段琦玮 郑钦 赵兴安 张真真

摘 要：目前并网发电的风电场越来越多，而风电就地消纳能力和电网输送能力有限，很多地区弃风现场严重。而风电场参与调峰的时段越来越多，风电场频繁的對风机进行启停机或变桨、调转速等，加大了风机发生故障的概率。文章根据风机运行历史数据，计算各风机的健康度（健康度越高，代表风机发生故障的可能性越小），在进行有功控制调节时，优先让健康度高的风机参与调节，实验表明，该算法可明显减少风机因参与限电引起的故障率，降低故障次数，有效确保风机正常运行。

关键词：风机健康度；有功控制；风机故障

中图分类号：TM614 文献标志码：A 文章编号：2095-2945（2018）29-0138-02

Abstract： At present， there are more and more wind farms connected to the grid， but the local absorption capacity of wind power and the transmission capacity of the grid are limited， and the abandoned wind field is serious in many areas. More and more wind farms take part in peak shaving. Wind farms frequently start and stop the wind turbine or adjust the rotor speed， which increases the probability of wind turbine failure. Based on the historical data of fan operation， this paper calculates the health degree of each fan （the higher the health degree， the smaller the possibility of failure of the fan）. When the active power control regulation is carried out， priority is given to the fan with high health degree to participate in the regulation. The experiment shows that. The algorithm can obviously reduce the fault rate caused by the participation of the fan in the power limit， reduce the number of faults， and effectively ensure the normal operation of the fan.

Keywords： fan health； active power control； fan fault

1 概述

随着风电并网容量的不断增加，从2010年起，由于电网消纳能力有限，特别是西北地区，风电出现弃风的现象越来越明显[1]，风电参与电网调峰的时段也越来越多。电网通过AGC系统向风电场下发有功调节指令，风电场根据指令值进行有功控制，来满足电网的要求，这个过程可通过值班员手动启停风机完成，也可通过风电场的风机能源管理系统完成。但无论哪种方式，为了满足电网的控制要求，都需要频繁的启停风机，或者改变风机的桨叶角度及转速，这无疑增加了风机发生故障的可能性。文献[2]提出了一种机组层的WT-AGC控制策略，通过转速及变桨调节，来提高调节精度，使调节值更接近电网要求，但算法基于风机正常运行的情况之下，未考虑风机健康程度及调节转速和变桨系统可能引起的风机故障。文献[3]分析了定桨距与变桨距同时存在的风电场的有功控制优化方案，可尽量减少定桨距风机的启停，优先对变桨距风机进行调节。文献[4]提出了一种风机健康系数计算方法，可用于评估风机目前的健康状态，但需要大量的风机历史数据为支撑，同时需要进行复杂的仿真实验。本文选择和风机故障密切相关的运行参数，求解各参数在风机正常运行下的数学期望值，然后计算各参数的在风机故障中的权重，最后，以最新的历史数据做为训练集，来计算风机的健康度。并根据健康度来排序，优先调节健康度高的风机，从而减少风机故障发生的可能性。

2 风机健康度计算

风机各类参数数据的采集，是通过在风机内部安装各类传感器实现的，传感器可检测各个部件的运行温度、振动值等信息，并将信息传送给风机SCADA或者其它检测分析系统。因此，根据风机的运行及故障状态，可通过这些实时的温度、振动值反映出来，文献[4]中列举了一些风机可靠性评估用到的主要参数，本文根据文献[4]中参数要求，并参照风电场实际运行状态，选择与风机运行紧密相关的参数，用于评估风机的运行状态。参数如表1所示。

针对以上参数，选择历史数据进行计算。为了保证数据的有效性，需先对数据进行预处理，剔除那些不能很好反映风机真实状态的数据，如风电机组停机、限电运行等状态下的数据[4]。健康度算法计算步骤如下：

（1）选取数据中最大风速Vmax及最小风速Vmin，并将风速以0.5m/s长度作为一个区间，分成N个区。

（2）参数Xm在第j个风速区的数学期望Xmj计算公式如公式1所示：

Xmj=？撞ipi×Xmji （1）

其中，{Xmji，i=（0，1，…n）}为处在风速区j中的Xm的集合，n为落在风速区j中Xm的个数。pi为参数Xmji在{Xmji，i=（0，1，…n）}中出现的概率，pi=，ni为参数Xmji在{Xmji，i=（0，1，…n）}中出现的次数。

（3）计算出Xmj之后，选取近期风机运行数据做为训练集Txm，将Txm中数据按照风速分成N个分区，针对每个分区j，用集合{Txmj}表示处于分区j中的数据，以Xmj代替{Txmj}的数据期望Hmj，计算{Txmj}的数据偏移差Hmj。计算公式如公式（2）所示：

Hmj= （2）

计算出Hmj之后，计算整个训练集Txm的数据偏移差Hm，Hm的计算公式如公式（3）：

Hm=？撞aj*Hmj （3）

aj为训练集Txm中参数Xm在区间j中出现的频率。

（4）假设参数Xm在风机健康度中起到的权重为am，则风机的健康度H计算公式如公式（4）所示：

H=？撞am*Hm （4）

其中n为参数个数。

权重am采用历史数据周期内，发生故障时参数Xm的超限次数的频率来计算。例如，在t时刻风机发生故障时，参数Xm超过风机定值范围，则参数Xm的超限次数加1。am计算公式如公式（5）所示：

am= （5）

n为历史数据周期内，所有参数的超限总次数，nm为参数Xm的超限次数。

在进行有功控制时，可采用的分配策略有多种，针对所有可调节的风机，可按照比例平均分配，也可按照相似裕度进行分配[5]。無论采用哪种分配策略，在进行分配时，首先按照健康度排序选择风机，健康度高的风机优先参与调节。

3 试验验证

基于健康度算法，本文选择某风电场为研究对象，进行试验验证，风电场有25台2MW双馈变桨风机，由于风机机型较老，风机故障频繁，同时该地区电网限电严重。在未应用本算法之前，系统按照相似裕度的分配方式，进行有功分配。只要是运行状态的风机就会参与限电，因此，很多处于“亚健康”状态的风机，由于限电频繁的变桨、启停等，增加了风机故障。应用本算法之后，对风机的健康度进行了合理排序，并不断的对算法进行调优，经常一段时间的试运行统计，结果表明风机发生变桨系统故障的次数减少1.5%，变频系统故障的次数减少0.9%，所有风机故障次数减少1%。

4 结束语

针对风机有功功率控制过程中，风机频繁的启停及变桨引起的风机故障问题，本文设计了一种基于健康度的有功功率控制优化算法。在进行有功功率控制时，首先对健康度排名高的风机进行控制，从而确保对健康度低的风机尽量少的启停及变桨操作，有效保证风机的正常运行，减少故障发生的可能性。本论文提出的算法，在大唐集团某风电场进行实际实验，实验表明，算法可有效减少风机在限电时发生故障的概率，进一步保证了风电场的安全稳定运行。

参考文献：

[1]任华，姚秀萍，张新燕，等.风电场弃风电量统计方法研究[J].华东电力，2013，41（10）：2148-2152.

[2]许昌，魏媛，李涛，等.大型风电机组机组层AGC控制策略研究[J].电力系统保护与控制，2017，45（2）：69-74.

[3]陈曦寒，高赐威.考虑定桨距和变桨距风机联合控制的风电场有功功率控制策略[J].电网技术，2015，39（7）：1892-1899.

[4]米思蓓.计及风电机组发电可靠度的风电场有功功率控制策略[D].重庆大学，2015.

[5]奚志江，连倩，汪一，等.大规模风电场有功功率控制策略[J].控制工程，2017，24（2）：475-480.