风电场集成监控平台的研究
基于云计算技术的风电场远程监控系统设计与实现
基于云计算技术的风电场远程监控系统设计与实现随着风电场的不断发展和电力市场的需求增加，远程监控系统成为风电场管理的重要组成部分。
云计算技术的兴起为远程监控系统的设计和实现提供了更加灵活和可靠的解决方案。
本文将针对基于云计算技术的风电场远程监控系统进行设计和实现的相关内容进行详细探讨。
首先，我们需要明确风电场远程监控系统的设计目标和要求。
远程监控系统的首要目标是实现对风电场的远程实时监控和数据采集，并能够及时响应异常情况和故障。
为了满足这一目标，我们需要设计一个可靠性高、可拓展性强、安全性好的系统。
基于云计算技术的风电场远程监控系统设计的核心是建立一个分布式的数据中心，通过云主机进行数据的存储和处理。
利用云主机，监控系统可以更好地管理和处理大量的数据，并且可以根据需要进行资源的弹性分配。
同时，云计算平台还可以提供强大的存储和计算能力，确保系统能够满足实时监控和数据分析的需求。
在设计云计算架构时，我们需要考虑系统的可扩展性和容错性。
为了实现可扩展性，可以采用分布式数据库和分布式文件系统。
分布式数据库可以实现数据的分片存储，提高数据读写的效率；而分布式文件系统可以实现大规模数据的分布式存储和访问，保证系统的可靠性和性能。
另外，在设计风电场远程监控系统时，需要考虑数据的安全性和隐私性。
云计算平台需要提供专门的安全措施，保护数据在传输和存储过程中的安全性。
可以使用加密技术对数据进行加密传输和存储，同时还可以利用身份认证和访问控制技术对系统进行保护，确保只有授权人员才能访问和操作系统。
在系统实现过程中，还需要考虑系统的可管理性和可维护性。
监控系统应该提供友好的用户界面，方便用户进行系统管理和监控。
同时，系统需要具备自动化的运维功能，能够实现故障的自动检测和修复，确保系统的稳定运行。
为了验证系统设计的有效性，我们可以使用模拟器和实际风电场进行系统实验和测试。
模拟器可以模拟不同场景下的系统运行情况，验证系统的性能和可靠性。
风电场远程监控系统及无线网络技术应用研究
①风力发电机组参数的监控，如发电机各相电 压、电流、功率因数和发电量等；
变浆状态等。 １．２现场系统控制级的设计
随着智能采集与控制模块的大量出现，现场总线控 制系统（ＦＣＳ）已经逐渐取代分布式控制系统（ＤＣＳ），成 为工业控制的主流控制系统。由于智能模块集成了 ＤＣＳ中控制站的作用，大大简化了控制系统的结构。节 省了成本和空间。风力发电机拥有众多被测参数，需要 大量监测执行模块，虽然这些监测执行模块由不同厂家 生产，但是只要共同支持某种现场总线协议，这些模块 就能同时跨接在现场总线上协同工作、互不干扰。
万方数据
风电场远程监控系统及无线网络技术应用研究王成，等
内，不能满足风力发电机组的数据采集与监控要求，而 ＩｔＳ．４８５标准最大传输距离为ｌ ２００ ｍ。所以，现场总线 常常采用ＩｔＳ一４８５作为现场传输总线。如图１所示， ＲＳ－４８５现场总线只需要使用一对双绞线就可以实现 现场数据的采集和传输，具有安装灵活方便、易于系统 扩容和维修等特点。
ｗｉｎｄ ｆａｒｍ ｍｏｎｉｔｏｒｉｎｇ ｓｙｓｔｅｍｓ ｇｒｅａｔｌｙ ｒｅｄｕｃｅ ｗｉｒｉｎｇ ｄｉｆｆｉｃｕｌｔｉｅｓ ａｎｄ ｍａｉｎｔｅｎａｎｃｅ ｃｏｓｔｓ．Ｔｈｅ ｍｏｎｉｔｏｒｉｎｇ ｐａｒａｍｅｔｅｒｓ ｏｆ ｗｉｎｄ ｆａｒｍ－ｗｉｒｅｌｅｓｓ ｎｅｔｗｏｒ－ ｋｉｎｇ ｓｃｈｅｍｅ ａｎｄ ｔｈｅ ｓｔｒｕｃｔｕｒｅ ｏｆ ｎｅｔｗｏｒｋ ｔｏｐｏｌｏｇｙ ａ陀ａＩｌａｌｙ舱ｄ．Ｔｈｅ ｍｏｎｉｔｏｒｉｎｇ ｓｏｆｔｗａｒｅ ｗｈｉｃｈ ｉｓ ｓｕｉｔａｂｌｅ ｆｏｒ ｓｕｃｈ ｓｙｓｔｅｍｓ ｔｏ ｆｕｌｆｉｌｌ ｂａｓｉｃ ｆｕｎｃ· ｔｉｏｎ ｏｆ ｍｏｎｉｔｏｒｉｎｇ ｉｓ ｐｒｎｇｒａｎｕｎｅｄ． Ｋｅｙｗｏｒｄｓ：Ｗｉｎｄ ｆａｒｍ Ｍｏｎｉｔｏｒｉｎｇ ｓｙｓｔｅｍ ＷＬＡＮ Ｖｉｒｔｕａｌ ｐｒｉｖａｔｅ ｎｅｔｗｏｒｋ（ＶＰＮ）Ｆｉｅｌｄｂｕｓ
风电场设备智能监测与故障预警研究
风电场设备智能监测与故障预警研究随着风电行业的快速发展，风电场设备的智能监测和故障预警越来越受到关注。
通过大数据分析和智能监测技术，可以实时监测风电机组的运行状况，及时预警故障，提高风电场的可靠性和经济性。
一、风电场设备智能监测的意义目前，风电场的设备监测主要采用定期巡检和维修方法，这种方法不仅费时费力，而且容易忽略一些小问题，最终导致设备的故障甚至报废。
智能监测技术的引入，能够实时监测设备的运行状况，精确预测设备的寿命和故障点，及时进行维护和更换，提高设备的可靠性和可用性，降低运维成本，增加风电场的发电量和经济效益。
二、风电场设备智能监测的技术原理风电场设备智能监测的核心技术是大数据分析和机器学习。
通过采集风电机组的各项运行数据，例如转速、振动、温度、压力等，将数据传输到云端进行处理和分析，通过建立机器学习模型，进行预测和判断。
智能监测系统还可以通过传感器、摄像头等设备实现对设备外观及周边环境的监测，如果发现异常情况及时报警并处理，避免设备故障。
三、风电场设备故障预警的应用案例某风电场通过引入智能监测系统，成功实现对45台风电机组的实时监测。
系统不仅可以监测风电机组的运行状况，还可以进行实时故障预警。
在一个风电机组出现异常轴承频率的情况下，智能监测系统能够在轴承故障前一个月就进行预警。
经过维修后，该风电机组的故障率明显下降，发电量提高了2.6%，经济效益得到了显著提升。
另外，机器学习算法还可以根据历史运行数据，预测设备的寿命和维修周期，提前做好维修计划，降低维修成本。
四、风电场设备智能监测的未来趋势随着物联网技术的发展，智能监测系统将越来越成熟，监测精度也将越来越高。
同时，智能监测还将向更加自主化和智能化的方向发展，系统将会自主识别故障、自主维修和自主保养，全面提高设备的可靠性和可用性，降低运维成本。
另外，近年来，越来越多的风电场开始采用虚拟现实技术来进行风电场设备的运维培训和监测。
虚拟现实技术可以模拟各种场景，让运维人员更好地认识设备，提高运维效率。
风电场监控系统的设备状态监测与管理
风电场监控系统的设备状态监测与管理随着全球对可再生能源的需求不断增长，风力发电成为了一种常见且有效的可再生能源形式。
为了确保风力发电机组的高效运行，监控系统的设备状态监测与管理变得非常关键。
本文将介绍风电场监控系统的设备状态监测与管理的重要性，并探讨如何有效地进行监测与管理。
风电场监控系统的设备状态监测是指对风力发电机组的关键设备进行实时监测和故障诊断，以提高设备的可靠性和运行效率。
这些关键设备包括风轮、发电机、齿轮箱和变速器等。
通过监测设备的振动、温度、电流、电压等参数，可以及时发现设备的异常情况，并进行故障诊断和预测。
这样可以减少停机维修时间，提高风力发电机组的可利用率和发电效率。
设备状态监测的核心是数据采集和分析。
风电场监控系统通过传感器和监测装置对设备的运行状态进行实时监测，并将采集到的数据传输到数据中心进行分析。
对于风轮来说，可以通过测量振动、转速、温度等参数来判断轮叶的状态和结构是否存在异常。
对于发电机和变压器等设备来说，可以通过监测电流、电压和温度等参数来预测设备的寿命和性能。
通过分析采集到的数据，可以识别设备故障的原因，提前进行维护和更换，避免设备故障对风电场运营造成的影响。
设备状态管理是指根据设备状态监测的结果，采取相应的维护和管理措施，以确保设备的正常运行。
一种常见的管理方法是制定维护计划，定期对设备进行检查和维护。
例如，定期更换润滑油、检查电缆连接和紧固螺栓等。
此外，还可以采用远程监控和智能诊断技术，实现对设备的远程监控和故障诊断。
通过远程监控，运维人员可以及时了解设备运行情况，快速响应并解决潜在问题。
通过智能诊断，可以通过数据分析和模型推理，预测设备故障并提前进行维护。
这样可以降低维护成本，延长设备的使用寿命。
此外，风电场监控系统的设备状态监测与管理还面临一些挑战。
首先，风力发电机组通常分布在广阔的海上或山区，设备状态监测和维护困难重重。
其次，不同类型和品牌的风力发电机组的设备状态监测和管理方法存在差异，需要针对性的技术和专业知识。
风力发电场的可视化监控系统设计与实现
风力发电场的可视化监控系统设计与实现随着对可再生能源需求的不断增长，风力发电作为一种清洁且可持续的能源来源，越来越受到重视。
然而，管理和监控大型风力发电场的运行效率和安全性是一个挑战。
为了提高风力发电场的运维效率和可靠性，设计并实现一种可视化监控系统是至关重要的。
1. 系统需求分析在进行风力发电场可视化监控系统的设计与实现之前，首先需要进行系统需求分析，明确系统应具备的功能和性能。
其中，可以考虑的需求包括：1.1 实时数据监控：监控风力发电机组的发电状态、风速、风向、温度等关键指标，实时更新数据，确保发电机组的正常运行。
1.2 风力发电场地图显示：利用地理信息系统（GIS）技术，以风力发电场地图为背景，将风力发电机组的位置、布局、状态等信息图形化展示。
1.3 故障检测与报警：通过对实时监测数据的分析，及时检测发电机组的异常状态，并发出相应的报警信息，以便工作人员能够迅速采取措施。
1.4 远程控制与调度：系统可以远程操控发电机组的启停、变桨等操作，以优化风力发电场的发电效率和运行安全性。
1.5 数据存储与分析：系统应具备数据存储和分析功能，以便于管理人员对系统运行数据进行统计、分析和报表生成。
2. 系统设计与实现2.1 架构设计风力发电场可视化监控系统的架构设计是整个系统设计的关键。
合理的架构设计可以提高系统的可靠性和可扩展性。
一种常见的架构设计是将系统分为前端和后端两部分。
前端部分包括数据采集、数据处理和用户界面模块；后端部分包括数据存储、数据分析和远程控制模块。
通过前端和后端的协作，可实现风力发电场监控系统的全面功能。
2.2 数据采集与处理在风力发电场中，需要使用传感器来采集风速、风向、温度等相关数据。
传感器可以通过有线或无线方式与监控系统进行数据通信，将采集到的数据传输到数据库中。
数据采集模块需要负责对传感器数据进行采集、预处理和格式转换工作。
在采集过程中，还应确保数据的准确性和实时性。
2.3 用户界面设计用户界面是系统与用户之间进行交互的重要部分。
28_基于物联网的风电场远程监控系统设计
基于物联网的风电场远程监控系统设计第一部分风电场远程监控系统背景介绍 (2)第二部分物联网技术在风电场的应用现状 (4)第三部分系统设计目标与功能需求分析 (9)第四部分基于物联网的风电场数据采集方案 (12)第五部分数据传输与处理技术的研究 (15)第六部分风电场远程监控系统的架构设计 (18)第七部分系统安全与性能优化策略 (21)第八部分实际应用案例及效果评估 (24)第一部分风电场远程监控系统背景介绍随着全球能源需求的不断增长，风能作为一种清洁、可再生的能源受到了越来越多的关注。
风电场作为风能利用的主要场所，其运行状态对整个电力系统的稳定性和可靠性具有重要影响。
传统的风电场监控方式依赖于人工现场巡检和故障报警，不仅耗费人力物力，而且容易出现漏检或误报等问题。
近年来，物联网技术的发展为风电场远程监控提供了新的可能。
物联网是指通过信息传感设备（如射频识别、传感器、摄像头等）将各种物品与互联网连接起来，实现智能化管理和控制的一种网络。
基于物联网的风电场远程监控系统可以实时监测风电场的运行状态，及时发现和处理故障，提高风电场的运行效率和经济效益。
根据国家统计局发布的数据，2018 年我国风电装机容量达到 2.09 亿千瓦，占全国总装机容量的 9.7%。
然而，由于风电场大多位于偏远地区，环境条件恶劣，风电场的运维工作面临着很大的挑战。
基于物联网的风电场远程监控系统可以帮助运维人员远程了解风电场的运行情况，减少现场巡检次数，降低运维成本，提高风电场的运行效率和经济效益。
此外，随着云计算、大数据、人工智能等新技术的应用，基于物联网的风电场远程监控系统还可以实现智能预测和优化等功能，进一步提升风电场的运行管理水平。
例如，通过分析历史数据，系统可以预测风电场的发电量和故障率，帮助运维人员提前做好准备；通过机器学习算法，系统可以自动识别故障类型和原因，提高故障诊断的准确性和效率。
综上所述，基于物联网的风电场远程监控系统具有重要的研究价值和应用前景。
风电场智能监测与预测技术研究
风电场智能监测与预测技术研究近年来，随着环保和可再生能源的日益重视，大规模的风电场也在全球范围内得到了广泛的建设。
然而，由于风电机组受到多种复杂因素的影响，例如风速、温度、湿度等环境因素以及机组本身的质量、偏差等因素，导致风电场存在着较大的安全风险和经济风险。
因此，如何对风电场进行智能监测和预测成为一项迫切的技术任务。
一、风电场智能监测与预测的技术方案风电场的智能监测与预测技术主要包括数据采集与传输、数据处理分析和智能诊断预测三个方面。
数据采集与传输是风电场智能监测与预测技术的基础，主要采用传感器等设备收集现场环境和机组运行状态的数据，并通过通讯网络将数据传输到监测中心。
目前，常用的数据采集与传输方案包括有线传输、无线传输和混合传输三种方式。
其中，有线传输是供电系统常用的传输方式，其优点是稳定可靠，但缺点是对现场设备布局和敷设要求较高。
无线传输由于无需敷设线路，可以有效节省成本，但受到环境因素等的影响较大，稳定性较差。
混合传输则是两种方式的结合，根据实际情况做出选择。
数据处理分析是对采集到的数据进行处理、特征提取和分析的过程。
主要内容包括数据质量检查、数据清洗、特征提取和机器学习等技术。
具体地，数据质量检查和数据清洗是确保数据的准确性和完整性的重要环节。
特征提取则是根据数据的特点和运行状态，提取其最有代表性的特征，以便后续的模型建立和预测。
机器学习技术则是根据实际情况选择适当的模型，对数据进行训练和决策，以实现预测和诊断。
智能诊断预测是对机组运行状态和未来预测进行诊断和预测的过程。
通过对现场环境和机组运行状态的监测和分析，可以对当前状态和未来变化进行预测，并据此判断产生风险的可能性和大小，提前进行预警和措施，保障风电场的安全和经济运行。
二、风电场智能监测与预测的关键技术为了实现风电场智能监测与预测，需要涉及多种关键技术，包括智能传感器技术、数据融合技术、信号处理技术、模型建立与预测技术等。
智能传感器技术是实现数据采集和传输的基础，它的发展和应用将有助于提高监测和预测的精度和效率，降低监测和预测的成本。
风电场智能监测系统的设计与实现
风电场智能监测系统的设计与实现近年来，随着环保意识的不断提高，可再生能源的应用逐渐成为世界各国的共识。
其中，风电作为一种可再生清洁能源，受到了越来越多的重视。
作为其中的一个关键环节，智能监测系统的设计和实现对风电场的安全运营和维护起着至关重要的作用。
一、风电场监测系统的现状当前，大部分风电场的监测系统还处于手动巡检和数据采集的阶段，存在着以下问题：1. 人工巡检频率低，不能及时发现问题2. 数据采集过程繁琐，易受人为因素影响数据质量3. 对风电设备的安全性、可靠性等方面的监测仍然存在局限性这些问题会对风电发电效益和设备的寿命等方面造成不利影响。
二、风电场智能监测系统的设计与实现为了解决上述问题，需要开发一种风电场智能监测系统，以下是该系统的设计与实现方案：1. 系统框架图该系统采用分布式的框架，包括风机、站内监测节点、站外监测节点、数据中心四个层次，确保数据在全网传输透明、可扩展，同时提供数据备份和架构弹性。
2. 系统数据采集风电场智能监测系统的最基本组成部分是数据采集，它通过风机安装的监测设备将关键性能指标记录在一份质量保证的数据库中，如机组状态、风资源状况、气象参数、计划维护等，并能实现自动化智能监测。
为了保障数据采集的准确性和实时性，采用较适合的网络武器传感器技术，结合智能诊断、故障排查、预测维护等先进技术，实现从实地监测建立到远程查询控制的全流程系统。
3. 数据分析与建模风电场智能监测系统通过大数据分析，包括机组状态、风资源等，进行可视化展示，有效降低复杂数据对控制决策的影响，实现风场内实时监测并智能分析，利用风能的最大化，降低纯的风电发电成本。
在模型建立中，可采用有监督学习方法，实现模型跟踪和优化，进一步降低生产成本和提高发电效率。
4. 系统安全性保障安全性是大数据和物联网应用的基本要求之一。
为确保风电场数据的保密性、完整性和可用性，系统应包括相应的安全机制，包括身份验证、加密传输、访问控制等多项措施。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第39卷 第6期 电力系统保护与控制 Vol.39 No.6 2011年3月16日 Power System Protection and Control Mar.16, 2011
风电场集成监控平台的研究
乔 颖1，鲁宗相1，徐 飞1，王小海2，侯佑华2，朱长胜2 （1.清华大学电机系电力系统国家重点实验室，北京 100084； 2.内蒙古电力（集团）有限责任公司调度通信中心，内蒙古自治区 呼和浩特 010020）
摘要：实现风电场调度控制的自动化、常规化和智能化是其融入电网管理体系的关键。设计了风电场集成监控平台,在数据采集与控制系统的基础上，将风电场内所有设备组织成一个有机整体，可实现有功控制、电压控制、发电与检修计划安排等高级应用功能。平台以风功率预测为基础，制定发电、储能与检修计划，并报送电网调度中心，供后者编制全局优化方案；在运行时响应电网调度指令，实现闭环控制，使风电场真正成为电网的一个可预测、可调节和可靠的优质电源。 关键词：风电场；监控平台；风功率预测；协调调度；预测控制
Study on the integrated monitoring & control platform of wind farms QIAO Ying1，LU Zong-xiang1，XU Fei1，WANG Xiao-hai2，HOU You-hua2，ZHU Chang-sheng2 （1. State Key Lab of Power Systems，Department of Electrical Engineering，Tsinghua University，Beijing 100084，China； 2. Dispatch Center of Inner Mongolia Power Company，Hohehot 010020，China）
Abstract：It is essential for wind farms to implement automatic，routine and intelligent control and dispatching so as to integrate themselves to power grid management．Based on wind farm SCADA system，this paper designs an integrated monitoring & control platform．The platform manages all equipments in a wind farm as a whole，and has comprehensive function such as active power control，voltage control，and generation & maintenance planning, etc．On the basis of wind power prediction，the platform can make plans of generation，storage，and equipment maintenance，then report them to grid dispatching center for global optimal plan; it real-time responses to dispatching orders in close loop mode．The platform helps the wind farm work as a predictable，controllable and reliable generation unit of good quality． Key words：wind farm；monitoring & control platform；wind prediction；coordinate dispatching；predictive control
中图分类号： TM85 文献标识码：A 文章编号： 1674-3415(2011)06-0117-070 引言 截止2008年底，我国风电装机容量超过1 200万kW，超过100万kW的省份达到了4个；预计到2020年，将建设千万kW级风电基地7个[1]。局部地区风力发电峰值占负荷比例已超过20%[2]，标志着这些地区电网已步入高风电渗透率阶段，对风电的调度也需要由被动接纳转入主动管理阶段。 实现风电场调度控制的自动化、常规化和智能化，使之具有与传统能源电厂相似的调节能力，是其融入现有电网运行管理体系的关键。相关基础技术涉及风功率预测、风电场单元设备控制技术、风机与变电站自动监控系统技术等多个方面。 风功率预测是目前国内外公认有效地提高风电可控性的关键基础技术。在风电装机容量较大的欧美国家，相关研究已相当成熟，有多套软件预测包（如Prediktor，Zephyr，eWind，Advanced WPPT等）应用于发电计划与电力市场交易等[3]。我国近年也在开展算法研究[4-8]，但离实用还有相当距离。
预测精度的主要制约因素是数值天气预报精度和现场数据积累程度。 单元设备的调节能力是风电场协调控制的基础。双馈与直驱等采用PQ解耦控制的风机可远程执行给定有功/无功/功率因数指令[9-11]。10~35 kV级
SVC/Statcom动态无功补偿设备在风电场已有一定普及率。1~5 MJ/MW级超导储能（Superconducting Magnetic Energy Storage，SMES）基本技术成型，10 MW/MJ级电池储能技术在风/储发电系统已有成功示范[12-13]。
相对而言，我国风电场调度系统建设还处于初- 118 - 电力系统保护与控制 级阶段。现行风电场安装的变电站自动监控系统与风机数据采集与监视系统（SCADA）之间通信隔断，前者不提供对风机设备四遥的支持，后者采用私有规约甚至公网通信[14]，尚无法支持功能层对风电场
各类可控资源进行有机整合。部分风机制造商提供以风机为受控对象的风电场有功/无功控制方案，但对风机与集中补偿设备之间如何联动、如何实时响应电网调度等问题的研究尚不充分[15-16]。
本文提出了一套完整的风电场集控平台设计框架，将风电场内的所有设备（包括风机、升压站、测风塔与风场馈线子网等）组织成一个有机整体，对外可接受电网统一调度，对内可协调监控风场设备，有效提高风场的可预测性、可靠性与可控性，使之能够像常规能源电厂那样融入电网调度体系，促进风电真正成为未来电网的优质电源。 本文将先介绍风电场集成监控平台的基本概念，然后具体讨论平台的结构与功能，特别是有功/无功控制、发电计划安排等电网密切关注的子模块，最后总结了平台建设的若干关键技术。
1 风场集成监控平台的基本概念 风电场集成监控平台是集现有风机SCADA和变电站SCADA为一体、并在此基础上实现自动闭环、协调控制风场内所有可调设备以满足风场并网综合需求的监控管理系统。 从风场角度来看，集控平台就是风场这个小网络的调度中心，进行功率预测，远程监控风机、馈线、升压站设备、储能、集中补偿电容器等设备，在确保风场安全经济运行的同时，使公共接入点状态满足电网调度需求。 从电网角度来看，集控调度平台使风场成为一个行为可预测、状态可控制和具有较高可靠性的发电单元。电网可以发送指令，使其参与频率和电压的调整、甚至紧急控制，从而实现全网的安全稳定与优化运行。 与现有的风电场SCADA相比，集控平台的突出特点如下： ①主动控制：改变现有风电场类似负荷的工作模式（如不干涉有功出力、被动进行无功补偿等），采用基于预测的主动控制，在尽可能不弃风的前提下控制有功、提高并网点电压－无功水平。 ②集群控制：平台考虑风机的群体效应和集中补偿设备的协同效果、以提高风场整体输出特性为设计依据。平台不需要更改现有风机控制器设计，而是利用简单远程指令（如定无功、定功率因数、有功输出限制和起停等）的有机组合来实现调频、
调峰、调压等复杂的风电场控制，更易为风场业主接受。 ③多目标协调控制：平台不仅在风机与集中补偿设备之间协调，也在紧急控制与校正控制之间、有功控制与无功控制等不同控制目标进行协调。 ④事件驱动型控制：由于风能的随机性与波动性，风电场的最优运行点、稳定域边界也时刻变化。平台采用离散事件驱动型控制，将有悖并网要求的越限状态、风电场安全裕度降低和电网调度指令等都视为出发控制的基本事件，激发相应设备动作。
2 风场集成监控平台的功能与结构 2.1 风电场并网控制需求 电力系统对并网风场提出了综合控制需求，涉及有功控制（一次/二次调频、调峰）、无功控制（电压稳定、无功优化）、电能质量（谐波、闪变、电压合格率）和紧急控制（低电压穿越、电压/频率支撑）等各个方面[17]。风电场除了尽量利用风机控制能力
之外，往往辅以多种集中补偿设备，其时间常数分布从毫秒到小时不等。设备的时间常数与并网控制需求之间的匹配关系总结如图1所示。
图1 风电场并网控制需求与可控设备时间常数对比 Fig.1 Comparison of grid integration requirements and time constant of controllable equipments in wind farms
总地来讲，谐波与闪变的抑制、紧急控制等对响应速度要求很高的功能主要依赖可控设备的本地控制实现，而调频、调压、无功优化等需要配合电网进行的控制，由平台集中协调。 2.2 平台整体结构 风场集成监控平台的基本结构与电网能量管理系统类似，由以四遥为核心的风电场SCADA（基础层）及其高级应用（功能层）构成，如图2所示。 风电场SCADA在传统电力系统SCADA的基