梁旭東

摘 要：目前電力產能過剩及競爭性配置開發等政策環境變化使得風電產業市場化競爭越演越烈，加快優質項目開發和資源儲備力度、科學優化設計、提高風電項目開發建設質量，以實現企業降本增效綜合效益最大化，將成為風電企業追求的重要目標。要想完整這一轉型和升級，在前期階段采用大數據技術對風能資源進行評估是一個主要的發展趨勢。本文采用大數據的方法對風電場風能資源及利用情況進行評估，同時提出了一些針對性的建議措施，以期為今后風電項目的開發提供必要的參考。

關鍵詞：大數據；風電場；風能資源；風機選型

中圖分類號：TM614 文獻標識碼：A 文章編號：1671-2064（2019）05-0179-02

0 引言

2018年5月，國家能源局印發《國家能源局關于2018年度風電建設管理有關要求的通知》，明確自文件印發之日起，新增集中式陸上風電項目和未確定投資主體的海上風電項目全部通過競爭方式配置和確定上網電價。相比傳統風電開發模式，競價模式下的項目開發核心是投標電價，較低的上網電價意味著未來風電項目投資收益將進一步受到擠壓。因此在前期階段采用大數據技術對規劃風場的風能資源進行精準評估、風電機組的優化選型及其相關成本降低是一個發展趨勢，能夠有效減少前期立塔測風的時間要求，提高工作效率。

1 風電行業大數據技術應用現狀

根據研究機構Gartner給出的定義，大數據是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。大數據的整合利用是一個系統工程，需要從數據標準、數據共享、數據分析、數據融合、數據資產化和大數據應用創新等不同層面同步推進。隨著大數據技術的發展，其應用領域逐漸拓寬，并應用到風電行業中。電力企業的數據資源非常豐富，在風電行業中體現的更加明顯。準確的場址風能資源評估、適宜場址的最優化風機選型方案、準確的風功率預報均是智慧風電的關鍵技術。

現階段，風電行業內眾多的設計院、設備廠家、風力發電企業中大多已開始應用大數據技術。例如：中國能建廣東設計院在2017年11月28日設立了廣東省海上風電大數據中心；國家電網（SGCC）下屬的冀北電力有限公司（SG-JBEPC），正在使用基于IBM公司研發的高精度天氣預報模型和高性能計算平臺（HyRef）來整合所在電網系統內的可再生能源。遠景能源作為發布了基于大數據技術的集控X.0，能夠將氣象誤差減少到2m/s以下，高于行業平均水平。中國大唐集團著力建設基于標準化直采和網絡信息技術的新能源大數據云平臺，并成功入選國家工信部2018年制造業與互聯網融合發展試點示范項目等等。

目前各企業的大數據平臺存在以下問題。

（1）風電行業在數據公開、數據共享等方面缺乏國家層面的標準和政策指導，在各個單位之間甚至單位內部不同部門間，由于數據標準化不同，導致數據共享難度較大，并且缺乏結合海量數據和實際需求的深度分析服務，使用者多為具有一定數據分析能力的專業人士，導致平臺使用門檻較高。（2）企業大數據平臺建設滯后。當前風電行業內很多企業沒有建立比較完善的大數據平臺，缺乏對大數據平臺足夠的認識，而且信息技術水平也比較薄弱，無論是硬件建設還是軟件建設，都無法對大數據技術應用的有效支撐，導致大數據技術的應用缺乏有效性，另外，能夠熟練應用信息化技術、大數據技術、云計算技術的人才相對較少，制約了大數據技術在企業發展中的有效應用。

2 基于大數據的風電場風能資源及風機選型評估模型

2.1 模型假設

（1）假設風電場區域內的空氣是均勻分布的，且空氣密度不受外界因素影響。（2）各機型功率除受切入風速、切出風速、額定風速和額定功率以外，不受其他參數影響。（3）忽略極端天氣和海拔對風力發電機組的影響。

2.2 風能資源及風機選型評估

通過分析風場原始測風數據，構建指標體系對風能資源利用情況及風機選型適應性進行評估，再結合實際運行情況進行佐證。

（1）數據檢查與預處理。數據驗證的檢驗項目及檢驗標準主要依據國家標準、氣象行業標準以及類似風電場風能資源評估工作實踐經驗來確定。（2）風能資源評估指標體系。依據國家發改委發布的規范標準，選取空氣密度，平均風速，風功率密度，風速頻率，風能密度，湍流強度，切變指數，Weibull分布等構成指標體系對風能資源進行評估；如果有風場實際運行數據，則可以增加風力發電機滿載負荷總發電量，風力發電機實際發電量，利用效能比，有效風時比等參數對風能資源利用情況進行評估。

2.3 風機選型評估

風機選型評估時，可采用以下兩種方法對目前市場上最新風機技術進行比選。

2.3.1 定性分析方法

為了使風能資源利用效能最高，我們要求風機的切入風速與額定風速越小越好，額定功率越大越好。通過對比各機型的切入風速、額定風速，并將功率折算成標幺值后，在場址風能較為集中的風速段中，能夠比較出輸出功率最優及最差的機型。在僅考慮最大化利用場址風能資源的情況下，輸出功率最優的機型最適合，可通過編程實現分析與計算過程。

2.3.2 定量分析方法

（1）線性插值法。即將逐條的實測風速放到功率曲線中，選擇該風速所屬的風速段區間，對其上下邊界的電功率采用線性插值的方法直接算出風速對應功率，再累加逐條功率值得到單機年發電量值。（2）多項式擬合法。即將功率曲線從切入風速至額定風速區間內的功率值取出，繪制對應的線性曲線，通過多項式方程對曲線進行擬合，并提取出多項式公式，采用將逐條實測風速數據代入多項式的方式得到對應功率，通過累加逐條功率值得到單機年發電量值。（3）Weibull分布法。由于完整年風速滿足雙參數Weibull分布，因此對該數據進行Weibull擬合，提取雙參數K、C值，計算各風速段的分布概率，采用風速段對應功率與分布概率、年總小時數相乘得發電量，最后累加各風速段發電量，得到單機年發電量值。

采用以上三種方案定量的對單機年理論發電量進行計算，采用平均值統計各機型的計算結果，一般與定性分析的結果較為一致?？赏ㄟ^兩種計算方式綜合對選擇的風機機型進行比選，在不考慮造價的情況下，選出最優機型。

3 基于大數據的風電場未來發展的思考與建議

3.1 頂層設計，科學搭建大數據平臺

（1）開放式數據倉庫。數據是分析研究的基礎，風電企業要制定數據管理標準，統一數據庫及數據的存儲方式、結構等技術要求，獨立建設開放的、自控的數據倉庫，為風電企業技術人員和合作伙伴提供數據。（2）云計算管理模式。傳統的服務器管理模式是按功能管理，各服務器只承擔固定的計算任務，資源不能充分發揮。因此，在集控中心、集團總部生產調度中心建設時，要按照云管理架構進行搭建，架構內的服務器不再進行功能分工，統一由主機指揮，進行集群式計算，提高計算能力。（3）分布式計算模式。風電企業大數據平臺按三級搭建，從層次上看，越往上層數據量越大。因此，應本著“底層優先”的原則，分層明晰各層計算界面，最大程度的減少上層計算和重復計算，減少平臺負荷。

3.2 底層突破，統一數據判斷和計算標準

（1）完善數據獲取標準。風電企業要制定統一的風電場信息化管理標準，明確風電機組和升壓站的保護及自動化裝置的設備網口數量、計量點位置及精度、測控裝置配置、通訊網絡要求等設計標準，明確設備廠家應提供的數據點數和接口軟件。（2）開發標準化軟件。應在風電場開發通用的SCADA平臺，研究不同風電機組、變流器的通訊協議、控制方式、狀態分類、判斷邏輯和計算方法，建立適用于多廠家、多機型的數據接口模塊，自動完成差異化輸入、標準化輸出。

3.3 科學組織、加快推進，深入挖掘大數據蘊藏價值

（1）集中預測?？蓪L電場氣象信息、地理信息、測風塔數據直接傳到區域分子公司或集團總部，在原有的溫度、氣壓、風向、風速等參考變量的基礎上，增加同區域風電場群差異化校正、同風向關聯風電場管道效應校正等因素，提高功率預測的準確性。（2）劣化分析。研究各部件異常運行工況與參數的關聯關系，如風向儀不準時，與機艙方向、風速、功率的變化規律；葉片角度錯誤時，與風速、負荷、振動、葉根載荷的變化規律，及早發現設備劣化趨勢，開展狀態檢修維護。（3）智能控制。研究風電機組各部件的控制策略，特別是定值式、周期式的簡單控制策略，重點進行分析研究，加入風機運行狀態、參數識別技術，開發智能偏航、智能變槳、智能解纜、智能測試、智能加熱冷卻等控制技術，提高風電機組可利用率和產能。（4）智能設計。包括基于客戶端-服務器架構的協同工作模式；風電場微尺度CFD 高性能計算；風電場設計自動優化等。

參考文獻

[1] 裴愛國，何登富.海上風電大數據發展研究——以廣東省海上風電大數據中心建設為例[J].南方能源建設，2018，5（02）：19-23.

[2] 李佳，徐勝超.基于云計算的智能電網大數據處理平臺[J].計算機工程與設計，2018，39（10）：3073-3079.