APP下载

不同来风方向对风电机组发电性能的数据分析研究

2024-07-13王亭李龙马靖皓洪历江

新能源科技 2024年3期
关键词:风电机组数据分析

王亭 李龙 马靖皓 洪历江

摘要:以往分析风电机组不少是采用仿真技术或理论计算,所得结论跟实际情况存在较大差距。文章通过对风电机组实际运维的数据进行分析,得知风力发电机组在几乎相同的日平均风速下,仅当来风向不同时,其发电效率存在很大不同。针对额定功率为3.2 MW的同一台风电机组,其在两种不同风向上的日发电量会相差近10000 kW·h,同时发现此类情况并非个例,在不同风场多台风电机组上均有发现。据此文章详细分析了两种不同来风方向下,机组的风资源、偏航对风、收桨等方面数据差异。在实地调研风场现场机位的情况下,根据机组实际偏航数据偏差,得出风电机组发电性能受来风方向的影响很大,机组所处机位的地形对来风造成了一定程度的影响,从而最终影响到风机的运行效率。

关键词:风电机组;来风方向;发电性能;数据分析

中图分类号: TM315  文献标志码:  A

0 引言

风力发电机组是将风轮吸收的风能有限的转换为机械能,再由机械能转化为电能。由流体力学可知,单位时间内气流的动能计算公式为:

P=12ρAv3

式中,A为叶轮的面积(单位:m2),ρ为空气密度(单位:kg/m3),v为空气的流速(单位:m/s)[1]。由于风电机组从自然风中获取的能量是有限的,当来流风速v在远离风轮被阻滞到1/3时,所获得的功率最大[1]。此时理论上可以获得的最大功率为:

P=12ρAv3Cp.max

式中,Cp.max为最大功率系数[1]。根据计算公式可知,风机获取的风能主要是受制于叶轮面积、平均风速以及空气密度,而Cp.max则受制于叶尖速比的影响,使风电机组保持在最大功率系数,需要调节风轮转速,叶尖速度与风速之比保持不变,即可获得最佳的功率系数[2]。

在风电机组出厂后,叶轮面积是固定值,如果温度和大气压强相差不大,则空气密度也近似相同。由于最佳叶尖速比在试验机型时已确定,故Cp.max也不会相差太大。此时,在不同的两个发电自然日,如果平均风速近似相同,则风电机组的发电功率以及发电量也会相同或大致相同,但实际情况却偏差较大。

文献[3]的研究分析发现,风电机组受外部环境影响因素较大,主要包括温度和高度,二者是通过空气密度影响功率曲线。文献[4]的研究表明,通过控制策略的改进可以提升发电机组的功率,减轻对机组和电网的冲击影响。现有文献主要是从仿真的角度进行论证,真实机组上的数据并未验证分析。而本文在研究分析中发现,对于同一台风电机组,即便是在日平均风速相同、空气密度和压强相差不大的情况下,其发电性能或者发电效率方面也存在着很大的差异。

以某风电项目为例,风场所处地理位置的主导风向为东北风,次主导风向西南风,通过对机组长时间的SCADA数据分析发现,该风场多台机组的发电情况受现场风向的影响较为明显。当现场风向为东北风时,有2台机组的发电性能表现较差;当现场为西南风时,机组发电性能表现较好。与此同时,另有2台机组的发电情况与上述情况刚好相反,即当现场为东北风时,发电效率普遍较好;而在西南时,发电效率普遍偏差。

为此,本文重点分析了#009机组在两个不同来风方向上的风资源、偏航情况以及桨叶角度控制等多个维度的数据。在此基础上,笔者实地调研了风机机位,发现在该机组在东北和西南两个方位上,地形存在较大差异。

1 发电情况分析

为表征机组发电情况的优劣,本文定义1项指标,即机组性能损失(单位:kW·h)。该指标是指风电机组在一定时间内,在剔除故障、限电以及其他因素导致的停机基础上,机组理论发电量与实际发电量的差值,该指标能够反映机组发电效率情况。

#009机组在平均风速几乎相同的情况下,性能损失出现了很大的差异,如表1所示。机组性能损失为负代表机组实际发电量大于理论发电量。从风向上看,当风场风向为东北风时,机组的性能损失均为正值;当风向为西南风时,机组的性能损失均为负值。在所有风向均是西南风的天数中,又以2023年7月7日的性能表现最佳。

以2023年7月7日和2023年7月17日两天的运行数据为例,由于性能损失的差异,导致了该机组在2023年7月17日的实际发电量相较2023年7月7日减少了11628 kW·h ,主要原因则是因为2023年7月17日的性能损失偏大导致的,两者在性能损失方面相差8485 kW·h。

在参考文献[5-6]的基础上,本文剔除了常见的异常数据,如:停机时段数据(待风与故障时段)、有限功率数据时段(限功率)以及噪声数据时段,根据文献[7]中所提空气密度对机组功率的影响,在此基础上绘制了基于SCADA数据绘制机组理论与实际功率曲线,如图1所示。图1中红色线代表机组的理论功率曲线,蓝色和橙色的散点分别代表2023年7月7日和2023年7月17日两天的实际功率与风速的散点。从图1中可以看出,2023年7月7日当日整体的发电功率优于2023年7月17日,而且多数功率点分布在理论功率曲线之上。

2 风资源情况

2.1 风频分布

根据文献[8]的研究分析,本文采用适合的决定系数绘制了表1中对应每天的风频分布,其中为东北风的3天风频分布如图2所示,西南风的3天风频分布如图3所示。相较于西南风,当现场是东北风时,其风频分布的范围更宽以及更分散。

在所有的东北风风向条件下,2023年7月17日当天的风频分布中,出现风速突变的可能性是最大的,出现风速突变的时间段居多(见图3)。基于现有的机组转速与转矩控制策略可知,此种情况往往不利于风机的发电。

在所有的西南风天气条件下,2023年7月7日当天的风频分布最不利于发电,2023年5月2日和2023年5月16日两天的风频分布情况近似,但2023年5月16日在风频分布的数据区间范围上要稍好于2023年5月2日。在西南风天气下,2023年7月7日的发电效率最高,由此可以说明,风频分布并不是影响发电的最主要的因素。

2.2 风向、风速以及湍流离散评估

文献[9]研究分析了关键环境因素对风电机组输出功率的影响,为此本文针对文献中提到的湍流进行了分析。风场#009机组虽然在平均风速和风向上近似相同,但需要利用风机SCADA数据对风向和风速做进一步的分析和整理。为此,分别计算了该机组在东北风和西南风两个风向下的详细数据,具体如表2—3所示。

标准差可以反映机组数据的集中情况。相较于西南风而言,当现场为东北风时,其在风向、风速以及湍流值的标准差远大于西南风,说明现场是东北风时,其风向的波动幅度较大、风速变化更明显,最终导致机组所处的湍流值存在较大不同。

由表2和表3可知,不论机组是处在东北风还是西南风,性能损失的优劣更多的是取决于风向的集中情况。如2023年7月7日和2023年7月18日分别是西南风和东北风条件下性能损失表现最好的天数,此时上述两日的风向标准差也是最小的,但此时风速以及湍流的标准差并非最小,说明在机组的实际表现中,风向可能是起到了决定性的作用。

在额定风速附近,机组输出功率随湍流强度的增加而减小;在切入风速附近,功率将随湍流强度的增加而增加;当湍流强度小于10%时,对机组的输出功率影响较小;湍流强度较大时,对小风速下机组输出功率的影响更明显[9]。针对该机组上述日期中,机组平均风速处于额定风速以下,故湍流强度越大,对机组输出应该是有促进作用。而此时西南风时的湍流强度小于东北风,说明在湍流方面,当现场为西南风时,并非有助于机组发电。

3 偏航对风情况

3.1 风向偏差角

在计算偏航对风时,以机组启动偏航时刻为基准点,选择基准点前30 s的数据,求平均值作为机组启动偏航时的风向偏差角,该计算结果也是机组启动偏航的实际角度。另外,将当日计算出来的所有启动偏航时的风向偏差角度求平均,得出计算结果如表4—5所示。

在风向为东北风的天数中,以2023年7月18日偏航对风最优,2023年7月17日偏航对风最差,具体如表4所示。从数据上看,机组偏航对风最优时,此时机组性能也是最好的(性能损失值最小),同样偏航对风最差时,机组性能也最差(性能损失值最大)。

从表4的计算数据来看,在东北风条件下,机组启动逆向偏航时,最大和最小风向偏差角度为4.99°(31.56~26.57);机组启动正向偏航时,最大和最小风向偏差角度为3.65°(-23.89~-27.54)。

在风向为西南风的天数中,偏航对风效果几乎相同,不存在较大的偏差,具体如表5所示。而综合两个表的数据来看,当风场是西南风时,该机组的对风效果整体要优于东北风,导致偏航出现差异的原因,应该也是由于来风方向的差异所导致。由于机组应对不同来风方向的偏航程序相同,风向的差异,则直接导致了机组在偏航实际表现上的不同。

偏航对风误差主要受偏航控制性能误差和偏航静态偏差影响,偏航系统的容错控制策略引起偏航误差分布的形状不同,而偏航静态误差则影响偏航静态分布位置。随着风电设计水平和技术的日趋成熟,偏航系统的控制误差对偏航误差的影响越来越小,而偏航静态偏差成为影响偏航误差的主要因素[10]。在偏航静态误差中,风向标的安装精度、测量精度以及叶片紊流是导致偏航误差的主要因素[10]。针对该机组,不同的运行自然日,机组风向标的安装精度和测量精度均相同,故导致在东北和西南风下对风偏差的主要原因还是来自叶片的紊流,而风速和风向则是引起紊流不同的主要原因。

3.2 偏航次数和时长

东北风和西南风条件下,机组启动正/逆偏航的次数和时长,如表6—7所示。根据表中数据可以看出,相较于东北风而言,该机组在西南风时,偏航的次数减少了40.4%,累计偏航时长减少了14.4%,但机组平均单次偏航的时长却增加了44.0%,说明偏航时长的减小的比例要小于偏航次数。

前文已述,在此期间并未更改过机组控制程序或者更换过风速、风向仪等,所以导致机组偏航数据(偏航角度和偏航次数等)出现较大不同的原因可以判定,并非由机组自身原因导致,而是由于外部环境所致,也就是由风资源引起。由于日平均风速近似相同,结合风电机组的控制原理可以得知,导致偏航发生较大差异的根本原因还是由于风向引起。

4 机组收桨情况

当该机型的机组在功率大于1900 kW时,为避免机组叶片和塔筒之间出现扫塔风险,会使机组桨叶执行一定的收桨操作;在机组达到额定功率后,为限制机组功率的增加,也会以收桨的方式来达到控制功率超限的目的。

为此,在分析机组桨叶角度时,考虑以1900 kW与3200 kW(额定功率)为标准,将机组分成3个区间,即:(0,1900],(1900,3200],(3200,3360],其中3360 kW是以不大于机组额定功率5%来确定的机组功率上限。

在东北风条件下,除(3200,3360]功率区间外,机组在(0,1900]和(1900,3200]两个非满功率区间下,平均桨叶角度越大,则对应的机组性能损失越大。而在满功率以上的区间(3200,3360],出现大风的概率分布较多天数,其平均桨叶角度也会越大,如2023年5月7日在(3200,3360]功率区间对应的平均桨叶角度为8.1°。与东北风不同,当机组处在西南风时,机组最佳发电效率所对应的桨叶角度并非最小,如在2023年7月7日,除在额定功率以上外,机组平均桨叶角度均大于2023年5月16日与2023年5月2日。

综合两种风向下的桨叶角度来看,西南风条件下的桨叶角度均小于东北风,桨叶角度越小,则说明更多的风资源被机组吸收,发电效率则会更大。

5 原因分析

不同工况下,风电机组运行特性不同,各状态变量间相关性强弱差异较大,对风电机组工况进行划分,研究不同工况下各状态变量间的相关性,能更准确地反映风电机组运行特性[11]。本文则采用两种不同风向下进行了较为深入的数据分析。

经调取该机组日常运维的相关记录可以得知,在分析时段内,机组并未修改过主控程序,未更换过风速和风向仪,因此导致机组发电性能偏差较大的主要原因在于自然因素。在自然因素中,本文则主要分析了空气密度、风速以及风向等。由于分析时段跨度不大,经计算所得的平均温度相差较小,故可以排除是由于空气密度导致的差异;而由于机组日平均风速近似相同,故导致机组在发电效率方面存在较大差距的原因可以归结为是风向导致。

为分析导致此类情况的根本原因,笔者实地调研了#009机组的现场地形情况,其地形分布情况如图4所示。前文已述,该机组的主导风向和次主导风向分别为东北和西南风向,故该机组在实际运行过程中,主要是受这两种风向。对比两种地形可以发现,在东北方向上,地形分布起伏较为严重,而在西南风向上,地形相对平坦。所以可以判断,机组在此种地形分布情况下,东北风受地形的影响更为严重,风速和风向的波动会加剧。而在西南风下,平坦的地形对风速和风向的波动影响相对较小。该结论可以通过本文2.2章节中风速和风向的标准差以及3.1章节中偏航对风的实际表现可以得出。在东北风下,风速和风向的标准差均大于西南风,说明在风速和风向的波动方面,东北风更为严重。东北风下,机组正、逆向偏航的次数约是西南风条件下的1.67倍,偏航时长也明显偏长,说明机组处在东北风条件下时,为了捕捉最佳的对风效果,机组需要付出更多的偏航次数才能实现。而平均单次偏航的时长则是出现在西南风,也是由于东北风向变化较大所致。

综上,经过对风电机组实际运维的SCADA数据分析发现,对于同一台机组而言,即使机组日平均风速相同,仅当来风方向不同时,对机组的发电效率也会造成较大的差别,最终会影响到机组的日发电量。通过对风资源、机组偏航、机组变桨等各个实际运维的数据分析中发现,风向的影响起到了主导作用;风向通过影响机组的对风效果,进而影响到风机的性能损失;在有利的风向下运行时,机组偏航次数和累计时间均会减少,但单次平均偏航的时间不会减少,反而会增大。造成上述情况的原因在于机组所处两种风向上的地形不同。

6 结语

一般情况下,在同一个风场中,相同机型的机组会采用相同的控制程序,其中包括偏航控制程序,而机组所处机位的地形不可能完全相同,由此会导致机组在发电效率上存在较大差距。因此,在已知不同来风方向上发电效率差异的前提下,结合文献[12]的研究成果,可以有针对性地采取不同的偏航策略,以提升机组发电效率和发电量。

[参考文献]

[1]廖明夫,GASCH R,TWELE J. 风力发电技术[M].西安:西北工业大学出版社,2009.

[2]叶杭冶.风力发电机组监测与控制[M].2版.北京:机械工业出版社,2021.

[3]邢作霞,项尚,徐健,等.外部环境对风电机组性能影响分析[J].太阳能学报,2021(3):98—103.

[4]许谨,邓巍,李春廷,等.改进的风电机组转矩控制策略[J].热力发电,2023(3):160-167.

[5]柏文超,刘颖明,王晓东,等.基于数据驱动的风电机组最优桨距角辨识方法[J].电力科学与工程,2022(9):38-44.

[6]刘清河,赵映泽.风电机组功率曲线建模方法对比研究[J].可再生能源,2018(4):580-584.

[7]张国强,田宏哲,杨政厚,等.考虑空气密度变化的风电机组转矩控制算法研究[J]. 可再生能源,2020(1):58-62.

[8]李化.基于威布尔分布的风功率密度计算方法比较[J].南方能源建设,2024(1):33-40.

[9]陈海军,宫伟,张锐,等.关键环境因素对风电机组输出功率的影响[J].船舶工程,2023(2):5-12.

[10] 杨伟新,宋鹏,陈雷,等.风电机组偏航静态偏差对发电性能的影响及优化方法[J].可再生能源,2020(5):680-684.

[11] 崔双双,孙单勋.分工况下风电机组各变量相关性研究[J].综合智慧能源,2022(12):49-52.

[12] 毛江,蔡义钧,张斯翔,等.湍流风况下的风电机组偏航控制系统[J].机械工程与自动化,2022(1):175-177.

(编辑 姚鑫)

Data analysis and research on the power generation performance of

wind turbines with different wind directions

WANG  Ting,  LI  Long,  MA  Jinghao,  HONG  Lijiang

(Mingyang Smart Energy Group Co., Ltd., Zhongshan 528400, China)

Abstract:  In the past, many analyses of wind turbines were conducted using simulation techniques or theoretical calculations, resulting in significant discrepancies between the conclusions obtained and the actual situation.Through analyzing the actual operation and maintenance data of wind turbines, it is found that under almost the same daily average wind speed, the power generation efficiency of wind turbines varies greatly only when the incoming wind direction is different. For the same wind turbine unit with a rated power of 3.2 MW, its daily power generation in two different wind directions will differ by nearly 10000 kW·h. At the same time, it was found that this situation is not an exception and has been found on multiple wind turbines in different wind farms. Based on this, this article provides a detailed analysis of the differences in data on wind resources, yaw impact on wind, and pitch control for wind turbines under two different wind directions. After conducting on-site research on the wind farms machinery, the relevant conclusion was drawn that the power generation performance of wind turbines is greatly affected by the wind direction, and the terrain will have a significant impact on the operational data of the turbines.

Key words: wind turbine; direction of incoming wind; power generation performance; data analysis

猜你喜欢

风电机组数据分析
基于S能量熵的直驱式风电机组故障诊断方
我校如何利用体育大课间活动解决男生引体向上这个薄弱环节
新常态下集团公司内部审计工作研究
浅析大数据时代对企业营销模式的影响
基于读者到馆行为数据分析的高校图书馆服务优化建议
基于实践应用的风电机组测试与认证教学改革
风力发电机组电气与控制系统快速检修思路探索
风电机组典型事故及预防措施分析
风电机组塔架优化设计系统分析