基于大数据的风电场风能资源及风机选型评估

基于大数据的风电场风能资源及风机选型评估

作者：梁旭东

来源：《中国科技纵横》2019年第05期

摘要：目前电力产能过剩及竞争性配置开发等政策环境变化使得风电产业市场化竞争越演越烈，加快优质项目开发和资源储备力度、科学优化设计、提高风电项目开发建设质量，以实现企业降本增效综合效益最大化，将成为风电企业追求的重要目标。要想完整这一转型和升级，在前期阶段采用大数据技术对风能资源进行评估是一个主要的发展趋势。本文采用大数据的方法对风电场风能资源及利用情况进行评估，同时提出了一些针对性的建议措施，以期为今后风电项目的开发提供必要的参考。

关键词：大数据；风电场；风能资源；风机选型

中图分类号：TM614 文献标识码：A 文章编号：1671-2064（2019）05-0179-02

0 引言

2018年5月，国家能源局印发《国家能源局关于2018年度风电建设管理有关要求的通知》，明确自文件印发之日起，新增集中式陆上风电项目和未确定投资主体的海上风电项目全部通过竞争方式配置和确定上网电价。相比传统风电开发模式，竞价模式下的项目开发核心是投标电价，较低的上网电价意味着未来风电项目投资收益将进一步受到挤压。因此在前期阶段采用大数据技术对规划风场的风能资源进行精准评估、风电机组的优化选型及其相关成本降低是一个发展趋势，能够有效减少前期立塔测风的时间要求，提高工作效率。

1 风电行业大数据技术应用现状

根据研究机构Gartner给出的定义，大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据的整合利用是一个系统工程，需要从数据标准、数据共享、数据分析、数据融合、数据资产化和大数据应用创新等不同层面同步推进。随着大数据技术的发展，其应用领域逐渐拓宽，并应用到风电行业中。电力企业的數据资源非常丰富，在风电行业中体现的更加明显。准确的场址风能资源评估、适宜场址的最优化风机选型方案、准确的风功率预报均是智慧风电的关键技术。

现阶段，风电行业内众多的设计院、设备厂家、风力发电企业中大多已开始应用大数据技术。例如：中国能建广东设计院在2017年11月28日设立了广东省海上风电大数据中心；国家电网（SGCC）下属的冀北电力有限公司（SG-JBEPC），正在使用基于IBM公司研发的高精度天气预报模型和高性能计算平台（HyRef）来整合所在电网系统内的可再生能源。远景能源作为发布了基于大数据技术的集控X.0，能够将气象误差减少到2m/s以下，高于行业平均水平。中国大唐集团着力建设基于标准化直采和网络信息技术的新能源大数据云平台，并成功入选国家工信部2018年制造业与互联网融合发展试点示范项目等等。

目前各企业的大数据平台存在以下问题。

（1）风电行业在数据公开、数据共享等方面缺乏国家层面的标准和政策指导，在各个单位之间甚至单位内部不同部门间，由于数据标准化不同，导致数据共享难度较大，并且缺乏结合海量数据和实际需求的深度分析服务，使用者多为具有一定数据分析能力的专业人士，导致平台使用门槛较高。（2）企业大数据平台建设滞后。当前风电行业内很多企业没有建立比较完善的大数据平台，缺乏对大数据平台足够的认识，而且信息技术水平也比较薄弱，无论是硬件建设还是软件建设，都无法对大数据技术应用的有效支撑，导致大数据技术的应用缺乏有效性，另外，能够熟练应用信息化技术、大数据技术、云计算技术的人才相对较少，制约了大数据技术在企业发展中的有效应用。

2 基于大数据的风电场风能资源及风机选型评估模型

2.1 模型假设

（1）假设风电场区域内的空气是均匀分布的，且空气密度不受外界因素影响。（2）各机型功率除受切入风速、切出风速、额定风速和额定功率以外，不受其他参数影响。（3）忽略极端天气和海拔对风力发电机组的影响。

2.2 风能资源及风机选型评估

通过分析风场原始测风数据，构建指标体系对风能资源利用情况及风机选型适应性进行评估，再结合实际运行情况进行佐证。

（1）数据检查与预处理。数据验证的检验项目及检验标准主要依据国家标准、气象行业标准以及类似风电场风能资源评估工作实践经验来确定。（2）风能资源评估指标体系。依据国家发改委发布的规范标准，选取空气密度，平均风速，风功率密度，风速频率，风能密度，湍流强度，切变指数，Weibull分布等构成指标体系对风能资源进行评估；如果有风场实际运行数据，则可以增加风力发电机满载负荷总发电量，风力发电机实际发电量，利用效能比，有效风时比等参数对风能资源利用情况进行评估。

2.3 风机选型评估

风机选型评估时，可采用以下两种方法对目前市场上最新风机技术进行比选。

2.3.1 定性分析方法

为了使风能资源利用效能最高，我们要求风机的切入风速与额定风速越小越好，额定功率越大越好。通过对比各机型的切入风速、额定风速，并将功率折算成标幺值后，在场址风能较为集中的风速段中，能够比较出输出功率最优及最差的机型。在仅考虑最大化利用场址风能资源的情况下，输出功率最优的机型最适合，可通过编程实现分析与计算过程。

2.3.2 定量分析方法

（1）线性插值法。即将逐条的实测风速放到功率曲线中，选择该风速所属的风速段区间，对其上下边界的电功率采用线性插值的方法直接算出风速对应功率，再累加逐条功率值得到单机年发电量值。（2）多项式拟合法。即将功率曲线从切入风速至额定风速区间内的功率值取出，绘制对应的线性曲线，通过多项式方程对曲线进行拟合，并提取出多项式公式，采用将逐条实测风速数据代入多项式的方式得到对应功率，通过累加逐条功率值得到单机年发电量值。（3）Weibull分布法。由于完整年风速满足双参数Weibull分布，因此对该数据进行Weibull拟合，提取双参数K、C值，计算各风速段的分布概率，采用风速段对应功率与分布概率、年总小时数相乘得发电量，最后累加各风速段发电量，得到单机年发电量值。

采用以上三种方案定量的对单机年理论发电量进行计算，采用平均值统计各机型的计算结果，一般与定性分析的结果较为一致。可通过两种计算方式综合对选择的风机机型进行比选，在不考虑造价的情况下，选出最优机型。

3 基于大数据的风电场未来发展的思考与建议

3.1 顶层设计，科学搭建大数据平台

（1）开放式数据仓库。数据是分析研究的基础，风电企业要制定数据管理标准，统一数据库及数据的存储方式、结构等技术要求，独立建设开放的、自控的数据仓库，为风电企业技术人员和合作伙伴提供数据。（2）云计算管理模式。传统的服务器管理模式是按功能管理，各服务器只承担固定的计算任务，资源不能充分发挥。因此，在集控中心、集团总部生产调度中心建设时，要按照云管理架构进行搭建，架构内的服务器不再进行功能分工，统一由主机指挥，进行集群式计算，提高计算能力。（3）分布式计算模式。风电企业大数据平台按三级搭建，从层次上看，越往上层数据量越大。因此，应本着“底层优先”的原则，分层明晰各层计算界面，最大程度的减少上层计算和重复计算，减少平台负荷。

3.2 底层突破，统一数据判断和计算标准

（1）完善数据获取标准。风电企业要制定统一的风电场信息化管理标准，明确风电机组和升压站的保护及自动化装置的设备网口数量、计量点位置及精度、测控装置配置、通讯网络要求等设计标准，明确设备厂家应提供的數据点数和接口软件。（2）开发标准化软件。应在风电场开发通用的SCADA平台，研究不同风电机组、变流器的通讯协议、控制方式、状态分类、判断逻辑和计算方法，建立适用于多厂家、多机型的数据接口模块，自动完成差异化输入、标准化输出。

3.3 科学组织、加快推进，深入挖掘大数据蕴藏价值