基于数据的公用事业规模风力机偏航失准校正

近年来，随着大型风力机的快速发展，倾向于降低机组发电功率并影响叶片疲劳载荷的风力机偏航失准问题引起了更多关注。最先进的校正方法需要激光雷达等额外仪器来提供真值，并且由于成本高昂，不适合长期运行和大规模实施。在本研究中，我们提出了一种仅利用风力机SCADA数据即可有效且高效地检测和校正静态与动态偏航误差的框架，适用于陆上、沿海和海上风场的大规模低成本定期巡检。该框架包括：在多种静态偏航误差下机组运行的短周期数据采集、针对静态偏航误差的数据挖掘校正，以及基于机器学习算法的超短期动态偏航误差预测。我们测试了三种回归算法（即线性、支持向量机和随机森林）以及基于三者平均预测的混合模型用于动态偏航误差预测，并利用一台2.5 MW风力机的现场实测数据进行了比较。对于本研究采集的数据，混合方法表现出最佳性能，与未进行静态和动态偏航误差校正的情况相比，可将总偏航误差最多降低85%（平均71%）。此外，我们还在检测其他静态和动态偏航误差的应用中测试了所提方法的迁移性。