北极星

搜索历史清空

  • 水处理
您的位置:电力风电风电运维报道正文

美迪欧蒋紫虓:用于风机功率曲线评估的SCADA数据的最优时间步长研究

2018-10-19 10:15来源:能见APP关键词:风电技术北京国际风能大会风电场收藏点赞

投稿

我要投稿

风电场的后评估工作是基于SCADA里面的数据,来评估发电能力和功率曲线。SCADA在使用时有不同的选择,在不同的时间步长条件下,最终计算出来的功率曲线位置和值肯定也有所差别,我们正在研究如何更好地选择使用SCADA数据的时间步长。10月18日,美迪欧动力气象技术有限公司技术负责人蒋紫虓出席2018年北京国际风能大会暨展览会,并在“风能综合技术研究”分论坛发表了题为“用于风机功率曲线评估的SCADA数据的最优时间步长研究”的主旨演讲。北极星电力网对大会进行全程直播,如需了解更多会议直播,请联系微信号:13693626116。

美迪欧动力气象技术有限公司技术负责人蒋紫虓

以下为演讲实录:

蒋紫虓:我是来自美迪欧的蒋紫虓,跟大家在风能大会的讨论会上来相见,共享我们最新的技术和进展,今天我们所带来的分享的内容,是数据的应用。这个背景比较简单,我简单的解释一下,做风电场的后评估工作是基于SCADA里的数据,评估发电能力和功率曲线。SCADA在使用的时有不同的选择,用原始的时间步长的数据,这个市场步长,我们可以选择把原始的数据,把它去做一个时间上的平均处理,一分钟五分钟,十分钟,更粗的时间步长,再去平率功率曲线,由于功率曲线,本身具有非线性的特性,我们在不同的时间步长的条件下,最终计算出来的功率曲线位置和值肯定也是有所差别,我们这个研究,就是来回答这样的问题:基于评估曲线的目的,如何去更好的选择使用SCADA的数据的时间步长。

具体展开一下我们在工作里面所用到的一些思路和最终获得的结论,首先我们需要做一个数据的处理,因为SCADA数据它是一个比较典型的数据,它里面存在一些错误,也包含风机运行的状态,把这些数据做一个剔除,数据处理好,我们通过两个方面,对这个问题进行研究,一个是基于不同的时间步长的时间序列,评估了功率曲线,计算了相关的误差,这个是一个思路,另外一个并行的思路就是我们通过一个频谱分析的手段,风速和功率两个信号,对它的做了分析。最终的结论十分钟也是比较优的步长,下面我们看一下具体怎么得到最后的结论的。

第一个就是数据处理的问题,SCADA数据刚才我们说了,其中包含有一些测量上的一些错误,那么对这个测量的错误数据呢,我们的剔除是相对来说比较简单的,我们可以通过数据的一些值得范围,或者趋势检验,或者通过不同变量,不同风机相关性的检验,可以很方便把无效的数据剔除掉,这个是我们在数据处理过程中,第一个层次工作,这个层次相对简单一些,第二个层次有一定的挑战性,无效数据代表的是一些测量错误,还有一种问题的数据,就是风机的运行状态,风机在实际的运行中,受到外界条件的干扰,所说的限电,由于一些维护检修的原因出现停机,由于自身的控制策略或者其他的原因,出现了一些异常的发电状态,这些状态在我们的一般的SCADA数据里面其实是不具备的,限电这种信息不一定放到SCADA里面,作为风电场运维的存在,对于我们做后评估的工程师来讲,这些信息不是及时可用的,及时可用也不在SCADA里面,工程技术人员放在一起处理有一定技术上的难度。我们的思路,不依靠风机的故障代码,限电的记录,把异常的运行状态,给排除出来,这个是什么样的一个原理,去实现的我简单的说一下,这张图,数据就是原始SCADA数据,经过了错误测量值的剔除,我们的工作,得到我们认为所有的有效的测量数据,当然有效的数据里面,可能包含一些异常的运行状态。下面我们怎么去实现这个工作的,我先基于这些有效的测量数据,去评估出来一条临时的工作曲线,那这个临时的工作曲线,是作为我们工作曲线评估的第一个版本,一个草稿的版本,有了这样的一个草稿版本,设定一个距离的系数,那么我认为比如说这条功率曲线,在它附近一定范围内的点,属于正常运行范围的点,我可以通过这样的方式,把正常的数据去做一下筛选,这个筛选出来以后,我的数据分类,也做了一个更新,我把这个功率曲线附近的数据,认为是正常的数据,我的数据分类进行更新以后,实际上刚才的功率曲线评估也会发生变化,我现在剩下的数据更少了,那么我现在重新再去计算一次功率曲线,那么这个过程我是可以重复很多次的,就是它是一个循环迭代的过程,直到我的功率曲线的评价和数据分类的评价不再发生变化的时候,我认为这个过程才结束,就是它是通过循环的操作,把这个功率曲线和我们数据的一个更准确的状态上的识别,去完成这样的一个操作,为此我们也是自己开发了一个叫做SPA的软件,去快速的实现这样的一个操作。

下面我们就真正进入到关于主题的一个目标分析了,第一步就是我们把原始的数据,是一个7秒的,通过时间平均的方式去考虑不同时间步长,一分钟五分钟,十分钟,30分钟,60分钟,最大120分钟去做了一个处理,基于处理出来的不同步长的时间数据我们去做了功率曲线的计算,这八张图分别是我们用更粗时间的步长。基于这八张图我们首先做了一个误差的计算,这个均方误差,功率曲线上面,评估出来的功率曲线,和我们看到的风速和功率的散点之间的偏差,这个也可以理解成一个就是功率曲线对于散点数据的代表性,是这样的一种指标。

这个指标当然我们也是做了不同风机上面的一个测试,我们可以发现在十分钟的步长上面,这个指标的值是最小的,我们看一个平均值,这条粗线是不同风机统计出来的一个平均水平,这个平均水平10分钟步长上面达到最小的程度,第一方面倾向于认为是比较合理的步长。

从频谱分析的角度,做了一个,工作,因为风速和功率,作为时间序列,当成两革新号,我们用到的一个方法,把这两个通道的信号去计算它的PSD,把这个功率的PS1和风速的PSD做了一个比值,这两条曲线在物理含义上讲,大致描述为功率的一种变化,相对于风速变化响应的情况,这个曲线的值越大代表响应越积极,值越小代表响应越不明显。第一个观察频率大于0.03赫兹,比较高频的区段,响应很不明显,这个曲线非常平缓,这个我们就有第一个小的结论,对于我们的研究主题来说,我们观察这两个信号,其实高于0.03合资的频率,对我们来说就是一种噪音,后续研究中把这一段忽略掉了。

下面我们对刚才的这条曲线做一个坐标的变换,这边是一个对数的坐标,对数的坐标,能够帮助我们更好的去看,就是原来低频的区段,把低频的区段给放大了,一个变化特征观察的更加的清楚,那么这个低频区段的观察特征,在信号处理里边是非常接近于一个低通滤波器的表现,有几个时间的特征,最重要的就是在3分钟这个地方。

3分钟的右侧频率更高,步长小的特征下面,功率对于风速的响应,直接就下来了,在三分钟的左侧,更长时间功率的响应是比较的稳定的,这个怎么来去解释,我们认为3分钟时间的一个出现,它的解释可以被认为是,3分钟我们认为是风机这些转动部件包括它的叶片,所有的这些转动部件,响应的外界刺激的情况下,它的机械响应时间,换句话说,如果说这个风速的变化,超过3分钟的频率来变的话,很高频的变动,它对于风机的这种机械的转动并不会产生非常实质的影响,主要是这些3分钟以前的这些更低频的变化,风机它的输出功率会产生一个实质上的响应,通过这样的研究,我们更坚定一个前面所得到的结论,我们研究这个功率曲线本质上来讲是功率对风速的一种响应情况,它最佳时间步长肯定在我有效的响应的时间频率上面的,而不是在3分钟或者说更精细的量级上面,综合我们以上的,就是这两个方面的研究,那么我们现在认为10分钟对于scada是非常优化的选择,这里面除了研究本身的结论以外,我想做一些讨论,就是我们这个研究需要强调的是它的目标是针对功率曲线的评估,并不是针对风机其他特性的评估,功率曲线我们风机评价它的一个性能的最主要的最重要的因素,如果说我们把这个研究的内容去扩展去考虑风机的其他特性的话,我相信这个时间步长也有可能会发生一个变化,十分钟也不一定是最优的值,我们所用到的一整套思路,包括数据处理的方法,包括后面的一些评估分析的方法,可以应用到未来类似的研究里边。

我分享的内容就是这么多,然后大家如果有什么问题,也可以提出来,或者说稍候在我们展台商标法我在W207-W208,我们可以一起交流。谢谢大家。

(发言为能见APP整理,未经本人审核)

投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

风电技术查看更多>北京国际风能大会查看更多>风电场查看更多>