基于Hadoop的风电场运行实验教学平台开发

殷孝雎， 潘 雪， 王 刚， 关 新， 栾成宝

（1.沈阳工程学院新能源学院，沈阳 110136；2.大连市技师学院电气自动化系，辽宁大连 116100）

0 引 言

随着我国风电行业的迅猛发展，风电行业的技能型人才严重不足，在短期内上岗的学生难以适应行业的技术需求。风力发电专业属于多学科交叉、实操性极强，需要通过实践方法，掌握相应的专业技能。风力发电设备较为复杂，在实践教学中大多停留在理论层面，受到风电设备成本及环境因素影响，现有的虚拟实验室，不能实现风电机组现场工作模式。培养过程中存在理论与实践脱节，缺乏相应的工程数据与案例、实验教学平台，工程实践不足等问题。风电教学难以满足风电场人才需求，大数据技术的发展为新工科人才培养提供了新思路［1-2］。

本文基于风电场大数据，根据行业特点利用Hadoop分布式框架平台，提供从数据采集、数据预处理、数据分析、数据管理、模型开发、模型评估到模型部署的教学模式，通过虚拟仿真技术，为风电教学创建不同的场景应用。实现课程管理、数据管理、案例管理、考试管理4 个教学模块，有效解决学生工程实践不足等问题，提高风电实训教学质量。

1 风电场运行教学平台总体设计

风电场大数据虚拟技术实现教学平台设计［3］，其设计理念与现场实际操作一致，是实现风电场运行实践演练的可视化平台。引导学生深入学习相关知识，是教学、操作、故障分析、考试一体化的学习平台［4］。风电场运行模拟系统具有大数据分析功能，该系统由仿真接口、大数据分析处理、可视化输出模块构成，实现数据的采集、分析、场景模拟等风电场运行过程［5-7］。

硬件包括：风机实验平台、服务器、变电站、交换机、网络接口。软件包括：操作系统、虚拟机、虚拟操作系统、数据库等［8］。风电场运行模拟系统的总体架构，如图1 所示。

图1 风电场运行模拟系统总体架构

风电场运行模拟系统需要对风电场大量运行数据及相关单位服务器中的数据进行分析处理，本文根据某一风电场的实际工作情况，设计了风电场机组分布实验平台，具有风机运行功能、故障停机、发电显示湍流风运行状况等，软件采用基于Hadoop分布式框架实现风电场海量数据的离线分析处理［9］。以Hadoop 分布式系统HDFS为底层存储的风电场运行模拟系统，具有分布式可扩展、高容错、高吞吐量等优点，能提供层次化的存储和计算服务，大大提高了风电场运行模拟系统的可扩展性和可靠性。

2 风电场虚拟平台实现

2.1 风电场运行模拟系统数据获取

风电场运行模拟系统，大数据分析过程包括运行数据的采集与加工、数据存储与处理和数据分析与计算等。将分析结果传输给不同的用户端，实现应用层面数据服务。以风电场数据案例为基础，设计风电场运行模拟系统教学数据架构如图2 所示。

图2 风电场运行教学数据架构

风电场运行模拟系统采集分布的、异构数据源中的数据然后抽取到中间数据库后进行清洗、转换、集成，最后对风电场数据进行存储［10-11］，如图3 所示。

图3 数据库

考虑到需要对大量数据进行统计和分析，在建立Hadoop生态圈上的Hive进行离线分析［12］。经分析处理后提取工艺点，选用建立在Hadoop 生态圈上的Mahout进行数据挖掘，并基于K-Means算法进行风电场运行评估分析工作，建立实验平台，如图4 所示。

2.2 软件平台的创建

为实现电力系统能量管理、功率控制、储能电池监控、数据采集、显示、报表、通信等功能于一体的电力自动化监控系统软件，软件架构如图5 所示。

图5 风电场模拟平台软件架构

软件实现了25 台风机模拟单元和实验平台进行实时通信，监控风电场运行状态等功能，如图6 所示。由图可见，整个风场的实时工作状态：单台设备的启停状态、实时功率、风轮转速等；也能实现全场有功功率、无功功率、当前风机正在运行数量、停止数量、故障数量等信息。

图6 平台与风机模拟通信示意图

在顶部导航栏可以显示单台风机的详细数据，可选择单台风机或多台风机的启停操作，如图7 所示。该界面显示了单台风机的发电状态的累计时长，风速0 ～3 m／s不发电、风速3 ～25 m／s可发电、风速25 m／s满载发电、有功功率值等信息。

图7 单机实时数据界面

此功能帮助用户选择历史数据，通过风机模拟系统接口，把历史数据转发到实验平台，在数据采集与监视系统（Supervisory Control And Data Acquisition，SCADA）中查看风场风机的运行状态，帮助学生了解真实数据。

2.3 风电场大数据离线分析

基于K-Means算法的数据挖掘分析，在Hadoop分布式计算上的一个分布式数据挖掘框架，K-Means 算法的任务是依据实际测得不同风电机组的时间序列风速数据，按照相似性将风电机组划分到预先设定的数据库，应用风电机组聚类划分的原理具体步骤阐述如下：

步骤1 随机从风电场采集的机组运行数据中选取k台风机的运行数据作为初始聚类中心。

步骤2 按照采集的其他风机的运行风速数据计算进行归类。

步骤3 将分类中包含风电机组运行风速数据进行平均计算处理。

步骤4 重复步骤（2）、（3），直到风电机组各个聚类中的聚类中心不再发生变化，依据风电机组运行风速数据进行聚类划分完成。其中，利用高斯距离对风电机组运行风速数据的相似性进行计算［13］：

式中：i＝（vi1，vi2，…，vid）、j＝（vj1，vj2，…，vjd）为任意2台风机的d维数据对象，vi1，vi2，…，vid和vj1，vj2，…，vjd为第i台风电机组和第j台风电机组分别在1，2，…，d个时刻测得的风速。聚类中心是由每类所含风机数据的均值。

利用K-means 聚类算法对风电机群进行聚类划分，求取等效风速［14］

式中：m为风电场投运机组数；k为机组聚类数；n为第n类机群；vGn为第n类机群的风速；Itzn为第tz次聚类完成后且第n类机群所含I台风机；ωn为各类机群的典型风速在风电场等效风速中的权重系数

将veq代入P ＝f（v），即可得到整个风电场的输出功率：

基于K-means聚类算法得到风电机组准确的风力发电机的转矩、桨距角、风轮转速等运行参数［15］。

根据风电场数据，按照虚拟仿真技术要求、教学实验和仿真实训要求，根据机械原理、机构联动方程、物理属性仿真算法和仿真交互要求，模拟风电发电机的动态工作过程和工作原理，虚拟教学和实验仿真实现风力发电可视化动态工作过程。利用Hadoop 分布式框架平台，提供从数据导入、数据预处理、特征工程、模型开发、模型训练到模型部署的教学模式，为风电教学建立场景，形成风电行业教学积累，提供各种风电数据源、算子、模型和评估模块组件，该系统旨在提高学生解决风电场实际问题的能力。

3 风电场运行模拟系统教学架构

风电场运行模拟系统基于风电场大数据，通过大数据分析处理技术、虚拟仿真技术、可视化技术，根据学生的学习目标在课程管理模块中设置风电场实训准备课程以及7 个特定的实训课程，图8 所示为风电场运行模拟系统教学架构。

图8 风电场运行模拟系统教学架构

实现课程管理、数据管理、案例管理、考试管理4个教学模块如图9 所示。

图9 教学模块

图中数据管理模块处于连通支撑层的核心位置，管理风电场各种运行数据库和创建与分享的教学模型。同时数据管理模块与其他3 个模块互通，学生在考试管理模块的学习成绩、课程管理模块的实训报告等记录以及案例管理模块的案例学习记录等数据都可传送至数据管理模块。风电场运行模拟系统支撑层基于大数据聚类，分析每个学生的学习情况，做出总结并提出建议［16-17］。

4 风电场运行实验案例

4.1 稳态风运行实验

稳态风是一种理想的风，其风速和风向不随时间变化。用稳态风可评估风力发电机组发电性能和载荷水平，更方便理清各因素之间的关系，分析不同因数之间的影响。在这个叶尖速比下，风能利用系数最大，可实现最大风能捕获。风力发电机组在额定风速以上运行时，转矩不变，可通过改变桨矩角的方式调节风轮转速，以保持风轮转速恒定，保持功率恒定。在最佳叶尖速比λopt时，风力发电机组空气动力效率系数最高，此时风能利用系数Cp达到最大值Cp（max）。风速v与风力发电机的风轮转速Ω成比例

式中：Ω为风轮转速；R为风轮半径；λ为叶尖速比。

风力发电机组获得的功率Pa随着风速或者风轮转速增加，即

式中，ρ为空气密度。转矩随着风速或者风轮转速增加，机械转矩为

根据式（7），在稳态时只要发电机转速、转矩保持以上关系就可达到最佳叶尖速比，即发电功率最大。通过编程建模绘制风机运行相关函数图像，便于分析风机运行情况，根据稳态风在不同风速下运行的仿真结果，可绘制出稳态条件下的功率曲线、转矩曲线、桨距角曲线和转速曲线。通过建立可视化模型，能实现有效掌握各风机每时刻的运行数据。

通过建模分析、模型评估选择最优模型应用于风电场实验教学。基于某风电场5 MW风力发电机运行数据的风速-输出功率、桨距角、转矩和转速曲线。分别如图10 所示。这些曲线作为标准与学生实验仿真绘制的曲线进行比对以评估学生实验数据的准确性。

图10 稳态风实验

通过模拟系统学生能将理论概念形象化，并能立即为他们提供准确的实验结果［18］。这样既锻炼了学生实验操作能力，又帮助学生巩固和运用所学的理论知识。本实验项目主要是使学生熟悉使用软件，在3 ～25 m／s风速内，每隔2 m／s风速计算一个稳态风工况。根据各工况输出的平均值绘制稳态功率、稳态转矩和稳态转矩曲线。

4.2 湍流风运行实验

湍流风是一种模拟自然界实际风况的风模型，将湍流风用于风力发电机组仿真，可更好地了解风力发电实际运行情况。

针对某5 MW风力发电机组，使用湍流风进行仿真。额定风速运行时风速、功率、转矩、转速曲线。在湍流风工况下，由于风速是变化的、机组的功率也是波动的。湍流风况下的平均功率绘制成动态功率曲线，如图11 所示。

图11 平均风速为5 m／s时湍流风实验

学生理解不同风况下，风速对风力发电机组各位置载荷的影响，理解不同风况下风力发电机的输出功率、转矩、桨距角随风速的变化关系。

通过模拟实验平台，学生掌握风力发电机主要运行参数在模拟环境下，湍流风对风力发电机效率的主要因素，开展稳态风、湍流风等风况的计算，深入了解不同风况对风力发电机组的影响。

5 结 语

基于风电场大数据，利用Hadoop 分布式框架平台，构建内容丰富的风电场运行模拟教学平台，实现了可视化、沉浸式的实践教学模式。通过风电场风力发电机组的运行数据，模拟风电场场景提升了教学的趣味性，实现稳态风和湍流风等风电场运行教学实验。基于大数据分析的风电场运行模拟系统对于学生工程实践能力有较大的提高。保证实践教学内容与时俱进加深学生对风电场工程知识的理解，激发学生的学习热情，对提高教学质量具有积极的推动作用。