风能系统的统计过程控制框架：数字孪生方法

《ARABIAN JOURNAL FOR SCIENCE AND ENGINEERING》：A Framework of Statistical Process Control for Wind Energy Systems: A Digital Twin Approach

　　

摘要

风资源的固有随机性给风电场（WPPs）与传统电网基础设施的可靠集成带来了根本性的挑战。本研究提出了一个新颖的集成框架，该框架结合了高保真度的、基于实证校准的数字孪生建模技术——该建模基于国家可再生能源实验室（NREL）的系统顾问模型（NREL SAM）并利用现有风电场的验证运行数据——以及统计过程控制（SPC）方法，构建了一个用于风能系统的强大、多尺度的早期预警系统。利用NREL SAM平台，构建了一个基于美国科罗拉多州32台GE 1.5 SLE涡轮机的48 MW风电场的综合、实证校准的数字孪生模型，并通过该模型与现有风电场的实际运行数据进行了广泛验证。该模型包含了特定地点的气象参数、详细的涡轮机规格、八种不同转子直径间距的矩形风电场布局以及丰富的损失分类体系，从而得出了11.02%的总固定损失率。模拟产生了8760小时的高分辨率能源生产数据，这些数据随后使用个别值和移动范围（I-MR）控制图在六个时间尺度（日、周、月、季节、半年和年度）上进行了分析。方差分析确认风速是具有极显著统计学意义的主要外生驱动因素（F值=67,017.96，p<0.001），而决定系数（R2=89.93%）证明了数字孪生模型的预测准确性。I-MR控制图显示，在日时间尺度上，能源生成过程表现出统计上不受控制的行为，存在大量超出控制范围的信号，表明存在显著的特殊原因变异。然而，当时间聚合范围扩展到周和月尺度时，过程均值在统计上保持稳定，而标准差图表中的持续异常则表明生产变化的间歇性。控制限从日时间尺度（UCL/LCL：38,263 kWh/–2572 kWh）逐渐缩小到半年时间尺度（20,157 kWh/15,535 kWh），从而定量说明了过程可控性的时间尺度依赖性。通过在虚拟环境中建立统计控制基准，所提出的方法可以在物理资产部署之前实现预防性的性能管理和风险缓解，为提高可再生能源系统的可预测性和可靠性提供了可复制的原型。

风资源的固有随机性给风电场（WPPs）与传统电网基础设施的可靠集成带来了根本性的挑战。本研究提出了一种新颖的集成框架，该框架结合了高保真度的、基于实证校准的数字孪生建模技术——该建模基于国家可再生能源实验室（NREL）的系统顾问模型（NREL SAM）并利用现有风电场的验证运行数据——以及统计过程控制（SPC）方法，构建了一个用于风能系统的强大、多尺度的早期预警系统。利用NREL SAM平台，构建了一个基于美国科罗拉多州32台GE 1.5 SLE涡轮机的48 MW风电场的综合、实证校准的数字孪生模型，并通过该模型与现有风电场的实际运行数据进行了广泛验证。该模型包含了特定地点的气象参数、详细的涡轮机规格、八种不同转子直径间距的矩形风电场布局以及丰富的损失分类体系，从而得出了11.02%的总固定损失率。模拟产生了8760小时的高分辨率能源生产数据，这些数据随后使用个别值和移动范围（I-MR）控制图在六个时间尺度（日、周、月、季节、半年和年度）上进行了分析。方差分析确认风速是具有极显著统计学意义的主要外生驱动因素（F值=67,017.96，p<0.001），而决定系数（R2=89.93%）证明了数字孪生模型的预测准确性。I-MR控制图显示，在日时间尺度上，能源生成过程表现出统计上不受控制的行为，存在大量超出控制范围的信号，表明存在显著的特殊原因变异。然而，当时间聚合范围扩展到周和月尺度时，过程均值在统计上保持稳定，而标准差图表中的持续异常则表明生产变化的间歇性。控制限从日时间尺度（UCL/LCL：38,263 kWh/–2572 kWh）逐渐缩小到半年时间尺度（20,157 kWh/15,535 kWh），从而定量说明了过程可控性的时间尺度依赖性。通过在虚拟环境中建立统计控制基准，所提出的方法可以在物理资产部署之前实现预防性的性能管理和风险缓解，为提高可再生能源系统的可预测性和可靠性提供了可复制的原型。