基于深度学习的风电机组风向预测方法研究_苏智超.pdf

第 44 卷第 3 期2023 年 6 月电力与能源基于深度学习的风电机组风向预测方法研究苏智超（上海电力股份有限公司闵行发电厂，上海 200245）摘要：利用某风电场 24 台风电机组某时间段的实际风向数据和偏航控制事件数，在分析了风机偏航原理和风电场实测数据的基础上，结合两者的特点提出了偏航事件的建模方法。通过对偏航系统控制策略优化、风速风向运行数据清洗整定，以及预测关联种子风机选择原则的分析研究，编制了基于 R 语言的风向预测关联种子筛选小程序，并验证了其有效性。关键词：风电场；风向预测；偏航控制；关联种子风机选择原则作者简介：苏智超（1996），男，主要从事电气设备安装、调试和检修工作。中图分类号：TM614 文献标志码：A 文章编号：2095-1256（2023）03-0239-08Study on Wind Direction Prediction Method for Wind Turbine Based on Deep LearningSU Zhichao（Minhang Power Plant，Shanghai Electric Power Corporation，Shanghai 200245，China）Abstract：Based on the actual wind direction data and the number of yaw control events of the 24 wind turbine in a wind farm during a certain period of time，a modeling method for yaw events is proposed according to the analysis of the mind turbine yaw principle and the measured data of the wind farm.Through the optimization of yaw system control strategy，the cleaning and setting of wind speed and direction operation data，and the analysis and research on the selection principle of the associated seed mind turbine for prediction，a small program for wind direction prediction associated seed screening based on R language was compiled and its validity was verified.Key words：wind farm，wind direction prediction，yaw control，associated seed 随着经济规模的持续扩大和发展速度的大幅提升，我国面临着严重的能源短缺与环境压力问题。我国的风力资源十分丰富，根据有关气象资料，我国陆上离地10 m高度风能资源的理论蕴藏量约为32.26亿 kW，其中可开发利用的风能储量有 2.53亿 kW，离地50 m高度的风能资源比10 m高度多一倍，加上近海可供开发利用的风力资源可达7.5亿kW，可见我国风力资源开发潜力巨大，是未来能源结构的重要组成部分。在国家可再生能源发展规划及风电设备国产化等政策的引导下，我国涌现出一批实力雄厚的优秀风电设备制造企业，形成了完整的配套产业链，极大地促进了兆瓦级风电机组的本地化生产供应能力与国产化水平，为风电产业的大规模开发奠定了基础1-6。随着国家对新型能源的重视，我国风力发电事业得到了长足发展。关于风电场的研究目前主要是考虑如何充分地利用风能，最大程度地发电，取得最大的经济效益和环境效益。风电场的等值建模和风电功率预测是风电场研究的重要内容，但是目前大部分研究都是从风电场的风速这一技术路线考虑的。风速是表征风况的重要特征参数，为了尽可能地利用风能，要求风力发电机的叶片垂直于来风，随着风向的改变其偏航系统进行动作7-10。由于风况的随机性和波动性，风力发电机偏航机构频繁动作，设备的损坏率和故障率不断升高，而且偏航追风相对风向变化总有一定程度的滞后，风能的利用还有很大的提升空间。对于风速预测的研究，众多专家学者做了大量的工作，也取得了一系列的成果。与风速预测不同，对风向的研究和预测鲜有开展，原因在于风向是矢量，随机波动性大且规律难以捉摸。风向是风电场运行中的重要因素，风向预测更侧重于DOI：10.11973/dlyny202303008239苏智超：基于深度学习的风电机组风向预测方法研究风电机组控制性能优化，关注的重点是各风电机组历史时刻的风向、偏航系统动作次数、偏航角度、追风偏航的动作时间等，还关系到风电机组捕获风能的效率，对其进行深入研究的意义重大。本文主要阐述如下几个方面的研究成果：风电场风向预测的具体思路；根据某风电场提供的实际风数据，详细介绍风数据的清洗整定方法，并举例论证其效果；提出关联种子选取的基本原则，结合风机偏航系统实际工作原理提出用风机偏航事件相关性来筛选预测关联种子，并详细介绍风机偏航事件相关性的数学模型和求取方法；通过试验论证用风机偏航事件相关性来筛选关联种子风机的可行性。1风向预测总体思路与风电机组运行数据特征概述1.1风向预测总体思路在风电场区域中，风向不会发生突变，所有风机都应向着当前时刻的主导风向，但是受地理位置、风机尾流效应等因素的影响，不同风机的风向会存在一定的差异。经过上游风机的风将在一段时间后吹到下游风机，成为下游风机风向发生变化的重要因素，即下游风机和上游风机的风数据存在一定的关联，风电场的风速为 69 ms1，10 min风前进的距离一般不足6 km11-15。这种上游风机与下游风机风向的关联受诸多外在条件的影响，无法用简单的数学公式来概括，因此希望通过机器学习对之前的数据进行学习。风向预测的总体思路是：选取与待预测风机相关性较好的上游风机作为关联种子，通过关联种子当前时刻的实测风数据，预测 10 min后待预测风机的风向，并根据预测风向与当前时刻风向的差异，决定是否提前偏航。风向预测的理论示意如图 1所示。1.2偏航系统工作原理及控制策略1.2.1偏航系统的工作原理在风轮前部或者机舱一侧，装有风速风向传感器，作为感应元件将风向与风速变化转换为电信号，并将其传输到偏航电机控制回路的控制器中。当风轮主轴方向与风向风速传感器信号偏离一定角度时，偏航控制器便开始偏航延时，当偏航延时时间达到设定值时，偏航控制器认为风向已经发生改变，经比较判断后发出向左或者向右的偏航指令16-18。偏航电机通过偏航齿轮箱、减速器以及调向小齿轮带动偏航大齿轮转动，风机机舱随之运动，当偏航角度误差消除后，风向风速传感器失去电信号，偏航电机停止工作，偏航制动器锁紧，整个偏航过程结束。1.2.2偏航系统的控制（1）偏航系统控制策略：当外界风向发生变化时，风向传感器将检测到的风向信号传送到控制器，控制器通过计算风向信号与机舱位置夹角来判断机舱是否需要进行调整以及朝哪个方向调整。为降低偏航过程中的陀螺力矩，偏航电机转速经减速器减速后将偏航力矩作用在偏航大齿圈上，按照控制器所基于的控制方法控制偏航驱动电机，驱动偏航大齿圈将风轮调整到与风向一致的位置。（2）偏航系统优化控制策略：偏航系统优化控制策略是在综合风场风速特性与风机出力特点的基础上，结合偏航系统运行成本寿命分析，从偏航系统全寿命周期经济效益最优角度，对偏航系统的传统控制策略进行细分和改进19-22。研究发现，不同风速区域内的风向特征存在一定的差异，对风机输出功率的影响也不同：小风区域，风向变化频繁，风机输出功率增长缓慢；中风区域，风向变化较多，风机输出功率增长较大；图 1风向预测的理论示意240苏智超：基于深度学习的风电机组风向预测方法研究大风区域，风向平稳，风机输出功率一直维持在满发状态。偏航系统优化控制策略并非强调实时追踪风向变化来获取最大发电功率，而是在掌握风场风能特性的基础上，采取“此消彼长”的策略，实现不同分段风速区间与不同运行年限下的变参数控制，即减少功率输出增长较慢的风速区间内的偏航次数，增加功率输出增长迅速的风速区间内的追风次数23-26。偏航系统优化控制策略根据风场风速大小的不同，采取不同的参数设定与动作方式，将偏航系统启动分为两级，即高风速偏航与低风速偏航，如图 2所示。当风向与机舱轴线偏离一定角度时，控制系统经过一段时间的确认后，首先判断风向变化角度 是否大于风机的最大允许误差角度 dmax，当 dmax时，先令风机正常停机而后进行偏航动作，随后再使风机正常启动，本次风向变化判断过程到此结束。否则继续判断风速 v是否大于高低风速界定风速vd，当vd1，经过 Td1偏航延时后，启动偏航系统，完成对风动作，否则不进行偏航；当vvd时，判断 是否大于高风速下的阈值设定角度 d2，如果 d2，经过偏航延时 Td2后，启动偏航电机，进行风向追踪，否则不进行偏航，本次风向变化判断过程结束。2风速风向运行数据清洗整定由于风向数据为矢量的特殊性质，以及风机检修和数据记录故障等的原因，风机初始数据在某些时刻会存在缺失，无法进行后续的数据分析和风向学习及预测，因此需要对风电场提供的初始数据进行必要的处理26。2.1数据对齐由于风电场风机初始数据的缺失使得获得的每台风机数据不等长，无法进行不同风机的横向比较，因此需要将所有风机的运行数据按照时刻进行归类，这个过程称为数据对齐。主要方法为当某时刻某风机运行数据缺失时人为填入标识符 p（取30），使得对齐后的数据长度相同。数据对齐流程如图 3所示。2.2数据清洗数据对齐后，v(dq)tn和d(dq)tn中的30是代表数据缺失的标识符，而并非真实有效的风速风向数据，无法反映当时时刻的风速风向和风的运行状态的变化情况，属于无效数据，因而需要进行数据清洗。将所有无效数据清除的过程称为数据清洗。数据清洗的主要思想是通过适当牺牲数据的连续性来保证数据的有效性，有利于科学分析风向相关性和进行风向预测；主要方法是清除无图 3数据对齐流程图 2偏航系统优化控制策略流程241苏智超：基于深度学习的风电机组风向预测方法研究效时刻的风机数据，只留下有效时刻的风机数据。数据清洗流程如图 4所示。2.3数据整定风机测得的风向绝对值范围为 0 到 360，当某时刻风机测得的风向绝对值为 355 而后一时刻测得的风向绝对值为 5 时，根据偏航系统设定得到的结论是风向逆时针旋转 350，而非顺时针旋转 10，这显然是不符合常理的。因此，清洗后的风向数据依然无法准确反映风向的变化情况，需要再进行风向数据整定。数据整定的主要思想是将原属于矢量的初始风向绝对值整定为标量，使得整定后的风向能够直接反映风向的变化情况。数据整定流程如图 5所示。2.4数据处理案例分析经过数据处理后，风机 8 和风机 24 清洗整定后的风向数据d(zd)t8和d(zd)t24曲线如图 6 所示。从图 6 可以明显看出，两台风机的风向具有较好的相关性，说明本文提出的数据清洗整定方法具有科学性。3风机相关性判定和关联种子选择3.1风向预测理论依据同一风电场区域的风向不会发生突变，吹过上游风机的风在经过一段时间后将会吹到下游风机，成为影响下游风机风向变化的重要因素，即下游风机和上游风机的风数据存在一定的关联。选取与待预测风机相关性较好的上游风机作为关联种子，通过关联种子当前时刻的实测风向，预测10 min 后待预测风机的风向，从而实现优化偏航系统控制的目标。3.2关联种子选取基本法则关联种子选取是风电场风向预测中非常重要的一部分，只有选取与待预测风机相关性较好的关联种子风机才能做到准确预测。关联种子的数量对预测结果也有很大的影响：选取过多的关联种子会导致处理速度过慢，占用过多内存；而选取过少的关联种子则会使得预测精度达不到