風(fēng)電場(chǎng)運(yùn)行數(shù)據(jù)分析

郭丹，樸在林，胡博，張志霞，呂強(qiáng)強(qiáng)，梁永志（.沈陽(yáng)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院，遼寧沈陽(yáng)　0866；.阜新泰合風(fēng)力發(fā)電有限公司，遼寧阜新　000；.國(guó)網(wǎng)吉林省電力有限公司白山市城郊供電分公司，吉林白山　400）

?

風(fēng)電場(chǎng)運(yùn)行數(shù)據(jù)分析

郭丹1，樸在林1，胡博1，張志霞1，呂強(qiáng)強(qiáng)2，梁永志3
（1.沈陽(yáng)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院，遼寧沈陽(yáng)110866；2.阜新泰合風(fēng)力發(fā)電有限公司，遼寧阜新123000；3.國(guó)網(wǎng)吉林省電力有限公司白山市城郊供電分公司，吉林白山134300）

摘要：為了挖掘風(fēng)電大數(shù)據(jù)蘊(yùn)含的深層信息，探索風(fēng)電場(chǎng)生產(chǎn)運(yùn)行的規(guī)律，科學(xué)指導(dǎo)風(fēng)電場(chǎng)生產(chǎn)經(jīng)濟(jì)運(yùn)行，開(kāi)展風(fēng)電場(chǎng)運(yùn)行數(shù)據(jù)分析研究，以風(fēng)電場(chǎng)風(fēng)力發(fā)電機(jī)組SCADA系統(tǒng)運(yùn)行數(shù)據(jù)為主要研究對(duì)象，以電力大數(shù)據(jù)分析為基本思路，以計(jì)量經(jīng)濟(jì)學(xué)和統(tǒng)計(jì)學(xué)為主要研究方法，提出了風(fēng)電場(chǎng)大數(shù)據(jù)分析的層次結(jié)構(gòu)，歸納了風(fēng)電場(chǎng)數(shù)據(jù)分類框架結(jié)構(gòu)，分析了風(fēng)電場(chǎng)風(fēng)力發(fā)電機(jī)不同參數(shù)的運(yùn)行特性，在數(shù)據(jù)分析的基礎(chǔ)上驗(yàn)證了時(shí)下風(fēng)電產(chǎn)業(yè)熱點(diǎn)研究方向的研究必要性。

關(guān)鍵詞：風(fēng)電場(chǎng)運(yùn)行；風(fēng)力發(fā)電機(jī)；數(shù)據(jù)分析；風(fēng)電大數(shù)據(jù)

Project SuPPorted bY the Nationa1 Science and Techno1ogY SuPPort Program of China（2012BAJ26B01）.

KEY W0RDS：wind Power farm oPeration；wind turbine generator；data ana1Ysis；wind Power big data

根據(jù)全球風(fēng)能協(xié)會(huì)GWEC的統(tǒng)計(jì)數(shù)據(jù)表明，2000年以后全球每年風(fēng)電新增裝機(jī)容量逐年遞增，經(jīng)歷了跨越式發(fā)展。2013年雖有所放緩，2014年強(qiáng)勁反彈，截至到2014年12月全球累計(jì)風(fēng)電總裝機(jī)容量達(dá)到370 GW。截至到2014年我國(guó)風(fēng)電總裝機(jī)容量達(dá)到114.6 GW，其中2014年新增23 GW，2011—2014年風(fēng)電發(fā)電量分別占全國(guó)總發(fā)電量的1.5%、2%、2.6%和2.78%［1］。隨著我國(guó)風(fēng)電并網(wǎng)容量及其發(fā)電量的不斷增加，風(fēng)電場(chǎng)積累了大量的運(yùn)行數(shù)據(jù)。如何充分挖掘風(fēng)電大數(shù)據(jù)蘊(yùn)藏的“金礦”，分析風(fēng)資源特性、單臺(tái)風(fēng)力發(fā)電機(jī)的性能、風(fēng)電場(chǎng)整體運(yùn)行特性等不同研究對(duì)象的特點(diǎn)，并建立風(fēng)電場(chǎng)運(yùn)行管理體系及其相關(guān)評(píng)價(jià)指標(biāo)，是本文要研究的重點(diǎn)。

文獻(xiàn)［2］通過(guò)分析風(fēng)電場(chǎng)運(yùn)行數(shù)據(jù)，在對(duì)比風(fēng)電機(jī)組實(shí)測(cè)功率特性曲線與標(biāo)準(zhǔn)功率特性曲線的基礎(chǔ)上研究風(fēng)電場(chǎng)等效建模方法。文獻(xiàn)［3］以福建省某沿海風(fēng)電場(chǎng)2010年1—6月的小時(shí)平均有功出力為研究對(duì)象，通過(guò)對(duì)有功出力的波動(dòng)變化性和隨機(jī)變化性分析，研究了風(fēng)電出力不確定性影響的應(yīng)對(duì)措施。文獻(xiàn)［4］以美國(guó)某州9個(gè)風(fēng)電場(chǎng)2008年1月1日至9 月30日的分鐘級(jí)平均功率為主要研究對(duì)象，并通過(guò)移動(dòng)平均的方法得到不同時(shí)間尺度的數(shù)據(jù)，利用直方圖分析以t1ocation-sca1e分布來(lái)描述風(fēng)電出力的波動(dòng)性。文獻(xiàn)［5］以對(duì)京津唐地區(qū)2010年春到2011年冬的風(fēng)電數(shù)據(jù)為研究對(duì)象，通過(guò)對(duì)不同時(shí)間尺度和不同季節(jié)的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行分析，其結(jié)論不僅反映了風(fēng)電隨時(shí)間的波動(dòng)性，還分析了波動(dòng)性與系統(tǒng)調(diào)峰等方面的相關(guān)影響，并建立了較為詳盡的評(píng)價(jià)指標(biāo)體系。文獻(xiàn)［6］利用威海地區(qū)某風(fēng)電場(chǎng)2010年1月1日至2011年12月31日時(shí)隔5 min的有功出力樣本數(shù)據(jù)，通過(guò)概率分布的方法進(jìn)行縱向時(shí)刻出力波動(dòng)性研究。文獻(xiàn)［7］以新疆某地區(qū)集群風(fēng)電場(chǎng)2011年10月1日至2011年10月30日的風(fēng)電功率數(shù)據(jù)為研究對(duì)象，利用加權(quán)高斯混合分布模型研究風(fēng)電功率波動(dòng)特性。文獻(xiàn)［8］利用實(shí)測(cè)數(shù)據(jù)繪制了1.25 MW風(fēng)電機(jī)組的風(fēng)速-功率特性曲線，以分析風(fēng)力發(fā)電機(jī)的運(yùn)行特性。文獻(xiàn)［9］通過(guò)對(duì)伊朗某地區(qū)2012和2013年風(fēng)力發(fā)電機(jī)的風(fēng)速與有功出力實(shí)測(cè)數(shù)據(jù)，利用概率分布函數(shù)等方法進(jìn)行不同季節(jié)不同樣本等多層面的分析。文獻(xiàn)［10］通過(guò)對(duì)湖北九宮山風(fēng)電場(chǎng)2009年3月17至2009年4月17日和四川某風(fēng)電場(chǎng)2009年1月1日至2009年1月31日采樣頻率為10 min的有功出力數(shù)據(jù)進(jìn)行非參數(shù)估計(jì)方法和參數(shù)估計(jì)方法研究分析，驗(yàn)證了非參數(shù)核密度估計(jì)方法在風(fēng)電數(shù)據(jù)分析方面的適用性和有效性。文獻(xiàn)［11-13］都提及利用非參數(shù)核密度估計(jì)方法，分析風(fēng)速及有功出力的分布情況并進(jìn)行預(yù)測(cè)研究。文獻(xiàn)［14］研究體現(xiàn)了風(fēng)電大數(shù)據(jù)的研究思想。文獻(xiàn)［15-16］對(duì)大規(guī)模風(fēng)電并網(wǎng)運(yùn)行進(jìn)行分析，并提出風(fēng)電發(fā)展需要解決的相關(guān)問(wèn)題。

綜上所述，科研人員對(duì)風(fēng)電大數(shù)據(jù)的研究分析在逐步深化。風(fēng)電大數(shù)據(jù)的發(fā)展趨勢(shì)逐漸由波動(dòng)性分析擴(kuò)展到概率分布研究，研究方法也逐漸由參數(shù)估計(jì)方法向非參數(shù)估計(jì)方法過(guò)渡，且研究體系及評(píng)價(jià)標(biāo)準(zhǔn)逐步完善；另外關(guān)于風(fēng)電場(chǎng)有功出力及其波動(dòng)性研究相對(duì)較為多，但并未挖掘風(fēng)電場(chǎng)風(fēng)力發(fā)電機(jī)組SCADA系統(tǒng)中其他數(shù)據(jù)對(duì)風(fēng)電運(yùn)行的可靠性、穩(wěn)定性的相關(guān)影響。本文基于電力大數(shù)據(jù)分析的思想，提出了風(fēng)電場(chǎng)大數(shù)據(jù)分析的層次結(jié)構(gòu)，歸納了風(fēng)電場(chǎng)數(shù)據(jù)分類框架結(jié)構(gòu)；以并網(wǎng)風(fēng)電場(chǎng)風(fēng)力發(fā)電機(jī)組運(yùn)行數(shù)據(jù)為研究對(duì)象，利用計(jì)量經(jīng)濟(jì)學(xué)和統(tǒng)計(jì)學(xué)分析方法，分析了風(fēng)力發(fā)電機(jī)不同參數(shù)的運(yùn)行特性，并揭示了隱藏在數(shù)據(jù)后面的相關(guān)啟示。

1　研究對(duì)象相關(guān)框架結(jié)構(gòu)

1.1風(fēng)電場(chǎng)運(yùn)行大數(shù)據(jù)分析層次結(jié)構(gòu)

本文以大數(shù)據(jù)分析為理論基礎(chǔ)，以風(fēng)電場(chǎng)運(yùn)行數(shù)據(jù)為研究對(duì)象，利用透過(guò)現(xiàn)象把握本質(zhì)的哲學(xué)思想，通過(guò)挖掘風(fēng)電大數(shù)據(jù)蘊(yùn)含的深層信息來(lái)探索風(fēng)電場(chǎng)生產(chǎn)運(yùn)行的規(guī)律，以更加科學(xué)、合理、經(jīng)濟(jì)地指導(dǎo)風(fēng)電場(chǎng)生產(chǎn)實(shí)踐。風(fēng)電大數(shù)據(jù)分析層次結(jié)構(gòu)見(jiàn)圖1。

圖1　風(fēng)電大數(shù)據(jù)分析層次結(jié)構(gòu)Fig. 1 The level structure of wind power big data analysis

圖2　風(fēng)電場(chǎng)數(shù)據(jù)分類框架結(jié)構(gòu)Fig. 2 The frame structure of wind power farm data classification

1.2風(fēng)電場(chǎng)數(shù)據(jù)分類框架結(jié)構(gòu)

本文將風(fēng)電場(chǎng)數(shù)據(jù)按照功能進(jìn)行4個(gè)大類的劃分，包括風(fēng)功率預(yù)測(cè)數(shù)據(jù)、設(shè)備狀態(tài)評(píng)估數(shù)據(jù)、生產(chǎn)運(yùn)營(yíng)數(shù)據(jù)和管理信息數(shù)據(jù)4個(gè)功能數(shù)據(jù)模塊。每個(gè)數(shù)據(jù)模塊包含分別實(shí)現(xiàn)其功能的信息數(shù)據(jù)，既包含動(dòng)態(tài)數(shù)據(jù)又包含靜態(tài)數(shù)據(jù)，涵蓋了風(fēng)電場(chǎng)日常運(yùn)行維護(hù)、生產(chǎn)運(yùn)營(yíng)及管理等多個(gè)層面。

2　樣本數(shù)據(jù)說(shuō)明及預(yù)處理

2.1樣本數(shù)據(jù)說(shuō)明

論文選取了遼寧地區(qū)某49.5 MW風(fēng)電場(chǎng)33臺(tái)額定功率為1.5 MW風(fēng)力發(fā)電機(jī)組SCADA系統(tǒng)的運(yùn)行數(shù)據(jù)為研究對(duì)象。該風(fēng)電場(chǎng)自2012年3月開(kāi)始逐臺(tái)調(diào)試并網(wǎng)，2012年6月33臺(tái)全部并網(wǎng)完成。選取SCADA系統(tǒng)中的部分?jǐn)?shù)據(jù)進(jìn)行整理、統(tǒng)計(jì)及分析。選取數(shù)據(jù)樣本的時(shí)間長(zhǎng)度為2012年7月1日至2015年12月31日，數(shù)據(jù)采樣頻率為日，共計(jì)1 279個(gè)數(shù)據(jù)樣本。

2.2數(shù)據(jù)預(yù)處理

由于通信故障等原因造成數(shù)據(jù)缺失的情況十分普遍，本文并未采取普遍應(yīng)用的利用各種插值方法進(jìn)行填補(bǔ)，而是根據(jù)數(shù)據(jù)的類型不同進(jìn)行不同的缺失值及異常值處理。對(duì)于針對(duì)發(fā)電量和損耗電量這類時(shí)間積累類型的數(shù)據(jù)，本文采用時(shí)段平均的方法來(lái)處理此類缺失值；而對(duì)于風(fēng)速、溫度等數(shù)據(jù)，通過(guò)對(duì)風(fēng)力發(fā)電機(jī)組SCADA系統(tǒng)導(dǎo)出此類數(shù)據(jù)建立核密度曲線，根據(jù)曲線的發(fā)現(xiàn)一些異常的情況，進(jìn)而觀察個(gè)別數(shù)據(jù)中存在一些連續(xù)的異常“0”值，且異常值數(shù)量小于樣本總量的1%，本文對(duì)此類異常值采取刪除處理。

3　數(shù)據(jù)分析

3.1非參數(shù)核密度估計(jì)分析

非參數(shù)核密度估計(jì)方法對(duì)于風(fēng)電數(shù)據(jù)研究具有廣泛的適應(yīng)性，一是避免參數(shù)估計(jì)分析的主觀性，二是防止由于風(fēng)資源具有區(qū)域性特點(diǎn)而造成分析結(jié)論的局限性。本文采用非參數(shù)核密度估計(jì)對(duì)4臺(tái)風(fēng)力發(fā)電機(jī)組采樣頻率為日的平均風(fēng)速數(shù)據(jù)進(jìn)行分析擬合，利用EPanechnikov核函數(shù)對(duì)平均風(fēng)速概率分布進(jìn)行擬合，如圖3所示?？梢?jiàn)核密度估計(jì)（圖3中紅色曲線）對(duì)平均風(fēng)速的概率分布擬合較好，而正態(tài)分布（圖3中綠色曲線）擬合效果相比明顯遜色。由此表明了非參數(shù)核密度估計(jì)方法對(duì)于研究波動(dòng)性顯著的風(fēng)電大數(shù)據(jù)的適用性。

3.2日平均風(fēng)速數(shù)據(jù)分析

對(duì)選取的49.5 MW風(fēng)電場(chǎng)的33臺(tái)1.5 MW風(fēng)力發(fā)電機(jī)組的日平均風(fēng)速進(jìn)行概率分布研究，其日平均風(fēng)速核密度估計(jì)曲線如圖4所示?？梢?jiàn)33臺(tái)風(fēng)力發(fā)電機(jī)組日平均風(fēng)速的核密度曲線整體趨勢(shì)一致，33臺(tái)風(fēng)力發(fā)電機(jī)組日平均風(fēng)速出現(xiàn)最高概率分布的區(qū)間大體分布在3.5～6 m/s的風(fēng)速范圍內(nèi)，其概率可達(dá)到0.18～0.24；日均風(fēng)速出現(xiàn)大于12 m/s的概率非常小。

圖3　風(fēng)力發(fā)電機(jī)組日平均風(fēng)速核密度函數(shù)曲線Fig. 3 The kernel density function curve of daily average wind speed of the wind turbine generators

選取9號(hào)風(fēng)力發(fā)電機(jī)進(jìn)行定量分析，因?yàn)樗笔?shù)據(jù)少，曲線典型，具有代表性。9號(hào)風(fēng)力發(fā)電機(jī)日平均風(fēng)速的核密度曲線和累積分布函數(shù)曲線如圖5所示。日平均風(fēng)速累積分布函數(shù)曲線橫軸表示風(fēng)速，網(wǎng)速為3和8 m/s對(duì)應(yīng)的概率值分別為0.13和0.91，即此臺(tái)風(fēng)力發(fā)電機(jī)出現(xiàn)小于3 m/s和小于8 m/s的日均風(fēng)速的概率分別為13%和91%，由此可知日平均風(fēng)速介于3～8 m/s的數(shù)據(jù)占統(tǒng)計(jì)量的78%。

圖4　33臺(tái)1.5 MW風(fēng)力發(fā)電機(jī)組日平均風(fēng)速核密度函數(shù)曲線Fig. 4 The daily average wind speed kernel density function curve of thirty-three 1.5 MW wind turbine generators

圖5　9號(hào)風(fēng)機(jī)日平均風(fēng)速的核密度函數(shù)曲線和累積分布函數(shù)曲線Fig. 5 The kernel density function curve and cumulative distribution function curve of the daily average wind speed of No.9 wind turbine generator

通過(guò)以上數(shù)據(jù)分析并根據(jù)研究的機(jī)型，切入風(fēng)速為3 m/s，額定風(fēng)速為10.3 m/s，切出風(fēng)速為22 m/s，可得所研究的樣本風(fēng)電場(chǎng)主要運(yùn)行在風(fēng)速較低的區(qū)間，且該風(fēng)電場(chǎng)僅為其周圍地區(qū)多個(gè)風(fēng)電場(chǎng)的一個(gè)典型示例。綜上所述，現(xiàn)階段著力從風(fēng)機(jī)制造廠商的技術(shù)改造和風(fēng)電場(chǎng)運(yùn)行維護(hù)企業(yè)的運(yùn)行優(yōu)化兩方面提升低風(fēng)速區(qū)間風(fēng)力發(fā)電機(jī)組的發(fā)電量，對(duì)指導(dǎo)今后的風(fēng)電場(chǎng)設(shè)計(jì)、建設(shè)、生產(chǎn)運(yùn)行、改造有著深遠(yuǎn)意義。

3.3日發(fā)電量數(shù)據(jù)分析

選取數(shù)據(jù)缺失少的4臺(tái)風(fēng)力發(fā)電機(jī)組的日發(fā)電量作為樣本進(jìn)行分析，將每臺(tái)風(fēng)力發(fā)電機(jī)日發(fā)電量折算成標(biāo)么值，再對(duì)其進(jìn)行箱線圖的繪制，如圖6所示?？梢?jiàn)單臺(tái)風(fēng)力發(fā)電機(jī)日發(fā)電量的第一四分位數(shù)和第三四分位數(shù)基本位于0.1和0.3附近，且占50%分布的日發(fā)電量在0.1～0.3范圍內(nèi)（即對(duì)于額定出力為1.5 MW的風(fēng)力發(fā)電機(jī)，日發(fā)電量在3 600～10 800kW·h范圍內(nèi)占統(tǒng)計(jì)樣本的50%），中位數(shù)均在0.2附近波動(dòng)，基本位于上下四分位數(shù)的中心，分布偏態(tài)性不強(qiáng)，且統(tǒng)計(jì)期間內(nèi)該4臺(tái)風(fēng)力發(fā)電機(jī)組日發(fā)電量（計(jì)及棄風(fēng)限電的因素）的均值分別為7 755 kW·h、8 296 kW·h、7 064 kW·h和7 108 kW·h，可得單臺(tái)風(fēng)力發(fā)電機(jī)日等效利用時(shí)間4.71～5.53 h。另外，箱線圖中高于0.6的分布較少，即1.5 MW風(fēng)力發(fā)電機(jī)日發(fā)電量超過(guò)21 600 kW·h的并不多，箱線圖判斷為溫和的異常值；風(fēng)力發(fā)電機(jī)且存在超發(fā)的情況，即標(biāo)幺值出現(xiàn)大于1的情況，箱線圖判斷其為極端異常值。

圖6　9號(hào)、16號(hào)、18號(hào)和20號(hào)風(fēng)機(jī)日發(fā)電量標(biāo)么值箱線圖Fig. 6 The daily generation per-unit value box plot of No.9，No.16，No.18 and No.20 wind turbines

棄風(fēng)限電、風(fēng)機(jī)質(zhì)量、風(fēng)電運(yùn)維等因素均會(huì)影響風(fēng)力發(fā)電機(jī)的發(fā)電量，因此，提升風(fēng)電運(yùn)維能力、規(guī)范風(fēng)電運(yùn)維是風(fēng)電行業(yè)發(fā)展及風(fēng)電企業(yè)增效的必然趨勢(shì)。

3.4日平均風(fēng)速與日發(fā)電量相關(guān)性分析

日平均風(fēng)速與日發(fā)電量的散點(diǎn)圖如圖7所示，可見(jiàn)散點(diǎn)密集的區(qū)域近似單調(diào)遞增直線的趨勢(shì)，即日發(fā)電量與日平均風(fēng)速相關(guān)性較大。當(dāng)然通過(guò)主成分分析及風(fēng)能公式均可驗(yàn)證此結(jié)論，即風(fēng)力發(fā)電機(jī)獲得的風(fēng)能與空氣密度和風(fēng)速的立方成正比。另外，散點(diǎn)密集區(qū)域下方分布了大量散點(diǎn)，主要是由于棄風(fēng)限電的原因造成了日平均風(fēng)速較大而日發(fā)電量較少的情況。

圖7　日平均風(fēng)速與日發(fā)電量散點(diǎn)圖Fig. 7 The scatter plot of the daily average wind speed and daily generation

由此可見(jiàn)，棄風(fēng)限電現(xiàn)象在我國(guó)已并網(wǎng)運(yùn)行的風(fēng)電場(chǎng)中普遍存在。國(guó)家能源局新能源司副處長(zhǎng)李鵬在2015年北京國(guó)際風(fēng)能大會(huì)上介紹，風(fēng)電“十三五”規(guī)劃重在政策調(diào)整，淡化裝機(jī)目標(biāo)，重點(diǎn)解決“棄風(fēng)限電”問(wèn)題［16］。

3.5日損耗電量與日平均溫度相關(guān)性分析

如圖8所示，圖中紅色部分為溫度曲線，藍(lán)色部分為日損耗電量曲線。由圖8明顯可見(jiàn)，溫度曲線呈正弦波式循環(huán)變化，說(shuō)明該風(fēng)電場(chǎng)所處地區(qū)為典型溫度隨季節(jié)變化明顯的區(qū)域。對(duì)于日損耗曲線，可見(jiàn)2012年后半年日損耗電量過(guò)大。根據(jù)并網(wǎng)時(shí)間分析，該時(shí)期處于風(fēng)力發(fā)電機(jī)組的“磨合期”，即風(fēng)力發(fā)電機(jī)調(diào)試完成后的并網(wǎng)初期，自動(dòng)潤(rùn)滑等系統(tǒng)頻繁運(yùn)行，風(fēng)力發(fā)電機(jī)機(jī)械系統(tǒng)（如在并網(wǎng)初期風(fēng)機(jī)偏航過(guò)程中，偏航剎車片與剎車盤）摩擦較大，因此損耗電量較大。2012年以后明顯可見(jiàn)每年溫度較低時(shí)，風(fēng)力發(fā)電機(jī)組日損耗電量相對(duì)較大，這是由于溫度較低時(shí)，風(fēng)力發(fā)電機(jī)加熱系統(tǒng)會(huì)給風(fēng)機(jī)配電柜、控制柜、變頻柜、機(jī)艙柜、變槳柜等柜體持續(xù)加熱，以滿足系統(tǒng)運(yùn)行所需溫度要求；同時(shí)，在低溫的冬季，遇到供暖期，風(fēng)場(chǎng)限電導(dǎo)致風(fēng)機(jī)無(wú)法通過(guò)自身設(shè)備運(yùn)行來(lái)提升系統(tǒng)溫度，此時(shí)風(fēng)力發(fā)電機(jī)加熱系統(tǒng)就需要提供更多的熱量維持風(fēng)機(jī)在停機(jī)狀態(tài)下各個(gè)柜體所需的系統(tǒng)溫度，以便在解除限電之后，風(fēng)力發(fā)電機(jī)能盡快地啟動(dòng)運(yùn)行。

圖8　風(fēng)力發(fā)電機(jī)日損耗電量與日平均溫度曲線Fig. 8 The daily generation loss and daily average temperature curve of wind turbine generators

通過(guò)日損耗電量分析，僅從一個(gè)參數(shù)指標(biāo)層面反映出風(fēng)力發(fā)電機(jī)“磨合期”的特性，其他特征有待進(jìn)一步研究。

4　結(jié)語(yǔ)

1）通過(guò)對(duì)遼寧某地區(qū)49.5 MW風(fēng)電場(chǎng)進(jìn)行研究分析，本著大數(shù)據(jù)分析的研究思路，提出了風(fēng)電場(chǎng)大數(shù)據(jù)分析的層次結(jié)構(gòu)，歸納了風(fēng)電場(chǎng)數(shù)據(jù)分類框架結(jié)構(gòu)。

2）應(yīng)用非參數(shù)核密度估計(jì)、關(guān)聯(lián)分析等研究方法對(duì)風(fēng)電場(chǎng)運(yùn)行數(shù)據(jù)進(jìn)行分析，基本了解了研究風(fēng)電場(chǎng)及其附近區(qū)域風(fēng)電場(chǎng)的運(yùn)行現(xiàn)狀，為低風(fēng)速風(fēng)力發(fā)電機(jī)的研究開(kāi)發(fā)提供確鑿的依據(jù)，同時(shí)利用數(shù)據(jù)說(shuō)明了提升風(fēng)電運(yùn)維能力的必然性及風(fēng)力發(fā)電機(jī)“磨合期”的特性。

進(jìn)一步開(kāi)展風(fēng)力發(fā)電機(jī)組SCADA系統(tǒng)中無(wú)功功率、限功率停機(jī)時(shí)間、最高變槳電機(jī)溫度等其他運(yùn)行數(shù)據(jù)及多維數(shù)據(jù)的分析研究，繼續(xù)開(kāi)展風(fēng)力發(fā)電機(jī)設(shè)備狀態(tài)評(píng)估［18］、風(fēng)電場(chǎng)運(yùn)維能力評(píng)估等方面的研究工作。

參考文獻(xiàn)

［1］G1oba1 Wind EnergY Counci1. G1oba1 wind rePort annua1 marketuPdate 2014［R］. Brusse1s，Be1gium：GWEC，2015.

［2］余洋，劉永光，董勝元.基于運(yùn)行數(shù)據(jù)的風(fēng)電場(chǎng)等效建模方法比較［J］.電網(wǎng)與清潔能源，2009，25（12）：79-83. YU Yang，LIU Yongguang，DONG ShengYuan. ComParative studY on wind farm equiva1ent mode1ing based on oPeration data［J］. Power SYstem and C1ean EnergY，2009，25（12）：79-83（in Chinese）.

［3］洪翠，溫步瀛，陳群，等.風(fēng)電場(chǎng)出力特性及其不確定性的對(duì)策分析［J］.電網(wǎng)與清潔能源，2012，28（11）：65-68 HONG Cui，WEN BuYing，CHEN Qun，et a1. Ana1Ysis of wind farm outPut characteristics and so1utions to its uncertaintY［J］. Power SYstem and C1ean EnergY，2012，28 （11）：65-68（in Chinese）.

［4］林衛(wèi)星，文勁宇，艾小猛，等.風(fēng)電功率波動(dòng)特性的概率分布研究［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2012，32（1）：38-46. LIN Weixing，WEN JinYu，AI Xiaomeng，et a1. Probabi1itY densitY function of wind Power variations［J］. Proceedings of the CSEE，2012，32（1）：38-46（in Chinese）.

［5］李劍楠，喬穎，魯宗相，等.多時(shí)空尺度風(fēng)電統(tǒng)計(jì)特性評(píng)價(jià)指標(biāo)體系及其應(yīng)用［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2013，33（13）：53-61. LI Jiannan，QIAO Ying，LU Zongxiang，et a1. An eva1uation index sYstem for wind Power statistica1 characteristics in mu1tiP1e sPatia1 and temPora1 sca1es and its aPP1ication［J］. Proceedings of the CSEE，2013，33（13）：53-61 （in Chinese）.

［6］呂曉祿，梁軍，贠志皓，等.風(fēng)電場(chǎng)出力的縱向時(shí)刻概率分布特性［J］.電力自動(dòng)化設(shè)備，2014，34（5）：40-45. Lü Xiao1u，LIANG Jun，YUN Zhihao，et a1. Longitudina1 instant Probabi1itY distribution of wind farm outPut Power［J］. Proceedings of the CSEE，2014，34（5）：40-45（in Chinese）.

［7］藺紅，孫立成，常喜強(qiáng).新疆風(fēng)電出力波動(dòng)特性的概率建模［J］.電網(wǎng)技術(shù)，2014，38（6）：1616-1620. LIN Hong，SUN Licheng，CHANG Xiqiang. A Probabi1istic mode1 to simu1ate wind Power outPut f1uctuation of a certain wind farm c1uster in Xinjiang region［J］. Power SYstem Techno1ogY，2014，38（6）：1616-1620（in Chinese）.

［8］徐創(chuàng)學(xué)，劉魯清，謝云明，等.基于實(shí)時(shí)數(shù)據(jù)的風(fēng)力發(fā)電機(jī)組性能在線評(píng)價(jià)［J］.熱力發(fā)電，2015，44（4）：88-91. XU Chuangxue，LIU Luqing，XIE Yunming，et a1. Rea1-time data based on1ine eva1uation of outPut Performance for wind turbine units［J］. Therma1 Power Generation，2015，44（4）：88-91（in Chinese）.

［9］ZOLFAGHARI S，RIAHY G H，ABEDI M. A new method to adequate assessment of wind farms’Power outPut［J］. EnergY Conversion & Management，2015，103：585-604.

［10］楊楠，崔家展，周崢，等.基于模糊序優(yōu)化的風(fēng)功率概率模型非參數(shù)核密度估計(jì)方法［J］.電網(wǎng)技術(shù)，2016，40 （2）：335-340. YANG Nan，CUI Jiazhan，ZHOU Zheng，et a1. Research on nonParametric kerne1 densitY estimation for mode1ing of wind Power Probabi1itY characteristics based on fuzzY ordina1 oPtimization［J］. Power SYstem Techno1ogY，2016，40（2）：335-340（in Chinese）.

［11］BESSA R J，MIRANDA V，BOTTERUD A，et a1. TimeadaPtive quanti1e-coPu1a for wind Power Probabi1istic forecasting［J］. Renewab1e EnergY，2012，40（1）：29-39.

［12］ZHANG Y，WANG J，WANG X. Review on Probabi1istic forecasting of wind Power generation［J］. Renewab1e & Sustainab1e EnergY Reviews，2014，32（5）：255-270.

［13］TAYLOR J W，JEON J. Forecasting wind Power quanti1es using conditiona1 kerne1 estimation［J］. Renewab1e EnergY，2015，80：370-379.

［14］魯宗相，徐曼，喬穎，等.風(fēng)電功率預(yù)測(cè)的新型互聯(lián)網(wǎng)運(yùn)營(yíng)模式設(shè)計(jì)［J］.電網(wǎng)技術(shù)，2016，40（1）：125-131. LU Zongxiang，XU Man，QIAO Ying，et a1. New internet based oPeration Pattern design of wind Power forecasting sYstem［J］. Power SYstem Techno1ogY，2016，40（1）：125-131（in Chinese）.

［15］王小海，齊軍，侯佑華，等.內(nèi)蒙古電網(wǎng)大規(guī)模風(fēng)電并網(wǎng)運(yùn)行分析和發(fā)展思路［J］.電力系統(tǒng)自動(dòng)化，2011，35 （22）：90-96. WANG Xiaohai，QI Jun，HOU Youhua，et a1. OPeration research for 1arge sca1e wind Power grid integeration and further deve1oPments in Inner Mongo1ia［J］. Automation of E1ectric Power SYstems，2011，35（22）：90-96（in Chinese）.

［16］梁玉枝，李群炬，王沛文，等.京津唐電網(wǎng)第一個(gè)百萬(wàn)千瓦風(fēng)電基地并網(wǎng)運(yùn)行分析［J］.中國(guó)電力，2010，43 （6）：1-4. LIANG Yuzhi，LI Qunju，WANG Peiwen，et a1. Ana1Ysis on the integration and oPeration of the first wind farm ofmega ki1owatt in Jing-Jin-Tang grid［J］. E1ectric Power，2010，43（6）：1-4（in Chinese）.

［17］風(fēng)電“十三五”重點(diǎn)解決棄風(fēng)限電規(guī)劃［EB/OL］.（2015-10-15）［2016-2-20］.httP：//moneY.163.com/15/1015/01/ B5UBLUVN00253B0H.htm1.

［18］梁偉宸，許湘蓮，龐可，等.風(fēng)電機(jī)組故障診斷實(shí)現(xiàn)方法探討［J］.高壓電器，2011，47（8）：57-62. LIANG Weichen，XU Xiang1ian，PANG Ke，et a1. Investigation of the imP1ementation of the wind turbine fau1t diagnosis［J］. High Vo1tage APParatus，2011，47（8）：57-62（in Chinese）.

Analysis of 0peration Data of Wind Power Farm

GUO Dan1，PIAO Zai1in1，HU Bo1，ZHANG Zhixia1，Lü Qiangqiang2，LIANG Yongzhi3
（1. Co11ege of Information and E1ectrica1 Engineering，ShenYang Agricu1tura1 UniversitY，ShenYang 110866，Liaoning，China；2. Fuxin Taihe Wind Power Limited ComPanY，F(xiàn)uxin 123000，Liaoning，China；3. State Grid Baishan Suburb Power SuPP1Y ComPanY，Ji1in E1ectric Power ComPanY，Baishan 137000，Ji1in，China）

ABSTRACT：In order to mine the deeP information contained in the wind Power big data and exP1ore the 1aw of the wind farm oPeration and offer guidance for the Practica1 wind farm oPeration in a scientific，ProPer，and economica1 waY，the research on the wind Power farm oPeration data ana1Ysis is done in this PaPer. With the oPeration data of the SCADA sYstem of the wind turbine generator as the main research target，with ana1Ysis of the Power big data as the basic train of thought，and econometrics and statistics as the main research method，this PaPer ProPoses the 1eve1 structure of wind Power farm data ana1Ysis，and summarizes the c1assification frame structure and ana1Yzes the Performance characteristics of the various Parameters of the wind turbine generator and verifies the necessitY of research in the current hot Points in the wind Power sector based on the data ana1Ysis.

文章編號(hào)：1674-3814（2016）04-0093-06中圖分類號(hào)：TM732；TM614

文獻(xiàn)標(biāo)志碼：A

基金項(xiàng)目：國(guó)家科技支撐計(jì)劃課題（2012BAJ26B01）。

收稿日期：2016-01-21。

作者簡(jiǎn)介：

郭丹（1982—），女，博士研究生，講師，主要從事風(fēng)功率預(yù)測(cè)及儲(chǔ)能技術(shù)研究；

樸在林（1955—），男，教授、博導(dǎo)，主要從事地方電力系統(tǒng)及其自動(dòng)化、農(nóng)村能源節(jié)能技術(shù)研究。

（編輯馮露）