关键词：桨角 功率表现 产能可利用率
Abstract：When the wind turbine is running before full power, the initial pitch angle is set according to the GH-Bladed simulation results, usually in the zero degree or so. But for the new airfoil blades, due to lack of relevant data in the database, software simulation results may be inconsistent with the actual power performance. For this situation, both detailed data analysis and on-site verification is needed to get the actual optimal pitch angle。
Key words: Picth angle, Power performance, EBA
1. 引言
随着近些年风电装机容量的快速增长，风电后市场对于我国风能产业健康发展已至关重要。做好风电场的运维管理，以及相关设备的技术改造，对于风电企业的盈利影响重大。变桨系统作为风机控制系统的重要组成部分，其变桨角度直接影响着机组的功率表现，即发电能力。特别在机组达到额定功率之前，为了最大限度的捕获风能，桨角通常保持不变，因此初始桨角的设置将直接关系到机组满发前的功率表现是否在最佳状态。本文将分享一则桨角优化的案例，通过相关数据分析及现场实地验证，风电场最终达到了资产价值提升的目的。
2. 案例背景
案例风电场位于国内东部某丘陵地区，采用某2MW机型(新翼型叶片)。风电场自2015年底开始运行，投产以来风电场发电量很不理想。拿到风电场自投产以来半年多的运行数据进行有关技术分析，经过一番数据的检验、补齐、修正等预处理工作后统计了一系列的技术指标，其中风电机组EBA(EBA是能量可利用率，不同于基于时间可行用率的TBA、RTA等，EBA是指相对于风电场实际应发电量水平的实际发电水平，少1%意味着损失风电场实际应发电量的1%)62.8%-78.8%，平均70.81%，影响机组EBA较低的原因为非正常功率表现造成的发电量损失较多。某机组的功率散点示意图如下，其他机组功率表现与之类似，其余机组功率散点图见附图。
3. 原因分析
究竟造成此现象的原因是什么呢，故障?维护?偏航?变桨?风特性?还是控制策略?
经过对数据进行如下处理分析：
1) 数据检验：将不正常的数据进行NA处理;
2) 数据修正：本案子装有Lidar设备，修正机舱风速;
3) 数据补齐：通过机组内数据自补及机组间建立联合分布法进行跨机组补齐;
4) 功率识别分类：通过数据间的逻辑关系及控制原理自动识别功率性质进行分类;
5) 大方向指标分析：大方向指标包括风及风特性、机组稳定性、功率表现、设计合理性、资产长期表现预测及不确定性分析;
6) 各系统指标分析：主要关注非故障情况下对发电情况有影响的控制系统;
7) 问题推演及分析：通常会有多个问题，经量化后分为主要问题及次要问题，对问题发生的逻辑条件及外部条件进行推演分析，找到源头进行理论预演及提出理论方案。
8) 提出建议
根据各技术指标的统计结果发现，机组间功率表现惊人的一致性且主要发生在低风速段，一定是机组共性的东西造成的，所以像群发故障、维护、偏航、风特性等可能性不大，经过一番分析后这些因素逐一被排除，最终将目标锁定在变桨系统及其控制上。经过数据预处理后分析变桨系统有关数据，最后发现机组在不同的桨角段功率表现存在明显差异，经咨询业主和厂家后得知该机型所用叶片为新研发的翼型叶片，已投产的业绩很少。分Bin后的桨角功率表现如下图所示，其余机组功率散点图见附图。
从机组在不同桨角下的功率表现可以看出，桨角在0-1度，机组在满发前正常与非正常功率表现同时存在;在3-4度，功率表现基本正常，与保证曲线趋势最为接近。因此推测该机型的起始桨角非软件仿真值0.5度。
4. 结果验证
为验证相关分析结论，主机厂家对部分机组进行两两分组，分别按0.5度(对照组，保持起始桨角不变)、2.0度、3.0度、4.0度测试，数据采集频率1Hz，经过一段时间测试后重新分析验证结果，从测试结果来看桨角在3度时，机组功率表现最好，与保证功率曲线趋势一致。
按3度桨角的功率表现重新评估机组EBA，机组EBA均超过90%，整场发电效率将大幅度提高。以上为初步测试结果，下一步根据现有粗测最优桨角范围进一步细分桨角区间进行详测以确定最佳桨角，以此来调整所有机组的起始桨角。
5. 结论
1) 风电场是个海量的数据库，如何让数据说真话是数据分析能力的核心要求。在整个后评估过程中，第一步是数据分析，数据分析能力是问题诊断的核心能力;第二步是测试验证，在现场测试验证工作的基础上确诊问题;第三步是解决方案，综合考虑所有因素并依此提出解决方案及实施计划;第四步是方案实施，注意方案实施的难点和要求及做好监督记录;第五步是效果评价，在方案充分实施结束后的一段时间后(根据要解决问题的性质不同所需时长不同)需对方案实施效果进行评价，评价发电及机组指标的变化情况，包括发电量提升情况。使机组安全稳定运行，提升发电能力及管理更优化方能达到提升资产价值的目的;
2) 后评估工作垂直维度工作较多，每阶段分析成果均为下阶段解决方案提供更详细的数据支撑，同时也提出了更高的要求;
3) 对于新翼型的叶片来说，因仿真软件数据库中缺乏相关数据或数据失真，可能导致仿真结果与实际功率表现存在较大差异，建议使用新翼型叶片的风电场，在投产之初，需加强数据监控和分析工作，尽早发现类似问题，避免不必要的发电量损失。
6. 附图
作者简介：
杨国兵，(1983-)，男，中国，本科，北京邮电大学本科毕业，技术经理，从事风电运维技术工作。
苗矿伟(1981-)，男，中国，硕士，技术总监，主要负责新能源的工程咨询、工程设计及后评估工作。
朱莎(1987-)，女，中国，本科，工程师，研究方向为数据分析、故障诊断、性能优化。
李前(1989-)，男，中国，本科，工程师，研究方向为数据分析、故障诊断、电气工程。
