提质增效！数据分析让机组技改更有针对性！

“运维要从发电量提升这一根本诉求出发！”

刘昊称，“机组发电量的主要决定因素包括：风资源和能量可利用率。风资源属于不能改变的客观条件。要想提升风电场发电量，主要功夫要下在能量可利用率上。能量可利用率分为时间可利用率和发电性能。时间可利用率和停机次数、停机时长有关，发电性能则和机组的功率曲线、转矩曲线、其他性能指标等有关。所以发电量提升的根本途径就是要提高风机的运行可靠性和增加风机的效率。”

根据时间可利用率公式，在风电场运营中，可通过运维管理优化、可靠性技改来减少停机次数、停机时长，进而达到提质目的——“为了提高时间可利用率，我们会通过数据分析，对短时间内频繁报出的故障，进行重点排查。”刘昊表示，“此外，为了避免风电机组因在大风期间停机损失更多的电量，我们会提前引入一些状态监控设备，对于机组的异常状态，尽量做到早发现、早干预、早解决。”

 

时间可利用率叠加上功率曲线就能体现能量可利用率。在数据应用分析中，功率曲线的应用也有很多种。刘昊举例，统一分析全场的功率曲线，能够找到同一种机型功率曲线的差别，进而具体分析部分机组功率曲线低的原因；也可以对比同一台机组技改前后、分析技改的优化效果。

状态分析对比

多个机组功率曲线对比

优化评估

单台机组优化前后对比

通过分析单台的功率曲线和转矩曲线可以找到一些异常点，从而找到性能损失的原因。

功率曲线分析

转速转矩曲线分析

10min功率曲线可以从宏观概念上更明确地显示机组的状态；1s的数据也能体现出功率曲线和转矩曲线，这种点更散、更能体现一些短时间内控制细节。

除了以上性能指标外，还可以利用SCADA数据进行时间维度上的故障分析，比如SCADA数据（1s）、PLC数据（20ms）进行具体的故障分析。”

1s数据的功率曲线和转矩转速曲线

10min数据的功率曲线和转矩转速曲线

“基于以上数据分析之后，我们可以更明确、更有针对性地去选择一些技改方案。”刘昊表示。根据风电场的资料、风机的运行数据以及一些管理数据可以进行分析评估，从而提出针对性的解决方案，其中包括发电量的提升方案、可靠性的提升方案和运维管理的优化方案等。

在提质增效的“增效”方面，技改方案可分为以下几类：

以控制策略优化中的机器学习算法为例：自主型风机控制系统是指具备一定感知能力的基础上，能够学习、决策、执行以适应环境的变化，调节自身的控制参数和策略，无须人为干预。本体上是侧重于算法模型的优化升级，即风机大脑的智慧程度的深入开发。

采用智能机器人领域的最优算法，人工智能算法，使机组的算法智能程度提高。能够根据环境变化或者前期风资源条件的输入，自行进行控制策略及参数的定制化选择优化，提升鲁棒性能，从而真正意义上的脱离人为干预。

以控制策略优化中的自寻优策略（基于遗传算法及梯度求解的自寻优系统）为例：

存在问题包括低风速风况（湍流强度，风剪切差异）、运行老化（叶片气动发生变化，“变脏”）、安装工艺（桨距角存在较小的安装偏差）。

解决方案：利用模糊风速建立机组性能适应度评估函数，运用遗传算法进行全局最佳桨距角和最优控制增益的搜索；当进入某一代群体后，利用梯度求解法计算最优增益，从而加快机组朝向最优状态的时间进程，提升机组发电量。


在提质增效的“提质”方面，技改方案可分为以下几类：

以防振动技改为例：可以通过传动链加阻的方式，或者通过修改控制策略来规避掉一定类型的故障。通过主控程序的优化，加入振动滤波的算法，可以在振动达到一定值但未报警前就把引起故障振动控制上的一些数据滤除。

“在风电后市场运维中，技改范围广、项目多，内容繁杂，不可盲目执行。而在这个过程中，数据分析是基础，数据容易获取，分析人人可做，适用所有机组。通过数据分析来驱动机组技改，会让运维策略更优化、技改更有针对性。”刘昊表示。