基于監(jiān)測數據的風電機組湍流識別及降載研究

收稿日期：2022-01-17

基金項目：江蘇高校首批2011計劃“沿海開發(fā)與保護協(xié)同創(chuàng)新中心”計劃（蘇政辦發(fā)［2013］56號）

通信作者：汪亞洲（1986—），男，博士、高級工程師，主要從事風電機組動力學方面的研究。57778784@qq.com

DOI：10.19912/j.0254-0096.tynxb.2022-0076 文章編號：0254-0096（2023）06-0360-07

摘 要：針對風電機組在極端湍流工況常出現載荷極值，危及機組運行安全的問題，提出基于風電機組監(jiān)測數據的湍流強度識別方法，構建利用機艙加速度間接計算湍流閾值的計算模型，并進一步提出極端湍流工況的降載策略。降載往往會造成機組發(fā)電量的損失，由此構建極端湍流工況降載優(yōu)化數學模型，通過求解滿足約束條件的目標函數極值，實現降載與發(fā)電量的雙優(yōu)兼顧。以某5 MW機組為例，通過數值仿真對降載效果進行驗證，結果表明在不損失正常湍流工況發(fā)電量的情況下，機組輪轂[My]和塔頂[My]極限載荷分別降低15%和12.1%，其他部位載荷降低約5%。

關鍵詞：風電機組；湍流；監(jiān)測；降載；湍流閾值

中圖分類號：TK513.5 """ 文獻標志碼：A

0 引 言

碳達峰、碳中和的國家戰(zhàn)略迫切需要風電開發(fā)的創(chuàng)新性研究，風電機組技術是風電開發(fā)的關鍵核心技術，一直是行業(yè)的研究熱點［1］。風電機組在設計時需考慮不同工況下的極限載荷和疲勞載荷，IEC 61400標準對風電機組設計載荷工況（DLC）進行了較為詳細的定義［2］，這些工況既包含正常運行工況，也包含極端運行工況（如極端陣風、極端湍流、內部部件失效等）。風電機組設計的關鍵指標是高發(fā)電量和低成本，低成本意味著機組的載荷應盡可能的小。根據以往經驗，風電機組的載荷極值多出現在上述極端運行工況，因此對于極端工況下風電機組控制策略的研究一直是風電機組降載研究的焦點［2-4］。

在極限陣風參與的工況（DLC1.4），文獻［5-6］介紹了極限陣風識別算法，通過提前變槳避免機組出現過速和過載的問題。極限陣風下出現電網掉電（DLC2.3）會導致塔架的載荷出現極值，通過設計不同的變槳速率停機策略可降低該工況下的載荷［7］。正常湍流運行工況（DLC1.2）下采用同步變槳控制可減少塔架的疲勞載荷，采用獨立變槳可減少葉片的疲勞載荷［8-10］。不難發(fā)現，風載是引起風電機組動態(tài)響應的源頭，要抑制風載導致的極限載荷，通常需從源頭（如變槳）進行控制。因此，湍流強度的識別對于湍流工況的降載具有重要意義［11-12］。湍流強度可通過直接測量、間接估算等方式獲取，如通過激光雷達測風可較為準確地計算出來流風的湍流強度［13-15］，但湍流強度會隨場址的變化而變化，因此每個點位均需單獨評估，然則激光雷達的大量使用也伴隨著成本的增加。文獻［16-18］介紹了通過風速重構間接預估湍流強度的方法，這種方法通常需較長的預估周期，對瞬時風速波動引起的載荷抑制效果不佳。已有研究表明，變槳速率及機艙加速度是與湍流強度密切相關的變量，也是風電機組實時監(jiān)測的數據信號，因此利用變槳速率或機艙加速度開展風電機組湍流評估是一種較為有效且經濟的方案［19-20］。文獻［21-22］介紹了通過降低葉輪額定轉速減少極端湍流下機組的極限載荷的方法；文獻［23］介紹了一種湍流自適應控制方法，引入基于變槳速度、機艙加速度的閉環(huán)動力學模型，提出一種基于雨流計數和快速傅里葉逆變換的高效構件損傷預測方法；文獻［24-25］介紹了通過設置TMD降載裝置，抑制機組動態(tài)響應，降低局部載荷的方法。歸納起來，降低湍流工況下風電機組載荷，大多通過降低機組轉速、降低發(fā)電機扭矩，或同時降轉速及扭矩的方式實現。

本文在上述研究的基礎上，提出通過風電機組監(jiān)測數據識別湍流強度的方法，并對該方法進行改進，構建基于機艙加速度間接計算湍流閾值的計算模型；在湍流識別基礎上，進一步提出極端湍流工況的降載策略，以期為風電機組極端湍流工況降載提供參考。

1 湍流識別

1.1 計算理論

IEC 61400-1-2019中規(guī)定，正常湍流模型（DLC 1.2工況），湍流標準差[σ1]應覆蓋輪轂高度處平均風速標準偏差正態(tài)分布下90%的數值，對于標準等級的風電機組，[σ1]由式（1）給計算：

[σ1=Iref0.75Vhub+b]""" （1）

式中：[Iref]——湍流強度參考值；[Vhub]——輪轂中心處平均風速；[b]——湍流閾值，[b=5.6] m/s。

湍流強度[TI]的定義為[σ1Vhub]，因此：

[TI=0.75Iref+bIrefVhub] （2）

對于極端湍流工況（DLC 1.3），極端湍流模型應包絡輪轂高度處正態(tài)分布風廓模型，此時湍流標準差[σ2]可表示為：

[σ2=2Iref0.072Vave2+3Vhub2-4+10]"" （3）

式中：[Vave]——年平均風速。

1.2 識別方法

機艙加速度是風電機組仿真及實際運行期間較易獲取的動態(tài)參數。為了驗證機艙加速度與湍流強度之間的關聯性，使用GH-Bladed軟件對某風電機組進行動態(tài)特性仿真，機組的主要參數如表1所示。

以GL 2010規(guī)定的坐標軸為參考系，湍流強度分別選取0.08、0.12、0.16、0.2這4種工況，在整個運行風速區(qū)間（3～20 m/s）內進行動態(tài)性能計算。通過仿真得出機組在不同湍流強度下機艙加速度的動態(tài)變化情況，結果如圖1所示。

different turbulence intensity

從圖1可看出，機艙前后方向加速度與湍流強度表現出較好的正相關性，湍流強度每增加0.04，機艙加速度隨之增大約30%。機艙左右方向加速度與湍流強度也表現出較好的相關性，但左右方向加速度極值比前后方向加速度極值小，表明湍流風的縱向分量能量占主導，這與湍流風功率譜理論相符。因此，在風電機組整個運行區(qū)間內，分別仿真DLC 1.2、DLC1.3工況下機組在不同風速下的動態(tài)響應，可得出對應風速下機艙前后方向加速度系列數據點，對這些數據點取絕對值，并在運行風速區(qū)間內逐一排列，即構成機組運行區(qū)間的機艙前后方向加速度數據集，如圖2所示。

operation condition

根據湍流的定義，將切入風速[Vin]至切出風速[Vout]劃分為[N]個區(qū)間，在每個區(qū)間單獨進行數值統(tǒng)計，擬合每個區(qū)間加速度正態(tài)分布函數，如需確定DLC1.2工況所對應的湍流閾值，只需求出對應的覆蓋加速度極值90%數據的加速度閾值，此加速度閾值即可間接表示該區(qū)間的湍流閾值。因此通過此方法可間接得出所在區(qū)間風速與對應的湍流閾值[b]的關系（圖2中取[n]=6，共對應6個湍流閾值），如式（4）所示。

[b=b1，0lt;V≤V1b2，V1lt;V≤V2 ?bn，Vn-1lt;V≤Vn]""" （4）

1.3 湍流識別方法改進

求解湍流閾值的最終目的通常是降低風電機組在極端湍流作用下的載荷，以保護機組的安全。在風電機組的實際運行中，來流風通常是實時變化的，風電機組的控制動作也隨之實時調整。

如使用式（4）計算的閾值直接進行風電機組湍流工況降載控制，在風速[Vn]（[n=0， 1， 2， …， N]）處可能造成機組的動態(tài)波動。為了控制更為平滑，考慮對1.2節(jié)所提出的湍流識別方法進一步改進。通過插值的方法可得出區(qū)間內所有風速下，隨風速實時變化的湍流閾值，插值方法如圖3所示。此時式（4）可進一步改進為：

[b=b2-b1V1V+b1，0lt;V≤V1b3-b2V2-V1V-V1+b2，V1lt;V≤V2""""""""""""" ?bn-bn-1Vn-1-Vn-2V-Vn-2+bn-1，Vn-2lt;V≤Vn-1bn，Vn-1lt;V≤Vn]" （5）

式（5）可通過編譯并入到機組控制流程中，實現自動化的計算。湍流的識別與湍流閾值的精確定義，將為極端湍流工況下風電機組的降載策略提供基礎。

2 湍流工況降載方法

2.1 降載策略

當湍流閾值確定后，需制定降載的實施方案。對于風電機組而言，降低載荷大多是通過降轉速、降扭矩，或同時降轉速及扭矩的方式來實現的。實際工程應用中，系統(tǒng)依據轉速-扭矩曲線控制風電機組運行狀態(tài)，因此可通過設置不同的轉速-扭矩運行曲線，根據載荷及發(fā)電量控制目標，切換到不同的運行狀態(tài)。圖4為3種機組運行狀態(tài)轉速-扭矩定義。

當不設置湍流工況風電機組降載策略時，按正常的轉速-扭矩曲線D1運行；當設置湍流工況降載策略時，根據降載的目標，修訂轉速-扭矩運行曲線（如D2或D3）。文中D1～D3分別代表：1）D1：額定轉速及功率；2）D2：降速5%，扭矩降低5%；3）D3：降速10%，扭矩降低35%。

基于以上研究，提出極端湍流工況載荷抑制控制策略，流程如圖5所示。首先仿真機組正常運行工況下的載荷及發(fā)電量，根據設計要求確定湍流工況降載的目標，計算出對應的湍流閾值，并修訂機組轉速-扭矩曲線添加到控制回路中。根據機艙前后方向加速度判斷實時的湍流標準差[σreal]，最后，將計算的實時湍流標準差與閾值[σlim]進行比較，判斷湍流是否極端。當計算出的湍流標準差小于設定的湍流閾值時，風電機組將保持其原有的轉速-扭矩曲線運行；當計算出的湍流標準差超過設定的湍流閾值時，跳轉至修訂的轉速-扭矩曲線運行。

2.2 降載目標函數

由圖3可知，在一定的風速區(qū)間內，湍流閾值的取值可由平均風速及曲線的斜率和截距決定，如果將整個運行范圍看成一個區(qū)間，以[σlimV（k）]表示平均風速[V]所對應的湍流閾值。此時湍流閾值與平均風速的線性關系表示為：

[σlimV（k）=aV（k）+d，] [V（k）∈Vin，Vout]"" （6）

通過設置目標函數優(yōu)化閾值邊界。目標為最小化式（6）所代表的斜線下部區(qū)域的面積，參數[a]和[d]的取值可通過約束優(yōu)化來確定，尋找滿足約束條件的目標函數的極值。在風速[Vin，Vout]范圍內，目標函數可表示為：

[Ja，d=VinVoutaV+ddV=0.5a（V2out-V2in）+dVout-Vin] （7）

為了求解目標函數，引入概率函數對DLC1.2工況發(fā)電量損失進行約束，約束條件設置為：

[k：σlimk≥aV（k）+d≤KtotalδT1.max] （8）

式中：[k：σlimk≥aV（k）+d]——集合數；[Ktotal]——采樣數據總數，比如：當設定[δT1.max=0.01]，在正常湍流發(fā)電工況下會有1%的數據點處于湍流工況降載目標范圍。

聯合式（7）與式（8）可求解參數[a]和[d]，但求解過程相對復雜，因此可考慮一種簡單的等效方法，一次只求解一個參數，保持另一個參數不變，并在2個參數之間進行迭代，直至收斂。對于單個參數的求解，可使用二分法開展。為此，首先確定參數區(qū)間和控制精度。假設參數[d]=0，則使用參數[a]的平均值進行迭代。如果條件滿足，則將參數[a]賦為區(qū)間的上限值；如果不滿足此條件，則將參數[a]賦為區(qū)間的下限。然后，可確定新的上限和下限之間的差值，并與控制精度進行比較。如果不滿足條件，就執(zhí)行下一個迭代；如果條件滿足，則可確定參數[a]。接下來，假設[a]不變，然后以同樣的方式迭代參數[d]，直到滿足控制精度。為進一步說明該過程，圖6給出了確定參數[a]值的流程圖，確定參數[d]值的流程與圖6類似。

3 仿真結果分析

基于上述算法，對風電機組進行湍流工況降載效果仿真，此時[δT1.max]設定為0，即在DLC1.2正常湍流工況無發(fā)電量損失，通過降載函數計算出湍流閾值參數：[a=0.75]，[d=2.89]。圖7分別為DLC1.2和DLC1.3工況下風速、湍流數值、湍流閾值之間的關系，黑色實線代表閾值邊界，對于DLC1.2工況，模擬輸入的所有風速文件湍流數值均低于設定的湍流閾值。這表明在DLC1.2工況下所有風速區(qū)間仿真中，載荷抑制策略都不會打開，與控制目標相符；DLC1.3工況下，在15～20 m/s風速范圍內部分區(qū)域湍流數值超過了設定的湍流閾值，將觸發(fā)極端湍流載荷抑制策略。

wind speed for DLC1.2，DLC1.3

圖8為DLC1.3工況下湍流降載策略開啟前后，機組主要部件的載荷對比。從圖8可看出，開啟極端湍流降載策略后，機組各坐標系下的極限載荷均有所降低，其中輪轂中心My和塔頂My的載荷下降最大。輪轂My和塔頂My的極限載荷分別降低15%和12.1%，其他部分的載荷降低多約為5%。

圖9給出了DLC1.2工況下湍流降載策略開啟前后，機組主要部件的等效疲勞載荷對比。從圖9可看出，疲勞載荷基本無變化。DLC1.2工況定義為機組的疲勞載荷和發(fā)電量的

仿真，此工況疲勞載荷和發(fā)電量具有正相關性［2］。圖9降載前后疲勞載荷未發(fā)生變化，說明此時的降載策略對DLC1.2幾乎無影響，間接說明發(fā)電量基本無損失。以上信息表明，本文提出的湍流工況降載策略達到了預期的效果。

4 結 論

本文基于風電機組監(jiān)測數據提出并改進了利用機艙加速度識別湍流強度的方法。通過對風電機組運行工況下機艙前后方向加速度求解，得到風電機組整個運行區(qū)間內對應風速下機艙前后方向加速度數據集，擬合每個區(qū)間加速度正態(tài)分布函數，根據湍流的定義，確定對應的加速度閾值，進而確定湍流閾值?？紤]到實際運行中來流風是實時變化的，為了控制更為平滑，對提出的湍流閾值計算方法進一步優(yōu)化，通過插值的方式得出運行區(qū)間內所有風速下，與風速實時變化對應的湍流閾值。在完成湍流識別的基礎上，進一步提出極端湍流工況的降載策略。降載策略不應引起機組發(fā)電量過多的損失，由此探究了通過設置降載目標函數，尋找滿足約束條件下函數極值的方式確定閾值邊界，實現了降載與發(fā)電量的雙優(yōu)兼顧。

以某5 MW機組為研究對象，對研究內容進行數值仿真驗證。設置[δT1.max]為0，即以不損失DLC1.2正常湍流工況下的發(fā)電量為邊界，對比湍流工況降載策略應用前后機組的載荷。結果表明，DLC1.3工況下各部件的載荷較降載前都有不同程度的降低，其中輪轂My和塔頂My極限載荷分別降低了15%和12.1%；DLC1.2工況下，等效疲勞載荷幾乎無變化，即降載策略對發(fā)電量無影響，達到了預期效果。

［參考文獻］

［1］" 李暉， 劉棟， 姚丹陽. 面向碳達峰碳中和目標的我國電力系統(tǒng)發(fā)展研判［J］. 中國電機工程學報， 2021， 41（18）： 6245-6259.

LI H， LIU D， YAO D Y. Analysis and reflection on the development of power system towards the goal of carbon emission peak and carbon neutrality［J］. Proceedings of the CSEE， 2021， 41（18）： 6245-6259.

［2］" IEC" 61400-1，" Wind" energy" generation" systems-part" 1： design requirements［S］.

［3］" 韓花麗. 風電機組載荷建模及仿真優(yōu)化研究［D］. 重慶： 重慶大學， 2015.

HAN H L. Study on modeling， load simulation and load optimization of wind turbine［D］. Chongqing： Chongqing University， 2015.

［4］" 李欣， 張明明， 楊洪磊. 張力腿漂浮式風電機組疲勞載荷智能控制研究［J］. 太陽能學報， 2020， 41（9）： 278-286.

LI X， ZHANG M M， YANG H L. Numerical investigation of smart fatigue load control on tension leg platform floating wind turbine［J］. Acta energiae solaris sinica， 2020， 41（9）： 278-286.

［5］" 周峰. 基于動力學耦合的風電機組載荷控制［D］. 北京： 華北電力大學， 2017.

ZHOU F. Wind turbine load control based on dynamic coupling［D］."" Beijing："" North"" China" Electric"" Power University， 2017.

［6］" KANEV S， ENGELEN T. Wind turbine extreme gust control［J］. Wind energy， 2010， 13（1）： 18-35.

［7］" 張林偉， 梁濕， 楊峰， 等. 極端陣風條件下大型風力機葉片極限載荷研究［J］. 太陽能學報， 2016， 37（6）： 1573-1578.

ZHANG L W， LIANG S， YANG F， et al. Extreme load analysis of large scale wind turbine blade under extreme gust condition［J］. Acta energiae solaris sinica， 2016， 37（6）： 1573-1578.

［8］" CAI X， WANG Y Z， XU B F， et al. Performance and effect of load mitigation of a trailing-edge flap in a large-scale offshore wind turbine［J］. Journal of marine science and engineering， 2020， 8（2）： 72.

［9］" BOTTASSO C L， CROCE A， RIBOLDI C E D， et al. Cyclic pitch control for the reduction of ultimate loads on wind turbines［C］//Science of Making Torque from Wind Conference， Copenhagen， Denmark， 2014.

［10］" 閆學勤， 王維慶， 王海云. 基于IQPI-R的風力機獨立變槳距控制策略研究［J］. 太陽能學報， 2020， 41（10）： 229-235.

YAN X Q， WANG W Q， WANG H Y. Research on individual pitch control strategy of wind turbine based on IQPI-R［J］. Acta energiae solaris sinica， 2020， 41（10）： 229-235.

［11］" BOSSANYI E A， RAMTHARAN G， SAVINI B. The importance of control in wind turbine design and loading［C］//Proceedings of the 17th Mediterranean Conference on Control and Automation， 17th Mediterranean Conference on Control amp; Automation， Thessaloniki， Greece， 2009： 24-26.

［12］" 何偉. 湍流風場模擬與風力發(fā)電機組載荷特性研究［D］. 北京： 華北電力大學， 2013.

HE W. Research on turbulent wind field simulation and load characteristics of wind turbines［D］. Beijing： North China Electric Power University， 2013.

［13］" 張超越， 董曄弘， 張凱， 等. 基于機艙式多普勒脈沖激光雷達測風的風速重構技術［J］. 船舶工程， 2019， 41（12）： 107-112.

ZHANG C Y， DONG Y H， ZHANG K， et al. Wind speed reconstruction technology based on nacelle-mounted doppler pulsed lidar wind speed measurements［J］. Ship engineering， 2019， 41（12）： 107-112.

［14］" 莊子波， 劉曉宇， 陳星. 基于激光雷達脈沖特性的湍流風速估計方法［J］. 紅外與激光工程， 2018， 47（11）： 23-30.

ZHUANG Z B， LIU X Y， CHEN X. Estimation method of turbulent wind speed based on lidar pulse characteristics［J］. Infrared and laser engineering， 2018， 47（11）： 23-30.

［15］" CORTINA G， CALAF M. Turbulence upstream of wind turbines： a large-eddy simulation approach to investigate the use of wind lidars［J］. Renewable energy， 2017， 105（5）： 354-365.

［16］" DICKLER S， WIENS M， THONNISSEN F， et al. Requirements on super-short-term wind speed predictions for model predictive wind turbine control［C］//2019 18th European Control Conference（ECC）， Naples， Italy， 2019.

［17］" TUHFE G， GREGOR G. Estimation of turbulence intensity using rotor effective wind speed in Lillgrund and Horns Rev-I offshore wind farms［J］. Renewable energy， 2016， 99： 524-532.

［18］" LIO A W H， MENG F. Effective wind speed estimation for wind turbines in down-regulation［J］. Journal of physics： conference series， 2020， 1452（1）： 012008.

［19］" 石家祥， 宋小全， 吳松華， 等. 風力發(fā)電機振動的多普勒激光雷達遙測技術［J］. 光學精密工程， 2020， 28（10）： 2180-2191.

SHI J X， SONG X Q， WU S H， et al. Doppler lidar telemetry for wind turbine vibration［J］. Optics and precision engineering， 2020， 28（10）： 2180-2191.

［20］" 巫發(fā)明， 楊從新， 王靛， 等. 湍流強度對風電機組動力學特性及載荷的影響［J］. 農業(yè)工程學報， 2020， 36（13）： 48-55.

WU F M， YANG C X， WANG D， et al. Effects of turbulence intensity on dynamic characteristics and load of wind turbine［J］. Transactions of the Chinese Society of Agricultural Engineering， 2020， 36（13）： 48-55.

［21］" ENGELS W P， SUBHANI S， ZAFAR H， et al. Extending wind turbine operational conditions： a comparison of set point adaptation and leg individual pitch control for highly turbulent wind［C］//Proceedings of the Science of Making Torque" from" Wind（TORQUE" 2014）， Copenhagen， Denmark， 2014： 18-20.

［22］" AHO J， FLEMING P， PAO L Y. Active power control of wind turbines for ancillary services： a comparison of pitch and torque control methodologies［C］//2016 American Control Conference（ACC）， Boston，USA， 2016： 1407-1412.

［23］" DONG L， LIO W H， PIRRUNG G R. Analysis and design of an adaptive turbulence-based controller for wind turbines［J］. Renewable energy， 2021， 178： 730-744.

［24］" 蔡新， 張洪建. 基于TMD控制的浮式風力機穩(wěn)定性研究［J］. 河海大學學報（自然科學版）， 2021， 49（1）： 70-76.

CAI X， ZHANG H J. Stability study of floating wind turbine" based"" on"" TMD"" control［J］." Journal" of" Hohai University（natural sciences edition）， 2021， 49（1）： 70-76.

［25］" 劉展. MW級變速變槳風力發(fā)電機組系統(tǒng)振動故障診斷技術與減振降載方法研究［D］. 北京： 北京交通大學， 2019.

LIU Z. Vibration fault diagnosis technology and load reduction method for MW variable speed and variable pitch wind turbine system［D］. Beijing： Beijing Jiaotong University， 2019.

STUDY ON TURBULENCE IDENTIFICATION AND LOAD REDUCTION OF WIND TURBINES BASED ON MONITORING DATA

Wang Yazhou1，Cai Xin1，Lin Shifa2，Wang Hao3，Zhang Yuan4，Bian Saixian2

（1. College of Mechanics and Materials， Hohai University， Nanjing 211100， China；

2. Nanjing Wangong High-tech Research Institute， Nanjing 210012， China；

3. Jiangsu Province Wind Power Structural Engineering Research Center， Nanjing 210098， China；

4. Cooperate Innovation Center for Coastal Development and Protection， Nanjing 210098， China）

Keywords：wind turbines； turbulence； monitoring； load reduction； turbulence threshold