2021年10月17日-20日，2021北京國際風能大會暨展覽會（CWP 2021）在北京新國展隆重召開。本屆大會以“碳中和——風電發展的新機遇”為主題，歷時四天，包括開幕式、主旨發言、高峰對話、創新劇場以及關于“國際成熟風電市場發展動態及投資機會”“國際新興風電市場發展動態及投資機會”“風電設備智能運維論壇”“碳達峰碳中和加速能源轉型”等不同主題的15個分論壇。

在20日上午召開的風電機組優化升級專題論壇上，浙江運達風電股份有限公司數字能源創新中心主任工程師王琳發表了《低效機組的深度評估與定制優化研究與應用》的主題發言。

以下為發言全文：

王琳：尊敬的各位專家、領導以及風電行業的同仁們，大家上午好，我是來自運達股份的王琳，本次分享報告的主題是低效機組的深度評估與定制優化研究與應用，主要分為以下三個方面來講述，第一個方面是低效機組的深度評估，第二個方面低效機組的電池優化，第三個方面量化評估與應用案例。

首先講述一下低效機組的深度評估，我們都知道現在業內都一直追求收益的最大化，而利潤主要是收入減去成本，就是一方面要不停的增加收入，一方面要降低成本，這也是行業內一直所說的降本增效。而收入主要取決于電價跟電量，電價是我們無法控制的，所以只能盡可能去發更多的電。而對于已經運行的風電機組來說，風電機組的發電量主要取決于機組的可利用率以及機組本身自身的發電性能，針對機組的可靠性來講，為了更好的提升機組的可利用率，降低運維的成本。

很多業內專家都已經致力于研究故障監測、診斷系統，去解決這個問題，相對來講對于機組本身出力性能的精準評估、實時監測、診斷及優化技術的研究是不夠系統跟深入的，所以我們基于機組運行數據開展了低效機組深度評估與定制優化的研究，也結合了各種技術，形成了評估。我們系統的主要目的就是三種，第一個是獲知機組的真實性能，第二個是保證機組的最大出力，第三個挖掘機組出力的潛力。主要應用的場景是以下三個，第一個場景是實時監測，異常預警，主要是發現機組性能異常并預警，服務于風電場的運維。第二個場景是性能評估設計反饋，主要是機組機型真實性的評估，發現機組的性能缺陷，并反饋到設計端，形成整體的設計閉環。第三個性能診斷優化方案定制，主要對后市場業務提供技術支持，右邊是數據平臺以及性能評估的主要支撐模塊。

當然對機組進行精準評估之后發現問題，更主要的是如何解決這個問題，對于不同的問題提出定制化的解決方案，所以第二點講一下低效機組的定制優化。我將整個所有的優化方案分為了四個大塊，第一個大塊是從微觀選址上進行優化，包括一些機位的位移、增容等。第二個是從氣動特性進行優化，葉根加長、加小葉尖。第三個從控制角度方面，包括提前變槳、大風切出。第四個是我們單位其他創新技術的應用，下面我會從幾大方面挑選一到兩個點進行講述。

第一個點微觀選址優化，如果前期微觀選址不精準，導致機組在運行的過程中存在尾流效應，就會導致機組發電量大大損失，因此我們提出了基于CFD仿真分析去解決這個尾流的問題。

第二個從翼型方面進行優化，一個是渦流發生器，可以有效增加失速攻角，提高最大升力系數。二個是加襟翼，可以顯著提高翼型各攻角的升力系數，提升翼型的氣動性能。第三個是超大風控制技術，常規的控制技術切出風速一般是十幾米左右，但是如果使用超大風控制技術，我們允許在風速大于切出風速時候進入大風控制模式，通過先進的控制算法限制功率和轉速，進而降低機組的載荷，確保機組安全運行，切出風速可以達到23米到25米之間，在大風情況下減少機組停機頻率和停機時間，相當于我們機組在大風的時候可以充分的去發電，可以更好的出力，所以可以提高發電量，據測算年發電量提升可以有1-2個點。

第四個講一下扇區管理，由于前期微觀選址不當或者是地形以及風況特殊性，會導致一些機組在某些特殊的風向上存在過振動或者風速變化率比較大的現象，因此很有必要對扇區進行管理。我們這邊對12個風電場以及200多臺機組進行了測算，機組扇區性能的平均差異是在2.5%左右，最大的差異將近10%，KS是我們模型性能指數的閾值，在設置為0.95的時候，機組整體性能可提升是1-5個點。

第五個就是除冰系統，如果葉片結冰，對機組的危害是巨大的，輕微的是影響發電量，嚴重可能會導致自身的安全隱患。所以對除冰進行監測，進行處理也是非常必要的，這里主要有兩種方案，一種是電加熱技術，一種是熱鼓風技術。

第六個是我們提出的智能化性能優化策略，目前這個策略可以適用于多種場景，第一個場景是場控端，可以基于風電場的場控系統實現機組發電性能相關參數的自適應控制，也可以直接部署在機組端，這樣基于機組的主控系統去實現這樣的自適應的控制。如果我們沒有辦法去接入場控系統和主控系統的時候，也可以提供離線診斷的服務，離線獲得數據，根據運行數據去實現風電場機組給出優化方案，我們比較推薦從場控去實施這個方案，具體的優化策略主要有三點，下面我是一一講述。

第一點是自適應Kopt控制，在不同程度會出現葉片結冰、老化，出現轉速擴充中Kopt偏離最優值，一旦不是最優了，當前出力也不是最優的，這樣恢復使發電量帶來損失，因此我們提出了自適應Kopt的控制，可以在保持轉距不變的前提條件下，根據機組輸出功率的變化，修正Kopt，直至收斂至理性的最優值，第一個半物理仿真，初步確定Kopt的取值范圍，給出初始值，最后進行現場的應用、精準的尋優。

第二個是自適應最優槳距角控制，為了更好的去出力，我們通常不變槳，這樣是處于最優槳距角的值，由于各種各樣的原因導致當前最優槳距角已經不是最優了，比如說因為葉片在制造、安裝過程中造成的實際的最優槳距角與設計值不符，也有可能本身系統仿真帶來的誤差，會導致這個值不是最優的。第三個可能是因為機組如果經過長時間的運行，氣動性能逐漸在改變，也會帶來這樣的影響。當然持續的變槳動作也會導致葉片的鄰位和出廠設置有偏差，這樣的情況存在說明之前最優槳距角不合適了，也會帶來性能損失，這樣就會提出自適應槳距角控制。第三個是自適應偏航校正，適用于風向標校正方法不當以及運維人員操作誤差等帶來的風向標的測量誤差，因為我們都知道一旦不能精準對方，帶來的損失就是三次方，這樣也是極大的損失了機組自身的出力，所以我們提出了自適應偏航校正方法，用一個性能特征指數、變量構件來實現實時精準對風，保證機組一直處于一個非常好的發電的狀態。

第二部分是我們針對第一部分發現的問題去提出一個相應的解決方案，當然我們這個方案去實施了之后，如何去評價優化方式是否有效，以及它到底帶來了多少的提升量，這才是我們所關注的。之前大部分大家的評估方式是通過時域上縱向對比以及地理位置對比，這種對比方式會帶來各種各樣的不確定性，如果我們采用臨近機組的對比，這樣是忽略了地形的因素，對機組性能的影響，即使同一臺機組安裝在不同的機位點，出力都是不一樣，正是由于這種不確定性，所以提出了自己的量化評估的手段。

評估方式主要是按照流程，首先要確定將風機主要分為兩組，第一組是考核風機，考核風機也就是說實施過優化策略的風機，一組就是參考風機，是我們沒有進行優化的風機，評估風機也是分為兩個時期，一個基準期，沒有做任何改變，一個優化期是實施相應優化策略之后，來預測考核風機的功率輸出，在優化期是利用參考風機的特征參數，通過深度學習模型來預測考核風機的功率輸出，實際輸出與通過模型輸出功率之差是發電量提升的水平。

本次的報告就到這里，謝謝大家。

（根據演講速記整理，未經演講人審核）