分析风电大数据的意义

随着风电场规模的发展，逐渐暴露出风电场在数据共享不足情况下引起的风电场运行问题。风电场的管理运行可分为两个层次：电网层和业主层。对于电网层而言，仅能获得风电场在电网接入点的电流、电压、功率等数据，但对风电场内部的数据获取不足；对于业主层而言，能够获得风机和风电场两个层面的详细数据，数据内容丰富全面，但是缺乏对海量的数据进行详细分析的兴趣。这就导致了风电场的两级管理单位对数据不能实现共享和分析，因此对风电场自身的运行状况以及风电场对电网的影响分析不够准确。从电力系统的运行角度看，电网侧关心的是风电场与电网接口断面的功率、接入点电压稳定等问题，但是大型风电场近年来机网/场网相互作用频发，如美国2009年得州风电场SSCI脱网事件，英国2019年停电事件，都是因为电网缺乏风场内部数据而无法有效分析、预测及应对，所以主动解列成为了解决问题的唯一手段。另一方面，风电场业主虽然拥有海量的有价值数据，但是由于业主仅关注于功率的输出而缺少对信息分析的兴趣，关注度的缺失影响了对风机及风电场运行的有效调节，这同样是引起风电场脱网的重要原因。因而，有必要对风电场产生的海量数据进行深度的挖掘，判断各风电机组、风电场所处的运行状态，预测其可能的运行趋势，利用数据分析结果，可以驱动风电场对电网的支持作用，同时提高业主和电网对风电场的运行管理水平。

风电场容量的增加，伴随着风电场风机类型的繁杂化，以及风机台数不断增长两方面问题，这使得风机监测数据呈现指数级增长。从传统的结构体数据采集角度讲，关于风电场的数据包括：风电场并网接入点110 kV/220 kV母线的电压、电流、功率等电气量数据，也包括风电场内部风机输出端690 V母线的相应电气量数据和转速、转矩、风速等机械量数据，以及风电场分区运行输出点35 kV/10 kV母线数据，即电网侧数据。随着技术的发展，风电场的视频监控数据等非结构体和半结构体数据也被大量的记录，这一切使得数据量呈现爆炸的趋势。通过多年的观测发现，这些数据包含了风电机组和风电场的运行状态和特征，但并不能直接反映深入的机网乃至场网相互作用的主要特征，仍需要对上述基础数据进行深入挖掘。由于风电场大部分分布在经济不发达地区以及电网末端，风电接入点常介于输电网和配电网之间，电能质量较差，电压波动、三相不平衡、谐波等问题大量存在，影响了风机的正常运行，这些现象和问题都可以从观测的数据中分析得到。通过对采集得到的数据的挖掘分析，可对风机的状态进行评估，然后采取相应的控制方法使风机运行在正常状态。另一方面，大规模风电的接入给地区电网潮流也带来了很大影响，以内蒙古、甘肃和新疆为例，风电的大规模接入改变了电网原有的潮流分布，影响到整个系统的稳定；同时由于风电机组单机的备用无功容量不足，在电网发生故障期间无法为电网提供无功支撑，极易引起系统稳定性的破坏。因此，利用观测的数据，通过对风电场的数据挖掘分析，实时对风电场的无功支撑能力进行评估，可以为调度中心的无功调度管理提供参考。

目前，国内外风电场使用的运行数据主要是风电场有功功率调度数据，以国内某风电场为例，该风电场拥有257台风力发电机组，对这些风机进行传统的结构体数据采集，每台风机每周数据约3 MB，整个风电场每周数据量约800 MB。风电场总共有257台风机和一个总厂的数据，每个月产生的数据量大约为6 G，一年数据量可达70 G以上，但是这样的数据量还远远不能完全展示风电场的完整状况。如果要将风电场并网接入点110 kV/220 kV母线的电压、电流、功率等电气量数据，以及风电场内部风机输出端690 V母线的相应电气量数据和转速、转矩、风速等机械量数据完全记录的话，一年的数据量将达到数十TB。要完成如此海量的数据分析，对硬件支持提出了较高的要求。目前含有功率调度（自动发电控制AGC、自动电压控制AVC）功能的风电场通信系统采用光纤双环网，为风电大数据研究和应用提供了硬件基础，保证了海量数据的实时传输，避免了数据传输通道的数据阻塞。(www.xing528.com)

针对上述海量数据，采用大数据技术对风电场运行状态进行研究成为一个重要的手段，这是因为在当前风电场规模动辄上千台风电机组的现实下，对风电场从单台风机起采取精确数学建模的方法进行研究，即使能够建立精确的风电场数学模型，也会遇到不可避免的“维数灾”问题导致求解困难，大数据技术为此提供了一个有效的解决方案。