基于SCADA 数据风电机组发电性能评价研究

王昊天，姬梓程

（华能环县新能源有限公司，甘肃 庆阳 745700）

0 引言

随着绿色发展理念、可持续发展理念的落实，我国为实现“双碳”发展目标，大力兴建风力发电设施，对风电机组更新、优化，提高风电机组的发电性能、保障风电机组的工作效率，减少风电机组的运行故障。因此，风电机组发电性能评价工作的开展，是提高设备作业效率的核心。

国内外学者目前针对风电机组发电性能开展了大量研究。我国于2021年提出《在役机组性能评价技术指标》，并积极开展行业标准研讨会，为风电机组发电性能评价开展提供支撑。文献［1］基于风电机组的模型构建，阐述了风电机组运行过程中的异常预警状态，提出优化风电机组预警模型的措施。文献［2-3］开展了风电机组运行功率预测作业，将风电机组运行状态作为功率预测的基本依据。文献［4-6］开展了有关风电机组健康状态的评价、评估工作，识别了风电机组的运行阶段产生的问题。上述文献虽然从多个角度开展了风电机组的故障、预警、状态监测等研究工作，但基于具体实例和相关数据研究内容较少，且行业中的风电机组性能评价标准并不统一。

本文将从风电机组运行过程中产生的SCADA历史数据出发，开展风电机组发电性能评价工作，建立风电机组发电性能评价体系。基于具体数据，分析风电机组运行阶段存在的问题，为风电机组的改良方向提供借鉴。

1 风电机组发电性能评价流程

基于SCADA数据评价风电机组发电性能，按照流程需要开展数据采集、数据预处理、数据分析、数据评估工作，如评价结果与预期结果不符合，则需要采取相应的性能提升措施。根据风电机组所在区域，采集有关发电性能的信息及数据，其中包括风电机组设备结构、选址、装机容量等。包括机组的运行数据、发电数据、运维数据等。从SCADA数据库中可以获取到有关发电机组性能的大量数据资源，根据机组控制流程、控制逻辑筛除无关数据，将功率数据、偏航数据、发电数据、时间利用数据等分类处理，对比《在役机组性能评价技术指标》文件中的相关标准，分析风电机组发电性能是否满足要求［7］。如评价结果表明风电机组在功能、效率上仍存在进一步的改善空间，则可以采取提质增效措施，确保风电机组时刻处于最优性能状态中。

2 风电机组发电性能评价体系建立

2.1 数据采集

选取风场内共计30 台风电机组，均为双馈式，规格型号为2.5 MW。基于设施的选择开展风电机组发电性能评估工作，根据功率及发电量等相关数据，深入展开分析。采集并整理SCADA 中的数据，将风电机组2022年的全年运行数据作为依据，每间隔2 min 采集数据样本，并计算平均风速及光通量，结合发电机装置的转速、扭矩等，建立性能评价体系［8］。

2.2 功率曲线生成

功率曲线生成则依据分钟级数据，根据《风电机组功率特性测试》文件中的要求，开展功率数据的预处理工作，并使用bin宽度建立数据组。采集的风速数据中，按照0.6 m／s 的标准，建立数据组。不考虑风电机组处于非运行状态以及限制功率状态，筛除无关数据之后，开展功率曲线的生成作业。功率曲线生成建立数据筛选标准，将变桨角度值在5°以上的数据删除，同时将未达到额定功率的数据点删除。低于发电机组理论转速的数据也删除，其中包括异常运行状态数据。将转速低于并网转速的数据筛除，将剩余数据作为功率曲线生成的基础数据，计算功率曲线保证值。并将其作为风电机组发电性能评价的参数量，具体计算公式如下：

式中：M为保证值；Rn为风电机组处于实际运行状态的折算电量数值；Rb为保证功率下的折算电量数值。

生成功率曲线之后，比较两者数值之间的差异，观察散点的分布状态。功率保证值与实际运行状态数据的散点集中，则表明机组功率性能良好，反之则表现较差［9］。30 组数据中共计存在12 组功率曲线偏右，在低风速状态下呈现出功率下降的状态。具体功率曲线保证值计算结果如表1 所示。

表1 风电机组功率曲线保证值计算结果表（部分）

根据计算结果分析，其中B 组、C 组的风电机组设备的功率保证值偏低，在满风状态下的机组运行存在滞后因素，且当自然风量较低的情况下，存在一定的跌落问题。而表内的其余数据的保证值较高，且散点集中，表明设备功率效率较好。

2.3 偏航性能数据分析

风力发电机组在安装阶段，为切实保障性能指标良好，会根据风向的初始位置以及风电机组的机舱位置，标定位置。这就可能会导致发电机组存在偏航的情况，使得理论性能指标与实际性能指标之间存在偏差。因此，风电机组会使用风向仪装置，用于计量航向，但在长期作业环境下，设备可能会出现磨损等问题，使得偏航角测量结果与实际情况不符合，使得测量偏差存在。而偏航问题的产生，会影响到风电机组的发电性能，使得功率数值和发电量数值受到影响［10］。

基于SCADA数据的航向偏差分析，坚持系统性的原则，从风向机组的整体角度出发，判断是否存在数据值异常情况，且结合设施扇区风频变化及尾流变化，综合评估测量偏差。在偏航数据分析过程中，根据单个机组设备所产生的数据，采取对风性能分析方法，将2°作为一个宽度曲线，绘制功率曲线。采集的偏航数据是指设施对风角度与功率曲线间的曲线，并根据对风误差的额定功率，计算最终的算术平均值，具体计算结果如表2所示。表中中间数值表示风电机组的运行功率。根据表中的数据变化，评价风电机组处于偏航状态下对风性能的影响。数据表明，在风速、角度存在差异的情况下，偏差角度存在区别，最终计算平均值为-4.2°。

表2 风电机组对风角度偏差数值表（部分）MW

2.4 发电量数据分析

结合风电机组的运行状态，根据SCADA 产生的散点数据，可以判断风电机组在未发电、启动状态、正常运行状态及限制发电状态下的发电量，对比实际发电量和理论发电量，可以了解到风电机组设施运行过程中的相关发电量参数。根据2022年自然风速数据，确定微选风速，机组平均运行风速值较微选风速值高。总结发电量数据后，计算不同状态下风电机组的发电量平均数值，开展风电机组的发电性能分析工作。具体理论电量与实际电量占比数值如表3 所示。

表3 理论发电量与实际发电量统计表

发电量是衡量风电机组发电性能指标的关键要素，理论发电量是指在风电机组安装建设之前所预估的发电量数值，实际发电量是指风电机组在实际运行状态下所产生的电量数值。如果存在限电状态，则会使发电量的损耗比较大，如果风电机组存在故障因素，也会出现发电量损失［11］。对比理论发电量与实际发电量，发电量损失较为严重，而等效满发时长之间也存在一定差异。

2.5 时间利用率数据分析

结合风电机组的运行状态，统计发电量后需要根据发电量数据，计算风电机组的时间利用率。根据相关时间参数计算结果，统计相关数据。在2022年全年内，平均风速值在6 m／s 左右，小风量状态下的风电机组运行时间占比为30%左右，由于风电机组出现故障因素，且自然风无法满足风电机组运行的时间占比在12%左右，风电机组处于正常状态下的运行时间总量在55%左右。风电机组发电的时间利用率在计算总时间上，根据可编程逻辑控制器的带电作业时间，计量最终的数据量。小风量运行时间则对比风速和切入风速，统计实际风速低于切入风速的数据量［12］。在存在自然风的情况下，设备未处于发电状态的发电计算，统计实际风速高于切入风速且设备转速在50 r／min 以下的数据量。限电数据和正常数据则采用常规计算方法，具体计算结果如表4 所示。

表4 实际发电时间统计结果表

3 风电机组发电性能评价结果

3.1 功率曲线

分析风电机组发电功率曲线变化，将保证值作为风力发电性能计算的基础依据。从总体角度分析，风电机组的发电性能有待提高，在30 组风电机组之中，存在12 组风电机组的功率保证值数值较低，仅有18组功率保证值的数值较高，这说明风电机组的硬件设备可能存在一定的问题。在保证值数值较低的情况下，发电机组的运行功率较差，与预估功率之间存在偏差。因此，相关人员应对排查出的12 组风电机组展开硬件排查工作，进一步加强功率数据的分析，有效提高风电机组的性能。

3.2 偏航对风性能分析

根据风电机组在偏航状态下对风机性能数值结果的分析，风速段不同会使得偏差误差角度存在差异，通过对数据的综合整理分析，最终平均偏差数值为-4.2°，这说明风电机组在功率性能上仍存在较大的提升空间。相关技术人员在采取功率调整措施的过程中，可以应用大数据技术，将偏航误差调整软件与风电机组相结合，建立风电机组的自适应补偿机制，减少偏航问题对风电机组运行功率产生的影响［13］。

3.3 发电量

根据发电量数据统计结果，风电机组在运行过程中存在限电发电量损失较大的情况，占据理论发电量数值的13%左右，而由于设备处于故障状态所导致的发电损失量占比也较高，占据理论发电量的10%左右。因此，发电量损失较高是风电机组运行存在的问题，相关部门必须积极开展风电机组状态监测、状态调整作业，采取机组优化措施，提高风电机组发电性能［14］。

3.4 时间利用率

根据时间利用率结果分析，因故障检修、启动等占据的总体时间比例在17%左右，占比较高，风电机组正常运行时间占比为54.26%。为提高风电机组的时间利用率，可以通过故障风险识别、故障分析，快速故障检修等方法，提升机组发电时间［15］。

4 结束语

本文建立风电机组发电性能评价体系开展风电机组的性能评估工作，主要根据风电机组的运行性能整理相关历史数据，建立评价指标。结合功率曲线可以了解风电机组性能状态，结合发电量、时间利用率等各项数据指标，可以切实了解风电机组运行阶段影响性能指标的相关问题，为风电机组运行效率的提升指明方向、提供思路，以期为电力企业长效发展提供保障。随着未来大数据技术以及智能技术的不断完善，其在风电机组性能评价领域将会发挥更加积极的作用，评价方法及评价体系也将更加完善。