基于深度学习的风电机组风向预测方法研究

苏智超

（上海电力股份有限公司闵行发电厂，上海200245）

随着经济规模的持续扩大和发展速度的大幅提升，我国面临着严重的能源短缺与环境压力问题。我国的风力资源十分丰富，根据有关气象资料，我国陆上离地10 m高度风能资源的理论蕴藏量约为32.26亿kW，其中可开发利用的风能储量有2.53 亿kW，离地50 m高度的风能资源比10 m高度多一倍，加上近海可供开发利用的风力资源可达7.5 亿kW，可见我国风力资源开发潜力巨大，是未来能源结构的重要组成部分。在国家可再生能源发展规划及风电设备国产化等政策的引导下，我国涌现出一批实力雄厚的优秀风电设备制造企业，形成了完整的配套产业链，极大地促进了兆瓦级风电机组的本地化生产供应能力与国产化水平，为风电产业的大规模开发奠定了基础［1-6］。

随着国家对新型能源的重视，我国风力发电事业得到了长足发展。关于风电场的研究目前主要是考虑如何充分地利用风能，最大程度地发电，取得最大的经济效益和环境效益。风电场的等值建模和风电功率预测是风电场研究的重要内容，但是目前大部分研究都是从风电场的风速这一技术路线考虑的。风速是表征风况的重要特征参数，为了尽可能地利用风能，要求风力发电机的叶片垂直于来风，随着风向的改变其偏航系统进行动作［7-10］。由于风况的随机性和波动性，风力发电机偏航机构频繁动作，设备的损坏率和故障率不断升高，而且偏航追风相对风向变化总有一定程度的滞后，风能的利用还有很大的提升空间。

对于风速预测的研究，众多专家学者做了大量的工作，也取得了一系列的成果。与风速预测不同，对风向的研究和预测鲜有开展，原因在于风向是矢量，随机波动性大且规律难以捉摸。风向是风电场运行中的重要因素，风向预测更侧重于风电机组控制性能优化，关注的重点是各风电机组历史时刻的风向、偏航系统动作次数、偏航角度、追风偏航的动作时间等，还关系到风电机组捕获风能的效率，对其进行深入研究的意义重大。

本文主要阐述如下几个方面的研究成果：风电场风向预测的具体思路；根据某风电场提供的实际风数据，详细介绍风数据的清洗整定方法，并举例论证其效果；提出关联种子选取的基本原则，结合风机偏航系统实际工作原理提出用风机偏航事件相关性来筛选预测关联种子，并详细介绍风机偏航事件相关性的数学模型和求取方法；通过试验论证用风机偏航事件相关性来筛选关联种子风机的可行性。

1 风向预测总体思路与风电机组运行数据特征概述

1.1 风向预测总体思路

在风电场区域中，风向不会发生突变，所有风机都应向着当前时刻的主导风向，但是受地理位置、风机尾流效应等因素的影响，不同风机的风向会存在一定的差异。经过上游风机的风将在一段时间后吹到下游风机，成为下游风机风向发生变化的重要因素，即下游风机和上游风机的风数据存在一定的关联，风电场的风速为6～9 m·s-1， 10 min 风前进的距离一般不足6 km［11-15］。这种上游风机与下游风机风向的关联受诸多外在条件的影响，无法用简单的数学公式来概括，因此希望通过机器学习对之前的数据进行学习。

风向预测的总体思路是：选取与待预测风机相关性较好的上游风机作为关联种子，通过关联种子当前时刻的实测风数据，预测10 min 后待预测风机的风向，并根据预测风向与当前时刻风向的差异，决定是否提前偏航。风向预测的理论示意如图1 所示。

图1 风向预测的理论示意

1.2 偏航系统工作原理及控制策略

1.2.1 偏航系统的工作原理

在风轮前部或者机舱一侧，装有风速风向传感器，作为感应元件将风向与风速变化转换为电信号，并将其传输到偏航电机控制回路的控制器中。当风轮主轴方向与风向风速传感器信号偏离一定角度时，偏航控制器便开始偏航延时，当偏航延时时间达到设定值时，偏航控制器认为风向已经发生改变，经比较判断后发出向左或者向右的偏航指令［16-18］。偏航电机通过偏航齿轮箱、减速器以及调向小齿轮带动偏航大齿轮转动，风机机舱随之运动，当偏航角度误差消除后，风向风速传感器失去电信号，偏航电机停止工作，偏航制动器锁紧，整个偏航过程结束。

1.2.2 偏航系统的控制

（1）偏航系统控制策略：当外界风向发生变化时，风向传感器将检测到的风向信号传送到控制器，控制器通过计算风向信号与机舱位置夹角来判断机舱是否需要进行调整以及朝哪个方向调整。为降低偏航过程中的陀螺力矩，偏航电机转速经减速器减速后将偏航力矩作用在偏航大齿圈上，按照控制器所基于的控制方法控制偏航驱动电机，驱动偏航大齿圈将风轮调整到与风向一致的位置。

（2）偏航系统优化控制策略：偏航系统优化控制策略是在综合风场风速特性与风机出力特点的基础上，结合偏航系统运行成本寿命分析，从偏航系统全寿命周期经济效益最优角度，对偏航系统的传统控制策略进行细分和改进［19-22］。

研究发现，不同风速区域内的风向特征存在一定的差异，对风机输出功率的影响也不同：小风区域，风向变化频繁，风机输出功率增长缓慢；中风区域，风向变化较多，风机输出功率增长较大；大风区域，风向平稳，风机输出功率一直维持在满发状态。偏航系统优化控制策略并非强调实时追踪风向变化来获取最大发电功率，而是在掌握风场风能特性的基础上，采取“此消彼长”的策略，实现不同分段风速区间与不同运行年限下的变参数控制，即减少功率输出增长较慢的风速区间内的偏航次数，增加功率输出增长迅速的风速区间内的追风次数［23-26］。

偏航系统优化控制策略根据风场风速大小的不同，采取不同的参数设定与动作方式，将偏航系统启动分为两级，即高风速偏航与低风速偏航，如图2 所示。

图2 偏航系统优化控制策略流程

当风向与机舱轴线偏离一定角度时，控制系统经过一段时间的确认后，首先判断风向变化角度θ是否大于风机的最大允许误差角度θdmax，当θ＞θdmax时，先令风机正常停机而后进行偏航动作，随后再使风机正常启动，本次风向变化判断过程到此结束。否则继续判断风速v是否大于高低风速界定风速vd，当v＜vd时，判断θ是否超出低风速区间内的设定角度θd1，如果θ＞θd1，经过Td1偏航延时后，启动偏航系统，完成对风动作，否则不进行偏航；当v＞vd时，判断θ是否大于高风速下的阈值设定角度θd2，如果θ＞θd2，经过偏航延时Td2后，启动偏航电机，进行风向追踪，否则不进行偏航，本次风向变化判断过程结束。

2 风速风向运行数据清洗整定

由于风向数据为矢量的特殊性质，以及风机检修和数据记录故障等的原因，风机初始数据在某些时刻会存在缺失，无法进行后续的数据分析和风向学习及预测，因此需要对风电场提供的初始数据进行必要的处理［26］。

2.1 数据对齐

由于风电场风机初始数据的缺失使得获得的每台风机数据不等长，无法进行不同风机的横向比较，因此需要将所有风机的运行数据按照时刻进行归类，这个过程称为数据对齐。主要方法为当某时刻某风机运行数据缺失时人为填入标识符p（取-30），使得对齐后的数据长度相同。数据对齐流程如图3 所示。

图3 数据对齐流程

2.2 数据清洗

图4 数据清洗流程

2.3 数据整定

风机测得的风向绝对值范围为0° 到360°，当某时刻风机测得的风向绝对值为355° 而后一时刻测得的风向绝对值为5° 时，根据偏航系统设定得到的结论是风向逆时针旋转350°，而非顺时针旋转10°，这显然是不符合常理的。因此，清洗后的风向数据依然无法准确反映风向的变化情况，需要再进行风向数据整定。数据整定的主要思想是将原属于矢量的初始风向绝对值整定为标量，使得整定后的风向能够直接反映风向的变化情况。数据整定流程如图5 所示。

图5 数据整定流程

2.4 数据处理案例分析

经过数据处理后，风机8 和风机24 清洗整定后的风向数据和曲线如图6 所示。从图6 可以明显看出，两台风机的风向具有较好的相关性，说明本文提出的数据清洗整定方法具有科学性。

图6 风机8 和风机24 清洗整定后的风向数据曲线

3 风机相关性判定和关联种子选择

3.1 风向预测理论依据

同一风电场区域的风向不会发生突变，吹过上游风机的风在经过一段时间后将会吹到下游风机，成为影响下游风机风向变化的重要因素，即下游风机和上游风机的风数据存在一定的关联。选取与待预测风机相关性较好的上游风机作为关联种子，通过关联种子当前时刻的实测风向，预测10 min 后待预测风机的风向，从而实现优化偏航系统控制的目标。

3.2 关联种子选取基本法则

关联种子选取是风电场风向预测中非常重要的一部分，只有选取与待预测风机相关性较好的关联种子风机才能做到准确预测。关联种子的数量对预测结果也有很大的影响：选取过多的关联种子会导致处理速度过慢，占用过多内存；而选取过少的关联种子则会使得预测精度达不到要求。因此需要根据关联种子选取法则和对应的试验最终决定关联种子。

根据风向预测的理论依据，关联种子的选取应遵循如下基本法则。

（1）相同时间内关联种子风机和待预测风机风向相关性应尽可能高；

（2）根据风电场当前状态下的风向，选取上游风机作为关联种子风机，下游风机作为待预测风机；

（3）关联种子风机和待预测风机的直线距离不应太远。

3.3 风电场风向分布的季节特性

在关联种子的选取中，要求将上游风机选为关联种子，用来预测下游风机，然而风电场的风向随时间变化明显，准确判断风机的上下游关系并不容易。某一地区的风向分布情况和季节存在密切的关系，每个季节都存在主导风向，这为根据季节判定风机的上下游关系提供了理论依据。

3.3.1 风玫瑰图基本原理

风是矢量，不仅大小（风速）在时间上呈现周期分布，而且在方向（风向）上也具有一定的周期分布规律。瞬时风向时刻都在变化，无法预测，但对某一地点的平均风向进行长时间的连续记录，就可以得到各种风向的累计分布图。在风能利用中，描述风向统计特性的参数是风向频率。把在某一时期内（一月、一季、一年或多年），风向在某个方向的累计次数占该周期内所有风向（包括静风）累计总次数的百分比称作风向频率，即：

风向频率通常用风向频率玫瑰图（因图形酷似玫瑰花朵而得名）表示，简称风向玫瑰图或风玫瑰图。它是根据某一地区在一定时期内（一月、一季、一年或多年），风在各个方向的累计百分数值，按一定比例在极坐标图上绘制的，多用16 个罗盘方位表示。最常见的风向玫瑰图是一个圆，从圆心等角度均匀地引出16 条射线，它们代表16 个不同的方向，每个方向的跨度为22.5°，大于348.75°或小于11.25° 为第一个方向，大于11.25° 且小于33.75° 为第二个方向，以此类推。一般情况下以正北为基准，按顺时针方向旋转，东风为90°，南风为180°，西风为270°，北风为360°。每条射线的长度与这个方向的风向频率成正比，静风的频率在圆点处。风玫瑰图射线上的点离圆心的远近，表示从此点吹向圆心方向的风的频率的大小，距离越近则频率越小。某地风向玫瑰图示例如图7所示。

图7 某地风向玫瑰图示例

3.3.2 风玫瑰图试验结论

在某风电场提供的风向数据中，风向绝对值为矢量，用0°～360 °之间的任一整数表示当前时刻风向相对于该偏航系统0° 处的顺时针偏转值。

将某风电场其中1 个月共计4 224 组风向数据进行风玫瑰图试验，得出风机14、风机23、风机24 的风玫瑰图如图8 所示。

图8 风机14、风机23、风机24 的风玫瑰图

每台风机的风向零位不同，导致不同风机的主导风向方向范围存在差异，但是可以证明在风向零位一致的前提下，同一风场各风机具有相似形状的风玫瑰图。

3.4 风机偏航事件相关性求取

风机的偏航指令与风向有着直接关系，偏航系统根据测得的风向发布偏航指令，包括顺时针偏航、逆时针偏航、不偏航，将其称为偏航事件。根据偏航系统提供的机舱风速绝对值与风向绝对值两项数据可以求得某一时刻的偏航事件。我们认为同一风电场各风机偏航事件存在一定的关联性。

3.4.1 风机偏航事件相关性概述

某风电场采用偏航系统优化控制策略，即某一时刻风机是否偏航不仅与该时刻的风向及当前风机位置角度有关，还与该时刻的风速有关。在风机运行过程中，风向也不是在各风速区间内平均匀变化的，而是各有差异，并且一般小风时刻风向变化频繁，大风时刻风向变化则相对较慢，因此考虑偏航系统动作的经济性，设定偏航启动角度，只有当风向变化值大于偏航启动角度时，才发出偏航指令。某风电场的偏航启动角度设定为风速8 m·s-1以上时为8°，风速8 m·s-1以下时为16°。

本文提出根据风机偏航的事件相关性来选取关联种子。风机在某时刻的偏航事件情况有且只有3 种：顺时针偏航、逆时针偏航、不偏航。在某一时间段内，偏航事件相同次数越多的风机的偏航事件相关性越好，选取偏航事件相关性较好的风机作为关联种子风机有助于获得更好的预测结果。

3.4.2 风机偏航事件的数学建模

风机偏航事件可以根据风机的风速、风向数据和风电场的偏航启动角度来表示。 记为第i个有效时刻n号风机的风机位置角度为第i个有效时刻n号风机的风机偏航启动角度为第i个有效时刻n号风机的风机偏航角为第i个有效时刻n号风机的风机偏航事件标识，=-1 为发生逆时针偏航，=1 为发生顺时针偏航，=0 为不偏航。n号风机偏航事件的数学建模主要步骤如下。

风机偏航事件建模流程如图9 所示，其中k为风电场风机总数，本文中k=24。

图9 风机偏航事件建模流程

3.4.3 风机偏航事件相关性求取方法

由于偏航事件标识为离散定类变量，每个值代表一个类别，这些值之间没有大小、次序之分，因此Pearson 公式对其不再适用，需要用其他的相关性分析方法。

列联表是一种将样本按照两个或两个以上的特征分类后的交叉频数表，可以简明扼要地体现出两个样本在不同特征情况下的样本频数。构造风机n1和风机n2的偏航事件2×2 列联表，如表1所示。

表1 风机偏航事件2×2 列联表

在众多定类变量的相关系数中，Q系数是计算两个变量相关性的最简单方法，如下式所示：

Q系数的值在-1 到1 之间。Q越接近1，则L(1，1)×L(2，2)远大于L(1，2)×L(2，1)，表明风机n1和风机n2在固定时间段内偏航事件相同的次数越多，偏航事件正相关；Q越接近于-1，则L(1，2)×L(2，1)远大于L(1，1)×L(2，2)，表明风机n1和风机n2在固定时间段内偏航事件不同的次数越多，偏航事件负相关；Q=0 则表示风机n1和风机n2偏航事件不相关。

3.4.4 风机偏航事件相关性求取试验结果

对某风电场24 台风机的实际偏航事件开展相关性分析，相关度根据Q系数分为如下几类。

（1）密切相关（Qn，24＞0.7）：风机20，风机23。

（2）高度相关（0.6 ＜Qn，24≤0.7）：风机5，风机8，风机19，风机21，风机22。

（3）中度相关（0.5 ＜Qn，24≤0.6）：风机2，风机11，风机13，风机14。

（4）低度相关（0.3 ＜Qn，24≤0.5）：风机3，风机6，风机12，风机17。

（5）极低度相关（Qn，24≤0.3）：风机1，风机4，风机9。

因此，选取风机20 和风机23 作为风机24 的关联种子风机。

3.4.5 关联种子选取最终法则

综上所述，某风电场以冬季预测风机24 为例，关联种子选取法则概括如下。

（1）相同时间内关联种子风机与风机24 的偏航事件相关性Q系数应尽可能高。

（2）仅考虑主导风向预测，应选取位于风机24 西侧的风机作为关联种子风机。

（3）关联种子风机和风机24 的直线距离不应大于6 km。

4 结语

本文在分析了风机偏航原理和风电场实测数据的基础上，将两者的特点相结合提出了偏航事件的建模方法，然后论证了根据偏航事件相关性筛选风向预测关联种子的有效性，为风向的精确预测提供了基础。

（1）讨论了风机偏航系统原理，提出了一种风向预测理论，并将机器学习作为工具来预测风向。

（2）对风数据进行科学处理，根据某风电场实测风数据，提出了牺牲连续性保证同时性的数据处理方法，并详细介绍了计算方法。

（3）研究了风向的季节性，通过风玫瑰图得出风向随季节变化明显的结论，可通过季节来确定风电场主导风向。

（4）提出了风机偏航事件相关性，并根据提供的实际风数据完成数学建模，给出了基于列联表Q系数的偏航事件相关性的计算方法。

（5）通过简单的R 语言预测试验，论证了用风机偏航事件相关性筛选预测风向关联种子的有效性。