刘佰臣
大唐山东发电有限公司新能源分公司济南风电集控中心 山东济南 250014
摘要：经济的发展，社会的进步推动了我国综合国力的提升，我国是人口大国，但是人均自然资源占有率比较低，基于此，我国在风电方面的探索更加深入，能源是推进社会发展的驱动力。风电作为清洁的可再生能源，距离电力负荷中心近，风能资源丰富，风速高，紊流小，且对环境影响小，近年来获得了规模发展。风电发展特点之一，在于运行环境恶劣、无人值守、运维困难、费用昂贵，对于通过数字化、智慧化提升风电场运营水平和效益的需求非常迫切，建设智慧风电场已成为行业共识。
关键词：风电场；运维管理；体系实践
引言
风电是我国经济的重要组成部分，目前已进入加速发展期，但作为风电产业关键一环的运维，仍面临较多挑战。第一，天气因素制约工作效率及安全，大风、暴雨、台风、雷电、低能见度是常见性天气，一旦出现灾害性天气，很容易给生产、设施、人员带来巨额经济损失和安全隐患。第二，人员通过手机短信、网站、APP获取的气象信息不精细，缺乏高时空精度，信息滞后且不具针对性。第三，风电机组通达性差、作业窗口小、有效作业时间短，运维调度效率低，难以适应生产要求。针对上述问题，以及目前运维智慧调度系统研究及其在风电领域应用的不足，有必要建立集可视化展示、定制化精细预报服务、实时预警、人员一体化管理于一体的风电智慧调度平台，将气象信息与作业深度融合，助力风能资源的开发和利用。
1智慧风电场的定义
智慧风电场的定义主要涉及到以下方面具体内容：智慧风电场是指广泛采用云计算、大数据、物联网通信、人工智能等新技术，集成智能设备、控制和管理等技术，把传统风电场中无感知、无思想的设备、系统，孕育成状态感知、自主适应、智能融合、精准可控的更安全、更高效、更经济的全新风电场。智慧风电场实施的关键在于理清架构体系。智慧风电场包括四层结构：智能设备层、业务控制层、场级管控层和集团监管层。四层架构各有分工、高度融合，在保证网络传输安全的前提下高效组织指令流和信息流。
2现行风电场运维管理体系分析
由于我国风电行业发展迅猛，而针对风电场运维管理体系的研究相对滞后，进而存在以下几方面的问题。(1)运维从业人员专业素质参差不齐。我国风电行业经过爆发式增长后，已逐渐由工程建设阶段转入市场运维阶段，运维人员需求快速增长。而且风电行业人员流动性大，导致运维人员专业素质参差不齐。(2)风电厂家运维标准不统一。风电场大多采用分期建设的形式，导致风电机组型号较多，维护手册复杂多样，运维标准不一致。新到运维人员不能及时有效地掌握风电机组运维检修的相关标准及流程，运维效率较低。(3)风险管控机制不完善。风电行业作为一个新兴的行业，安全工作规程、风险管控方面尚无具体全面的规范。
3风电功率波动性的定性分析
3.1风电功率季节特性分析及其影响
.png)
图1为某风电场。
图1为某风电场。2016~2018年月平均功率分布曲线。由图1可见，该风电场历年月平均功率曲线趋势相近，季节差异明显，整体表现为秋季（9月~11月）和冬季（12月~2月）月平均功率相对较高，春季（3月~5月）和夏季（6月~8月）月平均功率相对较低。其中，2018年10月由于受到强副热带高压影响，风速更高，当月的月平均功率较2016年与2017年表现出较为明显的风速差异。由此也可以看出，风电功率由于易受副热带高压影响而表现出更明显的季节特性与不确定性。对照电网负荷需求情况来看，当地负荷同样表现出明显的季节特性，其中，夏季负荷需求较高，春、秋与冬3季负荷需求较低。因此，对于电网来说，夏季是风电全年出力最低的时段，一般出力在装机容量的20%以下，出现零出力的时段增加，对当地电网的夏季高峰负荷难以提供有效支撑，需考虑其他形式电源支撑负荷需求；而秋季则相反，电网整体负荷水平较低，风电功率水平较高，能够提供足量的清洁电源。故建议电网结合季节特点安排不同的发电计划，同时在电源的电量规划中重点考虑夏季的负荷供应需求。
3.2智慧风电场关键技术
首先是数据采集标准化；通过建立统一的数据接口与交互接口，对平台数据进行大数据总线化管理，实现风电机组与升压站所有时序秒级、毫秒级数据、视频数据、文件数据等多种格式、类型数据统一化，为各应用提供统一开放的总线访问接口，实现各业务跨安全区之间数据的透明传输，同时为状态监测、故障诊断、健康评估、运营决策等业务系统的开发与建模提供标准的信息交换。其次是设备健康管理。通过对风电场风机、箱变、集电线路、变电站主变压器、GIS等关键电气设备状态参量自动采集与监测，基于大数据技术建立风电场及变电站各主要部件及易损部件系统故障预警模型，结合集中风功率预测系统、生产管理系统、人力资源、资产物料、备品备件等情况排布状态检修方案，取消定期检修或采用自动化方式代替定期人工检修，降低非计划故障停机率。最后是场群协调控制。将风电场群进行整合、集中协调控制，使其具备灵活响应电网调度与控制的能力，形成在规模和外部调控特性都与常规电厂相近的电源，提高风电机组的可利用率。通过采集各电场实时有功功率、无功电压、运行状态等数据，根据调度计划值，动态分析各电场运行状态、功率控制上下限等信息，综合集中风功率预测与各风电场设备健康状态等因素，合理分配计算各场站出力、电压等，实现风电基地有功、无功集中协调控制，减少对电网的影响，确保电网安全稳定运行。
3.3波动性评价指标的定义
在波动性分析中，通常包含对物理量波动幅度、波动方向以及波动速率等多方面的内容。据此，根据“M-bound”理论对风电功率波动特性进行描述与分析。“M-bound”理论是根据有界性定理，选取给定时间尺度内数据序列最大值与最小值之差作为波动程度大小的一种度量，由此定义M指标，即：M=Mmax?Mmin(2)式中：Mmin≤p(t)≤Mmax；t?[τ,τ+Δτ]；p(t)为信号数据序列；τ为起始时刻；Δτ为给定时间间隔；Mmax、Mmin分别为数据序列最大值、最小值”。具体来说，对于一个采样频率为s，长度为N的数据序列p(n)，取分析时间间隔为Δτ，则对该数据序列进行逐点计算后的M序列可表示为：Mi=maxn∈[1+m,k+m]p(n)?minn∈[1+m,k+mp(n)(3)式中：m=1,2,...,N-k，k=Δτ/s，i=m-1。从M序列的定义可以看出，M序列在考虑了给定时间间隔内整个信号波动过程的同时，给出了其波动变化的最大范围，传递了时间间隔内信号波动信息。但是，由于M序列值恒定为非负实数，因此，缺乏对波动方向的描述。对此，提出了一种基于“改进M-bound”理论的波动率指标计算方法，通过分析给定时间间隔内信号的最大值、最小值出现的先后顺序来判定信号波动方向。具体来说，对于一个采样频率为s，长度为N的数据序列p(n)，取分析时间间隔为Δτ，对该数据序列进行逐点计算后的改进M序列可表示为：
.png)
式中：m=1,2,...,N-k,，k=Δτ/s，tnmax为时间间隔内信号p(n)中最大值出现时刻；tnmin为时间间隔内信号p(n)中最小值出现时刻。Mi>0时表示正向波动，Mi<0时表示负向波动。可见，通过使用“改进M-bound”理论计算得到的波动率指标Mi作为风电功率波动性的衡量，能够直观反应出给定时间间隔内风电功率序列最大值与最小值的差值、功率波动方向，避免常用的一阶差分量化指标所带来的波动性分析不足问题。
3.4风电场电气监控系统
风电场电气监控系统在集控中心内实现对全场电气部分的统一监视与控制，完成风电场远动信息上送，并接受调度中心的调度指令，完成电气设备五防功能。电气监控系统采用星型拓扑，采用开放、分层、分布式双网结构，双网同时进行数据通信。从纵向上看，系统分成站控层和间隔层。站控层实现整个系统的监控及管理功能；间隔层由就地智能单元组成，在站控层及通信网络失效时，间隔层能独立实现设备的就地监控闭锁。从横向上看，系统应按电力系统二次安全防护的有关规定，按安全分区、网络专用、横向隔离的原则，设置3个安全防护分区。安全区Ⅰ是具有实时监控功能、总线连接使用电力调度数据网的实时VPN或专用通道的各业务系统构成的安全区域；安全区Ⅱ是不直接参与控制，使用电力调度数据网的非实时VPN的各业务系统构成的安全区域；安全区Ⅲ为生产管理区。
3.5风电场安全性评价和技术监督工作
风电场风电机组类型具有多样化的特点，不论是机组类型或是机组容量都存在较大差别。不同风电机组的运行状态，存在不同的缺陷及故障。高效明确地对风电场进行安全性评估，对风电场的状态进行把控，需要有一套统一的风电场安全性评价体系。因此，可以编撰《风电场安全性评价规范》，内容可包含：安全性评价工作实行闭环动态管理，以5年为一个周期，按照“评价、分析、评估、整改、复评”的过程循环推进，即：发电企业按照安全性评价标准开展现场自查评和上级主管单位组织的专家查评，对评价过程中发现的问题进行原因分析、评估和分类；按照评估结论对存在问题逐一制定措施，并落实整改。通过2～3年时间的整改后，可由上级主管单位组织复评，然后在此基础上进行新一轮的循环。同时依托国家电网有限公司建立高效、通畅、快速反应的技术监督管理体系，开展“风机防雷通道检测”“风机机侧电能质量检测”等多项检测。对风电机组设备的健康水平及与安全、质量、经济、环保运行有关的重要参数、性能、指标进行监测与控制，及时发现问题，采取相应措施尽快解决，提高发电设备的安全可靠性，最终保证风电设备安全、可靠、经济、环保运行。风电场安全性评价工作与技术监督工作相辅相成，全面加强了对设备的监控力度，提高了风电设备的安全性。为实现风电场安全性评价进行了先行探索，有力地提升了风电场的安全稳定性。
3.6场群协调控制
将风电场群进行整合、集中协调控制，使其具备灵活响应电网调度与控制的能力，形成在规模和外部调控特性都与常规电厂相近的电源，提高风电机组的可利用率。通过采集各电场实时有功功率、无功电压、运行状态等数据，根据调度计划值，动态分析各电场运行状态、功率控制上下限等信息，综合集中风功率预测与各风电场设备健康状态等因素，合理分配计算各场站出力、电压等，实现风电基地有功、无功集中协调控制，减少对电网的影响，确保电网安全稳定运行
结语
综上，风电场运维管理系统能有效地指导风电场按“大风发电、小风维护”原则制定运维计划，能掌握人员动态，有效提升了风电场运维效率、安全生产水平、经济和社会效益。具有可行性，可在风电场大范围推广应用。
参考文献
[1]刘波，贺志佳，金昊．风力发电现状与发展趋势[J].东北电力大学学报，2016，32(6):7-13.
[2]刘贵平，刘坤杰，刘娜．闭环需求化风电场运维模式[J].电网与清洁能源，2016，32(6):143-146.
[3]王磊，刘波，赵磊，等．坝头风电场的运行管理[J]．水力发电，2012，38(2):83-85.
[4]曹晋华，程侃．可靠性数学引论(修订版)[M]．北京：高等教育出版社，2012．
[5]黄玲玲，曹家麟，张开华，等．海上风电机组运行维护现状研究与展望[J]．中国电机工程学报，2016，36(3):729-738.