一种基于SCADA和大涡模拟的数据驱动方法，用于机舱北偏移诊断

《Renewable Energy》：A data-driven method based on SCADA and large-eddy simulation for nacelle north offset diagnosis

本文提出一种结合SCADA数据和大型涡旋模拟（LES）的方法，用于检测风电场中涡轮机舱的北偏角。该方法利用同一风电场涡轮机操作特征的相似性，通过空间时间相关分析，在复杂地形风电场验证有效，并验证了与ERA5数据的良好一致性。

　　

陈丹阳|李倩|林航冰|马高升|杨小雷

中国科学院力学研究所非线性力学国家重点实验室，北京，100190，中国

摘要

机舱北偏移是风能领域一个常被忽视的问题。它会降低风电场的性能评估，导致潜在的年能量产量（AEP）损失和机械疲劳，并阻碍主动尾流控制策略的实施。由于缺乏直接测量数据，诊断这种偏移具有挑战性。在这项工作中，我们提出了一种结合SCADA（监控与数据采集）测量和大涡模拟的机舱北偏移诊断方法。该方法基于风电场内风力涡轮机特性相似的假设，通过风电场级别的时空相关性来实现北偏移的识别和计算。测试在一个地形复杂的风电场进行。结果表明，该方法能够有效检测出机舱北偏移：所有33台风力涡轮机都存在这种偏移，其中18台风力涡轮机（54.5%）的偏移量在$90^{°}\le {\theta }_N\le 270^{°}$范围内。跨两个风向和两个月的交叉验证验证了该方法的稳定性。将校准后的风电场平均SCADA数据与ERA5（欧洲再分析大气5）数据进行比较，显示出高度一致性，10月份的风力分量相关系数超过0.9，11月份的相关系数为0.92。

引言

风能在全球应对气候变化的努力中起着关键作用[1]，[2]。随着全球装机容量预计从2024年的1219吉瓦增长到2030年的3534吉瓦[3]，[4]，迫切需要开发先进的大型风能系统运营和维护（O&M）技术[5]。

最大化功率捕获是风力涡轮机设计[6]、运行[7]和控制[8]的主要目标。准确感知风速和风向是实现功率捕获的前提。传感器是测量风速和风向的基础，其在风力涡轮机所有组件中的故障频率排名第二[5]。文献中提出了多种监测方法来减轻传感器故障对风力涡轮机性能的不利影响[9]，[10]。然而，风力涡轮机系统中存在系统测量误差，例如叶片俯仰不平衡和机舱北偏移，这些因素本质上影响了监测方法的有效性[11]，但受到了较少的关注[12]，[13]。

尽管风力涡轮机中的系统静态误差不会影响其基本运行，但一旦形成，它们会持续影响风力涡轮机的性能[13]，[14]。系统误差的原因包括设备安装不正确、维护不当、组件老化等。文献中提到的一些重要系统静态误差包括：（1）静态偏航误差[15]，[16]，即转子平面与风向之间的不对齐；（2）风速测量偏差[12]，[17]，表现为风速计读数失真；（3）叶片俯仰不平衡[18]；（4）机舱北偏移，即风力涡轮机的参考方位角与实际北方向之间的差异，这一问题在很大程度上尚未得到充分研究。

机舱北偏移可能由风力涡轮机安装错误、传感器故障、软件升级或系统重启等因素引起。目前，绝大多数涡轮机模型都不会自动检查/纠正北偏移， nor 这是标准O&M计划的一部分[19]。因此，机舱北偏移已成为运行中的风电场中普遍存在的系统静态误差。风能行业的研究表明，292个风电场中的2598台风力涡轮机中有45%存在超过14°的北偏移[20]。对装机容量超过400兆瓦的风电场的分析显示，43%的风力涡轮机至少有10°的北偏移[21]。北偏移在三个方面影响风力涡轮机：（1）降低风电场级性能评估和故障诊断的准确性[20]，[21]；（2）触发错误的功率削减指令，导致年能量产量（AEP）损失高达10%[21]，并可能加速机械疲劳和增加噪音排放[20]；（3）阻碍依赖风力涡轮机方向准确性的主动尾流控制技术的应用[22]，[23]。目前，该行业主要依靠额外数据[24]、辅助设备[25]和机群特性[19]，[20]来检测机舱北偏移误差。

同一风电场内的风力涡轮机运行特性具有相似性。现有研究广泛利用SCADA（监控与数据采集）变量之间的相关性来进行参数预测和故障诊断等任务。例如，Astolfi等人[12]通过比较不同风力涡轮机的功率曲线来诊断风速故障。其他研究[17]基于时空一致性标准（即同一风电场内风力涡轮机的运行行为具有时间连续性和空间相似性），采用了一种结合SCADA数据分析和RANS（雷诺平均纳维-斯托克斯）模拟的混合方法进行故障诊断。

本文提出了一种利用SCADA和大涡模拟（LES）数据检测机舱北偏移的新诊断方法。该方法的核心创新在于构建了一个基于风电场内相邻风力涡轮机运行特性相似性关键假设的风电场级别时空相关性分析框架，并通过整合测量的SCADA数据和高保真LES数据来实现机舱北偏移的识别和量化。具体来说，它利用了风力涡轮机在较长时间尺度上的风向空间相关性，同时依靠LES精确描述大气流动模式和风力涡轮机的功率响应的能力。通过在复杂地形的风电场应用，验证了该方法的有效性和可靠性。

本文的结构如下：第2.1节定义了机舱北偏移及其影响；第3节介绍了所提出的诊断方法；第4节描述了所使用风电场的概况；第5节给出了结果和讨论；第6节给出了结论。

节选内容

机舱北偏移的定义

地理真北与SCADA北方向之间的角度差称为机舱北偏移，这会在SCADA机舱方向测量中引入偏差。如图1所示，${\theta }_{}表示SCADA北方向，而$${\theta }_{}表示真北方向。因此，机舱北偏移可以表示为：$${\theta }_{}N={\theta }_{}T$

角度关系可以进一步推导为：${\theta }_{}N={?}_{}T$

${\theta }_{}T$

${?}_{}$

其中${?}_{}$表示真实机舱方向，${?}_{}$

机舱北偏移

方法论

本文提出了一种通过整合风力涡轮机的统计特性和时空比较来检测机舱北偏移的方法。该方法利用了两个关键特性：（1）风电场内不同位置的风向在较长时间尺度上具有高度相似性，意味着风力涡轮机的风向趋势相似；（2）大涡模拟具有高保真度，能够准确描述大气

案例研究

为了验证所提出方法的有效性和适用性，在内蒙古的一个山区风电场进行了案例研究。该风电场地形起伏显著，最大高差为170米（图3）。该地区具有寒冷温带大陆性季风气候和丰富的风能资源，风速在轮毂高度处的年平均风速超过7米每秒。表2详细介绍了风电场中风力涡轮机的基本信息

结果与讨论

在本节中，应用所提出的方法估计了验证风电场内每台风力涡轮机的机舱北偏移。使用对应于2023年10月和11月两个月以及两个典型风向（NW和NNW）的模拟数据进行了交叉验证，以评估所提出方法的稳定性和可靠性。此外，通过将校准后的风电场平均SCADA数据与ERA5再分析数据进行比较，

结论与未来工作

本文提出了一种结合SCADA数据和大涡模拟数据的机舱北偏移诊断方法，其关键假设是风电场内风力涡轮机之间的特性相似性。该方法依赖于两个特性：不同位置的风向在较长时间尺度上的高相似性，以及在相同风向下测量数据和模拟数据之间的统计一致性，这是通过准确描述

CRediT作者贡献声明

陈丹阳：撰写——原始草案、验证、软件、方法论、调查、概念化。李倩：撰写——审阅与编辑、数据整理。林航冰：撰写——审阅与编辑、数据整理。马高升：撰写——审阅与编辑。杨小雷：撰写——审阅与编辑、验证、监督、软件、方法论、调查、概念化。

利益冲突声明

作者声明他们没有已知的竞争财务利益或个人关系可能影响本文报告的工作。