整体设备效率在风能领域的适应性：OEERE方法

《Energies》：Adapting Overall Equipment Effectiveness to the Wind Energy Sector: The OEERE Approach

　　

整体设备效率（OEE）指标是工业环境中广泛使用的关健绩效指标（KPI），通过可用性、性能和质量指标的组合来评估设备效率。然而，由于其能源资源的随机性和风力涡轮机的运行特性，其直接应用于可再生能源系统存在显著局限性。本文提出了一种针对风能领域的OEE适应性方法，称为可再生能源整体设备效率（OEERE），其中传统的可用性、性能和质量因子被重新定义以反映公用事业规模风力涡轮机的运行现实。所提出的方法使用标准风电场监控与数据采集（SCADA）系统直接可用的变量定义OEERE指标，无需额外仪表即可实现实际部署。特别关注性能指标的计算，该指标结合根据IEC 61400-12建议的制造商功率曲线归一化，包括空气密度校正和湍流强度补偿。质量指标源自与发电性能相关的涡轮级电气参数。该方法使用商业风电场内七台风力涡轮机收集的运行测量数据进行验证。结果表明了所提方法的可行性，并显示性能和质量是OEERE变异性的主要贡献者，而在正常运行条件下可用性接近统一。所提出的框架为监测风力涡轮机效率、识别运行偏差以及支持可再生能源资产性能优化提供了一种实用且可解释的KPI。

研究背景方面，近几十年风电装机与发电量快速增长，WindEurope估计2024年欧洲20%电力来自风电，行业亟需提升设备生产率与降低损失。经典整体设备效率（OEE, Overall Equipment Effectiveness）由Nakajima于1988年提出，在制造业中通过可用性（A）、性能（P）、质量（Q）三因子量化设备实际效率与理论产能的差距；但其直接移植到风电场景存在根本障碍：风电输入为随机风资源而非恒定原料，输出为连续电能而非离散产品，且停机原因混杂了无风、限电与故障。既有文献如Krokoszinski（2003）的TotalOEE偏重风场级经济核算，Sathler等（2020, 2023）虽用SCADA数据但未系统纳入空气密度与湍流校正，质量因子常默认取1。因此研究人员开展本研究，目标是将OEE重构为面向陆上风电涡轮机级、仅依赖标准SCADA变量的OEE_RE，在《Energies》发表。

主要关键技术方法上，研究人员选取某商用陆上风电场7台涡轮机2023年运行数据，通过SCADA结合变电站数据记录仪以约1 Hz采集电气与状态量，按10分钟窗口聚合；空气密度依据IEC 61400-12-2用温度、ISA模型估算气压及开源相对湿度计算，并作风速归一化（密度比立方根修正）；性能因子P_RE引入IEC 61400-12-1 Annex M湍流强度补偿系数k（各机经验标定）；质量因子Q_RE由功率因数（PF）、频率电压故障比（FVFR）、发电比（GR）构成，总谐波畸变比（THDR）因缺数据暂置1。可用性A_RE限定在风速处于可发电区间内的发电时长与计划时长之比。

研究结果部分，第三章分四项展开。3.1年度OEE_RE KPI汇总：七台机（WT1-WT7）在有效观测日内，A_RE均近1，P_RE在0.8-1.2间，Q_RE多数时段近1；WT3、WT4、WT7均值较高，研究人员定性推测近海岸位置可能带来更稳定风况，但未做因果检验。3.2可用性指标A_RE行为：所有机A_RE接近统一，因为在有风可发区间内仅计入非计划停机，故可用性不是OEE_RE限制主因。3.3性能指标P_RE行为：P_RE随风速变化分散度大，低速段（3-5 m/s）因功率曲线斜率大、绝对误差被相对放大而出现>1值（如WT3年均1.216），中高速段收敛至1附近；空气密度1-2%不确定度与湍流校正分散度是次要来源，风速测量误差主导P_RE不确定度。3.4质量指标Q_RE行为：Q_RE低速段受功率因数cosφ拖累明显偏低且分散，额定风速以上趋近1，说明质量损失集中于低负荷区。

讨论部分指出，OEE_RE三因子中A_RE近乎常数，P_RE受气动、尾流、控制策略与场地条件敏感影响最大，Q_RE补充了电气运行质量维度；低速段百分比指标天然放大波动，未来可引入能量加权或工况分箱。与已有方法比，OEE_RE唯一实现纯SCADA变量、涡轮机级、含IEC密度与湍流校正的完整闭环。

结论部分翻译浓缩如下：本研究提出并验证OEE_RE作为传统OEE面向风电涡轮机视角的适配框架，仅用标准SCADA信息在7台机上落地。核心贡献其一为P_RE重构，按IEC 61400-12作功率曲线归一化并含空气密度校正与湍流强度补偿，降低环境扰动；其二为Q_RE引入功率因数等电气参数，捕捉传统质量评估遗漏的换流损耗与热应力风险。应用显示A_RE高且变异小，P_RE与Q_RE主导OEE_RE差异，该KPI可支撑基准比对、异常检测与维护规划。未来将在多风场、多地形验证，并改进低风速段P_RE鲁棒性及实时化集成。