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。作為全球風電行業年度最大的盛會之一，這場由百余名演講嘉賓和數千名國內外參會代表共同參與的風能盛會，再次登陸北京。

其中，10月20日中東南部風電發展論壇隆重召開。Leosphere SAS研究經理梁志出席會議并演講。

以下為發言全文：

梁志：各位風電的前輩跟同仁大家上午好，今天我主要介紹一下激光雷達的前饋控制技術，激光雷達大概有十多年的發展的歷程，最開始其實大家比較熟悉的是主要用在風資源里面的可能是300米那種地基的激光雷達，然后就是它的應用，因為它是主要是用來取代或者來作為一種測風的捕測的手段，得到了很大的發展。在機艙雷達發展情況下，最開始，最多的應用其實是用來做風機的功率曲線，這樣能測到風機的來流。

大概三四年左右的時間，因為廠商更多的認識到，其實我們能提前測量到來流，其實會更好的能夠提高這個風機的控制的一些性能。今天的這個報告主要分為以下幾個內容，首先就是第二部分的話，首先是介紹一下前饋控制技術情況，第二部分介紹一下雷達跟現在的一個數據的算法，后面三項是我們實際的一個項目的一個結果的一個情況。首先是第一部分的技術介紹，首先就是激光雷達的這個前饋控制技術目標，因為傳統的控制算法，它主要是根據風機的一些，就是它的風速，最主要用來作為判斷風機的啟動跟判斷風機切出的狀況，通過里面風機的里邊的暖冬四距跟葉輪轉速進行一些動態的調節，其實在風機它的這個控制里面，其實風速參與的程度會比較少，如果我們在這個里邊加入激光雷達，其實我們可以到這個風機前端的風速場，這樣當風機，我們可以知道未來的風速的一個狀況，所以我們風機的控制策略可以提前做一些響應。

這個技術的控制目標首先是通過我們更好知道未來風況的狀況，我們知道品老和載荷，我們知道未來風場變化情況，相當于我們風機有一個導航，相當于風是一個什么狀況，可以提高自己風的適應性。另外因為載荷的降低會導致在一個，這個風機運用六米每秒左右的一個風場的場址，我可以放到6.5米甚至7米的場址，對于風能的提高非常顯著。為了達到控制目標，其實我們需要一些關鍵的風場的一些信息，就比如說葉輪平均的風速包括風向，另外一些極端的風控裝，風切片的狀況，也是影響的關鍵因素。

在這個里面，其實激光雷達這個是作為一個核心的硬件的測量手段，首先是測量激光數上的靜向風速，我們可以得到這個風場的一些特質，然后在這個里面，其實我們因為風機，在實時風場，這個風況比較復雜，所以我們面對著比較多的一些挑戰。首先對于來流的可靠性的估計跟預測，另外就是雷達測量的數據的有效率包括風速測量的風度，另外風速狀況，裝在葉片后面的，所以對于它的這個遮擋的一個判斷的話，是需要進行一些數據剔除的，另外受限制，電腦的一些資源是受到限制，所以我們需要比較好的算法計算這些風參數的一個判斷。

這個是因為我們針對現在的這個控制技術，所以我們也今年發出來了就是風素的算法，這樣會提高各種現在我們面臨的挑戰下面的話，我們會得到更好的一個，就是風速的一個信息提供給風機，控制一個參量。

這個技術到底是有什么樣的效果呢？首先第一點還載荷降低，它可以降低塔筒的一個載荷，對于葉片載荷會有顯著的降低，另外對于極限載荷也會有很大的降低，這是長期的效果。對于載荷降低后的效果，所以風機的運行壽命會得到一定的延長，這個故障率包括運行成本都會有所降低。另外就是風機的適用等級會提高，包括風機性能也會得到一些優化和評估。另外比較熱的就是風的傳感器，因為安裝在風機后面，就是像機艙的風速，其實會受到葉片包括傳感器附近的一些結構部件的影響，所以風向的測量會存在偏差，所以這個也是激光雷達比較好的應用方向。

現在我們介紹一下激光雷達的硬件和計算算法，首先因為風場前面的氣流是比較復雜的，所以我們要得到比較詳盡的信息，我們知道激光光復，我們可以知道風戳的例題效果，我們需要風機前面大概十個測量距離把握它的演化過程，風機前面50到200米是非常關鍵的一個區域，另外我們 需要比較高頻的采樣頻率，能得到更多的數據信息。然后另外因為風機它的控制需要比較高的數據，所以我們需要一個很好的一個數據效率包括數據的精度。那這個是硬件的一個情況。

另外軟件，其實我們需要對于這些數據得到非常能符合風場信息的一個，就是把這個復雜的數據提出到我們，提取到我們有用的參量，另外提高數據的有效率，也包括進一步提升測量的精度。所以整體的數據輸出其實最終的數據輸出，其實相當于在每個測量距離我們有結論的平均風速，作為風機的控制信息，其實我們需要得到風機機位未來0到5秒內的自由風速的一個判斷，這樣風機可以根據這個參量提前做一些響應。

下面就是簡單介紹技術之后我們介紹我們實際測試的項目，這個就是它是開始的比較早，然后我們在這個項目里面研發并且驗證了我們的數據算法，其實我們這個數據，我們有激光雷達得到這個自由流的風速的預測之后，我們需要一個標準量跟它進行評估。我們這個標準量選擇其實就是用機艙的SCADA通過對比提出它的控制量，它的效果是怎么樣的。

這個圖是實際測量的結果，左上面這個圖是，是我們測量的這個結果，然后應該藍色線是SCADA數據推測出來的風速，我們可以看到兩者其實在這個值上面會是，就是它的值系非常接近的，下面這個我們測試出來風速情況，那個對它的瘋漲會有影響，所以這個反映了葉輪前風速衰減的情況我們激光雷達的測量可以提前這個風場變化的一個情況這樣就給我們風機的控制，然后提供了一定的時間差，然后可以實現控制的效果。

下面我們是用，因為剛才是我們有時間序列的這個分布，然后我們用相干性分析的方法分析這個時間數據的準確性怎么樣的，然后結果作上面的這四條曲線是SCADA分析出的這個風速，另外三條是它的一個0到5秒的預測風速。右下面的圖是我們用相干性分析這幾條時間序列是怎么樣的吻合程度。這個效果是比較好的，它與SCADA計算出來的吻合度是非常高的，這就是激光雷達，就是他提供這個數據，然后對于控制的一個實際的價值。

另外一個項目是我們在山西做的，測試是去年，大概是去年，然后左上邊的這個是實際激光雷達的安裝的一個示意圖，然后中間的這個圖是激光雷達有一個叫性噪比，這個是比系統的高的，也表明了測量期間這個數據的性能是比較好的。另外我們從下面的圖可以看到這個數據有效率的分布是比較好的，然后通過這個紅色線是我們最終的，加到算法之后的數據輸出，這樣對風機控制是比較關鍵的，每個時刻有更新的數據反饋到他的系統里面，更好的提供控制的一個參考。

這個就是項目實際的一個分布情況，我們可以看到這個藍色的線是，纜索的散點是機艙的風速劑提供的信號，黑色的線是SCADA，他通過功率算出的時刻應該的一個風速水平，紅色的線是我們，就是五秒鐘之后風速情況，這個紅色的線是明顯有一個信號提前，相當于這個風機的SCADA的數據，所以這個就給了我們風機，通過激光雷達的這個自由流風速的預測，然后給了他一定的時間，然后讓風機做一定的判斷。

通過這個圖我們可以看到，因為其實機艙，就是葉片包括機艙上面的部件，其實對于機艙風速儀的影響是比較大的，數據離散情況是比較強的，我們風機直接拿這個作為控制的一個判斷，其實它的依據會比較，依據程度會差一些，激光雷達在這方面，因為它測量的是風機前方，沒有受到影響的情況，而且它可以測量之前的，它可以提前知道這個風速的變化，所以說對于風機的控制會有一個非常好的效果。

然后我們對這個，因為它的這個時間的提前量是非常關鍵的一個信息，所以我們用了時間之后相關的一個方法。然后我們想半段這個提前量的一個精度，然后我們通過這個分析之后發現確實得到的這個，就是它的相關度最高的時候也是發動在五秒的情況，五秒的風速預測和實際數據的結果發現，它的時間的準確率還是比較高的。

另外是另外一個項目三的情況，就是我們知道其實在小風的情況下，這個湍流強度如果它比較高，其實會提高風極的發電量，但是風機接近滿發，因為湍流強度會造成這個氣流的不均勻，然后風機會作為一些響應，它要適應這個湍流，一般功率會降低，所以湍流對風機的性質有比較強的影響。激光雷達測量立體的，空間上的風場信息，我們也可以獲得湍流的情況，葉輪所處的空間高度也是比較大的，所以在這個空間上面，它風的一般，風速的一個分布包括它的風向分布都是有所變化的，所以風切片對于風機的性能也是比較大的，激光雷達其實也可以作為一個很好的數據輸入來源來判斷到底風場是什么樣的情況，能夠為風機控制提供什么樣的來源。

下面介紹一下結論，首先這個激光雷達的控制技術還是我們對未來有很大的一個期待的，因為我們覺得這個確實能提供一些額外的一些信息，來提高風機的一些發電量，降低載荷。另外通過準確的風速，就是風速的一個預測，其實我們也可以給控制這邊提供更好的數據來源。然后其實我們在實際的項目中，也發現了其中的價值，然后就是實際的一些性能評估，就是我們通過方針，也通過我們實際的，多個的測試項目，發現了實際的效果還是不錯的，另外結論主要在于我們風速的算法，其實還是有比較顯著的價值，可以用于風機的前面孔四技術，自由流楓樹跟SCADA數據還是比較運河的，時間上也是比較一致，在時間的精度上面其實這個已經得到了驗證，另外我們得到風速的切變包括湍流，都是對風機的控制是一個比較好的來源。還是機艙的風速儀和方向標，還有構件的一些，我們在未來中還是要多做一些工作，然后做一些相關的，因為它對于風機的控制其實還是有很多關鍵的因素，所以我們還是希望能多做一些工作，提高在風場的適用性的一些情況下更多采用比較新的技術和新的控制策略，謝謝大家。