基于远程集中监控系统风电机组智能启停的研究与应用

方志宁 渠叶君

摘 要：风能作为一种可再生的清洁能源，风力发电与当地的气候条件紧密结合，风速的随机性和间歇性决定了风电机组的运行状态的随机性和波动性，即风电机组的运行状态会随着风速的随机变化而不停的变化。而风电机组的启停无序会带来较多的的安全隐患，不利于风电场稳定经济运行。为了改善风电机组在运行状态和停机状态之间频繁切换的情况，最大限度的降低机组启停过程中的自耗电，延长重大部件的使用寿命，实现机组高效能运行，基于远程集中监控的风机风电机组智能启停系统很好的解决了这个问题。本文首先介绍了风电机组智能启停的总体设计，然后针对风电场实际运行中对机组启停以及功率控制的要求，结合机组状态监测和气象数据预测系统，利用自学习算法制订机组启停策略，实现风电机组智能启停。机组智能启停的实现对优化机组启停计划优化、提高风资源利用率，改善风电场整体的经济运行效率具有良好作用。

关键词：集中监控；风电机组；启停系统；研究

中图分类号：TM614 文献标识码：A 文章编号：1671-2064（2018）08-0173-02

近年来，大力发展可再生能源是我国能源的发展战略，以风能为动力的风力发电场正在大量地被规划兴建，我国风电装机容量己实现翻番式增长，在全国发电装机结构中所占的比例逐步上升，特别是根据国家《可再生能源发展“十二五”规划》中提出，到2020年全国累计并网风电装机达到2.0亿千瓦，表明了中国风电发展的巨大潜力。我国的风电装机容量更是突飞猛进，截至2017年08月底，装机总量达到17732.2万千瓦，正式成为风电装机世界第一大国。虽然我国风电近些年取得了蓬勃发展，但风电场现场人员生活质量较差、风能利用率较低及风电场经济运行水平较低等，已成为目前风电场运行过程中普遍存在问题[1]。通过建立远程集中控制中心，将分散的风电场集中监控，完成对风电机组实时状态监测和实时气象数据的采集，实现风电机组启停的智能化管理，不仅可以改善运行人员的生活条件，还可以合理利用风资源，提高风电场的经济效益[2]。因此，对机组的启停进行管理非常有必要，安排机组启停和出力，减少机组的不必要启停操作，使得机组启停最优化，降低风机启停自耗电，延长风电机组发电机、变频器、变浆系统、接触器等关键大部件使用寿命，节约运行成本，对实现经济化和智能化运行具有重要意义。

1 风电机组智能启停总体设计

1.1 设计需求

（1）通过全面机组智能启停预判与控制，解决身处偏远山区风场运行值班人员的工作和生活问题，体现了公司的人性化管理理念，提高员工生活质量，解决人员流动性大的问题；（2）通过机组设备集中启停预判和控制，同时结合深度气象预测数据及机组健康状况，实现风资源利用的合理化，全面提升风资源的利用效率，优化运行方式，降低机组自耗电，提高风电场发电量；（3）通过机组设备集中启停预判和控制，实现单机、批量启停机组，可以一个运行人员控制多台风机，实现区域集中管控，无人值班、少人值守的运维管理模式，减少人为操作失误，全面提高设备的可靠性。

1.2 总体结构

基于远程集中控制系统，结合状态监测和深度气象预测共同实现机组的启停管理，并利用数据挖掘技术和人工智能技术，通过自学习、自分析、自驱优等算法模型优化机组运行方式、优化对风角度、优化启停策略，通过不断的数据积累、历史数据比较，平台不断自学习、优化知识库、提高启停判断准确性，智能启停结构图如图1所示，解决风电场运行的瓶颈问题[3]。

（1）自分析：自动分析风机状态，实现启停并给出建议。（2）自驱优：通过计算与比较，自动优化运行方式、优化对风角度、优化启停策略。（3）自学习：通过不断的数据积累，历史数据比较，优化知识库，提高启停准确性。

2 远程集中控制系统

远程集中控制系统将分散的各个风电场集中监控，方便了对众多风场的生产管控，节约了人力成本和基建投资，又增强了管理人员对各风场运行情况的掌握，并能為领导对设备选型及投资提供决策依据，还为实现机组智能启停、智能报警、健康管理奠定了基础，是提高风电场及风电机组管理效率的有效方法[4]。

2.1 机组状态监测

实时状态监测系统是实现智能启停的基础，风电机组运行状态监测评估与SCADA系统大数据相结合。利用风电机组实际运行数据，对风电机组的风特性、功率特性等性能指标进行分析与评价。从风速、功率、温度、振动、转速等多个维度，进行SCADA运行数据趋势分析和相关性分析，采用趋势分析方法对风电机组进行温度监测和振动监测，利用相关性分析方法深入探究各性能参数之间的关联关系。为风电机组的运行状态监测提供了有效的分析手段。通过对SCADA系统提供的大数据及分析、挖捆，发现运行参数的变化规律及特点，探索各运行参数间的关系，为机组智能启停提供状态依据[5]。综合气象数据监控图2所示：

2.2 气象信息预测

通过借助精准气象数据，全方位预测风资源分布及趋势，大幅提升风资源预测的准确性，合理化指导生产计划；运用合理化的设备智能启停控制，设备状态视情维修方法，全面提升风资源的利用率。典型业务应用：深度气象数据、风电场潮流分析、精准气象预测、设备智能启停预判、设备状态视情维修等。进一步挖掘并提供天气要素敏感的风电业务关键指标的高精度预报，提供极端气象时间的人员工作和设备运行预警，降低现场工作安全和设备运行风险，提升精益化管理水平和未来的电能交易决策能力。资源情况分析主要指风资源分析，也包含温度、天气、湿度等分析历史情况，为风机启停预判提供数据支撑[6]。数据预测与分析图3所示。

3 智能启停系统的实现

机组启停是风电机组运行过程中耗能较高的阶段，且机组的频繁启停会影响风电机组发电机、变频器、变浆系统、接触器等关键部件使用寿命。风机智能启停系统不仅可以改变设备较多人员监管不完善的现状，还可最大限度的降低机组启停过程中的耗能，实现机组高效能运行，改善机组在运行状态和停机状态之间频繁切换的情况，节约运营成本，增加风电场的经济效益。风电机组智能启停系统是基于远程集中监控，结合风电机组实时状态和气象预测数据，利用算法分析决策达到机组启停的智能化，实现机组设备的预控和可控能力，提高风资源利用率，为实现“集中管理、无人值班、少人值守”的运维管理模式奠定了基础[7]。

3.1 实现过程

智能启停的实现是通过数据平台、天气预测及风功率预测系统的结合，根据各个风机校准后的实时有效风速、实际切入切出风速、风电场短期和超短期风功率预测数据、并结合当地的气象因素和检修计划、以及相关历史数据，自动分析风机状态，针对不同地形、风场、型号的机组制定启停策略，并通过计算与比较，自动优化运行方式、优化对风角度、优化启停策略，实现机组的智能化启停，利用算法评价指标召回率来评价启停预判的准确度，一般要求预判准确率达到80%以上，并通过不断的数据积累、历史数据比较，不断自学习、优化知识库、优化启停策略，提高启停准确性[8]。

3.2 判断依据

启停判断准确度是根据召回率来计算结果来判断。召回率是一种数据挖掘分类算法评价指标，为提取出的正确信息条数与样本中的信息条数的比值，recall=TP/（TP+FN）（TP：被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数；FN：被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数）[9]。例如：实现启停且应该启停的次数为A，未实现启停但是应该启停的次数为B，则启停判定的召回率recall=A/（A+B）。

3.3 主要功能

（1）预判。系统根据大数据及机器学习计算及分析结果，实现对设备智能启停的预判，同时在系统中提供在线的启停控制提醒功能，方便监盘人员第一时间预判和控制发电设备，全面提升设备利用率。在线提醒内容包括风场名称、风机编号、智能启停原因、最佳启动时间、设备重要运行参数信息、故障信息，预警信息、批量控制操作等内容。（2）启停。基于智能启停预判数据，设备启停控制具备严格的安全防护策略，对于不符合安全防护策略的控制操作，系统将不予执行，并给予重要性的安全提示。分为实时推荐启停和计划推荐启停，实时推荐启停风机主要是根据实时风速、短期和超短期预测风速的变化来给值班人员推荐需要启停的风机，该功能需要实时性强，准确性高，并结合控制功能由值班人员人工筛选后，进行指纹确认，并根据操作生成记录。计划推荐启停风机功能，主要是根据未来3天、7天、一个月或更长时间的天气预测情况，并结合历史天气情况，并根据风机的部件全生命周期管理来制订启停计划，并生成启停计划报告，并为机器学习中监督学习发提供有效标记。（3）调整。根据风机智能启停预判来实现检修的调整，通过实时人员定位及检修时机调整，能够合理化的安排距离最近的人员，避免在大风天气进行定期检修，提高发电量。（4）转换。实现风机运行、故障、维护、待机、限电、离线等状态之间的及时转换，提高风机状态转换及时率，降低厂用电量[10]。

通过启停准确性的判断，利用自驱优、自学习等人工智能技术实现对启停策略的校正，智能启停功能不仅降低了厂用电，还极大地方便了现场人员确定风机最佳检修维护时间，避免有风或者大风天气检修，减少检修损失电量。特别在春秋检期间，一般风况优良天气较多，使用此项功能，再结合电网计划检修安排，可以提前向申请调度最佳检修时间，最大程度的减少了检修维护损失电量。

4 应用及效果

（1）降低自耗电，提升发电量。通过计算时间段内自耗电与發电情况对比，如果自耗电大于发电，系统会由消息系统提供启停策略，通知运行人员将风机转为维护状态，反之将风机转为待机状态，降低自耗电，提升发电量。（2）降低人员成本，提升经济效益。综合考虑人工费、交通费、生活费、办公费等开支，节约基建投资，提高场站经济效益。（3）降低操作失误，提高设备可靠性。解决了设备较多人员监管不完善的问题，减少人为操作失误，全面提高设备的可靠性。

参考文献

[1]郭廷贵.大唐重庆分公司区域电站集控中心建设与运营[J].中国高新技术企业，2014，（26）.132-134.

[2]孙冬明，付联卿.浅谈集控中心精益化管理[A].2011年云南电力技术论坛文集[C]，2011.

[3]郭晓玉，鲍慧，刘春玉.基于B/S的综合自动化远动信息管理系统研究[J].电力系统通信，2006，（1）：48-50.

[4]刘桂龙，王维庆，常喜强，蔡静静.基于延时控制器的风电机组启停分析[J].华东电力，2011，（6）：989-992.

[5]郭廷贵，大唐重庆分公司区域电站集控中心建设与运营[J].中国高新技术企业，2014，（26）：132-134.

[6]谭忠富，鞠立伟.中国风电发展综述：历史、现状、趋势及政策[J].华北电力大学学报：社会科学版，2013，（06）：42-48.

[7]王茜，杨文娟.中国风电发展历程及相关建议[J].风能，2013，（06）：42-48.

[8]赵飞.风电场远程集控中心的设计与应用[J].科技展望，2015，（09）：92.

[9]童超.基于掘方法的风电机组状态监测研究[D].华北电力大学，2014.

[10]王羽.基于运行数据的风电机组状态监测研究[D].华北电力大学，2013.