。不同的机组，如直驱、双馈、失速机组，有不同的特性，再加上功率、配置的区别，即使是同一型号的机组在不同风电场，数据可能指向的结论也会有所区别，因此细节数据应消化在风电场，直接指导风电场的运行，真正做到的是风电场的智能化而不是单一智能化的管理平台。由于网络安全和数据传输等原因，互联网起到的是重要的信息交换、综合的数据管理作用，这样才能层次清晰，重点突出。

目前机组的数据基本都记录在SCADA系统里，而没有有效的挖掘利用。采用神经网络、遗传算法等先进算法的数据跟踪处理；实时提示机组电量达标情况，对发电量提升意义重大；智能预测机组维护计划；实时监控机组运行状态，预警机组故障，结合备件信息提示，提示检修及备件计划；对机组提效研究、风电场布局研究等工作提供大量数据支持。

一、风电场整场性能分析

利用风电场全场的大数据，对整场控制器和风电机组主控优化，提升整场控制策略，比如通过对比临近风或风功率预测的数据，可对机组机舱顶风速仪、风向标数据有效性评估、修正；通过偏航大数据分析，能够看出风电场当地的风向规律，合理优化偏航策略，在不同风速下给出合理的偏航误差角，提升发电量和降低偏航耗电。如图5、图6所示，在5m/s和9m/s湍流风下的零度和±8度偏航角的发电功率模拟。

从仿真结果（表1）可以用看出偏航在8度时最大有3%的电量影响，偏航动作也会引起耗电，所以根据当地风向波动规律合理定制偏航策略能够提高发电量，降低自损耗。

表1 不同风速偏航角引起的电量损失

而对实际运行风电机组的数据分析，发现很多机组不但偏航测量不够优化，偏航系统相关传感器也存在精准度问题。如图7，从某机组的实际偏航角度和功率的统计关系，可以看出，机舱顶风向标可能存在偏差。

二、指导生产

风电机组故障状态分析，如临近机组对比、积累数据对比、分析温度、振动等数据的突变和异常，指导机组巡检、维修、备件储备。故障响应时间、处理时间分析指导建议。风功率预测数据执导定检，避免电量损失。

实时的功率曲线达标报警，定时统计风电场损失电量，分类损失原因，以便对症下药，找出治理方案。统计风电机组功率曲线计算、可利用率、发电量效率，气象数据计算空气密度修正风速，统一计算公式报表形势，方便统一管理和对标。

三、数据支撑

为风电场控制器优化整场控制策略数据支撑；单台机组提效方案数据支撑；机组故障统计、归类，部件评价与技改数据支撑。这些数据具有极高的价值，除可指导生产、支撑可研，甚至能够分析出行业发展方向等重要信息。有效的收集管理十分必要。

智能监测

完善风电机组监控系统，监测机组振动、运动、温度等运行状态，通过同步平均和包络解调等手段结合自学习知识库实时预警机组未来可能出现的各种状况；移植其他行业简单有效的监测手段服务机组，填补机组监测的空白，比如雷击的频次、电流大小等监控，除能够积累大量研究数据还能广泛在富雷区的风电场推广。而基于声发射的螺栓断裂检测的应用则使机组的监控更加全面，最终实现风电场无人值守。

状态监测：对机组传动链和整机振动在线监测，实时掌握机组运行情况，通过比对振动表现出的频谱特点，比对各种故障特征频谱，能够准确判断转动不平衡，轴承磨损，齿轮面点蚀等故障，并结合专家诊断系统，预测机组未来可能出现的故障。如图8，通过振动频谱反馈出齿轮箱输出轴齿轮磨损严重。

基础GPS检测：用于观测基础沉降情况，对地质情况不好的地区和海上风电场特别适用。

塔筒形态检测：用于监测塔筒变形和倾斜，对风电机组安全起到警示作用。

红外火焰探测：能够探测机舱内的异常高温，预警火灾，并能够实现机舱视频监视。

雷击监测：能够检测富雷区雷雨季节的风电机组雷击频率、雷电流大小和雷击时间，对分析由雷击引起的传感器烧毁有很重要的意义。

螺栓断裂监测：采用声发射的手段在线监测叶片和塔筒高强螺栓，如出现断裂则立即警报，能够及时停机更换，避免更大灾害产生。

结语

基于“互联网+新能源”的智能风电场建设，主要是对现有设备和数据的深度挖掘利用，建立整场控制器，利用大数据平台并结合多种监控手段，使风电场能够提高整体的发电量；能够智能控制风电场电能对电网的输出，满足目前和未来的电网要求；能够挖掘风电机组无功能力，降低风电场造价及运行成本；能够提高风电场管理水平，合理制定维护检修备件计划，降低管理成本，减少维护损失电量，提高风电机组可利用率，也为实现远程集中运营设置无人值守提供基础；丰富的监测手段使机组和风电场更智能，其中研究成果还能够自由组合，比如对海上机组进行全面监测，对富雷区机组进行雷电监测等，对地质条件不好的地区进行基础监测等。

（作者单位：大唐新能源试验研究院）