風(fēng)電場風(fēng)參數(shù)感知方法現(xiàn)狀與展望

沈小軍， 周沖成， 付雪姣， 雷川麗

(1. 同濟(jì)大學(xué) 電子與信息工程學(xué)院， 上海 201804； 2. 國網(wǎng)湖南省經(jīng)濟(jì)技術(shù)研究院， 湖南 長沙 410004)

隨著風(fēng)電技術(shù)的不斷發(fā)展，風(fēng)能的高效利用和風(fēng)電場的智能化運(yùn)行已經(jīng)成為風(fēng)力發(fā)電的研究熱點(diǎn), 對風(fēng)能的利用率提出了進(jìn)一步提升的要求[1].風(fēng)速的精準(zhǔn)感知不僅有利于風(fēng)機(jī)發(fā)電的最大風(fēng)能跟蹤，而且還能為風(fēng)電機(jī)組的變槳距控制提供可靠的控制參數(shù)，對于降低風(fēng)機(jī)的疲勞載荷和極限載荷具有重要意義[2-4].準(zhǔn)確地獲取風(fēng)向可降低風(fēng)電機(jī)組偏航系統(tǒng)的誤動作次數(shù)，在提高風(fēng)能捕獲效率的同時，實(shí)現(xiàn)風(fēng)電機(jī)組運(yùn)行安全性和風(fēng)機(jī)壽命的延伸[5-7].風(fēng)密度是決定風(fēng)電機(jī)組的實(shí)際功率曲線的主要因素之一，對風(fēng)電機(jī)組發(fā)電控制性能優(yōu)化具有重要意義[8-9].可見，精確、全面、高效經(jīng)濟(jì)的風(fēng)參數(shù)感知不僅有利于提升風(fēng)電場的發(fā)電經(jīng)濟(jì)效益，而且對提高風(fēng)電機(jī)組的運(yùn)行安全和控制性能具有重要的意義.

風(fēng)能固有的隨機(jī)波動性、間歇性、矢量多變性等特征仍是風(fēng)力發(fā)電優(yōu)化控制和并網(wǎng)面臨的主要挑戰(zhàn).理論上，超前預(yù)知風(fēng)速、風(fēng)向、風(fēng)密度等參數(shù)可為解決該難題提供強(qiáng)有力的技術(shù)方案，超前一定時間裕度的風(fēng)參數(shù)預(yù)測不僅能降低風(fēng)能的未知性給風(fēng)力發(fā)電系統(tǒng)帶來的風(fēng)險，在提高風(fēng)能利用率增加風(fēng)力發(fā)電效益的同時，還能為風(fēng)機(jī)控制性能的提升拓展空間[10].比如分鐘級時間裕度的風(fēng)參數(shù)前瞻預(yù)測能實(shí)現(xiàn)風(fēng)機(jī)的偏航預(yù)判、變槳及發(fā)電的前饋控制；數(shù)小時及數(shù)天級時間尺度下的風(fēng)參數(shù)預(yù)知可為風(fēng)電場輸出功率預(yù)測和并網(wǎng)調(diào)度計(jì)劃提供指導(dǎo).顯然，精確高效的風(fēng)參數(shù)感知預(yù)測技術(shù)對風(fēng)電機(jī)組的智能優(yōu)化控制及并網(wǎng)調(diào)度具有重要的指導(dǎo)意義和工程應(yīng)用價值.

本文從風(fēng)參數(shù)實(shí)測感知和風(fēng)參數(shù)預(yù)測感知技術(shù)兩條技術(shù)路線分別概述了當(dāng)前風(fēng)電場風(fēng)參數(shù)感知技術(shù)，并從全面性、準(zhǔn)確性以及經(jīng)濟(jì)性角度討論傳統(tǒng)風(fēng)參數(shù)感知技術(shù)的特點(diǎn)及其局限性，提出并討論了風(fēng)電機(jī)組機(jī)群數(shù)據(jù)共享關(guān)聯(lián)下風(fēng)參數(shù)的復(fù)合感知新方法的技術(shù)路線及需解決的關(guān)鍵問題，為風(fēng)電場風(fēng)參數(shù)感知技術(shù)的發(fā)展提供參考.

1 風(fēng)參數(shù)實(shí)測感知方法

目前風(fēng)參數(shù)感知存在實(shí)測感知和預(yù)測感知兩條技術(shù)路線，在風(fēng)參數(shù)實(shí)測感知方面，又包含風(fēng)電機(jī)組風(fēng)速風(fēng)向儀實(shí)測和激光雷達(dá)感測兩種主要形式.

1.1 基于機(jī)艙風(fēng)速風(fēng)向儀的風(fēng)參數(shù)實(shí)測感知

根據(jù)工作原理，機(jī)艙風(fēng)速風(fēng)向儀可分為機(jī)械式和超聲波式，如圖1所示.其中常見的機(jī)艙式機(jī)械風(fēng)速風(fēng)向儀主要由風(fēng)向標(biāo)和風(fēng)杯式風(fēng)速儀構(gòu)成[11].

a 機(jī)械型b 超聲波型

圖1機(jī)艙式風(fēng)速風(fēng)向儀實(shí)物示意

Fig.1Windspeedandwinddirectioninstrumentrepresentationpicturefixedonwindturbinenacelle

風(fēng)速測量是利用一個低慣性的風(fēng)杯部件作為感應(yīng)部件，在水平風(fēng)力的驅(qū)動下風(fēng)杯旋轉(zhuǎn)，由霍爾磁敏元件即可計(jì)算出風(fēng)速；風(fēng)向測量是利用一個低慣性的風(fēng)向標(biāo)部件隨風(fēng)旋轉(zhuǎn)，帶動轉(zhuǎn)軸下端的風(fēng)向碼盤，通過信號發(fā)生裝置推算出實(shí)時風(fēng)向.機(jī)械旋轉(zhuǎn)式風(fēng)速風(fēng)向儀的結(jié)構(gòu)簡單、價格低廉，是目前風(fēng)電場風(fēng)速、風(fēng)向測量的主要工具.但由于機(jī)械結(jié)構(gòu)存在慣性延遲，在低風(fēng)速(微風(fēng))時不工作，只能測量較高風(fēng)速，所以測量精度不高，且存在磨損損耗，易受風(fēng)沙、冰凍雨雪干擾，壽命較低.

超聲波式風(fēng)速風(fēng)向儀工作原理是利用超聲波時差法來實(shí)現(xiàn)風(fēng)速的測量[12].超聲波在風(fēng)電場中傳播速度受風(fēng)速的影響，監(jiān)測不同角度超聲波返回值，通過計(jì)算得到精確的風(fēng)速和風(fēng)向.超聲波式測量精度較高，一般風(fēng)速誤差為1 m·s-1，另外可測量瞬時脈動風(fēng)速且不受風(fēng)速大小影響.相比傳統(tǒng)機(jī)械式風(fēng)速風(fēng)向儀，超聲波式風(fēng)速風(fēng)向儀無摩擦損耗帶來的系列缺點(diǎn)，但成本高昂，同時易受惡劣天氣影響.超聲波式風(fēng)速風(fēng)向儀在現(xiàn)場得到了部分應(yīng)用.

基于機(jī)艙風(fēng)速風(fēng)向儀的風(fēng)參數(shù)感知技術(shù)簡單可靠，并且獲取的是實(shí)測數(shù)據(jù)，因而不用考慮風(fēng)電場域內(nèi)風(fēng)機(jī)間復(fù)雜的尾流效應(yīng)和復(fù)雜地形帶來的湍流效應(yīng).然而，風(fēng)速風(fēng)向儀測量精度低和測量時間滯后等問題限制了風(fēng)力發(fā)電機(jī)變槳、發(fā)電、偏航控制性能的進(jìn)一步提升.在風(fēng)機(jī)的變槳距控制中，由于風(fēng)速測量精度較低，會影響槳距角控制產(chǎn)生較大偏差，從而增加風(fēng)電機(jī)組的疲勞載荷和極限載荷的風(fēng)險；在風(fēng)力機(jī)的發(fā)電控制中，機(jī)艙式風(fēng)速風(fēng)向儀實(shí)測感知技術(shù)沒有提供風(fēng)密度參數(shù)，加之風(fēng)速測量精度的影響，使得風(fēng)力發(fā)電系統(tǒng)不能實(shí)現(xiàn)最大風(fēng)能跟蹤，風(fēng)能利用率有待提高；再者，風(fēng)向?qū)崪y值的準(zhǔn)確性和時間上的滯后性不能為偏航系統(tǒng)提供準(zhǔn)確的偏航指導(dǎo)，影響了偏航系統(tǒng)動作的有效性和風(fēng)電機(jī)組運(yùn)行的安全性.

1.2 基于機(jī)艙激光雷達(dá)的風(fēng)參數(shù)感測

為克服傳統(tǒng)風(fēng)電機(jī)組風(fēng)速風(fēng)向儀存在風(fēng)參數(shù)實(shí)測精度低、易受風(fēng)沙雨雪影響、測量參數(shù)不全面、不能提供超前時間的預(yù)測信息等問題，近年來不少學(xué)者嘗試將激光雷達(dá)感測技術(shù)應(yīng)用于風(fēng)電機(jī)組風(fēng)參數(shù)感知獲取.所謂激光雷達(dá)感測技術(shù)(light detection and ranging，LIDAR)是指采用先進(jìn)的無線遙感技術(shù)，通過探測激光與被探測無相互作用的光波信號來遙感測量風(fēng)速風(fēng)向[13].激光雷達(dá)安裝位置在風(fēng)電機(jī)艙上，與渦輪軸軸對齊，如圖2所示.圖2中d為風(fēng)電機(jī)組葉片直徑.

圖2 機(jī)艙式激光雷達(dá)測風(fēng)示意圖

當(dāng)渦輪機(jī)轉(zhuǎn)動時，激光雷達(dá)在轉(zhuǎn)子平面楔掃描風(fēng)場上游的區(qū)域，掃描的角度一般為15°，在風(fēng)機(jī)葉片前方50～100 m的區(qū)域循環(huán)掃描，聚集的激光雷達(dá)形成30°角2/3葉片半徑的半錐性區(qū)域.相對于激光雷達(dá)的固定位置和方位角，從激光雷達(dá)的旋轉(zhuǎn)楔形掃描器中計(jì)算出所記錄的風(fēng)速風(fēng)向信息.激光雷達(dá)在風(fēng)參數(shù)測量應(yīng)用方面取得了很好地效果，能為風(fēng)電機(jī)組提供前方50～100 m的風(fēng)速、風(fēng)向10 s內(nèi)的預(yù)測數(shù)據(jù).

風(fēng)電機(jī)艙的激光雷達(dá)感測精度高，風(fēng)速測量誤差最大不超過3%[13]；在風(fēng)參數(shù)獲取的時間尺度方面，激光雷達(dá)可提前10 s獲取即將傳播到達(dá)風(fēng)能的風(fēng)速、風(fēng)向信息，能為風(fēng)力發(fā)電控制提供超短時間的預(yù)測參數(shù)，吸引了大量專家學(xué)者對風(fēng)力發(fā)電前饋控制領(lǐng)域的探索[14-15].

激光雷達(dá)感測技術(shù)在風(fēng)速、風(fēng)向的超短時前瞻預(yù)測獲取上具有顯著優(yōu)勢，為實(shí)現(xiàn)風(fēng)力發(fā)電前饋控制奠定了基礎(chǔ).但是激光雷達(dá)屬于精密儀器，價格高昂，不適合廣泛應(yīng)用于大型風(fēng)電場中.并且，激光雷達(dá)前饋風(fēng)參數(shù)感知是建立在湍流凍結(jié)假設(shè)的基礎(chǔ)上，對風(fēng)機(jī)前方的湍流效應(yīng)和尾流效應(yīng)考慮不足；另外，現(xiàn)有的激光雷達(dá)測風(fēng)技術(shù)在低頻段效果較好，雷達(dá)觀測信號通過低通濾波，風(fēng)力發(fā)電機(jī)控制器只在風(fēng)電場風(fēng)向低頻變化時響應(yīng)，對風(fēng)速風(fēng)向突變的情況假設(shè)過于理想化，需要建立風(fēng)電場關(guān)聯(lián)模型，已有學(xué)者開展了相關(guān)探索研究[16].

2 風(fēng)參數(shù)預(yù)測感知方法

風(fēng)參數(shù)實(shí)測感知方法是運(yùn)用測量技術(shù)和先進(jìn)探測技術(shù)來獲取風(fēng)速、風(fēng)向等參數(shù).以統(tǒng)計(jì)分析為基礎(chǔ)，通過預(yù)測模型實(shí)現(xiàn)風(fēng)參數(shù)的預(yù)測獲取，是風(fēng)參數(shù)獲取的另一重要手段.風(fēng)速、風(fēng)向的實(shí)測感知技術(shù)為風(fēng)電機(jī)組提供了控制參數(shù)，但在精度和時間尺度上與要求日益嚴(yán)格的風(fēng)電預(yù)測和并網(wǎng)要求不相匹配.

隨著計(jì)算機(jī)技術(shù)和人工智能的不斷發(fā)展，對風(fēng)電場風(fēng)參數(shù)行為的預(yù)測是國內(nèi)外專家學(xué)者研究的焦點(diǎn)和熱點(diǎn).文獻(xiàn)資料檢索分析結(jié)果表明，當(dāng)前國內(nèi)外研究重點(diǎn)主要是風(fēng)速、風(fēng)電場輸出功率預(yù)測.風(fēng)參數(shù)的預(yù)測感知研究可分為統(tǒng)計(jì)學(xué)方法[17-21]和智能算法兩條技術(shù)路線[22-28].其中，統(tǒng)計(jì)學(xué)方法通過對歷史運(yùn)行數(shù)據(jù)的統(tǒng)計(jì)分析，建立實(shí)際值與預(yù)測值之間的映射關(guān)系，典型的方法有最小二乘法、自回歸滑動平均模型(auto-regressive and moving average model，ARMA)、時間序列法、小波分析法等；智能算法以大量的風(fēng)電場運(yùn)行數(shù)據(jù)為研究對象，通過模擬生物學(xué)或智能進(jìn)化對數(shù)據(jù)集進(jìn)行訓(xùn)練學(xué)習(xí)，達(dá)到風(fēng)參數(shù)預(yù)測的目的，方法主要有神經(jīng)網(wǎng)絡(luò)法(artificial neural network，ANN)、支持向量機(jī)(support vector machine，SVM)、卡爾曼濾波法等.

近年來，隨著大數(shù)據(jù)和數(shù)據(jù)挖掘技術(shù)的發(fā)展，利用風(fēng)電場之間空間相關(guān)性進(jìn)行風(fēng)速、風(fēng)功率預(yù)測為風(fēng)參數(shù)預(yù)測感知打開了新思路[29-32].空間相關(guān)性方法采用來自不同空間位置風(fēng)電場的多組歷史運(yùn)行數(shù)據(jù)，考慮地理空間(風(fēng)機(jī)排布，拓?fù)浣Y(jié)構(gòu)等)、環(huán)境條件(如氣壓、溫度等)、物理影響(尾流效應(yīng)、風(fēng)電場地形、粗糙度)等因素，挖掘風(fēng)電機(jī)組之間在不同時滯下的風(fēng)速相關(guān)性，建立基于空間相關(guān)性的關(guān)聯(lián)預(yù)測模型，實(shí)現(xiàn)風(fēng)速預(yù)測.

利用統(tǒng)計(jì)學(xué)方法和智能算法進(jìn)行風(fēng)參數(shù)預(yù)測，可獲取滿足風(fēng)力發(fā)電優(yōu)化控制和電網(wǎng)調(diào)度需求的預(yù)測風(fēng)速、風(fēng)功率參數(shù)，對提高發(fā)電經(jīng)濟(jì)效益、降低風(fēng)電波動性、提升風(fēng)電并網(wǎng)的安全性和友好性具有重要的積極影響，在面向風(fēng)電并網(wǎng)調(diào)度和風(fēng)功率預(yù)測應(yīng)用中已取得了很好的效果.但上述方法仍存在著諸多不足：目前，風(fēng)參數(shù)預(yù)測感知主要對象為風(fēng)電機(jī)組的風(fēng)速、風(fēng)功率預(yù)測，由于風(fēng)向的隨機(jī)變化和風(fēng)密度的測取難度大，對于風(fēng)向、風(fēng)密度的預(yù)測研究鮮有開展；預(yù)測模型不夠精確導(dǎo)致風(fēng)參數(shù)預(yù)測誤差大，誤差可達(dá)到25%～40%，預(yù)測時間尺度多為超短時(0～4 h)和短時(3 d)，時間分辨率為15 min，對風(fēng)電機(jī)組智能控制指導(dǎo)意義有限；智能算法存在模型復(fù)雜計(jì)算量過大、神經(jīng)網(wǎng)絡(luò)存在著最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)難以確定和過度擬合等問題，會耗費(fèi)大量的訓(xùn)練時間和內(nèi)存，影響風(fēng)電參數(shù)預(yù)測的時效性和風(fēng)力發(fā)電的控制性能.

基于空間相關(guān)性的預(yù)測方法當(dāng)前研究主要聚焦于鄰近風(fēng)電場之間風(fēng)速及風(fēng)功率在空間上的關(guān)聯(lián)關(guān)系，由若干已知區(qū)域的風(fēng)速、功率值推算預(yù)測關(guān)聯(lián)位置的未知風(fēng)參數(shù)值，即可應(yīng)用于單個風(fēng)電場內(nèi)，提高風(fēng)電預(yù)測的精度，也可應(yīng)用于研究風(fēng)電等效容量對電力系統(tǒng)可靠性的影響[31]，提升大規(guī)模風(fēng)電并網(wǎng)的安全性，在風(fēng)參數(shù)預(yù)測方面具有優(yōu)勢和應(yīng)用前景.當(dāng)然，空間相關(guān)性預(yù)測方法也會受到風(fēng)速瞬變、風(fēng)向動態(tài)變化的影響.另外，利用空間相關(guān)性方法還應(yīng)注意其在不同的地形和粗糙度上的空間特征、不同季節(jié)和時辰的時間特征以及不同溫度氣壓等氣象條件下的外部特征[32].

3 討論與展望

3.1 傳統(tǒng)風(fēng)參數(shù)感知方法對比分析

風(fēng)速、風(fēng)向、風(fēng)密度等參數(shù)的精確感知和預(yù)測對提高風(fēng)能利用率、降低風(fēng)電機(jī)組疲勞載荷、優(yōu)化風(fēng)力發(fā)電控制具有重要意義.實(shí)測感知和預(yù)測獲取是當(dāng)前風(fēng)參數(shù)感知的主要技術(shù)路線，從風(fēng)參數(shù)感知的全面性、精確性、經(jīng)濟(jì)性、時間尺度以及應(yīng)用模式等維度的比較分析結(jié)果如表1所示.

表1 不同風(fēng)參數(shù)感知技術(shù)性能對比

(1) 風(fēng)機(jī)風(fēng)速風(fēng)向儀的實(shí)測技術(shù)簡單實(shí)用，技術(shù)經(jīng)濟(jì)性較好，支持風(fēng)電機(jī)組的反饋控制，已廣泛應(yīng)用于風(fēng)電機(jī)組的風(fēng)速、風(fēng)向量測中,是當(dāng)前面向風(fēng)電機(jī)組控制絕對主要的風(fēng)參數(shù)感知方法；但其測量精度不高，不能為風(fēng)電機(jī)組控制提供超前風(fēng)參數(shù)信息.風(fēng)電機(jī)艙激光雷達(dá)感知技術(shù)精確性高，可提供10 s內(nèi)的風(fēng)速、風(fēng)向超前信息，為風(fēng)力發(fā)電的前饋控制奠定了基礎(chǔ)；但其價格昂貴，投資成本大，當(dāng)前主要應(yīng)用在風(fēng)參數(shù)和風(fēng)電機(jī)組功率曲線校核上，僅在少量的風(fēng)電機(jī)組上得到了示范應(yīng)用，尚不具備每個風(fēng)電機(jī)組均安裝應(yīng)用的技術(shù)經(jīng)濟(jì)性.另外，受當(dāng)前的激光雷達(dá)性能參數(shù)的限制，風(fēng)電機(jī)艙激光雷達(dá)感知技術(shù)對于風(fēng)電機(jī)組的偏航控制優(yōu)化效果有限.傳統(tǒng)實(shí)測感知技術(shù)不能提供面向風(fēng)力發(fā)電并網(wǎng)調(diào)度時間尺度需求的風(fēng)速/風(fēng)功率參數(shù).

(2) 風(fēng)參數(shù)預(yù)測感知技術(shù)硬件投入少，經(jīng)濟(jì)性好，可為風(fēng)電并網(wǎng)調(diào)度提供風(fēng)速風(fēng)功率預(yù)測，已經(jīng)成為風(fēng)電安全并網(wǎng)運(yùn)行的重要支撐技術(shù)手段；但其預(yù)測誤差受模型的影響較大，提高預(yù)測精度仍是該方法面臨的主要挑戰(zhàn).現(xiàn)有的風(fēng)參數(shù)預(yù)測感知技術(shù)尚不具備面向風(fēng)電機(jī)組發(fā)電、偏航、變槳優(yōu)化控制的預(yù)測時間尺度能力.

(3) 傳統(tǒng)風(fēng)參數(shù)感知方法都沒有實(shí)現(xiàn)風(fēng)密度的感測，風(fēng)密度直接影響著風(fēng)機(jī)的風(fēng)功率曲線和風(fēng)力發(fā)電的優(yōu)化控制，需要予以重視和研究.由于地理?xiàng)l件和環(huán)境的影響，風(fēng)電場域內(nèi)空氣密度有較大差異，會直接影響風(fēng)電機(jī)組的功率曲線和輸出功率.理論上，根據(jù)溫度、氣壓理論上可計(jì)算出實(shí)時空氣密度，但運(yùn)算的誤差放大效應(yīng)會使風(fēng)密度的理論計(jì)算值與實(shí)際值存在較大誤差，不適合工程實(shí)際應(yīng)用.工程應(yīng)用中，多采用標(biāo)準(zhǔn)空氣密度核算，風(fēng)機(jī)的實(shí)際功率曲線與標(biāo)準(zhǔn)空氣密度會存在較大差異，導(dǎo)致風(fēng)機(jī)偏離最優(yōu)化控制.

(4) 目前，風(fēng)參數(shù)感知的技術(shù)路線主要分為實(shí)時觀測和預(yù)測，單一的測風(fēng)感知技術(shù)應(yīng)用會存在信息滯后和誤差較大的問題；通過不同技術(shù)之間的優(yōu)勢互補(bǔ)，在風(fēng)電場場域內(nèi)實(shí)現(xiàn)多種測風(fēng)技術(shù)的復(fù)合應(yīng)用是未來風(fēng)參數(shù)感知的趨勢.理論上，不同的感知技術(shù)組合應(yīng)用，可實(shí)現(xiàn)實(shí)測、預(yù)測風(fēng)參數(shù)之間的相互校驗(yàn)修正，輸出更精確的不同時間尺度的風(fēng)參數(shù)時間序列，以滿足不同功能應(yīng)用需求.

根據(jù)風(fēng)電場風(fēng)參數(shù)的工程應(yīng)用功能，風(fēng)電場風(fēng)參數(shù)感知應(yīng)用可分為風(fēng)電機(jī)組行為控制和風(fēng)電場并網(wǎng)調(diào)度，不同的應(yīng)用對風(fēng)參數(shù)的類別、精度及時間尺度需求存在差異性.面向風(fēng)電場并網(wǎng)調(diào)度的風(fēng)速/風(fēng)功率感知技術(shù)的發(fā)展趨勢及關(guān)鍵技術(shù)的研究討論開展得較多，面向風(fēng)電機(jī)組行為控制的風(fēng)參數(shù)感知技術(shù)討論開展得不多.隨著風(fēng)電的快速發(fā)展和風(fēng)電并網(wǎng)裝機(jī)容量不斷擴(kuò)大，風(fēng)電機(jī)組運(yùn)行的優(yōu)化控制和風(fēng)能的高效利用已逐漸成為風(fēng)力發(fā)電研究的重點(diǎn).風(fēng)速、風(fēng)向、風(fēng)密度的精確預(yù)測可為風(fēng)電機(jī)組優(yōu)化控制提供超前一定時間裕度的風(fēng)參數(shù)數(shù)據(jù)，對提升風(fēng)電機(jī)組的控制性能和風(fēng)電場風(fēng)能利用率具有重要的理論意義和工程應(yīng)用價值.比如為風(fēng)電機(jī)組發(fā)電控制方面提供秒級的風(fēng)速、風(fēng)密度參數(shù)預(yù)測，可有效提升發(fā)電量；為風(fēng)電機(jī)組偏航控制提供分鐘級的風(fēng)速、風(fēng)向參數(shù)預(yù)測，并結(jié)合實(shí)測風(fēng)向數(shù)據(jù)進(jìn)行偏航校驗(yàn)修正，可提升偏航動作的有效性及風(fēng)能利用率；為風(fēng)電機(jī)組的變槳控制提供秒級的可靠風(fēng)速、風(fēng)向預(yù)測，可有效降低風(fēng)電機(jī)組疲勞載荷.

3.2 “實(shí)測-共享-關(guān)聯(lián)-預(yù)測-校驗(yàn)”風(fēng)參數(shù)復(fù)合感知新方法探討

相關(guān)研究表明，風(fēng)能除具有隨機(jī)波動性外，還具有傳播路徑空間上的時延性.風(fēng)在通過風(fēng)電機(jī)組風(fēng)輪后速度會下降，存在“尾流效應(yīng)”，需要經(jīng)過一定的空間距離才能恢復(fù).工程上為減少尾流效應(yīng)帶來的風(fēng)能衰減，兼顧場區(qū)集電線纜等敷設(shè)及用地成本，在主風(fēng)向上，風(fēng)電機(jī)組的空間地理距離典型值為8～10倍的機(jī)組風(fēng)輪直徑，典型距離為500～800 m之間.統(tǒng)計(jì)表明，實(shí)際風(fēng)場90%以上時間風(fēng)速小于12 m·s-1，那么對于12 m·s-1以下的風(fēng)，比如10 m·s-1的風(fēng)，從上風(fēng)位傳到下梯次風(fēng)位時間將不小于50 s(對應(yīng)500 m 的行距)，在時間尺度上可很好匹配與風(fēng)電機(jī)組偏航、變槳、及發(fā)電控制的響應(yīng)時間.因此，在預(yù)測感知時間尺度上完全滿足風(fēng)電機(jī)組的優(yōu)化控制要求.

再者，風(fēng)電機(jī)組上均裝有風(fēng)速、風(fēng)向傳感器，在風(fēng)電場的空間上形成的廣域密集型分布式傳感器陣列.傳感器在網(wǎng)絡(luò)內(nèi)進(jìn)行信息交互，可實(shí)現(xiàn)風(fēng)電機(jī)組間風(fēng)參數(shù)數(shù)據(jù)的機(jī)群共享.風(fēng)電場風(fēng)電機(jī)組通過光纖與風(fēng)電場控制中心直接連接在一起，形成了“風(fēng)參數(shù)機(jī)聯(lián)網(wǎng)”.基于光纖通信，控制室與各個風(fēng)機(jī)的信息交互時間為毫秒級，相對于風(fēng)傳播時間可忽略不計(jì).可見，風(fēng)電場域內(nèi)實(shí)現(xiàn)機(jī)聯(lián)網(wǎng)信息共享的基礎(chǔ)條件突出、投資成本低、經(jīng)濟(jì)性好，具備從單機(jī)獨(dú)立就地測風(fēng)應(yīng)用到機(jī)群多地空間測風(fēng)共享應(yīng)用的物理硬件可行性.

圖3所示是同一方向上兩臺鄰近風(fēng)電機(jī)組的風(fēng)速二元概率密度圖.

圖3 風(fēng)速二元密度函數(shù)圖

由圖3可知，兩臺機(jī)組風(fēng)速分布主要集中趨向于45°對角線上，通過Pearson線性相關(guān)系數(shù)量化測度分析，兩臺風(fēng)電機(jī)組的相關(guān)系數(shù)達(dá)到了0.94.可見，風(fēng)電場中同一風(fēng)向上相鄰風(fēng)電機(jī)組的風(fēng)速具有顯著的相關(guān)性特征，可有效地提高風(fēng)參數(shù)預(yù)測的精度.相關(guān)學(xué)者的研究表明預(yù)測精度可提高10%以上[30].

文獻(xiàn)查閱表明，已經(jīng)有學(xué)者關(guān)注到風(fēng)電機(jī)組之間的風(fēng)向相關(guān)性[31].筆者統(tǒng)計(jì)分析了風(fēng)速相關(guān)性較強(qiáng)風(fēng)電機(jī)組之間的風(fēng)向相關(guān)特性，繪制了風(fēng)向二元頻率直方圖，如圖4所示，其風(fēng)向相關(guān)系數(shù)可達(dá)0.86，顯然風(fēng)速相關(guān)性較強(qiáng)的風(fēng)電機(jī)組在風(fēng)向上一般也存在較強(qiáng)的相關(guān)性.

圖4 風(fēng)向二元頻率直方圖

由此可見，風(fēng)能傳輸存在的時延性，滿足風(fēng)力發(fā)電變槳、偏航控制、發(fā)電控制的時間尺度要求；在地域上，風(fēng)電場內(nèi)風(fēng)機(jī)上的傳感器形成了風(fēng)參數(shù)密集型分布式傳感器陣列，為風(fēng)電機(jī)組間的信息交互共享提供天然平臺；在通信上，全場域分布的光纖通信網(wǎng)絡(luò)，既保證了風(fēng)電機(jī)組風(fēng)參數(shù)獲取的時效性，又能準(zhǔn)確地將大量的風(fēng)電數(shù)據(jù)傳輸至控制中心；風(fēng)電機(jī)組風(fēng)參數(shù)的大數(shù)據(jù)分析表明，風(fēng)電場域內(nèi)地理位置相鄰和主導(dǎo)風(fēng)向上的風(fēng)機(jī)之間存在顯著地風(fēng)速、風(fēng)向相關(guān)特征.可見,以風(fēng)電場的機(jī)聯(lián)網(wǎng)信息交互共享機(jī)制為基礎(chǔ)，考慮風(fēng)電機(jī)組之間存在的風(fēng)速、風(fēng)向相關(guān)性特征，采用關(guān)聯(lián)分組的預(yù)測模型，根據(jù)上游風(fēng)機(jī)位實(shí)測，下游風(fēng)機(jī)位“事前預(yù)測、事中修正”的思想，構(gòu)建如圖5所示的“實(shí)測-共享-關(guān)聯(lián)-預(yù)測-校驗(yàn)”風(fēng)參數(shù)復(fù)合感知方法，實(shí)現(xiàn)面向風(fēng)電場智能發(fā)電和風(fēng)機(jī)優(yōu)化控制的高效、精確的風(fēng)速、風(fēng)向參數(shù)感知獲取具有可行性.

第一步，以風(fēng)電場實(shí)際運(yùn)行歷史數(shù)據(jù)為依據(jù)，建立風(fēng)電機(jī)組風(fēng)速、風(fēng)向等風(fēng)參數(shù)數(shù)據(jù)庫.一方面，風(fēng)參數(shù)數(shù)據(jù)庫為共享關(guān)聯(lián)的傳感器機(jī)聯(lián)網(wǎng)建設(shè)提供了基礎(chǔ)數(shù)據(jù)來源；另一方面，利用數(shù)據(jù)統(tǒng)計(jì)方法分別從風(fēng)速、風(fēng)向等維度分析風(fēng)電機(jī)組之間的相關(guān)性，為風(fēng)電機(jī)組的機(jī)組分群提供依據(jù).

圖5 “實(shí)測-共享-關(guān)聯(lián)-預(yù)測-校驗(yàn)”風(fēng)電場風(fēng)參數(shù)復(fù)合感知架構(gòu)

第二步，將風(fēng)電場內(nèi)各風(fēng)電機(jī)組裝設(shè)的風(fēng)速、風(fēng)向傳感器作為單個風(fēng)參數(shù)傳感節(jié)點(diǎn)，根據(jù)風(fēng)電場的風(fēng)機(jī)地理分布拓?fù)浣Y(jié)構(gòu)和整個場域的通信傳輸網(wǎng)絡(luò)，構(gòu)建分布于整個風(fēng)電場的風(fēng)參數(shù)傳感器機(jī)聯(lián)網(wǎng)，實(shí)現(xiàn)每臺風(fēng)電機(jī)組的風(fēng)速、風(fēng)向參數(shù)向全場域風(fēng)機(jī)共享，為后續(xù)預(yù)測校驗(yàn)提供風(fēng)電機(jī)組實(shí)測風(fēng)參數(shù)數(shù)據(jù)；另外，不同應(yīng)用場景下的風(fēng)參數(shù)預(yù)測，不僅要考慮風(fēng)速、風(fēng)向等參數(shù)，還需關(guān)注風(fēng)參數(shù)在機(jī)組間共享傳遞的時序及其上、下游關(guān)系.因而，在對風(fēng)電機(jī)組分組時，應(yīng)根據(jù)風(fēng)電機(jī)組在場域的上、下游地理位置關(guān)系，篩選出風(fēng)速、風(fēng)向相關(guān)性較強(qiáng)的機(jī)組，完成風(fēng)電機(jī)組集類的快速識別與劃分，從而對風(fēng)電機(jī)組進(jìn)行動態(tài)分群.

第三步，在經(jīng)過關(guān)聯(lián)分析和集類劃分的風(fēng)電機(jī)群中，劃出待預(yù)測目標(biāo)機(jī)組的所有上風(fēng)位機(jī)組，共享這些上風(fēng)位關(guān)聯(lián)機(jī)組的所有風(fēng)參數(shù)歷史數(shù)據(jù)并進(jìn)行模型訓(xùn)練.利用經(jīng)參數(shù)修正后的預(yù)測模型和上風(fēng)位機(jī)組的實(shí)測數(shù)據(jù)，預(yù)測目標(biāo)機(jī)組多時間尺度下的風(fēng)速、風(fēng)向以及到達(dá)時間.

第四步，不同應(yīng)用場景下由實(shí)測風(fēng)速、風(fēng)向數(shù)據(jù)完成目標(biāo)風(fēng)電機(jī)組的風(fēng)參數(shù)關(guān)聯(lián)預(yù)測感知，為風(fēng)電機(jī)組在風(fēng)力發(fā)電、偏航、變槳控制等多場景提供不同時間尺度、精確的風(fēng)參數(shù).

另外，與風(fēng)速、風(fēng)向不同，風(fēng)密度無法通過傳感器直接感測獲取.風(fēng)密度的精確獲取直接影響著風(fēng)電機(jī)組風(fēng)功率曲線的準(zhǔn)確性和風(fēng)能捕獲的效率.當(dāng)前的風(fēng)密度一般采用標(biāo)準(zhǔn)空氣密度，誤差大且實(shí)時性差.根據(jù)同環(huán)境同條件下類比思想，處于相同風(fēng)況下的關(guān)聯(lián)風(fēng)電機(jī)組，風(fēng)機(jī)輪轂處的風(fēng)速大小、風(fēng)機(jī)輸出的實(shí)時功率都存在很強(qiáng)的相似性，以一臺機(jī)組為樣本機(jī)組，通過風(fēng)電功率和風(fēng)速反推出瞬時風(fēng)密度，傳遞到下游關(guān)聯(lián)機(jī)組以達(dá)到最優(yōu)發(fā)電控制.風(fēng)密度計(jì)算公式如式(1)所示.

(1)

式中：ρ為風(fēng)密度；Pturb為捕獲風(fēng)能功率；AT為葉輪掃風(fēng)面積；v為風(fēng)速；Cp為風(fēng)機(jī)的風(fēng)能利用系數(shù)；Cp(β,λ)是葉尖速比和槳距角的非線性函數(shù).

圖6所示為風(fēng)電機(jī)組的風(fēng)密度感知示意圖.根據(jù)“等值類比，參數(shù)交互”的思想，風(fēng)密度感知的原理思路如下所示：

首先，風(fēng)密度的預(yù)測是在同一風(fēng)向區(qū)內(nèi)的上、下游風(fēng)電機(jī)組之間交互傳遞的，因此根據(jù)風(fēng)電機(jī)組的歷史數(shù)據(jù)按照16個風(fēng)向區(qū)對風(fēng)電機(jī)組進(jìn)行區(qū)域劃分.

其次，在同風(fēng)向區(qū)內(nèi)，通過風(fēng)電機(jī)組運(yùn)行數(shù)據(jù)統(tǒng)計(jì)分析各風(fēng)電機(jī)組間的風(fēng)速相關(guān)性，結(jié)合風(fēng)電機(jī)組在地理位置上的排布拓?fù)溥M(jìn)行風(fēng)機(jī)關(guān)聯(lián)分群.

再次，針對關(guān)聯(lián)機(jī)群內(nèi)各目標(biāo)風(fēng)電機(jī)組的風(fēng)密度預(yù)測，需要篩選出風(fēng)密度參數(shù)數(shù)值反演和傳遞的交互機(jī)組，具體操作辦法是選擇最毗鄰目標(biāo)機(jī)組的上風(fēng)位機(jī)組，根據(jù)這些風(fēng)機(jī)的實(shí)時風(fēng)速、風(fēng)功率數(shù)據(jù)，通過風(fēng)密度的計(jì)算公式獲取各交互機(jī)組的風(fēng)密度時序參數(shù).由于交互機(jī)組與目標(biāo)機(jī)組的相關(guān)性存在差異，因此通過風(fēng)速相關(guān)系數(shù)確定個交互機(jī)組風(fēng)密度參數(shù)傳遞的動態(tài)權(quán)重.進(jìn)一步，通過交互機(jī)組的風(fēng)密度動態(tài)權(quán)重比，獲得目標(biāo)機(jī)組的風(fēng)密度預(yù)測值.

最后，通過交互機(jī)組的交替、篩選和風(fēng)密度參數(shù)的數(shù)值反演和迭代，在整個風(fēng)向區(qū)內(nèi)完成所有關(guān)聯(lián)機(jī)群下風(fēng)機(jī)的風(fēng)密度感知預(yù)測.將風(fēng)密度預(yù)測值代入風(fēng)功率輸出計(jì)算公式，與目標(biāo)時刻的實(shí)際風(fēng)功率輸出值對比校核，分析風(fēng)密度預(yù)測對風(fēng)功率輸出的提升性能.

圖6 風(fēng)密度感知示意圖

綜上所述，“共享-關(guān)聯(lián)-預(yù)測-校驗(yàn)”風(fēng)參數(shù)復(fù)合感知方法為全面、可靠、精確、經(jīng)濟(jì)的風(fēng)參數(shù)獲取提供了新的技術(shù)解決方案.理論上該方法能實(shí)現(xiàn)風(fēng)速、風(fēng)向、風(fēng)密度等風(fēng)參數(shù)的集群獲取和精確全面感知，可滿足不同時間尺度下的風(fēng)參數(shù)預(yù)測需求，特別是面向風(fēng)電機(jī)組變槳、偏航及發(fā)電優(yōu)化控制需要的小時間尺度的風(fēng)參數(shù)動態(tài)實(shí)時精確感知具有明顯的優(yōu)勢，可有效提高風(fēng)能捕獲效率、減少風(fēng)電機(jī)組疲勞載荷，讓變槳、偏航控制預(yù)判成為可能.

風(fēng)參數(shù)復(fù)合感知方法的核心是“共享預(yù)測”與“多點(diǎn)實(shí)測”的融合，風(fēng)參數(shù)復(fù)合感知方法的應(yīng)用不僅需要移植借鑒傳統(tǒng)風(fēng)電場參數(shù)感知與預(yù)測相關(guān)領(lǐng)域取得的成果，更需要在傳感網(wǎng)的運(yùn)行機(jī)制與信息交互方法、面向風(fēng)參數(shù)感知的數(shù)據(jù)挖掘技術(shù)、風(fēng)電機(jī)組聚類的自動快速識別與分組方法、風(fēng)參數(shù)預(yù)測模型與預(yù)測算法等諸多問題開展研究.

(1) 風(fēng)機(jī)傳感網(wǎng)的運(yùn)行機(jī)制與信息交互方法

風(fēng)電場域內(nèi)各風(fēng)電機(jī)組所處位置的風(fēng)速、風(fēng)向、風(fēng)密度等信息存在差異性和關(guān)聯(lián)性，如何實(shí)現(xiàn)不同機(jī)組傳感器的風(fēng)參數(shù)信息在全域內(nèi)的共享、交互是實(shí)現(xiàn)風(fēng)參數(shù)集群化獲取、提高風(fēng)能捕獲效率和風(fēng)電機(jī)組控制性能優(yōu)化的基礎(chǔ).在信息交互模式上，在全域內(nèi)的共享關(guān)聯(lián)、傳遞交互，和區(qū)域內(nèi)分級傳遞、迭代反演兩種模式在不同的風(fēng)參數(shù)感知的應(yīng)用選擇上也至關(guān)重要.

(2) 面向風(fēng)參數(shù)感知的數(shù)據(jù)挖掘技術(shù)

風(fēng)電機(jī)組的風(fēng)速、風(fēng)向、輸出功率等歷史運(yùn)行數(shù)據(jù)在一段時間內(nèi)即會呈現(xiàn)出數(shù)據(jù)量龐大、數(shù)據(jù)類型多樣化、強(qiáng)時效性等大數(shù)據(jù)特征.如何在風(fēng)電機(jī)組控制時間尺度內(nèi)完成海量風(fēng)參數(shù)數(shù)據(jù)的快速分析和價值挖掘，將無規(guī)律的數(shù)據(jù)源變成可用的風(fēng)參數(shù)感知知識源就顯得尤為重要.

(3) 風(fēng)電場機(jī)群聚類的自動識別與分群方法

風(fēng)電機(jī)組快速聚類、分群是風(fēng)參數(shù)機(jī)群獲取的前提條件.根據(jù)風(fēng)參數(shù)感知應(yīng)用場景的不同，風(fēng)電機(jī)組分群不僅僅關(guān)注風(fēng)參數(shù)之間的關(guān)聯(lián)性，還需考慮其時序性和風(fēng)電機(jī)組間的上、下游關(guān)系.傳統(tǒng)的風(fēng)機(jī)分組方法時效性差、隨機(jī)性大，對上、下游地理位置關(guān)系考慮不足，亟需一種自動、快速識別、考慮空間和時序分群的風(fēng)電機(jī)組聚類方法.大數(shù)據(jù)為風(fēng)電機(jī)組關(guān)聯(lián)分析提供了一種新思路，通過對歷史數(shù)據(jù)庫的數(shù)據(jù)分析與挖掘，探究上、下游地理位置上的風(fēng)電機(jī)組之間風(fēng)速、風(fēng)向的相關(guān)性，以關(guān)聯(lián)性為依據(jù)實(shí)現(xiàn)風(fēng)電機(jī)組的快速聚類識別與關(guān)聯(lián)分群.

(4) 風(fēng)參數(shù)預(yù)測模型與算法

當(dāng)前建立的預(yù)測模型多用于風(fēng)速或者風(fēng)功率預(yù)測，涉及到風(fēng)向矢量以及風(fēng)密度方面的預(yù)測模型還較少，在時間尺度上不能滿足風(fēng)力發(fā)電的發(fā)電、偏航、變槳優(yōu)化控制的需求，需建立一種全面、多時間尺度、精確預(yù)測模型.面向不同風(fēng)參數(shù)的預(yù)測，可在預(yù)測模型組合與預(yù)測模式方面進(jìn)行探索.對于風(fēng)速預(yù)測可根據(jù)相關(guān)性分析對當(dāng)前成熟的預(yù)測模型進(jìn)行適當(dāng)改進(jìn)，從而滿足發(fā)電控制需求的時間裕度；對于風(fēng)向充分考慮風(fēng)向的矢量性，并給出置信區(qū)間和可信度評價，實(shí)現(xiàn)概率區(qū)間風(fēng)向預(yù)測；風(fēng)密度的研究要立足于相關(guān)性較大的機(jī)組之間的信息傳遞與交互，從而達(dá)到關(guān)聯(lián)預(yù)測的效果.

4 結(jié)語

(1) 精確、全面、經(jīng)濟(jì)地感知風(fēng)電場風(fēng)參數(shù)對進(jìn)一步提升風(fēng)電機(jī)組的運(yùn)行安全性和風(fēng)能利用率具有重要的價值.傳統(tǒng)風(fēng)速風(fēng)向儀實(shí)測感知技術(shù)簡單、經(jīng)濟(jì)性好，但屬于事中測量，限制了風(fēng)電機(jī)組控制優(yōu)化的拓展提升；機(jī)艙式激光雷達(dá)感測技術(shù)可快速、精準(zhǔn)地實(shí)現(xiàn)風(fēng)速風(fēng)向的超短時提前感知，但成本高昂，技術(shù)經(jīng)濟(jì)性有待提升；傳統(tǒng)風(fēng)參數(shù)預(yù)測感知技術(shù)雖可實(shí)現(xiàn)風(fēng)速、風(fēng)功率的多時間尺度預(yù)測，受誤差和時間尺度影響對風(fēng)電機(jī)組優(yōu)化控制指導(dǎo)意義有限.

(2) 基于“互聯(lián)網(wǎng)+事前預(yù)測，事中修正”的思想的構(gòu)建“實(shí)測-共享-關(guān)聯(lián)-預(yù)測-校驗(yàn)”風(fēng)參數(shù)復(fù)合感知技術(shù)路線，具備實(shí)現(xiàn)多時間尺度下的風(fēng)速、風(fēng)向、風(fēng)密度等參數(shù)的高效、精確的感知獲取的理論和工程可行性.

(3) 初步構(gòu)建了“實(shí)測-共享-關(guān)聯(lián)-預(yù)測-校驗(yàn)”風(fēng)電場風(fēng)參數(shù)復(fù)合感知架構(gòu)，風(fēng)參數(shù)復(fù)合感知技術(shù)涉及的風(fēng)機(jī)傳感網(wǎng)的運(yùn)行機(jī)制與信息交互方法、面向風(fēng)參數(shù)感知的大數(shù)據(jù)技術(shù)、風(fēng)電機(jī)組群集類的自動快速識別與分組方法、風(fēng)參數(shù)預(yù)測模型與預(yù)測算法及不同場景下的風(fēng)參數(shù)復(fù)合感知應(yīng)用策略等問題研究有待開展.