一种针对复杂地形下风电场中低效机组的识别及分析方法与流程

1.本发明涉及风力发电领域，特别是一种针对复杂地形下风电场中低效机组的识别及分析方法。


背景技术：

2.截至2016年底，全球已经有173个国家先后制定了可再生能源的发展目标，有146个国家出台了相应的支持政策，致力于推进世界范围内的能源转型。我国也于2021年正式提出“3060“政策，计划逐步实现碳达峰碳中和的宏伟目标。其中，作为众多可再生能源中技术最成熟、最具竞争力的能源，风能，将在这一历史进程中发挥重要的作用。
3.然而，由于在风电发展早期，受机组硬件不成熟、风场微观选址以及前期可行性研究时未进行充分的考虑，使得机组在投运后发电效率低下，随着机组运行时间的延长，风电机组运行中存在的问题被逐渐放大。为此有效识别出风电场内效率低下的风电机组，摸清风电场机组实际的运行状况及发电效率低下的原因，对后续低效机组技术改造和提升风电场的经济效益具有重要意义。
4.此外，传统的低效机组识别方法只针对机组本身的状态进行，将未能达到机组自身最佳功率的机组视为低效机组。但是，这种方法忽略了机组位置处的风资源差异以及机组间的相互尾流影响，而这些因素也是造成机组低效的重要原因，这使得传统方法不能全面地反映风电场中低效机组的问题，从而影响后续低效机组改造工作的效果，导致风电场经济效益受损。因此，亟需一种全面地识别以及分析风电场内机组低效原因的针对复杂地形下风电场中低效机组的识别及分析方法。


技术实现要素：

5.本发明的目的在于克服现有技术的缺点，提供一种针对复杂地形下风电场中低效机组的识别及分析方法。
6.本发明的目的通过以下技术方案来实现：一种针对复杂地形下风电场中低效机组的识别及分析方法，它包括以下步骤：
7.s1、收集风机数据库中的历史数据，历史数据包含气象数据和风机的基本运行参数，基本运行参数包括风速、风向和输出功率；
8.s2、将原始记录获得的数据进行筛选，在筛选后的数据中，保留scada系统记录各台机组的相关来流信息，如：风速、风向、输出功率，以供后续处理；
9.s3、计算每台机组的平均发电功率与该台机组的额定功率的比值，计算公式如下：
10.比值＝pavg/prate，其中，pavg为平均发电功率，prate为机组额定功率，将计算出的比值按升序进行排序；
11.s4、绘制各台机组的功率曲线；
12.s5、绘制各台机组不同方向下的功率曲线；
13.s6、绘制各台机组的风向频率与风能频率玫瑰图；
14.s7、比较各机组的不同方向下的功率曲线与全场平均值，若在步骤s5中所记录的方位下，机组输出功率明显与全场均值不同，则为主要影响其发电量的方向；
15.s8、在地形图中找到步骤s6中确定的对机组存在影响的方位，通过分析周围环境或者距离较近的机组，确定主要对其产生影响的因素。
16.所述步骤s1中筛选数据的准则为：
17.删除包含缺失数据的时间序列的全部数据；
18.删除功率数据超出风力机理论输出的范围的时间序列的全部数据；
19.删除偏航角度数据超出(-30，30
°
)范围的时间序列的全部数据；
20.删除桨距角数据超出(-10
°
，10
°
)范围的时间序列的全部数据。
21.本发明具有以下优点：本发明能够结合风电场实际运行的海量数据，通过机组状态、风资源条件以及尾流影响等多个角度进行处理分析，综合性地场内低效机组进行识别及低效原因总结。采用此方法可以更加全面地对低效机组的产生原因进行判断，从而为风电场后续的技术改造等工作提供支撑，有效地提高风电场的收益。
附图说明
22.图1为实施例中风电场地形及布局方案图；
23.图2为各台机组的功率曲线图；
24.图3为各台机组不同方向下的功率曲线图；
25.图4为各台机组的风向频率与风能频率玫瑰图；
具体实施方式
26.下面结合附图对本发明做进一步的描述，本发明的保护范围不局限于以下所述：
27.一种针对复杂地形下风电场中低效机组的识别及分析方法，它包括以下步骤：
28.s1、收集风机数据库中的历史数据，历史数据包含气象数据和风机的基本运行参数，基本运行参数包括风速、风向和输出功率；
29.s2、将原始记录获得的数据进行筛选，筛选数据的准则为：
30.删除包含缺失数据的时间序列的全部数据；
31.删除功率数据超出风力机理论输出的范围的时间序列的全部数据；
32.删除偏航角度数据超出(-30，30
°
)范围的时间序列的全部数据，(-30，30
°
)指的是与偏航角度偏差大于正负30度的数据，意思就是说当前位置是270度，如果数据中出现300度或者240度的数据就要剔除掉；
33.删除桨距角数据超出(-10
°
，10
°
)范围的时间序列的全部数据，桨距角是指风电机组正常运行的桨叶角度是0度左右，当风机运行的角度偏差超过10度，就认为风机当前出力不佳或者受其他外部因素影响；在筛选后的数据中，保留scada系统记录各台机组的相关来流信息，如：风速、风向、输出功率，以供后续处理；
34.s3、计算每台机组的平均发电功率与该台机组的额定功率的比值，计算公式如下：
35.比值＝pavg/prate，其中，pavg为平均发电功率，prate为机组额定功率，将计算出的比值按升序进行排序；
36.s4、绘制各台机组的功率曲线如图2所示，若在4-8m/s区间内明显小于全场平均曲
线，则机组对风能资源的利用能力较低，机组本身存在老化、磨损、限电严重等可能问题；
37.s5、绘制各台机组不同方向下的功率曲线如图3所示，若机组功率曲线无明显差异，但是不同方向下的功率曲线明显小于全场平均值，说明该处平均风速较小；
38.s6、绘制各台机组的风向频率与风能频率玫瑰图如图4所示，若与全场平均值相差较多，说明该机位点的风资源与全场均值存在较大差异，其周围可能存在对来流风影响较大的地形或环境变化(但此时尚不能判断该影响是有利还是不利于发电)。重点分析与全场平均值出现较大差异的方位，以及风向频率绝对值较大的方位；
39.s7、比较各机组的不同方向下的功率曲线与全场平均值，若在步骤s5中所记录的方位下，机组输出功率明显与全场均值不同，则为主要影响其发电量的方向；
40.s8、在地形图中找到步骤s6中确定的对机组存在影响的方位，通过分析周围环境或者距离较近的机组，确定主要对其产生影响的因素，如：地形变化、地物遮挡或尾流等，进行之后的模拟。因此，该方法能够结合风电场实际运行的海量数据，通过机组状态、风资源条件以及尾流影响等多个角度进行处理分析，综合性地场内低效机组进行识别及低效原因总结。采用此方法可以更加全面地对低效机组的产生原因进行判断，从而为风电场后续的技术改造等工作提供支撑，有效地提高风电场的收益。
41.实施例：针对四川某峡谷风电场中低效机组的识别及分析方法，包括以下步骤：
42.步骤1：收集峡谷中气象数据和风机的基本运行参数，基本运行参数包括风速、风向和输出功率；
43.步骤2：收集风电场中运行数据并进行筛选处理；
44.步骤3：计算每台机组的平均发电功率与该台机组的额定功率的比值，排序后得到如图1中方框标记机组为低效机组；
45.步骤4：比较机组的功率曲线与全场平均值，表明该机组自身状态并无问题，其发电量的低效原因在于其他因素；
46.步骤5：比较不同风向下机组输出功率与全场平均值，表明该机组在所有风向下的平均来流风速均偏小；全场指的是四川某峡谷风电场，全场平均值指的是该风电场下辖的所有风电机组数据的平均值；
47.步骤6：分析机组处的风向频率玫瑰图，该机组主风向为正北，与全场平均较为一致，说明地形因素对其影响不大；
48.步骤7：正北及西北方向下机组来流风速较全场平均小很多，且为该机组的主要来流风向，说明该机组正北及西北方向存在影响该机组来流风速的关键因素；
49.步骤8：结合机组附近的地形图发现，机组正北及西北方向存在其他机组且海拔差距较小，说明该机组低效原因主要在于上游机组的尾流影响。
50.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。