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

做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）