风电机组主控策略优化对实际发电量的影响浅析

来源:用户上传      作者:

　　我国十年前采用的老旧风电机组无论是在技术水平，还是质量水平上，与新机组相比都有很大差距，主要体现为性能差、发电量低。为了使机组在剩余服役期内创造更多的发电效益，改善老旧机组性能，提升机组发电量成为当前受到迫切关注的问题。随着技术不断革新，针对风电场老旧机组的发电量提升可以提供多种有效可行的方案，包括增高塔简、加长叶片以捕获更多的风能，更改机组发电策略提高动态响应等。但是增高塔简与叶片加长方案的工程量、改造投资均较大。相比之下，更改主控控制策略的方案更易于实施。因此，优化主控控制策略成为老旧机组提升发电量、降低成本且显著增加效益的一种可选方案。
　　本文以最优控制与查表法为研究对象，对比分析了相同机型情况下使用此两种控制策略产生实际发电量的差异，同时计算了优化控制策略所提升发电量带来的收益，并通过实际数据证明最优控制算法比查表法控制在发电能力上更优越。在不改变机组其他部件的情况下，对主控算法进行合理优化，增大风能捕获，可以有效改善机组的实际功率曲线，提升机组发电量。
　　最优控制与查表法的差异
　　查表法是基于常规的转速一功率或转速一转矩查表控制方法。控制算法器中的功率或转矩均为固定空气密度下的给定，由于空气密度与环境的气压、温度相关，气压和温度的实时变化会导致功率或转矩的实际给定与最优给定存在一些偏差，从而影响发电效果。而最优控制策略可以有效弥补上述方法的不足。
　　最优控制算法是按照最佳转矩关系式对转速进行控制，使风电机组在各个风速段的转矩平滑变化，不发生跳变，最大限度适应风电机组的机械特性。风电机组在并网转速和额定转速之间运行，通过转矩控制，达到额定转速后转换为恒转速控制。最优控制算法将风电机组的运行状态划分为四个阶段，分别为转速恒定阶段、变转速运行阶段、恒转速运行阶段、恒功率运行阶段。在转速恒定阶段采用转速、转矩最优控制，获取低风速段的最大风能捕获;在变转速运行区域，根据风电场信息，把空气密度、海拔高度等信息输入控制算法，使风电机组能够自动跟踪，实时调整模型增益系数，获得最佳Cp;在高风速阶段，控制桨距角以稳定转速，采用最优控制算法控制转速和转矩，实现恒定转速下的发电控制。
　　最优控制相对查表法控制存在如下优势：
　　（1）最优控制的功率曲线比查表法好。
　　（2）最优控制可以提前达到额定转速，最大限度适应风电机组的机械特性。
　　（3）最优控制保持的最佳叶尖速比的速度范围比查表法更宽。
　　（4）最优控制相对于查表法更容易抑制机组振动，特别是在风况变化比较频繁的情况下。风电机组功率曲线和功率保证值计算方法
　　根据标准《GB/T18451.2-2012风力发电机组功率特性测试》与《IEC61400-12风力发电机组功率特性测试》相关技术标准规定，本文采用的功率曲线分析方法如下：
　　（1）折算发电量为风频分布值与实测功率曲线值的乘积。
　　（2）保证发电量为风频分布值与风电场实际空气密度下保证的功率曲线值的乘积。
　　（3）功率曲线保证值k为折算发电量与保证发电量的比值。
　　（4）风频分布采用Rayleigh分布描述，计算公式如下：
　　式中，AEP为年发电量;Nh为一年总小时数，按照365天计算为8760小时;Ⅳ为区间的数目;Vi为第i个区间规格化后的平均风速;Pi为第i个区间规格化后的平均输出功率。
　　算法优化前后的实际发电量对比
　　兴安盟某风电场使用33台风轮直径为77米的双馈风力发电机组，风电机组控制算法自投产以来至2018年10月一直为查表法;2018年10月，将风电机组发电算法优化为最优控制。根据现场实际统计，对优化前后的半年实际发电量数据进行比较，其风速和发电量数据分别如下：
　　查表法：2018年1月至6月的平均风速为8.02m/s，实际发电量为6346.616万千瓦时，限电损失电量为1309万千瓦时，2018年上半年的有效发电量AEP（查表法实测电量）为实际发电量与限电损失电量之和，即7655.616万千瓦时。
　　最优控制：2019年1月至6月的平均风速为7.21m/s，实际发电量为7536.87万千瓦时，限电损失电量为202万千瓦时，2019年上半年的有效发电量AEP（最优控制实测电量）为实际发电量与限电损失电量之和，即7738.87万千瓦时。
　　由以上数据可以非常直观地看出，2019年上半年相对于2018年上半年的风速下降了0.81m/s，而有效发电量增加了83.254万千瓦时。以理论功率曲线为基准，使用基于Rayleigh分布的年度发电量计算公式，可以计算出标准功率曲线在7.21rn/s风速下的保证发电量：单台机组的年保证发电量为487.138万千瓦时（见表1），通过单台机组的年保证发电量可以计算风电场的半年保证发电量AEP（7.21）为8037.777万千瓦时：标准功率曲线在8.02m/s风速下的保证发电量：单台机组的年保证发电量为561.847万千瓦时（见表2），通过单台机组的年保证发电量可以计算风电场的半年保证发电量AEP（8.02）为9270.5755万千瓦时。用2018年实测发电量粗略计算发电量保证值k（查表法）=AEP（查表法实测电量）/AEP（8.02）×100%，为82.58%;用2019年實测发电量粗略计算发电量保证值k（最优控制）=AEP（最优控制实测电量）/AEP（7.21）×100%，为96.28%，计算结果得出最优控制接近机组的理论保证发电量，发电量提升比例为13.7%。
　　通过以上数据反推计算2018年如果使用最优算法在8.02m/s风速下的实际应发电量AEP（8.02最优应）=AEP（8.02）×k最优控制=8925.71万千瓦时，计算得出在该风速下最优算法比查表法多发电量为AEP（8.02最优应）-AEP（查表法实测电量）=1270.094万千瓦时。同理计算2019年如果使用查表法在7.21m/s风速下的实际应发电量AEP（7.21查表应）=AEP（7.21）×k查表法=6637.596万千瓦时，计算得出在该风速下查表法比最优算法少发电量为AEP（最优控制实测电量）-AEP（7.21查表应）=1101.274万千瓦时。 　　查表及最优控制的功率曲线对比
　　进行主控控制算法优化后，SCADA采集2019年上半年3台标杆风电机组的实际功率曲线与其他任意3台机组的实际功率曲线，其中09#、16#、3 1#风电机组为现场标杆机组。标杆机组采集功率曲线数据见表3，非标杆机组采集功率曲线数据见表4，功率曲线如图1、图2、图3、图4、图5、图6所示（蓝色曲线为理论功率曲线，红色为最优控制算法SCADA导出的实际功率曲线，绿色为查表法SCADA导出的实际功率曲线）。通过绘制的功率曲线可以看出，查表法SCADA导出的实际功率曲线低于理论功率曲线，最优控制SCADA导出的实际功率曲线高于理论功率曲线，功率曲线提升明显。
　　通过SCADA采集的实际功率曲线计算查表法与最优控制在7.21m/s与8.02m/s风速下的保证发电量。由于现场机组均存在个体差异，因此，各台机组采集的功率曲线数据不能完全一致，现场80%机组采集的功率曲线与标杆机组09#、16#机组采集的功率曲线图形相近，因此，以下使用16#标杆风电机组的数据进行计算。使用基于Rayleigh分布的年度发电量计算公式，可以计算出查表法的功率曲线在7.21m/s风速下的保证发电量：单台机组的年保证发电量为421.318万千瓦时（见表5），通过单台机组的年保证发电量可以计算风电场的半年保证发电量AEP（查表曲线7.21）为6951.747万千瓦时。
　　标准功率曲线在8.02m/s风速下的保证发电量：单台机组的年保证发电量为494.732万千瓦时（见表6），通过单台机组的年保证发电量可以计算风电场的半年保证发电量AEP（查表曲线8.02）为8 163.078万千瓦时。
　　计算功率曲线保证值k（查表7.21）=AEP（查表曲线7.21）/AEP（7.21）×100%=86.49%，功率曲线保证值k（查表8.02）=AEP（查表曲线8.02）/AEP（8.02）×100%=88.05%。
　　使用基于Rayleigh分布的年度发电量计算公式，可以计算出最优控制的功率曲线在7.21m/s风速下的保证发电量：单台机组的年保证发电量为540.513万千瓦时（见表7），通过单台机组的年保证发电量可以计算风电场的半年保证发电量AEP（最优控制7.21）为8918.4645万千瓦时。
　　标准功率曲线在8.02m/s风速下的保证发电量：单台机组的年保证发电量为615.914万千瓦时（见表8），通过单台机组的年保证发电量可以计算风电场的半年保证发电量AEP（最优控制8.02）为10162.581万千瓦时。
　　计算功率曲线保证值k（最优7.21）=AEP（最优控制7.21）/AEP（7.21）×100%=110.96%，功率曲线保证值k（最优8.02）=AEP（最优控制8.02）/AEP（8.02）×100%=109.62%。
　　通過以上数据可以看出，在7.21m/s风速下最优控制比查表法的功率曲线保证发电量AEP提升了24.47%，在8.02m/s风速下最优控制比查表法的功率曲线保证发电量AEP提升了21.57%，功率曲线提升效果明显。
　　机组实际与保证发电量对比分析
　　将查表法替换为最优控制后，实际发电量计算结果表明提升发电量比例为13.7%，使用功率曲线计算出来的保证发电量提升比例超过20%，其原因为后者是机组在无故障停机及无维护检查情况下的发电量，而风电机组实际运行存在一定的故障比例与一定的维护检修时间，包括升压站设备停电检修试验等因素均影响机组的实际发电量，因此，机组实际发电量低于理论发电量。而根据上述数据可以得出，在7.21m/s风速下保证发电量提升的比例比8.02m/s风速下保证发电量提升比例高出约3%，可以得出同一功率曲线在不同风速条件下的提升比例也不同，其主要原因为计算公式中风频分布有所不同。
　　优化后的收益分析
　　因本文所述风电场机组原有PLC硬件不支持程序拓展，需要整套更换机组PLC并更新控制程序，同时更换配套的HMl人机操作界面，更换SCADA监控、AGC、AVC服务器与相关软件等，单机投入成本约12万元，总投入约396万元。
　　该风电场2010年开始建设，上网电价为0.54元/千瓦时，2018年12月底完成改造，按照机组设计寿命为20年，机组改造完成后剩余使用寿命为11年。根据上述数据计算两种风况下两种方法在半年时间内发电量差异，在8.02m/s风速下最优算法比查表法的多发电量为1270.094万千瓦时，增加收益685.85万元，平均每月增加收益约114万元在7.21m/s风速下最优算法比查表法的多发电量为1101.274万千瓦时，增加收益594.69万元，平均每月增加收益约99万元，因此，仅需约4个月时间便可以收回投入的改造成本。
　　同理可以计算出剩余11年最优算法相比查表法的发电量增加总值，按照7.21m/s风速计算，11年最优算法比查表法的多发电量总值为24228.028万千瓦时，增加收益13083.135万元：按照8.02m/s风速计算，11年最优算法比查表法的多发电量总值为27942.068万千瓦时，增加收益15088.717万元，收益可观。
　　结语
　　本文结合某风电场的实际发电、限电和实际采集的功率曲线等数据，简单介绍了最优算法与查表法对实际发电量的影响。通过对实际查表法采集的功率曲线、最优算法采集的功率曲线以及理论设计功率曲线进行简单分析和实际验证，证明最优控制比查表法控制发电能力高。依照文本的结论，通过改变老旧机组的发电控制算法可以有效提升风电场的发电量，且投入相对较少，收益可观，对于运行时间较长风电场的提质增效具有很好的借鉴意义。
转载注明来源:https://www.xzbu.com/1/view-15103590.htm