风电场信息化数据分析论文_陈喜军

西北某风电场总装机容量为200MW,其中安装了某A风机厂家2MW型号风机51台及B某风机厂家2MW型号风机49台,共计100台风机。

2019年上半年,该地区所有运行风电场的平均等效利用小时数为571.6小时,而该风电场等效可利用小时数为675小时,高于该地区的平均水平。最高发电量日期为4月26日,当天等效满负荷利用小时数为9.52小时。下面从几个方面对获得的数据进行深入的分析:

一、资源

 风速:通过对该风电场的风速进行分析得到2019年上半年该风电场的平均风速为5.49米/秒,主风向为东北风。对比该风场前期可研数据(根据该地区气象站近 50 年长期系列的测风资料,进行各月平均风速统计1-6月各月平均风速分别为2.5米/秒,3.5米/秒,4.7米/秒,5.8米/秒,6.0米/秒,5.5米/秒),上半年(除4月份外)各月的平均风速均高于历史平均值。

同时,该项目的可研报告中气象站统计数据(1980~2010年)30 年、20 年(1991~2010年)、10 年(2001~2010年)平均风速分别为 4.01米/秒、 3.735米/秒、 4.0米/秒。而分析与该风电场距离最近的7011#测风塔(高70米)数据可以看出,在2010.1-2010.12时间段,1-6月份的平均风速分别为3.69米/秒,4.45米/秒,6.52米/秒,8.29米/秒,9.18米/秒和10.8米/秒,均高于该风电场记录的历史平均风速。

另外,通过分析标杆风机实时采集的风速,可以看出从2月28日至4月26日风机实时数据存在问题,而在其它时段的风速与测风塔数据趋势基本一致。

 

图1 风机实时数据风速对比图

 风速概率分布:在2019年上半年的的181天中有59天的日均风速低于风机的切入风速:3米/秒。而最高风速则出现在4月7日,达到18.51米/秒。从风速概率分布图上可以看出,2-3米/秒区间内的风速占比最大,达到20.44%,其次为3-4米/秒区间,占比为12.71%。

图2 风速概率分布图

 风向:下图为风电场风机在一段时间内的10分钟平均风向变化图,可以看出该风电场上半年的主导风向为东北风。

图3 风向玫瑰图

 二、电力生产

2019第上半年,该风电场实际发电量为13497万千瓦时,相当于节约了53988吨标准煤。其中,1-6月各月累计发电量分别为:941万千瓦时,1764万千瓦时,1875万千瓦时,2461万千瓦时,3216万千瓦时和3240万千瓦时。其中4月10日的发电量最大达到了190.4万千瓦时,当天平均风速为7.27米/秒;最低日发电出现在2月26日,平均风速为1.83米/秒。同时,全场的日发电量与风速波动的时间趋势基本保持一致。

图4 风电场上半年风速及日发电量

其中,在2月26日和4月12日风电场的全天不发电,全场平均风速为0米/秒。标杆风机DT04在1月1日、1月8日、1月17日-18日、2月25日-27日、4月11日-16日、5月9日-77日的发电量也为0。其他发电量数据为0较多的风机编号有DT07,DT08,DT10,DT11,DT38,DT47,DT60,DT70,DT83,DT98。

(一)单台风力发电机发电量对标:

该风电场指定2MW标杆风机为DT07(上半年累计发电量270.25万千瓦时,等效利用小时数1351.25小时),全场2MW风机总台数为100台,总发电量为13497万千瓦时,最高发电量为301.9万千瓦时(编号:DT25),最低发电量为95.6万千瓦时(编号:DT04),平均发电量为134.97千瓦时。通过对非标杆风机与标杆风机发电量对比指标(T-A)的分析,开以看出该风电场共有5台风机优于标杆风机(DT07),即T-A的数值大于1。其中,编号DT10风机的T-A=1.1172,是本期发电量可利用率最高的2MW风机。

 

 

 

 图5 发电量可利用率指标

(二)等效可利用小时数对比分析

本年度上半年风电场等效可利用小时数为675小时,高于该地区的平均水平:571.6小时。另外,同该地区其它风电场的等效可利用小时数相比,该风电场的总体发电能力较强,高于大部分的风电场:

其中,在1-6月份的181天中,4月10日的可利用小时数最高达到了9.52小时,而平均水平仅为3.93小时。

同时,通过计算单台风机上半年的等效可利用小时数,并进行排序发现,除了个别风机的效果较好外,大部分风机的等效可利用小时数偏低。

(三)风机功率曲线模拟

下图为风机风速-功率二维散点图,该机组数据分布较为复杂,有部分数据沿功率曲线呈一条较宽的带状;而另外部分数据则在功率曲线下方区域横向分布,并且多数分布在500--1000kW的附近。原因可能是风电场所处区域出现了严的弃风限电现象,导致风电大部风机处于“主动限功率运行工况”。此外,下图显示有少量的数据点散落分布在功率曲线带的下方,这种情况可能是由于控制不稳定、变桨、偏航不到位所造成的。

通过运用多项优化方法对风电场采集到的实时数据进行清洗、筛选、类聚等,基本拟合出了与风机厂家提供的功率曲线相似的、贴近实际运行状况的风机运行曲线如图所示:

图6 风机运行原始功率散点

图7 风机运行功率散点清洗

图8 风机运行功率拟合曲线

(一)机组故障统计

1.检修时长-按风机统计

上半年全场检修时长最长的风机为DT67号风机,检修时长为114.45小时,各风机检修时长如下图:

图9 检修时长分布图

1.检修时长-故障时长对比

图10 故障时长-检修时长对比

由图明显看出DT59、DT36、DT69、DT789等风机检修时间较长,同时故障时间也较短,机组性能得到了较好的维护;而DT58、DT70号风机的故障时间、故障次数、检修时间都高于电场平均水平。因此风电场应当结合上述两台风机的运行状况总结分析可行的风机运行维护策略,以便于提高风机的运行维护水平。

通过以上分析可以看出该风电场的总体运行水平相较于其它风电场都高,虽然该地区存在着整体限发、限电的问题,但该风电场同样能够取得较好的发电效果,说明了该风电场的运行维护水平较高。同时,由于基于本次风电场采集的数据较少、维度较低,不能够进一步的分析更多的成果以方便于现场运行人员对电站有个系统、清晰的认识,从而便于工作人员及早的发现问题、解决问题。希望今后能够采集到更加丰富的现场实时数据,及时的将数据分析成果应用到风电场的实际运行当中。

论文作者:陈喜军

论文发表刊物:《中国电业》2019年第16期

论文发表时间:2019/12/11

标签:;  ;  ;  ;  ;  ;  ;  ;  

风电场信息化数据分析论文_陈喜军
下载Doc文档

猜你喜欢