风电辅助数据

风电设备故障数据分析
在瑞典，风电设备故障数据由Swedpower AB公司收集，每年都会发布报告。

报告内容是瑞典境内风力发电机的性能，包括不同部件故障的停机时间。

下面的故障和停机数据是在2000-2004年内收集的，期间安装了越来越多的风力发电设备。

故障频率
Figure 10 显示在2000-2004年内，故障百分比。

大多数故障与电气故障、传感器、叶片/变桨有关。

停机
Figure 11显示在2000-2004年内，部件故障停机百分比。

最严重的故障部件是增速箱，其次是控制系统和电气系统。

这
意味着增速箱比其它部件故障时间都长。

增速箱故障
Table 7 中，故障最多的部件是轴承和其它不明部件。

导致故障的主要原因是：磨损。

总结
一台风力发电设备每年故障率0.402起，每起故障需要维修的平均时间是170小时。

故障数量
最多的是：电气系统、传感器、叶片/变桨；停机数量最多的是：增速箱、控制系统、电气
系统；每起故障停机时间最长：驱动链、偏航系统、增速箱；引起增速箱故障的原因主要是
磨损。

智慧风电解决方案目录1. 智慧风电概述 (2)1.1 风电行业背景 (3)1.2 智慧风电的定义与发展趋势 (4)2. 智慧风电解决方案不可或缺的部分 (5)2.1 信息技术与风电技术融合 (7)2.2 智能化运维体系 (8)2.3 数据分析与预测模型 (9)3. 智慧风电系统总体架构 (10)3.1 物理层 (12)3.1.1 风电机组 (13)3.1.2 电缆与集电系统 (14)3.2 网络层 (15)3.2.1 通讯网络 (17)3.2.2 数据传输 (18)3.3 业务层 (19)3.3.1 数据处理 (21)3.3.2 智能监控 (22)4. 智慧风电数据采集与处理 (24)4.1 风机数据采集 (25)4.2 环境数据采集 (26)4.3 数据处理与存储 (28)5. 智慧风电监测与诊断 (29)5.1 远程监控系统 (30)5.2 智能诊断模块 (31)5.3 故障预警 (32)6. 智能运维管理 (33)6.1 梯次运维管理 (35)6.2 生产调度与优化 (36)7. 智慧风电应用案例分析 (38)8. 智慧风电面临的挑战与对策 (39)8.1 技术挑战 (40)8.2 安全保障 (42)8.3 成本控制与商业模式 (43)9. 智慧风电的未来展望 (43)9.1 跨领域智慧协同 (45)9.2 智慧化升级方向 (46)1. 智慧风电概述随着全球能源结构的转型和绿色低碳发展理念的深入实施，风电作为一种清洁、可再生的能源形式，在能源领域扮演着越来越重要的角色。

智慧风电解决方案应运而生，旨在通过先进的信息技术、智能控制系统和大数据分析，实现对风电场的全生命周期管理，提高风电发电效率，降低运营成本，促进风电产业的可持续发展。

定义：智慧风电是指利用物联网、大数据、云计算、人工智能等现代信息技术，对风电场的生产、运营、管理进行全面智能化改造，实现风电资源的优化配置和高效利用。

智能监测：通过传感器网络实时监测风电场的气象、设备状态、运行数据等，为决策提供数据支持。

《风电功率预测关键技术及应用综述》篇一一、引言随着全球能源结构的转型和可再生能源的快速发展，风电作为清洁、可再生的能源形式，越来越受到各国的重视。

风电功率预测作为风电并网和运行的关键技术之一，对于提高风电的利用率、减少弃风现象、优化电网调度等具有重要意义。

本文旨在综述风电功率预测的关键技术及其应用现状，以期为相关研究与应用提供参考。

二、风电功率预测的关键技术1. 数据采集与预处理技术数据采集与预处理是风电功率预测的基础。

通过对风电场的历史数据、气象数据、地形数据等进行采集和预处理，提取出对风电功率预测有用的信息。

此外，还需要对数据进行清洗和校正，以消除异常数据和噪声干扰。

2. 预测模型构建技术预测模型是风电功率预测的核心。

目前，常用的预测模型包括物理模型、统计模型和机器学习模型等。

物理模型基于气象学原理和风电场特性进行预测，统计模型则通过分析历史数据找出风电功率与气象因素之间的统计关系，而机器学习模型则通过学习大量数据找出风电功率的规律和趋势。

3. 预测算法优化技术针对不同的预测模型，需要采用相应的优化算法来提高预测精度。

常见的优化算法包括支持向量机、神经网络、集成学习等。

这些算法可以通过对历史数据进行学习和训练，找出风电功率的变化规律和趋势，从而提高预测精度。

三、风电功率预测的应用现状1. 风电并网与调度风电功率预测技术可以帮助电力系统调度中心准确掌握未来一段时间内的风电功率变化情况，从而合理安排电网调度，提高风电的利用率和电网的稳定性。

此外，还可以通过预测结果对风电场进行调度优化，减少弃风现象。

2. 风电场规划与设计风电功率预测技术可以为风电场的规划和设计提供重要依据。

通过对历史数据和气象数据的分析，可以找出风电场的最优布局和风电机组的配置方案，从而提高风电场的发电效率和经济效益。

3. 电力市场交易在电力市场交易中，风电功率预测技术可以帮助电力生产商和电力交易商准确掌握未来一段时间内的电力供需情况，从而制定合理的电力交易策略，提高电力市场的竞争力和效益。

风力发电实用软件综合解决方案介绍风力发电作为新兴能源近几年受到了世界各国研究人员的广泛关注，欧、美、日等发达国家地区已有不少成功经验，并在着手兴建更大型化的风电场。

在设计、建造和运营风电场的过程中，需要投入大量的人力物力，而其中一个重要的工具就是相配套的设计和运行软件。

文章就目前风电领域中风资源预测、风电场设计和仿真模拟等方面的常用软件进行介绍，希望对相关从业者有所借鉴。

1．Garrad Hassan综合软件包不少风电软件开发公司推出了一系列软件产品，为风电场设计、风机设计、风电场管理运行等提供一整套解决方案。

如英国Garrad Hassan公司是专业的风电领域各类软件的开发商，推出了风机叶片设计软件、风电场设计软件、风电场运行监控和数据采集系统以及风机数据采集系统等系列软件产品。

客户包括Bonus A/S、BTM Consult、ECN、Enercon、FPL Energy、Gamesa Eolica、GE WindEnergy、NEG Micon、REpower、Suzlon Energy、Tokyo Mitsubishi、Vestas DWT、World Bank等200多家全球主要风电机组制造商、开发人员、银行和业主。

（1）GH Bladed：风力发电机设计软件GH Bladed为用户提供一个陆上、离岸风机性能和负载的设计解决方案。

软件具有基于Windows的绘图用户界面和在线帮助功能，操作方便，同时风机设计计算采用工业标准。

GH Bladed支持风载荷和波浪载荷组合计算，采用全空气弹性和水弹性模型并考虑地震励磁的影响。

GH Bladed具有多个功能模块，包括外壳稳定性分析、动态负载模拟、负载与电能获取分析、批处理和报告自动生成、电网交互以及控制设计的线性化模型。

通过GH Bladed图形界面的工具栏，便于进行风机各个部分（包括：转子、叶片、驱动传动系统、发电系统、控制系统、塔架和机舱）的设计参数设定。

功率自动控制调节系统功能1数据采集和处理(1)数据采集➢采用Modbus TCP/IP或60870-5-104与风电机组通信，自动采集对风电场进行功率自动控制所需的信息。

数据采集进行有效性和正确性检查，对不可用的数据给出不可用信息，并禁止系统使用。

➢自动接收电网调度下达的风电场发电计划及各种命令信息。

➢接收操作员手动输入的数据信息。

(2)数据处理➢对采集的数据进行有效性和正确性检查，更新实时数据库。

对于风电场现场设备（风机设备和功率自动控制系统设备）的不同状况，对采集的数据进行相应的处理，使处理的数据反映真实的现场设备状况。

➢运行数据存盘，历史数据保存，形成各类历史数据，保证数据的连续。

考虑备份策略,利用存储载体进行数据备份。

➢生成各类事故报警记录，发出事故报警音响，语音报警等。

➢事件顺序记录及处理。

➢有关数据的计算。

➢辅助服务功能，自动统计并记录各风电机组工况转换次数及运行、停机、备用、检修时间累计，生成相应的报表。

2安全运行监视操作员能够通过功率自动控制系统人机接口设备对各风电机组进行监视。

监视的量包括：➢风电场继电保护运行及故障信息系统数据信息监视。

➢风电场主要设备、开关站设备的运行状态和参数、运行操作的实时监视。

如：母线电压、频率、有功功率、无功功率、输电线路潮流、有过负荷可能的线路电流、越限报警、状变等。

状态变化分为两类，一类为自动状态变化，由自动控制或保护装置动作而导致的状态变化；另一类为受控状态变化，由功率自动控制系统的命令所引起的状态变化。

发生此两种状态改变都能记录、显示，并能进行区分。

➢功率自动控制系统运行状态、运行方式及系统状况监视。

➢通信通道监视，功率自动控制系统能监视通信通道，对冗余通道能自动或手动切换。

➢操作员监视的手段多样化，如：屏幕显示数据、文字、图形、曲线和表格等；事故或故障的音响、语音报警等。

3事故和报警事件顺序记录：反映系统或设备状态的离散变化顺序记录。

➢发生事故时，自动推出相应事故画面，画面闪光和变色，显示屏上发出不对位信号。

浅谈风力发电机组的风速功率曲线摘要：本文介绍了风电机组风速功率曲线的定义及的相关指标术语，分析了风速功率曲线的作用和影响因素，并结合行业案例，阐述了风速功率曲线的实际应用。

风速功率曲线可用于风电机组异常运行数据的清洗、故障诊断和风电机组发电控制策略的优化等。

关键词：风速；功率；风速功率曲线；异常数据；故障诊断；优化1.引言对于风力发电机组，考核机组性能、评估发电能力，始终贯穿于整个机组设计、风场选址、机组发电、机组运维等全过程中。

如何合理地提高机组运行效率、评估机组运行状况，始终是业内的一个重要研究课题。

本文给出了风场风速功率曲线的定义、作用、影响因素、分析方法以及解决的实际问题，旨在通过对风速功率曲线的介绍、现有方法的分析和讨论及其应用，对其应用前景和发展方向进行归纳总结。

1.风速功率曲线定义根据IEC6140012标准的定义，风力发电机组的风速功率曲线是风力发电机组输出功率随10min平均风速变化的关系曲线，如果不考虑其他因素（忽略风电机组的内部特性），风力发电机组输入的风速是影响其输出功率（即有功功率）的主要因素。

其中，为风电机组输出的有功功率，单位为，为测量的风速，单位为。

对于每一种风力发电机组的机型，生产厂商都会有一个理论风速功率曲线，通过实际风速功率曲线与理论风速功率曲线的对比，可判断风力发电机组是否处于超负荷、欠负荷或正常负荷运转。

然而由于风电机组的实际运行环境与理想设计环境有较大差别，导致理论风速功率曲线在实际风场中产生偏差，因此为了能真实反映风力发电机组的实际运行状态，需要构建风场实际的风速功率曲线。

图 1展示了国内某风场2.5MW机型10台机组的实际风速功率散点与理论风速功率曲线，从图中可以看出，实际的风速功率散点与理论风速功率曲线之间存在某些偏差。

图 1某风场10台2.5MW机组的实际与理论风速功率曲线1.风速功率曲线的作用在风力发电机组的设计阶段，风速功率曲线可以从理论上可以确定风力发电机组的功率特征与运行特点，并且可以从理论上来评估风电机组的发电量与发电效率，进而衡量风电机组的风能转换能力。

总体装机情况2014年，中国风电产业发展势头良好，新增风电装机量刷新历史记录。

据统计，全国（除台湾地区外）新增安装风电机组13121台，新增装机容量23196MW ，同比增长44.2%；累计安装风电机组76241台，累计装机容量114609MW ，同比增长25.4%。

区域装机情况2014年，我国各大区域的风电新增装机容量与2013年相比，除东北地区有所下降外，其他区域的新增装机容量均呈上升态势。

东北三省区域除黑龙江省新增装机容量略显增长外，吉林和辽宁分别同比下降28.76%和44.8%。

西南和西北区域新增装机容量分别同比增长72.26%和67.84%，华北区域同比增长45.44%、华东区域同比增长41.26%。

2014年，我国各省区市风电新增装机容量中，排名前五的省份有甘肃、新疆、内蒙古、宁夏和山西，占全国新增装机容量的52.6%。

其中甘肃同比增长488.3%，宁夏同比增长91.44%，新疆同比增长2.23%，内蒙古同比增长29.46%，山西同比增长17.97%。

2014年，我国风电累计装机容量（除台湾地区外）为114608.89MW ，其中，内蒙古自治区依然保持全国首位，累计装机容量达到22312.31MW ，占全国19.5%。

其次为甘肃，占全国9.36%，河北和新疆占比相当，分别为8.61%和8.44%。

海上风电装机情况2014年，中国海上风电新增装机61台，容量达到229.3MW ，同比增长487.9%，其中潮间带装机容量为130MW ，占海上风电新增装机总量的56.69%。

2014年，远景能源和上海电气的海上风电机组供应量较大，其他企业仅安装了实验样机。

截至2014年数据来源：CWEA图1 2004年-2014年中国新增和累计风电装机容量数据来源：CWEA图2 2004-2014年中国各区域新增风电装机容量注：1、华东地区（包括山东、江西、江苏、安徽、浙江、福建、上海）；2、华北地区（包括北京、天津、河北、山西、内蒙古）；3、西北地区（包括宁夏、新疆、青海、陕西、甘肃）；4、中南地区（包括湖北、湖南、河南、广东、广西、海南）；5、西南地区（包括四川、云南、贵州、西藏、重庆）；6、东北地区（包括辽宁、吉林、黑龙江）；表1 2013和2014年年各省区装机容量对比（单位：MW）数据来源：CWEA图3 2014年中国各省区市风电新增装机容量数据来源：CWEA数据来源：CWEA数据来源：CWEA图4 2014年中国各省区市风电累计装机容量图5 截至2014年底中国海上风电新增和累计装机情况底，中国已建成的海上风电项目装机容量共计657.88MW。