(五凌电力有限公司 410004)
摘要：风力发电的原理是利用风力带动风车叶片旋转，再透过增速机将旋转的速度提升，来促使发电机发电。风向与风机机舱之间的角度直接影响着风机效率。本文提出了由数据集成存储、分析挖掘、应用服务三大模块组成的风机偏航预警系统。结合五凌电力有限公司（以下简称：五凌电力）的实际情况，在分布式存储平台Hbase上采用列式存储数据，提出了偏置角度-功率曲线算法，给出了风机偏航控制指标公式，依据该指标进行不同级别的预警。实现了风电机组偏航指标数据监控、风电机组偏航异常预警、风电机组状态监测数据展示以及风电机组偏航指标数据图形展示四大功能。通过对风电机组偏航系统对风异常的POC业务场景，验证了通过使用基于大数据的异常状态分析技术，该系统能够给出预警信息和相应的解决方案。
关键词：大数据；偏航系统；偏置角度-功率曲线算法；异常预警
1、引言
经济新常态下，绿色低碳成为循环发展的新方式。清洁的可再生能源风能成为可替代煤电的绿色环保的新能源之一。我国风能资源丰富，可开发利用的风能储量约10亿千瓦。2017年，全国（除港、澳、台地区外）新增装机容量1966万千瓦，累计装机容量达到1.88亿千瓦。随着环境压力的增大，风能会越来越受到重视。
风的大小和方向是随机变化的，所以机舱必须不断转动，使得风轮正面受风，提高风能利用效率。因此，较大型发电机组均采用偏航系统，偏航系统是整个风机主控系统的主要组成部分，对风电机组的运行效率和机械寿命起着至关重要的作用，控制策略的好坏直接影响机组的工作效率和机械寿命［1］。现有的偏航系统的滞后性和风向的频繁变化会导致机舱难以精确对风，此外，风向的频繁变化会导致偏航机构频繁动作，进而影响偏航机构的寿命[2]。目前主流的偏航控制技术大多为基于风向传感器（风向标）的控制方法，也称V-C控制[3]。当风向改变，风向标超过允许误差范围时，控制器发出自动偏航指令，传动机构和偏航电机组成的对风系统执行校正动作，使机舱准确对风[4]。但偏航系统由于风向标位置偏差导致机组对风不准，对发电量产生直接的影响，为此，设计风机偏行系统预警系统提前预警风向标位置超过允许偏差，采取措施，有利于提高风能利用率。
风电场生产测点数据呈现频次短、测点多的特点，每天产生上百G数据。传统数据分析系统不能及时分析处理百G级别的数据，但是，大数据分析技术擅长及时处理分析此类数据。大数据技术已经引起了电力企业和研究者的广泛关注，国家电网公司编制完成国内首份企业级大数据应用“十三五”规划及指导意见，各下属公司已经开始实施大数据规划及应用。文献[5]提出了基于Hadoop框架，并结合粗糙集属性约简以及Apriori算法共同处理分析风电机组监测数据，进而实现快速、准确地诊断风机故障的方法。文献[6]基于相同软件平台的风机大部件状态监测，促进了多种状态监测技术融合，有利于风机早期故障预测和风机健康状态大数据分析。文献[7]结合Hadoop批处理技术和BP神经网络的风电机组在线异常预测模型，对设备状态信息进行异常预测。文献[8]对水布垭电厂机组的稳定性大数据进行深度挖掘，寻找稳定性方面的变化规律。
2、大数据风机偏航预警系统结构
风机偏航预警系统是电力企业大数据平台一个应用场景，通过对这一场景的具体分析和功能介绍来展示数据平台对风电业务的提升效用。所以，风机偏航预警系统需要把数据从原有平台迁移到现在的大数据平台。在大数据平台上，挖掘分析这些数据，并把结果展示在交互界面上，方便集控人员管控风机偏航。
偏航预警系统也是用来验证企业大数据平台设计的整体性能与可靠性的场景之一。它的结构如下图1所示。风机偏航预警系统由数据集成存储、分析挖掘、应用服务三大模块组成。
图1 电力企业风机偏航预警系统结构
数据集成存储模块是通过数据集成工具将现在平台数据抽取到大数据平台环境永久存储，便于大数据平台的分析及应用。本模块的目标是提高平台框架对数据的读取、分析能力。因此，本模块需要了解数据的现状——数据的容量、数据周期、数据安全和数据结构；选择稳定高效的数据接口表，制定数据集成方案（包括数据平台存储方式、数据同步周期和数据同步方式等几个方面）。
数据分析挖掘模块是对集成后的数据进行数据质量分析，使用模块中的算子——一般统计分析、关联规则、模糊控制算法[9]、聚类控制算法[10]、爬山算法[11]、V-HC算法[12]、支持向量机、神经网络、偏置角度-功率曲线算法等，探索并发现预警规律，提前预警并采取措施，起到主动预防的效果。
数据应用服务模块是实现风电场集控人员与大数据风机偏航预警系统之间进行双向偏航预警信息交换的界面，使人员方便了解偏航信息，及时处理信息。
3、风机偏航预警系统POC场景建设及验证
风机偏航异常预警系统POC场景建设及验证是为能够发现风机偏航系统出现的问题提供证据，确定风机偏航异常预警系统是否适合大数据平台业务场景的要求，达到大数据风机偏航预警场景评价指标的要求。它最大的价值在于能在大数据平台大规模正式实施方案以前，确定大数据平台是否可行和可靠，这对于电力企业来说具有重要的意义。
POC场景建设及验证的流程是确定POC场景的定义和目标、确定POC场景的分析主题、确定POC场景的分析对象、确定POC场景的数据信息、确定POC场景的分析方法，分析POC场景，得出POC场景验证结论。
4、案例分析——五凌电力数据平台风电机组偏航系统
4.1五凌电力风机偏航预警系统数据集成存储模块
五凌电力集控中心数据存在原始数据量大，周期短。例如，新疆分公司每天的数据总量约187.4G，湖南分公司每天的数据总量约约177.4G，集控中心的数据存储周期是10天。数据结构如下图2所示。
接口数据库采用Oracle数据库，部署在独立的接口数据库或独立实例，接口表和映射表都存储在接口数据库中，Wind OS按配置的刷新频率把实时数据写入接口表，第三方应用可以通过ODBC访问接口数据。Wind OS提供标准的接口表和映射表定义，第三方应用可以开发适配器，满足自身应用的业务需要。
五凌电力通过quartz每小时定时调度，JDBC连接数据库并抽取数据，将抽取的数据放到消息队列中，开线程从消息队列中取数据并存储到大数据平台的hbase数据库，以便提高大数据平台框架对数据的读取、分析能力。
五凌电力风电偏航收集到的数据是风速、相对角度、桨距角、环境温度、机组功率、机组状态六个字段。
图2 五凌电力数据结构
4.2五凌电力风机偏航预警系统数据分析挖模块
五凌电力的偏航控制技术是基于风向传感器（风向标）的控制方法。预警算法采用偏置角度-功率曲线算法，其原理如下：当风机的基准风向标安装正确时，风机左偏和右偏相同角度对应的机组功率曲线理论上应该是一致的；但是，当风机的基准风向标安装时或者长久运行时出现偏差，导致左右偏相同角度的对应的机组功率曲线不再一致，如果左右偏功率曲线的偏差大于某个阈值，偏航预警系统会报警，并根据大于阈值的程度进行预警分级。
前面章节提到收集的数据是风速、相对角度、桨距角、环境温度、机组功率、机组状态六个字段。依据算法原理可知：只有风速和机组功率两项用于计算和绘图分析，其他字段都是用来进行数据筛选的。
偏置角度-功率曲线算法的具体算法步骤如下：
1）质量分析：通过质量分析，使得在进入计算分析算法模型之前，这些数据是有效并且有意义的。质量筛选条件如下：提取机组发电状态为正常、桨距角小于阈值（一般取最小工作位置加上1-2deg偏移量）且环境温度在设置中心值（月平均气温）左右一定范围的样本数据。
2）选择偏执角度：通过对窑坡山1号机组数据分析，我们发现，它的相对风向大多集中在-30°和+30°之间，如果选择比15°小的相对风向，正负角度比较接近，风机发生故障可能不会检测到，降低报警准确率；如果选择比15°大的相对风向，如果风机发生故障，挑选推荐角度时，我们采用2倍于所选的相对风向，则可能存在数据不全等情况，导致无法计算，降低报警准确率。所以根据行业经验和所能拿到的数据，我们选择相对风向为-15°和+15°的功率数据。
3）功率曲线：把上述选择的数据应用线性回归算法生成根据散点图生成左偏和右偏功率曲线，横坐标为风速，纵坐标为功率。
4）计算功率曲线的欧式距离、相对阈值和风机偏航指标：取纵轴功率的物理量为P，横轴的
风速为S，则两条拟合曲线均可视为P(S)函数曲线，分别记为P+(S)曲线和P-(S)曲线。然后选定间隔相同的N个位置点，N的具体数量以曲线图中风速的范围大小而定，取点的步长定为 0.1。这N个位置点的风速依次记为S1、S2、S3、…、SN，每个位置点在拟合曲线上都有一个对应的功率值。对所有这些位置点的功率值差值的平方和开根号就得到了两条曲线之间的欧式距离d：
8）遍历计算：当发生严重预警时，触发遍历计算。在遍历运算中需要选择负30度至正30之间的每一组夹角为30的成对数据项，每半小时对所有机组重复以上a)到e)的步骤，实现近乎实时预测，缩短风机故障时间，提高发电效率。从-30°到+30°功率数据中，成对提取相对风向，重复步骤2和3进行并行计算，寻找欧式距离最小时对应的偏置角度，给出风向校正参考值，例如：选择-30°和0度，-29°和+1°，…，直到0°和30°进行重复运算。每一组成对数据项都有相应的欧式距离，也都可以算出一个风机偏航指标数值。若每组数据项的偏航指标数值都是异常值（大于0.9），则给出“无推荐角度”；若偏航指标数值存在正常值（小于0.9），则筛选出数值最小的结果，取出其对应的相对角度数据，并给出“风机转向提示”，最终选定的角度值会带入“风机转向提示”的提示信息中。
4.3五凌电力风机偏航预警系统数据应用服务模块
五凌电力风机偏航预警系统设计了以下四个应用功能块：风电机组偏航指标数据监控、风电机组偏航异常预警、风电机组状态监测数据展示和风电机组偏航指标数据图形展示。
第一，风电机组偏航指标数据监控应用功能是系统根据风电系统前一天的监测数据，分析计算机组的风机偏航指标数值来判定风机是否出现偏航异常现象。根据计算的偏航指标数值得出预警信息——正常、中级、严重、无数据。此功能为系统的自动监测功能，梳理计算时间点前两个小时内的数据。
第二，风电机组偏航异常预警应用功能是根据偏航指标大小决定是否报警和报警信息，同时给出推荐角度，依据计算风机的偏航指标，根据其大小决定是否发出预警信息。如果预警，会根据偏航指标大小，进行不同级别的预警。严重预警会触发遍历运算，计算一定范围的偏置角度，并给出修正方案，然后把预警存储在预警记录中；如果是中级预警则不会触发遍历运算，但是仍需记录至预警记录中。风电机组状态监测数据展示应用功能模块是展示所选风电机组当前测点量测值、预警图和异常预警信息记录，可供集控人员方便查看风机当前测点量测值、预警图和异常预警信息记录。
第三，风电机组偏航指标数据图形展示应用功能是数据在后台进行计算的结果通过绘图方式展示给用户，绘制方向校正图、拟合曲线图和预警记录图（见图3-5）。在风向校正图页面，显示故障时间、预警信息和图形；在功率拟合曲线图页面，显示故障时间（正常机组则不显示此时间）、预警图和拟合功率曲线；在预警记录页面，根据用户输入的条件，显示出对应故障记录和具体内容。
图3 方向校正图 图4 拟合曲线图 图5 预警记录图
4.4五凌电力风机偏航预警系统POC场景建设及验证
五凌电力风机偏航预警系统POC场景的定义是及早发现风机不能正对方向的情景并采取措施。POC场景的目标是及早发现并提示风机偏航系统出现的问题，并且及早给予纠正。POC场景分析主题是功率曲线、欧氏距离、阈值、风机偏航指标等关键因素。POC场景分析对象是湖南分公司4个风场100台机组和新疆分公司的99台机组，存在平台中数据总量约为1293G。POC场景数据信息是从遥测数据和遥信数据中选出风速、相对风向、桨距角、环境温度、机组功率和机组状态等字段。POC场景分析方法是偏置角度-功率曲线算法，计算出风机偏航指标来判断预警。POC场景分析是通过对数据实时抽取，实时存储，应用大数据算法实现近乎实时计算等技术进行风机偏航预警，提高风能发电效率。POC场景验证结论是验证了大数据算法可以排除异常数据的干扰，对故障事件判断的准确率达到80%以上，在此成功的基础上，进行应用推广。
5、结论
风机对准风向，才能提高风机输出功率。实际上，风机不能随时准确捕捉到风向，而是存在偏差。这就要求当风机偏航系统与风机之间的夹角偏差达到一定值时，集控人员能够及时发现并采取相应的纠正措施，本文针对上述问题基于大数据分析技术实现了风机预警系统，并以五凌电力为例进行了详细说明。五凌电力通过风机偏航预警场景验证，为电力企业大范围推广风机偏航预警系统提供了可行性和可靠性方面的先例。
参考文献：
[1]叶杭冶.风力发电机组的控制技术[M].北京:机械工业出版社, 2002
[2]苏新霞,王致杰,徐双,王鸿,刘逸钊.一种新型风力发电机偏航控制系统[J].科技与创新,2015,20:10-11
[3]陈亮,谭伟,田天.风力发电机组偏航控制研究[J].节能与环保, 2013,2:64-66
[4]李晓燕,王志新.风力机偏航控制策略及系统设计[J].控制系统, 2007,23:1-3
[5]孙鹤旭,孙泽贤,林涛.数据挖掘技术在风电机组故障诊断中的应用[J].中南民族大学学报自然科学版,2016,35 (4) :81-85
[6]翟栋,肖扬华.基于多技术融合的风电大部件健康状态大数据分析[C].中国风电后市场专题研讨会 , 2016
[7] 张慧亭,王坚,凌卫青. 大数据分析技术在风电设备异常预测中的应[J].广西电力,2016 , 39 (4) :36-40
[8] 孙伟,严耀亮.基于大数据的水力发电机组稳定性分析[J].广西电力,2016,39 (4) :36-40
[9]张礼达,高粱,黄华.基于的风力发电机组偏航控制算法研究[J].水利电力科技,2008,34(2):1-5
[10]许炳坤.基于聚类算法和风向预测的风机偏航控制优化策略[J].国网技术学院学报,2016,20(1):50-54
[11]邹强,刘波峰,彭镭,等.算法在风力发电机组偏航控制系统中的应用[J].电网技术,2010(5):72-76
[12]朴海国,王志新.风电机组偏航控制系统的新型算法—V-HC研究[J].太阳能学报,2008(8):1028-1033
Application of big data yaw warning system in wind turbines
Tian miaomiao Zouzhi
Abstract: Wind turbines generate electricity using wind to turn the blades. The angle between the wind and the engine room affects the efficiency of Wind turbines. This paper presents a fan yaw warning system that is made up of data integration storage、analysis mining and application service. According to the actual situation of Wuling Power, the data are stored in a columnar format in Hbase. An offset angle-power curve algorithm is put forward. Fan yaw control index formula is also given, and different levels of early warning indicators are given on the basis of the index. The 4 function-modules of the system are realized. They are called wind turbine yaw index data monitoring、wind turbine yaw abnormal warning、wind turbine condition monitoring data display and the wind turbine yaw index data graphics display. The POC is verified big data technology analyses the abnormal situation, the system can give the warning information and corresponding solutions.
Key Words: big data; yaw system; offset angle-power curve algorithm; abnormal timely warning
论文作者:田苗苗,邹志
论文发表刊物:《电力设备》2018年第29期
论文发表时间:2019/3/27
标签：数据论文; 风机论文; 偏航论文; 机组论文; 风电论文; 功率论文; 算法论文; 《电力设备》2018年第29期论文;