文 | 吳寶鑫

(作者單位：三一重能有限公司 )

由于風電項目前期開發(fā)周期較短，多數(shù)項目的測風時間為一年左右，而風電場的設計壽命通常為20年以上，所以，在風電項目長期收益預估的過程中，風速的年際波動會對項目發(fā)電量造成較大影響，由此影響到項目收益。對于部分處于收益臨界點的項目，風速的波動性可能會產(chǎn)生顛覆性影響。因此，在風能資源評估過程中采用可行的方法將一年或數(shù)年的短期測風數(shù)據(jù)推算到長期平均情況，就變得非常重要。

表1 #1和#2測風塔及MERRA2數(shù)據(jù)相關性統(tǒng)計

目前行業(yè)內(nèi)的測風數(shù)據(jù)長期訂正方法主要分為兩種：一種是通過附近氣象站的數(shù)據(jù)進行長期訂正；另一種是通過中尺度氣象數(shù)據(jù)進行長期訂正。根據(jù)《風電場風能資源評估方法》（GB/T18710－2002）中的要求，通常是采用附近氣象站的氣象數(shù)據(jù)對完整年的測風數(shù)據(jù)進行長期訂正，從而得到能夠代表長期風速情況的時間序列。

近年來，我國風電項目主要集中在中東南部，且絕大部分風電項目為山地項目。由于受到氣象站地理位置、測量環(huán)境、儀器型號等因素的影響，項目測風數(shù)據(jù)和氣象站測量數(shù)據(jù)的相關性較差，導致部分情況下氣象站的數(shù)據(jù)無法滿足長期訂正的要求。隨著氣象科學的快速發(fā)展，全球的中微尺度氣象數(shù)據(jù)模型日漸成熟，中微尺度數(shù)據(jù)在數(shù)據(jù)質量、測量周期、數(shù)據(jù)步長、相關性等方面較氣象站數(shù)據(jù)均有較大的優(yōu)勢，所以，采用中微尺度氣象再分析數(shù)據(jù)進行長期訂正已經(jīng)逐漸成為行業(yè)主流。

在風能資源評估過程中，影響風電場最終發(fā)電量的風能資源參數(shù)主要有風速、風向和空氣密度等。其中，空氣密度主要受氣溫、氣壓和濕度的影響，中尺度數(shù)據(jù)的風向和實測數(shù)據(jù)的風向在大多數(shù)情況下的一致性比較好，所以，本文主要探究長期訂正過程中與風速相關的問題。由于風速的風頻分布也會直接影響發(fā)電量的情況，因此，除風速的大小，在長期訂正過程中威布爾分布的k值同樣需要關注。

數(shù)據(jù)收集與統(tǒng)計分析

本文收集到4座測風時間超過5年的測風塔（#1、#2、#3和#4）實測數(shù)據(jù)。本階段使用MERRA2中尺度數(shù)據(jù)為長期參考數(shù)據(jù)，來探討不同訂正方式對于長期訂正結果的影響。#1和#2測風塔位于同一區(qū)域且測風周期相同，共包含8個連續(xù)自然年的數(shù)據(jù)；#3和#4測風塔位于同一區(qū)域且測風周期相同，共包含6個連續(xù)自然年的數(shù)據(jù)。測風數(shù)據(jù)及周邊MERRA2數(shù)據(jù)相關性統(tǒng)計結果如表1－表2、圖1－圖2所示。

表2 #3和#4測風塔及MERRA2數(shù)據(jù)相關性統(tǒng)計

通過對#1、#2、#3和#4測風塔和周邊MERRA2數(shù)據(jù)的相關性分析可知，實測數(shù)據(jù)與中尺度數(shù)據(jù)的相關性較好，風速相關性系數(shù)R值均在0.7以上，風向相關性系數(shù)R值均在0.8以上。#1、#2、#3和#4測風塔的風速情況及測風塔周邊MERRA2數(shù)據(jù)多年風速情況統(tǒng)計結果如表3－表4、圖3－圖4所示。

#1、#2、#3和#4測風塔的實測數(shù)據(jù)及其附近MERRA2數(shù)據(jù)各自然年風速和k值結果與長期數(shù)據(jù)風速和k值統(tǒng)計結果的偏差如表5－表6、圖5－圖6所示。

通過對#1、#2、#3和#4測風塔及MERRA2中尺度數(shù)據(jù)的統(tǒng)計分析可知：

表3 #1和#2測風塔及MERRA2數(shù)據(jù)統(tǒng)計

表4 #3和#4測風塔及MERRA2數(shù)據(jù)統(tǒng)計

表5 #1和#2測風塔及MERRA2數(shù)據(jù)自然年數(shù)據(jù)與長期數(shù)據(jù)偏差統(tǒng)計

表6 #3和#4測風塔及MERRA2數(shù)據(jù)自然年數(shù)據(jù)與長期數(shù)據(jù)偏差統(tǒng)計

（1）測風塔自然年風速變化趨勢和中尺度數(shù)據(jù)變化趨勢基本一致，但每年的偏差差異較大。

（2）因MERRA2中尺度數(shù)據(jù)時間步長為60分鐘，實測數(shù)據(jù)的時間步長為10分鐘，所以，MERRA2中尺度數(shù)據(jù)的k值明顯大于實測數(shù)據(jù)的k值。

（3）測風塔自然年實測數(shù)據(jù)k值變化趨勢和中尺度數(shù)據(jù)k值變化趨勢基本一致。

（4）同一區(qū)域不同測風塔的實測數(shù)據(jù)風速和k值變化趨勢基本相同，但偏差差異較大。

（5）測風塔自然年實測數(shù)據(jù)k值和風速的偏差與MERRA2中尺度數(shù)據(jù)自然年對應偏差的差異較大。

采用不同算法推算長期風速

在進行長期訂正的過程中，最為重要的就是尋求實測數(shù)據(jù)和參考數(shù)據(jù)的相關性關系。目前，業(yè)內(nèi)經(jīng)常采用的相關性預測方法主要有線性最小二乘法、正交二乘法、方差比法、矩陣時間序列法、威布爾擬合法、整體風速比法、風速分類法、垂直切片法、比值法等。本節(jié)采用不同算法對#1、#2、#3和#4測風塔實測數(shù)據(jù)進行長期訂正。對于#1和#2測風塔，選擇數(shù)據(jù)完整率均較高的第七年作為數(shù)據(jù)完整年；對于#3和#4測風塔，選擇數(shù)據(jù)完整率均較高的第六年作為數(shù)據(jù)完整年。為直觀判斷不同算法長期訂正對發(fā)電量結果的影響，采用三一重能有限公司的SE11520機組進行發(fā)電量計算，折減系數(shù)取值為75%。各測風塔采用不同算法得到的長期訂正結果如表7－表10、圖7－圖10所示。

表8 #2測風塔采用不同算法的長期訂正結果對比

根據(jù)#1、#2、#3和#4測風塔實測數(shù)據(jù)采用不同算法進行長期訂正所得到的對比結果如表11所示。由表可知：

（1）采用不同算法進行長期訂正得到的長期數(shù)據(jù)的風速整體偏差較小，4座塔中的最大值為4.09%，最小值為0.60%。

（2）采用不同算法進行長期訂正得到的長期數(shù)據(jù)的k值的波動性較大，且不同算法間的差異較大，4座塔中的最大值為46.44%，最小值為0.38%。

（3）采用不同算法進行長期訂正得到的長期數(shù)據(jù)的A值情況和風速情況類似，整體偏差較小，4座塔中的最大值為6.41%，最小值為0.51%。

（4）采用不同算法進行長期訂正得到的長期數(shù)據(jù)計算的利用小時數(shù)整體偏差較大，4座塔中的最大值為11.51%，最小值為0.19%。

通過以上分析可知，4座塔風速、k值、A值和利用小時數(shù)四個參數(shù)的偏差最小值中，采用完整年數(shù)據(jù)和比值法的概率較高。所以，整體來說，采用比值法和完整年數(shù)據(jù)計算的偏差小于其他算法。

表9 #3測風塔采用不同算法的長期訂正結果對比

表10 #4測風塔采用不同算法的長期訂正結果對比

除平均風速外，威布爾分布的形狀參數(shù)k值也會直接影響項目的發(fā)電量情況，因此，不宜使用會導致k值在訂正前后出現(xiàn)劇烈變化的算法來進行長期訂正。在不同風速下，機組利用小時數(shù)隨k值的變化趨勢如圖11所示。由圖可知，不同風速段下的利用小時數(shù)隨k值的變化趨勢是不一致的。平均風速大的情況下，k值越大，利用小時數(shù)越高；平均風速小的情況下，k值越大，利用小時數(shù)越低。針對本文中采用三一重能有限公司的SE11520機組，平均風速在5.5～6m/s的區(qū)間內(nèi)，利用小時數(shù)受k值變化的影響較小。

表11 對比結果

結論

通過以上分析可知，長期訂正后的風速和k值均會直接影響發(fā)電量的結果。在采用大部分算法得到的長期風速偏差不大的情況下，比值法由于未改變測風數(shù)據(jù)的威布爾分布形狀，k值基本不會發(fā)生變化。所以，采用比值法得到的長期訂正結果整體來說偏差更小一些。

以上4座測風塔直接采用完整年數(shù)據(jù)計算得到的利用小時數(shù)最大偏差為1.23%，偏差相對較小。所以，針對部分實測數(shù)據(jù)和中尺度數(shù)據(jù)相關性極差的項目，建議直接采用完整年數(shù)據(jù)進行計算，所得結果整體偏差不大，在可接受范圍之內(nèi)。

本文只分析了4座測風塔實測數(shù)據(jù)的長期訂正結果，樣本數(shù)量較少。另外，由于以上4座測風塔均位于北方高風速地區(qū)，與MERRA2中尺度數(shù)據(jù)相關性較好，故所得結論對與MERRA2中尺度數(shù)據(jù)相關性較差的低風速項目的代表性有限，后續(xù)還將收集低風速項目的長期實測數(shù)據(jù)進行進一步的分析和驗證。