基于运行数据的风力发电机组与人因工程的相关性分析

王永刚，田林云，郝立刚

（山西润世华综合能源管理有限公司，太原 030032）

0 引言

风力发电机组作为我国目前新能源发电中的主流设备，近年来一直是相关部门的研究重点。基于风力发电机组的快速发展，针对风力发电机组的优化设计是历史必然［1］。人因工程作为一种新兴交叉学科，在西方国家受到了广泛应用，主要指的就是将人的因素学应用到工程中，进而实现对工程的优化。目前学术界针对人因工程这一名词仍没有统一的解释，但人因工程在各个领域中的应用可谓越来越广。由于风力发电机组与人因工程的融合发展速度越来越快，针对风力发电机组与人因工程的相关性分析成为当下风力发电机组的主流发展研究方向［2］。在我国，对于风力发电机组与人因工程的相关性分析可谓少之又少，在研究领域存在很大空白有待填补。通过搜索相关文献发现，仅有关于此方面的研究为通过计算两者之间的相关性度量，分析风力发电机组与人因工程的相关性，但此分析方法的原理是静态分析，在实际应用中存在分析残差高的现象，证明研究存在很大局限性。为弥补这一不足，运行数据作为动态数据，能够直观、动态地反映出风力发电机组的运行状态。因此，有理由将运行数据应用在风力发电机组与人因工程的相关性分析中，基于此，本文基于运行数据设计一种新型风力发电机组与人因工程的相关性分析方法，致力于最大限度上降低风力发电机组与人因工程的相关性分析残差。

1 相关性分析概述

相关性分析在本质上指的就是分析两个变量之间的关联程度，进而判断两个变量中间是否存在潜在的内部联系［3］。对于相关性分析中的两个变量，其先后顺序没有主次之分，必须在保证两个变量具有相等地位的基础上加以分析。在相关性分析概述中，本文通过计算相关系数，并对其进行检验，具体内容如下文所述。

1.1 计算相关系数

本文结合统计学原理，假定两个序列为a、b，则有a＝（a1，a2，…，an）；b＝（b1，b2，…，bn），其中n指的是两个序列中的变量个数，为实数。设两个序列为a、b之间的相关系数表达式为r（a，b），可得下式：

式中：cov 为两个序列之间的相似度；D 为两个序列之间的空间距离；i为两个序列的分维数；为a序列的平均值为b序列的平均值。

通过式（1）计算得出a、b 之间的相关系数，基于此，可得出r的取值基本范围，如表1 所示。

表1 r的取值基本范围

结合表1 所示r 的取值基本范围，当r 的取值大于或等于0，则表明两个变量之间存在相关关系，具体相关程度如表1 所示；但当r的取值小于0，则表明两个变量之间不存在相关关系。

1.2 检验相关系数

在计算相关系数的基础上，考虑到变量之间的相关系数伴随着一定的不确定性，因此，为保证相关性分析的置信度，必须检验相关系数［4－5］。本文采用Spss 统计分析软件，计算r 的置信度，设此过程的目标函数为t，可得下式：

通过式（2），得出相关系数的置信度，当t ≥0.5 时，则能够通过相关系数检验，否则，则不通过检验。在通过相关系数检验的前提下，完成变量之间的相关性分析。

2 基于运行数据的风力发电机组与人因工程的相关性分析方法

以上文相关性分析的概述为理论依据，将两个变量设为风力发电机组与人因工程，在此基础上，基于运行数据分析风力发电机组与人因工程的相关性［6］。风力发电机组与人因工程的相关性分析具体内容如下。

2.1 采集风力发电机组SCADA运行数据

在风力发电机组与人因工程的相关性分析过程中，必须基于运行数据的动态特征，采集风力发电机组SCADA 运行数据，以此判断风力发电机组的振动属性［7－8］。采集的风力发电机组SCADA运行数据主要包括：有功功率、风向角、发电机转速、浆距角、风轮转速、风力发电机组侧向振动。设定允许错误率在0.5%以下，采集风力发电机组SCADA运行数据。

2.2 绘制风力发电机组各量与人因工程之间关系散点图

采集风力发电机组SCADA运行数据的基础上，将上述数据代入相关性分析中的相关系数计算公式，得出风力发电机组各量与人因工程之间的相关性计算结果，如表2 所示。由表可知，影响风力发电机组各量与人因工程之间的相关性最明显的因素就是风力发电机组侧向振动［9－10］。

表2 风力发电机组各量与人因工程之间的相关性

基于此，依据风力发电机组侧向振动运行数据，绘制风力发电机组各量与人因工程之间关系散点图，如图1 所示。由图可知，设定人因工程的变量为风速，风力发电机组各量与人因工程之间关系为正比例增长关系，以此为风力发电机组各量与人因工程之间的相关性结果，为下文分析风力发电机组与人因工程的相关性提供基础数据。

图1 风力发电机组各量与人因工程之间关系散点图

2.3 分析风力发电机组与人因工程的相关性

以风力发电机组各量与人因工程之间关系散点图为依据，分析风力发电机组与人因工程的相关性，将人因风速分为3个阶段，分析风力发电机组与人因工程的相关性，第一阶段为人因风速小于或等于5.0 m／s时；第二阶段为人因风速在5.0～15 m／s范围内时；第三阶段为人因风速在15 m／s以上时。

具体分析内容如下。

（1）当风力发电组的风速小于或等于5.0 m／s 时，此时可认为风速小于人因风速，即存在风速过低可能无法带动机组运动的问题［11］。在此种情况下，机能无可持续供应的电能，机组无法实现有效发电，桨距角此时约为90°。此时由于风速过低，风轮无法实现有效转动，轴承的转动链与传动链均缺少动力对其的支撑，此时影响风力发电组供电的因素应为风速。此时，机组一侧的振动约为0.3～0.5 mm，轴承在运动中的振幅约为0.35 mm，当振幅保持不变而风速在发生变化的情况下，所产生的风阵，对发电机的影响也较为微弱。

（2）当风力发电机组的设定风速在5.0～15 m／s范围内时，此时可认为风速大于人因风速，此时桨距角度从90°变化到0°，即风速可实现带动机组运动，并网可实现发电［12］。根据桨距角轴度的变化解决变流器调整产生的磁场问题。此时根据风速的实际大小，控制风能系数，获取在风能系数最大的瞬间，认为在风速4.5 m／s的时刻，风速变化产生的振动轴距加大，因此可实现带动风力发电机组正常运动。并且，可认为随着供电风力系数的不断增加，在相同轴距范围内的风力发电机组转速也同步增加，此种行为满足风力发电机组额定行为［13］。考虑到在机组侧向的轴距可能存在线性增加趋势，因此在调整风速过程中，可根据传动轴中桨距角的变化，分析产生的负荷现象，是否对风力发电机组的运行振动产生显著影响。

（3）当风力发电机组在正常运行状态下，其额定风速在15 m／s以上时，即可认为风速过大，已超出风力发电机组运行的额定电流值［14－15］。在此状态下，桨距角同步增大，为了有效地利用风能发电，降低风能的受阻行为，此时可采用调整风力发电机组转轮系数的方式，使机组的扇叶的转速达到最高。在此基础上，根据转速的散点图，进行振动幅度的分析。整合分析结果发现，在此种运行状态下，风力发电机组的转轮速度极高，甚至达到了超负荷供电状态。

综合上述提出的3 点分析，可显著地看出，风力发电机组的运行与自然风速、桨距角的变化等均具有直接的关系。以此，完成基于运行数据的风力发电机组与人因工程的相关性分析。

3 实例分析

3.1 实验准备

为构建实例分析，实验对象选取某风力发电机组，主要机械设备计划表信息，包括：塔架，规格为12～13 m3；2 台并网控制器，型号为BW－150 逆变器；4 台发电机，型号为MGY－60；叶片以及加固件。首先使用本文基于运行数据设计方法，分析风力发电机组与人因工程的相关性，通过黑盒工具－QAcenter测得相关性分析残差，记为实验组；再使用传统方法，分析风力发电机组与人因工程的相关性，同样通过黑盒工具－QAcenter测得相关性分析残差，记为对照组。实验主要内容为测试两种方法的相关性分析残差，相关性分析残差越低证明分析精度越高。针对黑盒工具－QAcenter 测得的相关性分析残差，记录实验结果，共设置6 次实验。

3.2 实验结果分析与结论

整理实验结果，相关性分析残差对比结果如表3 所示。由表可知，本文设计方法相关性分析残差明显低于对照组，具有现实应用价值。

表3 相关性分析残差对比结果

4 结束语

通过基于运行数据的风力发电机组与人因工程的相关性分析，能够取得一定的研究成果，解决传统风力发电机组与人因工程的相关性分析中存在的问题。由此可见，本文设计的方法是具有现实意义的，能够指导风力发电机组与人因工程的相关性分析方法优化。在后期的发展中，应加大运行数据在风力发电机组与人因工程的相关性分析中的应用力度。截至目前，国内外针对基于运行数据的风力发电机组与人因工程的相关性分析仍存在一些问题，在日后的研究中还需要进一步对风力发电机组与人因工程的融合优化设计提出深入研究，为提高风力发电机组的综合性能提供参考。