现
第 37 卷 第 5 期
2020 年 10 月
代
电
力
Modern Electric Power
Vol.37
Oct.
文献标志码：A
中图分类号：TM732
文章编号：1007−2322（2020）05−0539−05
No.5
2020
基于 SCADA 数据的风力发电机发电性能指标评估
焦杰，文泽军
（机械设备健康维护湖南省重点实验室（湖南科技大学），湖南省 湘潭市，411201）
SCADA Data Based Evaluation of Wind Turbine Power Generation
Performance Indices
JIAO Jie，WEN Zejun
（Hunan Provincial Key Laboratory of Health Maintenance for Mechanical Equipment
(Hunan University of Science and Technology) , Xiangtan 411201, Hunan Province , China）
摘要：为评估风力发电机主流的发电性能指标量化发电效
率能力，需要从中选择一种指标作为服役质量监测的主要
依据。首先以某风电场的 SCADA 历史数据为依据，应用
统计分析方法对风力发电机主流发电性能指标（可用度、
发电比例、负载率）的统计特征进行了分析比较；然后，
从指标信息来源的角度解释了指标之间产生差异的原因；
最后，结合异常运行数据比较了性能指标对于风速、功率
曲线异常波动的敏感程度。结果表明，虽然发电性能指标
表现出一定的一致性，但发电比例更能代表所有发电性能
指标，并且能够更好地反映风力发电机的发电性能、体现
风速-功率曲线的异常波动， 在风力发电机主流发电性能指
标中，发电比例更适合作为服役质量监测的主要指标。
关键词：风力发电机；SCADA 数据；发电性能；性能指标
Abstract：To evaluate principal generating indices of wind
turbine generator (abbr. WTG) to quantify the ability of generating efficiency, it is necessary to select an index from these indices as the principal foundation for the monitoring of the service quality. Firstly, on the basis of historical SCADA data of a
certain wind farm and by use of statistical analysis method, the
statistical characteristic of principal generation indices of WTG
such as availability, power generation ratio and load factor were
analyzed and compared. Secondly, in the viewpoint of the
source of indicator information the cause of making differences
among indices was explained. Finally, combining with abnormal operating data, the sensitivity of generation performance
indices to abnormal fluctuations in wind speed-power curve
was compared. Comparison results show that although the
power generation performance indices exert a certain consistency, however the power generation ratio is more representat-
ive for all power generation performance indices and can better
reflect the power generation performance of WTG to incarnate
the abnormal fluctuation of wind speed-power curve. Thus, as
far as principal power generation performance indices of WTG,
it is more suitable to use the power generation ratio for the principal index to be monitored.
Keywords：wind turbine generator(WTG)； SCADA data；
power generation performance
DOI：10.19725/j.cnki.1007-2322.2020.0128
0
引言
风能是一种清洁的可再生能源，风是这种能
源的来源，风的大小随机且断断续续，风力发电
机作为一种应用越来越广泛的电力来源，保持令
人满意的发电效率至关重要。人们通过优化控制
方法 [1]，进行状态监测和预防性维护 [2-3] 或更换
和改进风力发电机零部件 [4] 来提高能源生产的效
率。因此，定义良好的性能指标不仅可以更好地
概述风力发电机的发电效率，还可以量化不同维
护策略对风力发电机发电性能的影响，为风力发
电机和风电场维护决策过程提供支撑。
已有的文献提供了各类型风力发电机和风电
场效率指标。根据具体情况可分为风轮效率、发
电机效率、传输存储效率 [5] 和发电效率 [6]。本文
研究对象是发电效率，即作为整体系统的风力发
电机在给定风能的情况下产生功率输出的能力。
1
风力发电机发电性能指标
基金项目：国家重点研发计划项目（2016YFF0203400）
Project supported by the National Key Research and
Development Program of China (No. 2016YFF0203400)
现代电力，2020，37（5）
风能属于可再生能源，风力发电依靠风能捕
获来实现。风速可以体现风能的大小，而风速-功
http://xddl.ncepu.edu.cn
E-mail:xddl@vip.163.com
现
540
代
率数据能直接地反映风力发电机的风能捕获效率。
选用合适的风力发电机的发电性能指标对于评估
其服役质量和量化维护措施的有效性非常重要。
目前，风电行业普遍认可的发电性能指标主要有：
可用度、发电比例、负载率与风能利用系数等。
其中风能利用系数的计算过程对风力发电的复杂
过程进行了简化，仅通过风力发电机 SCADA 数
据记录的风速、功率值和其它物理参数计算，计
算结果与实际值存在较大误差，因此本文不作考
虑。这些指标具有许多共同特征，本文旨在结合
风力发电机 SCADA 运行数据得到发电性能指标
的特征，从而选取一个具有代表性的发电性能指
标以表征风力发电机的服役质量水平、评估维护
发电性能的效果。
1.1 可用度
根 据 工 业 标 准 IEC TS61400-26-1[7] 可 知 ， 可
用度是指风力发电机在某一段时间内实际发电时
间量与理论上能够发电时间量的比例。对于一台
风力发电机，按照其设计特性在风速介于切入风
速与切出风速之间时应当发电。切入风速是风力
发电机发电所需要的最小风速，切出风速是当风
速达到风力发电机安全运行极限状态的临界风速，
在切出风速以上风力发电机通过刹车紧急制动，
桨距角调整到最大值，以保证风力发电机不会在
极端工况下被破坏。对于风电场而言，风速在切
入与切出风速之间时，风力发电机应该发电，如
果一段时间没有发电，则认为这段时间内风力发
电机是不可用的。根据定义，风力发电机可用度
的计算公式为：
a=
N { vcut−in < v < vcut−out , P > 0| (v, P)}
N { vcut−in < v < vcut−out | (v, P)}
力
2020 年 10 月
电比例则是基于发电功率的可用度。风速-功率曲
线表示风速与发电功率之间的函数关系，同一类
型的风力发电机有统一的标准风速-功率曲线，发
电比例表示特定风速下实际发电功率与标准发电
功率的比值。根据发电比例的定义，发电比例可
近似表达为：
∑n
Pr = ∑ni=1
i=1
P (vi )
(2)
Pr (vi )
式中：n 表示 SCADA 数据总数，i 代表第 i 个数
据点，分子表示选定时间段内 SCADA 数据风速
对应的实际功率 P 的和，分母是所有 vi 对应的标
准功率 Pr 的和。
1.3 负载率
负载率 (Load Factor)[9] 是一段时间内风力发
电机实际负载下总发电量与满载条件下总发电量
的比值，代表风力发电机的负载程度。
2
基 于 SCADA 数 据 的 发 电 性 能 指
标评估
基于某风电场 SCADA 运行数据，从发电性
能指标的相关性、分布规律、信息来源以及对风
速-功率异常的识别 4 个层面对 3 种发电性能指标
进行比较，SCADA 数据对应的风电场以及风力
发电机的基本信息如表 1 所示。
该风电场对应的标准风速-功率曲线如图 1 所示。
Table 1
(1)
式中：v 代表风速；vcut-in、vcut-out 分别代表切入和
切出风速；P 代表功率；N{*}表示满足条件的数
据的个数。所采用的 SCADA 数据为 10min 平均
值，式 (1) 中的分母近似于风力发电机应该发电
的总时间，分子近似于风力发电机实际发电的总
时间。可用度体现了风力发电机的正常运行时间
所占的比例，能够反映风力发电机的失效时间，
是维护决策的重要依据。
1.2 发电比例
可用度是通过风力发电机发电时间的角度来
评价发电效率，而发电比例类似于最近由行业标
准 IEC TS61400-26-2 [8] 提倡的基于发电量的性能
评价指标。如果把 a 看作基于时间的可用度，发
现代电力，2020，37（5）
电
表 1 风电场基本信息
Basic information of wind farm
风电场位置
中国中部
风力发电机数量(台)
20−30
切入风速(m/s)
3
切出风速(m/s)
25
额定风速(m/s)
11
额定功率(MW)
2
发电性能指标的相关性
为了进一步比较 3 种发电性能指标，我们以
周为计算间隔，计算一台风力发电机一年内 3 种
发电性能指标值，如图 2 所示。由图 2 可知，这
3 种指标服从相同的整体变化趋势，波峰与波谷
出现的时间段是相同的，而且 3 种发电性能指标
的变化率也很相似，但是在 22-36 周之间，发电
比例与负载率的变化率明显高于可用度。
2.1
http://xddl.ncepu.edu.cn
E-mail:xddl@vip.163.com
第 37 卷 第 5 期
焦杰等：基于 SCADA 数据的风力发电机发电性能指标评估
541
12
2500
10
2000
频度
功率/kW
8
1500
6
1000
4
500
2
0
0
0
2
图1
6
8
10
风速/(m·s−1)
12
指标值
0
0.2
0.4
0.6
0.8
可用度
1.0
1.2
0
0.2
0.4
0.6
0.8
负载率
1.0
1.2
20
15
0
0.6
0
10 15 20 25 30 35 40 45 50
时间/周
频度
0 5
某台风力发电机一年发电性能指标的值
Value of annual power generation performance index
of a WTG
发电性能指标之间的相关系数如表 2 所示，
任意两个指标之间的相关系数都在 0.55 以上，3
种指标两两之间都具有较强的相关性，但是与其
他 2 种指标相比，发电比例与可用度和负载率均
有较高的相关性，因此，在这 3 种主要的发电性
能指标中，发电比例更能代表其他指标。
表 2 发电性能指标相关系数
Correlation coefficients among power generation
indices
发电比例与可用度 发电比例与负载率 可用度与负载率
相关系数
1.2
5
0.2
Table 2
1.0
10
0.4
Fig. 2
0.6
0.8
发电比例
25
0.8
图2
0.4
30
发电比例
可用度
负载率
1.0
0.2
35
标准风速-功率曲线
Standard wind speed-power curve
1.2
0
14
频度
Fig. 1
4
0.8446
0.8190
0.5507
发电性能指标的分布规律
图 3 展示了某台风力发电机一年内 3 种指标
的分布频度柱状图及拟合曲线（以周为指标计算
间隔），由于其他风力发电机的 3 种指标都表现
出类似的分布规律，因此认为图 3 可以代表所有
风电场风力发电机 3 种指标的分布规律。可以看
出，可用度的分布相对于另外两种指标狭窄得多，
而且大部分指标值接近 1，并随陡峭的坡度变化
到一个很小的值；相比之下，发电比例和负载率
都可以拟合为类似于钟形的曲线，在两个方向上
的变化更平滑，指标值更分散。可用度值过于集
2.2
现代电力，2020，37（5）
图3
Fig. 3
10
9
8
7
6
5
4
3
2
1
0
发电性能指标值的分布频度柱状图
Frequency distribution histogram of power generation
performance indices
中，使得难以区分风力发电机的效率，风力发电
机的性能的变化被隐藏，这可能会误导风力发电
机运维人员,使他们认为风力发电机在相似的发电
效率水平下运行，即使风力发电机的实际发电效
率水平并不相同。
可用度的分布特征可以通过其计算过程来推
断，如式 (1) 所示，可用度计算式分子集合是与
分母相关的子集，因此它在所有时间点的最大值
为 1，这点符合效率度量指标的特征，发电比例
和负载率直方图中未体现这种特征。发电比例的
值可能超过 1，因为制造商设定的标准功率曲线
表示预期功率值的平均值，实际运行时特定的发
电功率可能超过预期功率的平均值。相反负载率
由于其计算特性一定会小于 1，风速在 0-25 之间
随机变化，风力发电机并不是一直以装机容量发
电，可以观察到所有负载率值均介于 0 到 0.7 之
间，而且大部分小于 0.4，指标值的众数为 0.2。
由于相当一部分运行数据的指标值处于接近 0 的
部分，用负载率来评价实时发电效率并不恰当。
http://xddl.ncepu.edu.cn
E-mail:xddl@vip.163.com
表 3 发电性能指标的信息来源
Table 3 Information sources of power generation
performance indices
风速*
功率*
发电比例
●
●
可用度
○
○
负载率
总发出的有功电量*
标准功率曲线
2020 年 10 月
2500
End
2000
1500
1/2
1000
1/4
500
0
0
Fig. 4
6
8
10
风速/(m·s−1)
12
14
Start
正常风速-功率散点图
Scatter plot of normal wind speed-power
势如图 6。由图 6 可知，发电比例在第 4 周和第
30 周时明显高于正常值，而可用度和负载率并不
能有效识别风速-功率关系的异常。
选取正常时段：第 12 周，异常时段：第 4 周
与第 30 周，分别绘制风速-功率散点图，如图 7
所示。由图 7 可知，在第 4 周和第 30 周，额定风
速为 9 m/s 左右，而在第 12 周风速 9 m/s 时，功
率约为 1300 kW，额定风速为 11 m/s 左右。综上
所述，可用度和负载率在运行期间并不能有效识
别风速-功率关系的异常，而发电比例能够有效识
End
2500
2000
3/4
1500
1/2
1000
1/4
500
0
现代电力，2020，37（5）
4
显的分层，异常数据的 3 种发电性能指标变化趋
○
指标计算时完全采用的数据，信息量记为 1，
部分采用的数据，信息量记为 0.5。发电比例的
信息量为 3，负载率的信息量为 1.5，可用度的信
息量为 1。其中发电比例所采用的数据信息量最
大。3 种指标计算所采用的数据信息量的差别解
释了 3 种指标出现以上差异的原因。
2.4 发电性能指标对风速-功率异常的识别
依据 SCADA 历史数据绘制表征风力发电机
风速-功率关系的 1 年内的时间序列二元散点图，
在某些年份风速-功率关系存在异常波动现象。
图 4 为正常风速-功率散点图，图 5 为异常风
速-功率散点图，异常散点图的性能散点出现了明
2
图4
●
●
时间序列
3/4
0
2
图5
Fig. 5
4
6
8
10
风速/(m·s−1)
12
14
Start
异常风速-功率散点图
Scatter plot of abnormal wind speed-power
1.4
X:4
Y:1.354
1.2
X:30
Y:1.319
发电比例
可用度
负载率
1.0
指标值
信息来源
力
时间序列
然而，可用度独有的是否发电的二进制评价方法，
对其量化能力产生不利影响。只要风力发电机在
某个时间点发电，该时间点的可用度就算作 1。
即使某些时间点的发电量明显低于预期，可用度
仍然算作 1，可用度值的众数为 0.9，可用度平均
值偏向于 1，只要产生的功率超过低阈值，具有
高效率的时段（就实际发电量而言）看起来与低
效率时段相同，这一特征可以从图 2 中得出。
发电比例与负载率的计算方法使得它们的值
根据某一时间段的实际发电功率，在一定范围内
变化，因此能反映实际发电量的多少，而不是像
可用度那样集中在一个狭窄的范围内。发电效率
相对于负载率，值主要分布在 0−1 之间，而且正
常运行时主要集中于 0.6 以上的部分，而负载率
集中于低值部分，发电效率作为评价指标更符合
风力发电机的实际发电效率。发电效率的分布规
律使得其作为指标值能更好的区分风力发电机在
不同时间段的发电性能、而且指标值更符合风力
发电机实际运行状态。
2.3 发电性能指标的信息来源
发电性能指标计算的信息来源表如表 3 所示。
其中“*”表示 SCADA 系统中采集的数据；“●”
表示采用了该类数据的全部信息；“○”表示采
用了该类数据的部分信息。
电
功率/kW
代
功率/kW
现
542
0.8
0.6
0.4
0.2
0
0 5
图6
Fig. 6
http://xddl.ncepu.edu.cn
10 15 20 25 30 35 40 45 50
时间/周
异常风速-功率发电性能指标值
Power generation performance index values under
abnormal wind speed-power relationship
E-mail:xddl@vip.163.com
第 37 卷 第 5 期
焦杰等：基于 SCADA 数据的风力发电机发电性能指标评估
别风速-功率关系的异常。
运行数据，比较 3 种发电性能指标值识别风速-功
率异常的能力，其中发电比例能够更好地识别风
速-功率异常。
4）综上所述，发电比例能够更好地评价风
力发电机的发电性能，为风力发电机的服役质量
监测和维护决策提供支撑。
2500
功率/kW
2000
1500
1000
500
功率/kW
0
0
2
4
6
8
10
风速/(m·s−1)
(a) 第4周
12
参考文献
14
2500
［1］ 赵熙临, 林震宇, 付波，等.考虑风机虚拟惯性的预测
2000
优 化 PIDD~2自 动 发 电 控 制 方 法 ［ J/OL］.现 代 电 力 ,
1500
2020(01): 67-74［2020-03-19］.https://doi.org/10.19725/
1000
j.cnki.1007-2322.2018.1332.
［2］ 吕跃刚, 吴子晗, 陈敏娜. 基于风机健康系数的风电设
500
0
备状态监测方法［J］. 可再生能源，2015，33（07）：
0
2
4
6
8
10
风速/(m·s−1)
(b) 第30周
12
14
1027 − 1032.
［3］ 张旻昊. 基于多层次机会预防性的林区风力发电机维
2500
护策略研究［D］.中南林业科技大学, 2017.
功率/kW
2000
［4］ 苏春, 周小荃. 基于有效年龄的风力机多部件维修优化
1500
［J］. 东 南 大 学 学 报 (自 然 科 学 版 )， 2012， 42（06）：
1000
1100 − 1104.
［5］ S. Roy, U.K. Saha. Wind tunnel experiments of a newly
500
0
developed two-bladed savonius-style wind turbine［J］.
0
2
4
6
8
10
风速/(m·s−1)
(c) 第12周
12
14
Appl. Energy，2015，137：117 − 125.
［6］ 杨帆, 郭岑, 柯国勇, 王德政, 叶昊. 基于偏最小二乘的
图 7 异常时段与正常时段风速-功率散点图
Fig. 7 Scatter plot of wind speed-power during abnormal and
normal time periods
3
543
风力发电机发电效率提升性能评估［J］. 自动化仪表，
2019，40（10）：29 − 34.
［7］ International Electrotechnical Commission (IEC), Wind
Turbines - Part 26-1: Time-based Availability for Wind
结论
Turbine Generating Systems, IEC TS 61400-26-1 Ed. 1,
IEC, 2011.
1）可用度、发电比例与负载率之间均有较
［8］ International Electrotechnical Commission (IEC), Wind
强的相关性，但与其他 2 种指标相比，发电比例
Turbines - Part 26-2: Production-based Availability for
更具有代表性；分析了 3 种指标值的频度分布规
Wind Turbines, IEC TS 61400-26-2 Ed. 1, IEC, 2014.
律，可用度值分布狭窄，不能区分不同时段的发
［9］ Iain Staffell, Richard Green. How does wind farm per电性能；在风电机组正常运行状态下，发电比例
formance decline with age［J］. Renewable Energy，
与负载率的分布曲线均接近钟形，指标值更分散，
2014，66：775 − 786.
其中负载率集中分布在低值，而发电比例集中分
布在高值，更符合风力发电机的实际运行状态。 收稿日期：2020−04−06
2）发电比例计算采用的数据信息量为 3，负
作者简介：
载率计算采用数据的信息量为 1.5，可用度计算
焦杰 (1994)，男，硕士，研究方向：风力发电机可靠性分
采用数据的信息量为 1，其中发电比例计算时所
析与维护研究， E-mail: 17010301034@mail.hnust.edu.cn；
采用的信息量最大。
文泽军 (1966)，男，博士，教授，通信作者，研究方向：产
3）结合 SCADA 系统风速-功率关系异常的
品服役质量与维护策略关联性，E-mail: zjwen732@163.com。
现代电力，2020，37（5）
http://xddl.ncepu.edu.cn
E-mail:xddl@vip.163.com