风电机组运行情况的评估方法与装置与流程

1.本发明属于风力发电技术领域，具体涉及一种风电机组运行情况的评估方法与装置。


背景技术：

2.随着风电机组单机容量的持续增大，风电装机容量不断增加，截止2021年中国风电累计装机容量已达1585万千瓦，发展风电是国际经济和能源发展的必然趋势，也是中国新兴战略产业发展的必然选择。但随着中国风电的快速发展，以及装机容量不断攀升，早期兆瓦级1.5mw风机有的已运行10年以上，宝贵的机组运行数据，统一保存在新能源智慧运维平台中心。伴随着大数据技术的发展，我们可以将新能源智慧运维中心的每个风场、每台机组的历史数据进行机组普查，进行科学量化风电场中风机的发电性能、电量损失情况，尤其电量损失情况包含设备自身限功率损失、手动限功率损失、电网调度限功率损失，当前还未有科学有效的量化方法。
3.通过科学的大数据分析，机组限功率及故障停机导致的电量损失非常明显。基于此，本发明提出一种风电机组运行情况的评估方法与装置，主要针对限功率问题进行专题分析，找出电量损失点，进行专项提高电量，以提升风电场的整体收益。


技术实现要素：

4.本发明旨在至少解决现有技术中存在的技术问题之一，提供一种风电机组运行情况的评估方法与一种风电机组运行情况的评估装置。
5.本发明的一方面，提供一种风电机组运行情况的评估方法，包括：
6.在预设平台上提取多台风电机组预设时间段的数据；
7.绘制每台所述风电机组的功率曲线，并将所述数据进行分类；
8.剔除所述风电机组非正常发电数据，并拟合所述风电机组实际功率曲线；
9.统计机组部件性能下降或限功率时的功率损失值；
10.根据所述风电机组部件的功率损失值得到总损失电量。
11.可选的，所述数据包括机组号、信息风速、功率、发电机转速、限功率标志位、变桨角度、部件温度中至少一者。
12.可选的，采用下述分类原则进行分类，包括：挑选出所述风电机组停机时的数据、所述风电机组限功率时的数据以及所述风电机组正常发电时的数据，并得到所述风电机组的风速与功率对应的散点分布情况。
13.可选的，所述非正常发电数据包括机组停机的数据与机组限功率对应的数据。
14.可选的，所述拟合所述风电机组实际功率曲线，包括：
15.风速按照每0.1米一个步长，由起始风速2.5米到脱网风速 25米划分出225个区间，并分别统计各自区间内的功率，进而获取各自功率平均值，以得到各所述区间对应的风速和平均功率值对应关系，并绘制出风速和功率的实际功率曲线。
16.可选的，所述统计机组部件性能下降或限功率时的功率损失值，包括：
17.获取机组部件性能下降或限功率时所述风电机组的平均风速和对应的功率；
18.根据所述平均风速和所述对应的功率以得到功率损失值。
19.可选的，所述根据所述平均风速和所述对应的功率以得到功率损失值，包括：
20.参照拟合所述风电机组实际功率曲线对应的应发功率b，减去所述风电机组部件性能下降时的实发功率b，得到单个所述风电机组部件性能下降时刻的功率损失值bb。
21.可选的，所述根据所述风电机组部件的功率损失值得到总损失电量，包括：
22.按照所述风电机组部件性能下降分类，将该风电机组预设时间段的数据中各单个风电部件性能下降的1
…
n个功率损失值进行累加得到相应的总损失功率；
23.所述总损失功率除以对应的预设时间段时长，以得到总损失电量。
24.可选的，所述预设时间段范围为5分钟～15分钟；和/或，
25.所述预设平台为智慧运维平台。
26.本发明的另一方面，提供一种风电机组运行情况的评估装置，包括：提取模块、分类模块、拟合模块、统计模块以及计算模块；其中，
27.所述提取模块，用于在预设平台上提取多台风电机组预设时间段的数据；
28.所述分类模块，用于绘制每台所述风电机组的功率曲线，并将所述数据进行分类；
29.所述拟合模块，用于剔除所述风电机组非正常发电数据，并拟合所述风电机组实际功率曲线；
30.所述统计模块，用于统计机组部件性能下降或限功率时的功率损失值；
31.所述计算模块，用于根据所述风电机组部件的功率损失值得到总损失电量。
32.本发明提供一种风电机组运行情况的评估方法，包括：在预设平台上提取多台风电机组预设时间段的数据；绘制每台所述风电机组的功率曲线，并将所述数据进行分类；剔除所述风电机组非正常发电数据，并拟合所述风电机组实际功率曲线；统计机组部件性能下降或限功率时的功率损失值；根据所述风电机组部件的功率损失值得到总损失电量。本发明的评估方法可以有效识别出机组部件性能下降情况，并统计年发电量损失情况，针对性的开展硬件技改提供技术支撑，保障风电场的整体收益。
附图说明
33.图1为本发明一实施例的一种风电机组运行情况的评估方法的流程框图；
34.图2为本发明另一实施例的风电机组风速功率散点图和拟合曲线示意图；
35.图3为本发明另一实施例的理论限功率损失结果；
36.图4为本发明另一实施例的一种风电机组运行情况的评估装置的结构示意图。
具体实施方式
37.为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护范围。
38.如图1所示，本发明的一方面，提供一种风电机组运行情况的评估方法s100，包括
下属具体步骤s110～s150：
39.s110、在预设平台上提取多台风电机组预设时间段的数据。
40.具体的，本实施例通过对智慧运维平台中心中某风场33台机组2020年的十分钟数据进行统计，即该预设时间段为10分钟，其中十分钟数据包括机组号、信息风速、功率、发电机转速、限功率标志位、变桨角度、部件温度中至少一者。其中，部件温度包括齿轮箱油温、发电机轴温、变频器igbt温度等。也就是说，本实施例提出一种基于新能源智慧运维平台上的大数据评估机组运行情况的方法。
41.需要说明的是，上述十分钟数据主要包含的信息均按照十分钟尺度求取各自信息的平均值。
42.s120、绘制每台所述风电机组的功率曲线，并将所述数据进行分类。
43.具体的，本实施例采用下述分类原则进行分类，包括：挑选出所述风电机组停机时的数据、所述风电机组限功率时的数据以及所述风电机组正常发电时的数据，并得到所述风电机组的风速与功率对应的散点分布情况，如图2所示。
44.s130、剔除所述风电机组非正常发电数据，并拟合所述风电机组实际功率曲线。
45.具体的，本实施例的非正常发电数据包括机组停机的数据与机组限功率对应的数据。该机组限功率对应的数据包含机组部件性能下降如齿轮箱油温高、发电机轴温高、变频器igbt温度高时机组限功率时的数据。
46.进一步的，本实施例的拟合所述风电机组实际功率曲线，包括：风速按照每0.1米一个步长，由起始风速2.5米到脱网风速25 米划分出225个区间，并分别统计各自区间内的功率，进而获取各自功率平均值，以得到各所述区间对应的风速和平均功率值对应关系，并绘制出风速和功率的实际功率曲线。
47.示例性的，剔除机组非正常发电后的数据，风速按照每0.1 米一个步长，由起始风速2.5米到脱网风速25米划分出225个小区间，比如[2.5-2.6)为第2个区间对应的风速聚类归为2.5米， [2.6-2.7)为第2个区间对应的风速聚类归为2.6米,
…
[24.9-25)为第 225个区间对应的风速聚类归为25米，分别统计各自区间内的功率，并求的各自功率平均值；在2.5米至25米范围内，得到划分的225个小区间对应的风速和平均功率值对应关系，并绘制出风速和功率的实际功率曲线，如图2所示。
[0048]
s140、统计机组部件性能下降或限功率时的功率损失值。
[0049]
具体的，获取机组部件性能下降或限功率时所述风电机组的平均风速a和对应的功率b，即实际发电数据；根据所述平均风速和所述对应的功率以得到功率损失值。也就是说，
[0050]
其中，所述根据所述平均风速和所述对应的功率以得到功率损失值，包括：参照拟合所述风电机组实际功率曲线对应的应发功率b，减去所述风电机组部件性能下降时的实发功率b，得到单个所述风电机组部件性能下降时刻的功率损失值bb。
[0051]
示例性的，统计部件性能下降时比如齿轮箱油温高，齿轮箱油温高时记录油温高时对应的十分钟点的平均风速a和当时的功率b。油温高时刻对应的平均风速a参照拟合实际功率曲线对应的功率b，得到油温高限功率时刻的功率损失为bb＝b-b。
[0052]
s150、根据所述风电机组部件的功率损失值得到总损失电量。
[0053]
具体的，按照所述风电机组部件性能下降分类，将该风电机组预设时间段的数据
中各单个风电部件性能下降的1
…
n个功率损失值进行累加得到相应的总损失功率，总损失功率除以对应的预设时间段时长，以得到总损失电量。
[0054]
示例性的，将该机组一年的十分钟数据中，各单个部件性能下降的1
…
n个bb进行累加得到相应的总损失功率c，c最后除以对应的十分钟，可以得到总损失电量。
[0055]
应当理解的是，同理发电机轴温高、变流器igbt温度高、控制柜温度高等部件性能下降的发电量损失方法，可以参照上述油温高限功率时的电量损失统计方法，在此不再赘述。
[0056]
本实施例以某风场30号机组风速功率散点图和拟合曲线为例，如图2所示，详细阐述机组近一年的运行情况，尤其重点进行科学量化机组部件性能下降导致的电量损失情况的量化方法，通过科学的大数据分析，机组限功率及故障停机导致的电量损失非常明显，进行科学量化风电场中风机的发电性能、电量损失情况，尤其电量损失情况包含设备自身限功率损失、手动限功率损失、电网调度限功率损失情况的方法。
[0057]
下面将结合具体实施例进一步说明风电机组运行情况的评估方法：
[0058]
本示例以某风场33台机组2020年运行一年的十分钟数据进行限电损失量化情况如下表1、表2以及图3所示：
[0059]
表1风电机组损失电量汇总表
[0060]
[0061][0062]
由上表可以看出，风电机组平均风速为4.60m/s，其中机组平均限功率百分比为12.93％，正常发电且不限电运行的百分比为58.62％，停机运行百分比为28.45％，机组理论等效发电小时数为 1987.6h。
[0063]
根据上述2020年全厂机组的数据分析，机组限功率导致的电量损失非常明显。限功率损失(含部件高温、手动、调度限功率及机组整体性能下降)导致单机损失电量616.47mwh，折合机组平均每台限功率损失利用小时数为410.98h。据现场实际统计情况调
度限电情况很少，限功率损失多存在手动限功率或者其他因素造成机组不能满发，机组关键部件超温限功率情况以齿轮箱油温超温为主。
[0064]
表2各风电机组关键部件限功率损失表
[0065][0066]
[0067]
由上表可知该风场机组大面积出现油温高限负荷情况，平均计算机组油温高限负荷均值16.07mwh，年共损失电量 530.26mwh，共计损失小时数353.51小时，占比2.61％(11台机组发电机超温方面出现超温限功率。1台出现机舱温度超温限功率情况，其他限功率情况损失发电量较多，如手动限功率或者为调度限功率情况，共计损失19742.97mwh，占比97.05％。
[0068]
由上述方法，可以相对科学的量化风电机组的发电性能，精准量化风电机组部件性能下降导致的风电机组发电量损失情况。为开展老旧机组提质增效，提供针对性的硬件技改方向提供有力的数据支撑。
[0069]
如图4所示，本发明的另一方面，提供一种风电机组运行情况的评估装置200，包括：提取模块210、分类模块220、拟合模块230、统计模块240以及计算模块250；其中，提取模块210，用于在预设平台上提取多台风电机组预设时间段的数据；分类模块220，用于绘制每台所述风电机组的功率曲线，并将所述数据进行分类；拟合模块230，用于剔除所述风电机组非正常发电数据，并拟合所述风电机组实际功率曲线；统计模块240，用于统计机组部件性能下降或限功率时的功率损失值；计算模块250，用于根据所述风电机组部件的功率损失值得到总损失电量。
[0070]
本实施例的具体方法如下：通过对智慧运维平台中心中某风场33台机组2020年的十分钟数据进行统计，其中十分钟数据中主要包含机组号、平均风速、功率、发电机转速、限功率标志位、变桨角度、部件性能相关温度(如齿轮箱油温、发电机轴温、变频器igbt温度等)等信息。依据机组剔除非正常发电时的数据绘制的机组自身拟合风速和功率对应曲线，代表机组实际的风速和功率对应关系，统计部件性能下降时比如齿轮箱油温高，齿轮箱油温高时记录油温高时对应的十分钟点的平均风速和当时的功率 b，油温高时刻对应的平均风速参照拟合功率曲线对应的功率b，得到油温高限功率时刻的功率损失为b-b。依次遍历一年十分钟数据中油温高时刻对应的功率损失，从而得到总油温高损失电量为遍历的全部油温高时刻对应的功率损失之和，再除以6，得到总损失电量f(单位：kw/h)。
[0071]
本发明提供一种风电机组运行情况的评估方法与装置，相对于现有技术具有以下有益效果：本发明的评估方法可以有效识别出机组部件性能下降情况，以及统计出年发电量损失情况，且针对性的开展硬件技改提供技术支撑，保障风电场的整体收益。
[0072]
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。