王欣;吴根勇;潘东浩;应有
【摘 要】针对风电机组偏航控制系统在实际应用中自适应水平差、控制精度低等问题,首先利用某风电场的实际运行数据,分析了当前该风场风电机组偏航系统的控制性能;其次根据对风误差随风速的变化特点,提出了分风速段的偏航控制策略优化方案;最后选择相关性最好的两台机组进行了实验验证.实验结果表明,优化后的偏航控制策略能够在不增加机组偏航次数的前提下有效降低机组的对风误差,提升机组的出力性能.
【期刊名称】《可再生能源》 【年(卷),期】2016(034)003 【总页数】8页(P413-420)
【关键词】风电机组;偏航控制;对风误差;数据处理;相关分析 【作 者】王欣;吴根勇;潘东浩;应有
【作者单位】风力发电系统国家重点实验室,浙江杭州310012;浙江运达风电股份有限公司,浙江杭州310012;风力发电系统国家重点实验室,浙江杭州310012;浙江运达风电股份有限公司,浙江杭州310012;风力发电系统国家重点实验室,浙江杭州310012;浙江运达风电股份有限公司,浙江杭州310012;风力发电系统国家重点实验室,浙江杭州310012;浙江运达风电股份有限公司,浙江杭州310012 【正文语种】中 文 【中图分类】TK83
能源和环境问题已成为当今世界人类面临的首要问题，风能作为可再生能源中最具开发潜力的能源形式，引起了各国政府的高度重视，风电产业在世界范围内迅速发展起来[1]～[3]。近年来，在国家政策的大力支持下我国的风电规模迅速扩大，根据国家能源局发布的全国风电并网运行情况显示，2015年上半年风电新增并网容量为916万千瓦，累计并网容量为10553万千瓦，提前完成了风电“十二五”规划的装机目标。中国风电产业正逐步朝着健康化、正规化、高效化的方向发展。 伴随着风电产业和风电技术的发展，风电机组控制系统也在不断提升和优化，但是国内外研究机构对偏航控制的关注还相对较少，而且仍处在理论研究阶段[4]～[12]。文献[4]提出了一种基于优化卡尔曼滤波算法的风向预测偏航控制器，并通过仿真实验证明该控制器能够在风向变化幅度不大的情况下有效减少偏航动作次数。文献[5]提出了一种模糊PID偏航控制器，将模糊控制与常规PID控制相结合，提高了偏航系统的鲁棒性和控制精度。文献[6]根据激光雷达的测风数据提出了一种基于转速控制的偏航控制策略，实验结果表明，当风速低于额定风速以下时，该方法能够有效减小对风误差。文献[7]借助激光雷达检测叶轮正前方150 m处的风速风向，并根据该数据优化了变桨和偏航控制方案。但是，由于激光雷达测风技术成本较高，在风电机组控制中的应用仍在试验阶段。
目前，在实际应用中风电机组的偏航控制普遍采用设置“偏航容差角”的控制方法。为了避免机舱的频繁动作，当机舱对风误差超过偏航容差角设定值时机组才进行偏航对风。该方法控制精度较低，直接影响了机组的风能利用率。针对这一现状，本文从风电机组的实际运行情况出发，通过机组的历史运行数据对风电机组偏航系统的控制性能进行了评估分析，提出了偏航控制策略的优化方案。
本文选取浙江沿海地区某半岛风电场为研究对象，机位分布情况如图1所示。风电场地貌为东部沿海岛屿山地地貌，安装30台WD77-1500S型机组，单机容量1.5 MW，根据风电场可研报告的统计结果，场区风速主要集中在3～11 m/s风
速段，主导风向为南风、西北风，风向分布呈现明显的季风特点，冬季盛行偏北风，夏季盛行偏南风。
根据本文的研究需要，采集该风电场的历史运行数据保存为数据点表。表1对数据点表信息进行了简要说明。
由于地形及机组布局等因素的影响，风电场内不同机组的输入风速和输出功率均存在不同程度的差异。为提高研究效率，避免重复性计算工作，首先对机组出力性能进行相关分析，选择其中运行情况最为相似的一组机组作为研究对象。
Pearson's相关系数[13]由Karl Pearson在19世纪80年代提出，它从统计学的角度对变量间的线性相关程度进行定量分析，现已被广泛用于统计分析、文本处理、信息抽取等研究领域[14][15]。根据其数学定义，随机变量X，Y的Pearson's相关系数 ρX，Y 的定义为
式中：X，Y 为 n 维向量；μX，μY分别为 X，Y 的平均值；σX，σY分别为 X，Y 的标准差；E 为求解期望值。最终计算出的相关系数 ρX，Y 是一个在[-1，1]内的无量纲数，1表示变量完全正相关，-1表示完全负相关，相关系数的绝对值越大，相关性越强。
根据图1中风电场机位布置情况将所有机位划分为五个区域，分别为 A区（1#-9#）、B区（10#-17#）、C 区（18#-22#）、D 区（23#-26#）、E 区（27#-30#），同一区域内的机组地理位置相近，风况相关性较高。根据风电场可行性研究报告，选择尾流损失最小的1#机组作为实验机组，分别计算A区内其它机组与1#机组的风速及输出功率的Pearson's相关系数，计算结果如图2所示。 由图2可知，2#机组与1#机组的相关性最好，进一步计算1#，2#机组风速和输出功率的Pearson's相关系数的逐月变化情况，如图3所示。可以看出2#机组的风速与输出功率与1#机组在时间上具有持续的高相关性，因此，可选择1#，2#机组作为研究及实验对象。
偏航控制系统是水平轴风力发电机组控制系统的重要组成部分[16]，根据机舱尾部的风向标检测的风向信号进行主动对风控制，工作原理示意图如图4所示。虚线的0°表示风向标0°位置，也认为是机舱位置。对风误差在允许范围[-8°，8°]时，认为是对风状态，系统不偏航。当风向标检测的对风误差超过了允许范围时，系统发出偏航指令。风向在机舱左侧范围内时，发出左偏航指令，风向在机舱右侧范围内时，发出右偏航指令[17]。根据风速大小设置不同的延时时间Td，延时结束后检测当前对风误差，当其恢复到设定范围[-4°，4°]时，结束偏航动作。 分别统计1#机组和2#机组的对风误差概率分布情况，统计结果如图5所示。可以看出，机组的对风误差分布规律大致呈正态分布，对风误差在0°附近的概率值最大，当前的偏航控制策略使得机组对风误差集中分布在[-8°，8°]以内。 根据 2013～2014年的风速数据绘制 1#，2#机组的风速概率分布曲线，并对风速进行bin分割处理，计算每个风速区间内对风误差的均值及标准差，得到对风误差的平均值及标准差随风速的变化曲线，结果如图6所示。
从图 6（b），6（c）可以看出，对风误差的均值和标准差随着风速的增大均呈下降趋势，这是由风资源自身特性决定的：风速越小，风向变化越频繁；相反，风速越大，湍流作用越弱，风向也越稳定。
将切入风速以上的区域划分为4段进行分析：①AB段（风速为3～6 m/s）：该段风速占有25%的分布概率，对风误差平均值及标准差较大，偏航系统控制性能较差。②BC段（风速为6～9m/s）：处在额定风速以下的中间风速段，概率占32%，与Aa段相比对风误差平均值及标准差较小，偏航系统的控制性能有所提升。③CD段（风速为9～12 m/s）：处在额定风速以下的高风速段，概率占27%，对风误差平均值及标准差不再随风速变化，表明偏航控制系统的随动能力已经能够满足风向变化的需求。④D+段（风速大于12 m/s）：风速达到额定风速以上，风向稳定性增强，偏航系统控制性能达到最佳水平。
当前的偏航控制策略按照风速大小设置偏航延时时间 TD：风速小于 7 m/s时，TD=30 s；风速大于等于7 m/s时，TD=120 s。这种控制策略考虑到不同风速下的风向变化特性差异，大风段比小风段的对风动作更加灵敏，但是控制策略本身仍存在以下不足：①忽略了机组间的风况及性能差异，不同机位甚至不同风电场的机组均采用同一控制策略，偏航系统自适应水平很低；②大小风的划分标准过于盲目，缺乏理论依据，可能导致机组在小风速时对风动作频繁，而在大风速时对风失准，影响了偏航控制的精度和机组的疲劳性能。
针对偏航控制策略的上述不足对当前的偏航控制策略进行优化。按照图6中的分区方法将机组的正常运行范围划分成4段，对不同风速段内的控制参数进行单独设定，设置结果如表2所示。值得注意的是，优化后的偏航控制策略在额定风速以上的H控制区参数设置的精度较低，这是由于机组在额定风速以上运行时为保证恒功率输出需启动变桨控制限制风能捕获效率，降低偏航控制的精度有助于减轻变桨负担。
偏航控制策略优化方案的控制流程如图7所示，其中，vL，M1，vM1，M2分别作为控制区 L 与 M1，M1与M2的划分界限。
为了验证4.3节提出的偏航控制优化方案的有效性，于2015年1月1日对1#机组的偏航控制策略进行调整，2#机组仍按照原控制策略运行。截至2015年9月30日，对1#，2#机组历时9个月的运行数据进行分析。
图8为2015年1～9月1#，2#机组的对风误差概率密度分布曲线。根据图8的统计结果，优化后的1#机组与2#机组相比对风误差总体分布更为集中，在[-8 °，8°]内的分布概率更大。
图9进一步对不同风速段的对风误差分布情况进行了分别统计。由图9可以看出，1#机组在3～6 m/s风速段的概率分布较2#机组更分散，但在其它3个风速段的概率分布特性都优于2#机组，对风误差在0°附近的分布也更为集中，可见优化的
偏航控制策略从整体上降低了机组的对风误差。
表3中统计了1#，2#机组2015年1～9月的1 min风向变化总次数以及各风速段内的1 min偏航动作次数。
综合分析图9及表3的统计结果，可得以下结论。
（1）对比表3中1#，2#机组优化后的风向变化次数和偏航总次数可以看出，1#机组，2#机组的风向变化情况基本一致，对应的偏航动作总次数也在同一水平，改进的偏航控制策略没有增加机组的疲劳损伤。
（2）对比1#，2#机组优化后在不同风速段的对风误差分布规律及偏航次数发现，1#机组与2#机组的对风误差分布规律及偏航次数在各风速段的占比均存在差异。具体分析结果如下：
①根据表2中的优化方法，在3～6 m/s风速段，由于增大了1#机组偏航允许误差的范围，使得机组对风向变化的反应变得“迟钝”，偏航动作次数相应下降，机组的对风误差分布变得分散。
②在6～9 m/s风速段，由于减小了1#机组偏航停止误差的范围并缩短了延时时间，提高了机组的对风精度，1#机组的对风误差概率分布较2#机组更集中，但是由于该风速段的风况稳定性较好，偏航动作次数增加幅度不大。
③在9～12 m/s风速段，由于进一步减小了1#机组偏航允许误差、偏航停止误差的范围并缩短了延时时间，使得机组对风向变化的反应变得更为 “敏感”，所以1#机组的对风误差概率分布较2#机组更为集中，偏航动作次数明显增加。 ④在12～25 m/s风速段，由于增大了1#机组偏航允许误差但缩短了延时时间，1#，2#机组的对风误差概率分布较为相似，1#机组的偏航动作次数略有增加。 如图10所示，根据2015年1～9月的运行数据拟合得到1#，2#机组的风功率曲线，并根据1#机组2013年1月～2014年9月的运行数据拟合得到1#机组优化前的风功率曲线。比较3条风功率曲线在不同风速范围内的变化可以看出：风速
小于6 m/s时，3条风功率曲线基本重合，输出性能没有明显差别；风速在6～12 m/s时，由于优化后的偏航控制策略具有更高的控制精度，减小了机组的对风误差，因此优化后1#机组的风功率曲线在相同风速下的输出功率更高，出力性能最好。
为了进一步量化优化效果，对偏航控制策略优化后的年发电量增长率进行初步估算。风电机组的理论年发电量为各风速下（有效风速范围内）的风速小时数乘以该风速对应的风力发电机组输出功率的总和[18]。其计算公式为
式中：AEP为机组的理论年发电量，kWh；T为年累计小时数，h；f（v）为风速的概率密度曲线；P（v）为机组的输出功率曲线；v1，v2分别为机组的切入风速和切出风速。对在[v1，v2]的风速进行离散化处理：f（vi）为风力发电机组在风速vi下的概率密度；P（vi）为风力发电机组在风速vi下的输出功率。 若年风速变化满足图6（a）中1#机组的风速概率分布规律，1#机组优化前后的功率曲线采用图10中的拟合结果，那么理论年发电量增长率为
式中：σAEP为理论年发电量增长率；AEPpre，AEPpost分别为偏航控制策略优化前后1#机组的理论年发电量；Ppre（vi），Ppost（vi）分别为偏航控制策略优化前后1#机组在风速vi下的输出功率。同样参照式（2），（3）的计算方法，计算出 2015 年 1～9 月 1#机组较2#机组的理论年发电量增长率为3.01%。根据该实验结果可知，对于单机容量为1.5 MW的风电机组，采用优化的偏航控制策略能够使机组的年发电量提升约3%左右。
本文首先总结了风电机组偏航控制的相关研究成果，指出了目前的偏航控制在实际应用中的不足。然后选择实际运行的风电场作为研究目标，从历史运行数据出发分析了当前风力发电机偏航系统的控制性能，结合对风误差和风速的分布规律以及对风误差随风速的变化特点，提出了分风速段的偏航控制策略优化方案。最后选择风况条件和运行性能相近的两台机组进行实验验证，结果表明，优化后的偏航控制策
略能够在不增加机组偏航动作次数的前提下有效降低机组的对风误差，提升机组的出力性能。根据估算结果，在偏航控制策略优化后实验机组的理论年发电量增长率在3%左右。
【相关文献】
[1]M H Albadi，E F El-Saadany.Overview of wind power intermittency impacts on power systems[J].Electric Power Systems Research，2009，2986：1-6.
[2]赵云丽，吕泉，朱全胜，等.风电并网后系统备用的相关问题综述[J].可在生能源，2015，33（4）：565-571l.
[2]Zhao Yunli，Lv Quan，Zhu Quansheng，et al.Overview on issues related to reserve capacity by wind power connected to the grid[J].Renewable Energy Resources，2015，33（4）：565-571.
[3]张丽英，叶挺路，辛耀中，等.大规模风电接入电网的相关问题及措施 [J].中国电机工程学报，2010，30（25）：1-9.
[3]Zhang Liying，Ye Tinglu，Xin Yaozhong，et al.Problems and measures of power grid accommodating large scale wind power[J].Proceedings of the CSEE，2010，30（25）：1-9.
[4]Lars Christian，Henriksen.Intelligent control for wind turbine yaw system[J].Wind Energy，2011，5：72-95．
[5]Amir Torabi，Ebrahim Tarsaii.Fuzzy controller used in yaw system of wind turbine noisy[J].Journal of Mathematics and Computer Science，2012（8）：105-112． [6]Lars Christian，Henriksen.Increased power capture by rotor speed-dependent yaw control of wind turbines[J].Journal of Energy Engineering，2013（6）：1107-1115． [7]T Mikkelsen，K Hansen，N Angelou，et al.Lidar wind speed measurements from a rotating spinner[J].Eurpe's Premier Wind Energy Event Warsaw，2012（4）：20-23． [8]李晓燕.兆瓦级风力机偏航控制系统设计研究[D].上海：上海交通大学，2006.
[8]Li Xiaoyan.The design and research of the yaw control system for mw rated wind turbine[D].Shanghai：Shanghai Jiaotong University，2006.
[9]金长生.风力发电机偏航控制系统的研究[D].大连：大连理工大学，2010.
[9]Jin Changsheng.The study of yaw control system of wind turbine[D]. Dalian：Dalian University of Technology，2010.
[10]朱程辉，程小雅，王建平.基于云模型的PIDNN偏航控制系统研究 [J]．计算机测量与控制，2013，21（10）：2700-2703．
[10]Zhu Chenghui，Cheng Xiaoya，Wang Jianping.Yaw control system of PID neural network based on cloud model[J]．Computer Measurement and Control，2013，21（10）：2700-2703．
[11]周文平，唐胜利．水平轴风力机稳定偏航气动性能计算[J]．太阳能学报，2011，32（9）：1315-1318．
[11]Zhou Wenping， Tang Shengli.The aerodynamic performance computation of hawt in steady yaw[J].Acta Energiae Solaris Sinica，2011，32（9）：1315-1318．
[12]朴海国，王志新．风电机组智能模糊偏航矢量控制系统研究[J]．太阳能学报，2009，30（4）：481-487．
[12]Piao Haiguo，Wang Zhixin.Study on inteligence fuzzy yaw vector control system of wind turbine[J].Acta Energiae Solaris Sinica，2009，30（4）：481-487.
[13]Ahlgren P，Jarneving B，Rousseau R.Requirements for a co-citation similarity measure with special reference to Pearson's correlation coefficient[J].Journal of the American Society for Information Science and Technology，2003，54（6）：550-560. [14]Andrew Kusiak，Wenyan Li.Estimation of wind speed：A data-driven
approach[J].JournalofWind Engineering and Industrial Aerodynamics，2010，98：559-567.
[15]J Eggers，R Bauml，R Tzschoppe et al.Scalar costa scheme for information embedding[J].IEEE Trans on signal Processing，2003，51：1003-1019. [16]叶杭冶.风力发电机组的控制技术[M].北京：机械工业出版社，2002.25-36.
[16]Ye Hangye.Control Technology of Wind Turbine[M].Beijing：China Machine Press，2002.25-26.
[17]张东东．基于风向预测的风电机组偏航系统的研究[D]．乌鲁木齐：新疆农业大学，2014. [17]Zhang Dongdong.Study on wind turbine yaw system based on wind direction forecast[D].Urumqi：Xinjiang Agricultural University，2014.
[18]许昌，钟淋涓.风电场规划与设计[M].北京：中国水利水电出版社，2014.80-81. [18]Xu Chang，Zhong Linjuan.Wind Farm Planning and Design[M].Beijing：Water Conservancy and Hydropower Press，2014.80-81.
因篇幅问题不能全部显示，请点此查看更多更全内容