基于SCADA數據的風電場后評估方法

盧 勝,吳 莎（湖北省電力勘測設計院，湖北武漢,430040）

?

基于SCADA數據的風電場后評估方法

盧 勝,吳 莎
（湖北省電力勘測設計院，湖北武漢,430040）

摘要：風電場后評估作為優化風電場運行狀態、降低運維成本的關鍵技術手段，其方法已成為業界探討的焦點。本文綜合介紹了目前國外基于SCADA(Supervisory Control And Data Acquisition)數據系統的風電場后評估方法，包括宏觀的主元分析法，關鍵績效指標法以及微觀的結構力學方法。分析了三種風電場后評估方法的局限性，展望了風電場后評估技術及方法的發展方向，提出了通過建立風機非標準工作狀態下的樣本數據庫，并以該數據庫為基礎生成風機工作狀態圖譜來診斷風機工作狀態的方法。

關鍵詞：風電場后評估；SCADA數據；主元分析(PCA)；關鍵績效指標(KPI)

0　引言

根據DOE(Department of energy，美國能源部)的研究預測結果，2030年20%的風電場收益增幅將來自于風機工作狀態的改善以及風電場維護成本的下降。風電場開發經驗也表明，風電場運營和風機維護修理的資金投入已經成為僅次于風機購置的風電場第二大支出源。提高風電場對風能利用效率以及降低風電場維護成本逐漸成為人們關注的焦點，風電場后評估逐漸為風電場開發商和風機生產商所關注。

傳統的風電場運營維護采用的是定期檢測的方法，即固定周期派專業人員對場區各個風機進行實地檢測，然后對發現的故障風機進行回收維修。這一流程耗時周期長，投入資本大，對于出現的故障難以及時發現，同時也不利于故障原因的收集總結。傳統的風電場后評估流程與故障檢測類似，其對于風機工作狀態數據收集通常僅僅是針對風電場的風機故障類型以及下行時間進行統計，往往無法進行進一步的分析。

基于SCADA數據的風機工作狀態監測系統可以改進上述問題，SCADA數據系統獲取的數據具有時效性和完整性，針對該數據進行分析可以實現風電場乃至風力發電機組工作狀態的實時或者近似實時地分析監控，這也就使得風電場運營維護由定期檢測轉變為條件監測，同時也使得風電場后評估對于風機故障的根本原因可以進行更為深入具體的分析 。

1　SCADA數據介紹

SCADA，全稱為Supervisory Control And Data Acquisition，即數據采集于監視控制系統，是以計算機為基礎的DCS(Distributed Control System，分布式控制系統)與電力自動化監測系統，SCADA系統的應用領域很廣，在電力、冶金、石油、化工、燃氣等方面均有所應用。

在風電行業中，SCADA系統則主要應用于風機工作狀態的數據采集與統計，目前主要使用的是十分鐘的SCADA時間序列數據，所統計的內容包括了風速，風向，各個組件的溫度，電機的扭矩，方向塔筒的擺動幅度，葉片角度等多類風機機組工作狀態信息。在目前的應用中，這些數據由于研究方法的原因通常不會全部被用來進行風電場后評估，目前主要使用的幾個參數我們將會在本文進行進一步說明。圖1中給出了一個風機SCADA采集數據的示例。

圖1　風機SCADA數據示例Figure 1 SCADA data example for wind turbines

2　后評估方法介紹

2.1主元分析法

前文已經介紹，SCADA系統可以采集的數據種類多達幾十種，但是這些數據并不能夠全部使用于進行風機工作狀態評估，其中一部分數據屬于多余或者噪音，他們的時間序列數據的變化趨勢往往不與風機工作狀態直接相關，因此，在進行進一步研究之前，SCADA系統采集數據中的非冗余數據提取便成為首要問題。

主元分析法PCA(Principal Component Analysis)是一種常用的提取大規模數據中有效信息的方法，它的基本思路是尋找一組新變量來代替原變量，而這組新變量通常是原變量的線性組合。從優化的角度來看，新變量在維度上也要低于原變量，同時原變量中的有用信息也會最大限度的為新變量所攜帶。在后評估應用階段，對提取出的系統主元進一步進行樣本統計分析，通常采用在主元子空間建立Hotelling T2統計量進行檢測以及在殘差子空間建立Q統計量進行檢測的方法。將固定周期時間段的風機SCADA系統數據收集并對這些數據進行相同的主元分析降維及統計量計算，通過將該周期內SCADA數據的Hotelling T2統計量與Q統計量與學習樣本所確定閾值進行比較，推斷出風機已出現故障導致偏離正常工作狀態。

利用主元分析法結合統計學分析也有其局限性，首先主元分析法對于主成分維度的保留數目十分敏感，實際應用中很可能出現降維過多導致丟失系統關鍵信息的情況；其次Hotelling T2統計量和Q統計量閾值的設定也包含較強主觀因素；同時主元分析法在應用中僅能夠做到發現故障，但是無法明確指出具體的故障原因或故障部件。

2.2關鍵績效指標法

相較于主元分析法對于SCADA數據進行整體統計分析的思路，關鍵績效指標法KPI(Key Performance Indicator)著重于將SCADA數據與風機各個部件相關聯，重點研究采集的各類數據中兩兩之間的關系，在目前的實際應用當中，常見的關鍵績效指標主要有：風機功率曲線，葉片變槳傾角，風機偏航角。

2.2.1 風機功率曲線績效指標

風機功率曲線是風機后評估檢測中使用最頻繁也是最被關注的績效指標。功率曲線直觀地反映了風機的工作效率，通過風機功率與風速的散點圖也能夠快速檢測到風機偏離標準工作狀態的情況。

通過校驗風機功率曲線績效，可以直觀獲取風機運行狀態、檢測與標準工況的偏離情況，然而評估功率曲線績效指標方法也有其局限性，主要體現為如何準確的校驗風機實際運行的功率曲線。由于安裝在機艙上的測風儀受風機運行影響，其測得的風數據與風機葉輪處實際風速具有較大差別，利用風機機艙上安裝的測風儀數據來校驗風機功率曲線往往具有較大的不確定性。針對該問題業界常見的處理方法是在風機前2D~4D（D為風機葉輪直徑）區域內，避開風機尾流及其他風機影響的前提下新建測風塔重新測風來校驗風機功率曲線；另外激光雷達測風校驗風機功率曲線的方法也已逐漸被行業所接受。但上述兩種校驗方法同樣面臨著復雜地形條件下風能資源變化較大，直接用風機前2D~4D（D為風機葉輪直徑）區域內測得風速代替風機掃風面處風速導致評估不確定性較大的問題，以及針對復雜地形條件下，特別是已建成的風場，場地標定困難的問題。

2.2.2葉片變槳傾角績效指標

通過對SCADA數據的深入分析，可以發現風機葉片變槳系統故障情況，可以發現在高風速段由于葉片變槳角度偏差導致的失速效應；還可以通過對SCADA數據的分析，得到由于傳動系統中軸承或齒輪箱故障，風機發電機無法達到高風速狀況下的額定轉速等情況。

葉片變槳傾角與風機功率曲線類似，它同樣作為風機后評估中使用較為頻繁的績效指標，同時當風機工作狀態發生變化時，這兩項指標往往同時出現變化。正常工作狀態下，在低風速段風機變速定漿距控制，控制風輪轉速與風速成比例變化，以保持最佳葉尖速比，此時風能利用系數最大，最大限度收集低風速段的風能，變槳角度保持在一個較小的恒定值；當風速由切入風速逐漸升高時，風輪轉速隨之升高，往往在輸出功率達到額定功率以前，葉尖速度就已經達到其上限值，此階段進行額定轉速調節，變槳角度基本保持不變；當風速高于額定風速時, 利用槳距角的變化使輸出功率保持為額定值，直至風速達到切出風速為止。

圖3　葉片變槳角與風速散點圖Figure 3 Scatter diagram of the blade pitch angle with the wind speed

圖4中給出了葉片控制系統出現故障情況下的變槳角散點圖。

圖4　葉片控制系統故障下的變槳散點圖Figure 4 Scatter diagram of the variable pitch blade in the case of failure of leaf blade control system

2.3結構力學法

SCADA系統所采集的數據中，包含了大部分組件的速度，加速度，角速度，角加速度等信息，這就使得通過求解動力學方程式(1)預測部件失效和損傷成為可能：

盡管這種方法能夠很好地起到對風機故障判斷作用，但是求解過程對于計算時間以及存儲空間的要求較高，同時式(1)中方程右側的系統所受合力，對于風機系統各個部件往往不是能夠全部得到，這一點也同時限制了該方法的適用范圍。

3　結論與展望

本文介紹了目前基于SCADA系統數據國內外普遍使用的風電場后評估方法。針對風電場后評估的研究方向，本文作者認為應當在結合現有方法的基礎上建立針對不同風機偏離正常工作狀態原因以及故障類型的樣本數據庫，在有足夠樣本的情況下，通過先進的診斷方法建立風機工作狀態圖譜，根據圖譜更好地判斷風機的工作運行狀態；另一方面應引入更為先進的風電場要素測量方法，如激光雷達測風技術，為SCADA數據系統提供更為準確的工作狀態數據。

參考文獻

[1] McMillan D, Ault G W. Quantification of condition monitoring benefit for offshore wind turbines[J]. Wind Engineering, 2007, vol. 31:267-285.

[2] Yang Wenxian, Jiang Jiesheng. Wind Turbine Condition Monitoring and Reliability Analysis by SCADA Information[C]//2011 Second International Conference on Mechanic Automation and Control Engineering (MACE). Hohhot:IEEE, 2011: 1872-1875.

[3] Wilkinson M, Darnell B, Delft T V, et al.. Comparison of methods for wind turbine condition monitoring with SCADA data[J]. IET Renew. Power Gener., 2014, Vol. 8, Iss. 4: 390–397.

盧勝（1975—），男，學士學歷，研究方向為電力工程、新能源發電工程應用研究

Post-Wind-Farm-Project Evaluation Methods Based on SCADA System Data

Lu Sheng,Wu Sha
(POWERCHINA HUBEI ELECTRIC ENGINEERING CORPORATION，Wuhan,430040)

Abstract：The post-wind-farm-project evaluation is a key technology to optimize the operation state and reduce the operational cost of wind farms,and the post-wind-farm-project evaluation methods have become the hotspot in wind power industry.This article comprehensively introduced post-wind-farm-project evaluation methods based on SCADA (Supervisory Control and Data Acquisition) system including the PCA method,the KPIs method and the structure mechanical method.The author analyzed the limitation of the methods,gave an outlook for these existing evaluation methods,and proposed to diagnose the operation state of the wind turbines basing on the sample database under non-standard working condition.

Keywords：post-wind-farm-project evaluation；SCADA data；PCA；KPI

作者簡介

中圖分類號：TM614

文獻標志碼：A