风资源评估笔记

2015年7月电工技术学报1.对风能资源评估，广泛采用测量-相关-预测（MCP）算法，目前风能资源评估的MCP算法主要有线性回归法、方差比法、Weibull尺度法、概率函数法、神经网络法、Bayesian网络法和组合法等。2.国内风能资源评估方法采用基于线性回归的年代表分析法。基于混合神经网络的相关模型需要来自两方面的数据：1.参考气象站：1)短时同期观测数据（逐小时风速风向数据）；风电场附近参考气象站与测风塔同期的逐小时风速和风向数据2)长期历史观测数据（逐小时风速风向数据）；一般为连续20年逐小时风速和风向数据或参考气象站长期历史风速的Weibull分布2.风电场数据：1)测风塔逐小时风速风向数据（风电场测风塔短期[一般为1~2年]逐小时风速和风向数据）2)长期风速风向数据《中国风资源测量和评估实务》风能的大小即计算气流所具有的动能，它与气流通过的面积、空气密度和气流速度的立方成正比。风况是影响风力发电经济性的一个重要因素。风能资源评价主要是以现有测风塔和气象站的测风数据为基础，通过整理、分析，对目标地区（区域）风况分布和风能资源的大小进行评价。风向可以用角度来表示，以正北为基准，顺时针方向旋转，东风为90°，南风为180°，西风为270°，北风为360°。各种风向出现的频率用风向玫瑰图来表示。风能资源评估方法可分为统计分析法和数值模拟方法两类，其中统计分析方法又可分为基于气象站历史观测资料的统计分析方法和基于测风塔观测资料的统计分析方法两种。我国目前主要采用基于气象站历史观测资料的统计分析方法和数值模拟方法对风能资源进行评估。在一个给定的地区内调查风能资源时可以划分为三种基本的风能资源评估的规模或阶段：区域的初步识别、区域风能资源估计和微观选址。区域的初步识别:从相对大的区域中筛选合适的风能资源区域，筛选是基于气象站测风资料、地貌、被风吹得倾向一侧的树木和其他标志物等。区域风能资源估计：在这个规模上测风最基本的目标是：1)确定和验证该区域内是否存在充足的风能资源，以支持进一步的具体场址调查；2)比较各区域以辨别相对发展潜力；3)获得代表性资料来估计选择的风电机组的性能及经济性；4)筛选潜在的风电机组安装场址。微观选址：用来为一台或更多风力发电机组定位，以使风电场的全部电力输出最大，风力发电机组排布最佳。风能资源评估程序：①收集气象资料、地理（海拔、经纬度）、地形图、地质资料，分析风况资料，评价地形、自然环境、交通②现场考察，选址③风况观测，测风塔安装，测量参数④数据收集、管理和分析，观测至少一年以上，保证有效数据完整率90%以上（连续漏测时间不应大于全年的1%）⑤风况分析，风能资源评估⑥编制风资源评估报告测风时需要测量风速、风向和湍流特性。风资料的一般来源包括当地气象服务站、机场、环保、电力系统等机构。平均风速对高度变化的规律称为风剪切或风速廓线，风速廓线可采用对数律分布。v2=v1[z2z1]αv2——测量高度z2处的未知风速；v1——测量高度z1处的已知风速；α——风切变指数风速较大的特征包括：①山脊的走向垂直于盛行方向；②在给定区域内最高位置；③当地的风通过漏斗形通道的位置；应避开的特征包括最高地形的上风向和下风向、山脊的背风面、特别陡峭的地形，这些情况有可能增加湍流强度。实地考察场址，考察的内容包括：①目前土地的用途；②障碍物的位置；③长期在强风作用下的树木变形情况；④进场的途径；⑥对当地景观的潜在影响；⑦用于数据传输的手机信号的可靠性；⑧测站的可能位置。选择测风塔的精确位置要遵循两条重要原则：①尽量原理障碍物；②选择的位置能够代表场址的主要范围。测量项目的核心是收集风速、风向和气温数据。风向频率资料对确定更好的地形和方向，以及优化风电机组在风电场内的布置很重要。风能测量的国际标准间隔：计算所有参数的10min平均值。风速和风向的标准偏差定义为所有1s或2s样本在每个平均时段内的真实总量标准偏差（得它）。风速和风向的标准偏差是湍流水平和大气稳定性的指标。湍流强度一般使用超声波测风仪接地系统：基本原则：1.调查当地的雷电发生率，对雷电高发区，采用保守方法并加强接地系统的容量。2.在塔架上安装避雷针并通过导线接地3.把所有接地杆连在一起以保证电流连续4.所有接地杆埋在地表以下5.使用单点接地系统6.确定土壤类型和阻抗等级。一般地说，阻抗越低，接地越好7.在所有接地连接处涂还原剂附加瞬时保护措施1.安装多点避雷针（或带状延迟避雷针），点数越多，越有利于减少地的静电负荷。2.在塔架各层和水平方向安装避雷针以增加消负荷点，把接地杆连到下面的导体，以防止反向影响所有传感器的读数。3.确保塔架顶端安装的传感器任何一侧都在理论上45°圆锥的保护范围内，有可能需要更长的避雷针。风资源数据验证数据验证的定义是检查所有收集到的数据是否完整、合理以及消除错误数值。这一步把原始数据转换为验证过的数据，然后再处理成为满足用户各种分析用的总结报告。这一步对于维持测风计划期间数据的高度完整性也是关键的。数据传输之后，尽可能在一两天内进行验证。数据验证主要包括数据浏览和数据核实两部分。数据完整率定义为有效数据记录与报告期间内所有数据记录之比，并取决于每个测风传感器（每个测站的所有监测高度）。有效的数据记录=所有的数据记录-无效的数据记录风资源评价是指对验证完成的数据经过各种数据处理程序的处理来评估风能资源的活动。风切变是指水平风速随高度的变化。风切变指数只能由各个现场确定，因为它的大小受场址特定的条件影响。风切变指数的计算公式：α=log(v2/v1)log(z2/z1)v2为高度z2的风速；v1为高度z1的风速。风的湍流是风速、风向和垂直分量的快速扰动和不规则变化。对于选址来说，最普通的湍流指标是风速的标准偏差（）。将这个值用平均风速来标准化后给出湍流强度TI，这个值用来整体评估风电场的湍流。TI是一个湍流的相对指标，小于等于0.1时较低，0.1到0.25之间中等，大于0.25时较高。TI的定义为:TI=σVσ为风速的标准偏差，V为平均风速。风功率密度（WPD）是比风速更真实地反映风电场潜在风能的指标。风功率密度综合了风电场风速频率分布、空气密度和风速的影响。WPD（W/m2）定义为每单位风轮叶片扫掠面积可获得的风功率，公式如下：WPD=12n∑ρvi3ni=1式中n为平均时段内的记录数目；ρ为空气密度，Kg/m3,vi3为第i个风速值的立方。目前公认的风电场微观选址布机的最小间距范围，也就是说风机间距不应该小于3倍风轮直径。风在经过风机之后，会产生尾流，进而导致湍流强度的增大（可以理解为旋转的风机叶片将风搅乱了），而湍流强度的增大会导致风电机组的疲劳载荷与极限载荷均有所提高，影响风电机组的安全性，同时，尾流在通过较长的距离后，会由于湍流的作用（能量交换）而恢复，所以风机间距的大小直接影响了后排风机处的湍流强度。风机间距越长，后排风机的尾流损失和湍流影响越小，既能提高风电机组发电量，又能确保机组的安全性；而风机间距越短，则恰恰相反。在主风向非常集中的情况下，风速在经过一排垂直主风向排列的风机时，机组之间相互几乎没有影响；而在其他风向，则由于风频过小，可以适当忽略其他风向的尾流损失与湍流影响。因此在主风向非常集中的情况下，存在缩小3D间距的可能性。我在2010～2012年一直从事风电场微观选址工作，在云南某风场，曾遇到过主风向非常集中的案例，在这种情况下，预可研设计方案使用3D的最小间距进行布机，这种方案不仅无法充分开发利用风场资源，也会由于风电机组沿主风向间距过小导致湍流强度增大，影响风电机组安全性。鉴于此，我当时提出了将风机最小间距缩短至1.5D的方案，在主风向的上风向沿山脊密集排列，其余风机在据前排风机约10D的位置进行排列，这样不仅能够满足该风电场的容量需求，又可以降低各机位的湍流强度，不影响风电机组安全性。最终该项目由于其他原因未开发，因此也失去了一次突破3D间距，甚至2D间距的机会。国外的最小间距有多大？在洛杉矶的Alta风能中心（AWEC），由于主风向非常集中，风机最小间距已小于1.5D（有兴趣的同学可以上GoogleEarth自己量一量）。从该风电场一再获得谷歌和花旗银行的投资来看，其设计方案还是得到了投资方的肯定。从Alta风能中心的经验来看，1.5D的风机最小间距是完全行得通的，也在一定程度上肯定我在云南项目上的思路。虽然由于主风向十分集中的情况比较少见，而导致这种布机方案显得比较另类，但这却是综合考虑风电场投资收益的最优方案，对我国的风电场微观选址工作具有积极的指导意义。风资源与微观选址：理论基础与工程应用CAE(ComputerAidedEngineering）是用计算机辅助求解复杂工程和产品结构强度、刚度、屈曲稳定性、动力响应、热传导、三维多体接触、弹塑性等力学性能的分析计算以及结构性能的优化设计等问题的一种近似数值分析方法。有限元分析（FEA，FiniteElementAnalysis）利用数学近似的方法对真实物理系统（几何和载荷工况）进行模拟。还利用简单而又相互作用的元素，即单元，就可以用有限数量的未知量去逼近无限未知量的真实系统。区域评估：风资源评估工程范围从对某一大块区域进行风能的总体评估。微观选址：某一具体风力发电机组的年发电量的评估。风力发电机组的发电量应该基于气象学进行计算，主要是因为季节更替和天气的变化无常。与上游来风相比，风力发电机组的下游风流的能量可能损失20%~30%。风向对整个风电场的尾流损失而言非常重要。大型风电场，尤其是超过100台风力发电机组的海上风电场，尾流效应尤为显著。将平均风速减小和湍流强度增加结合在一起，才是尾流效应的全貌。Frandsen模型是计算尾流中湍流强度增加效应的最经典的模型，受到广泛的应用。该模型假设风向均匀分布。复杂地形下，风力发电机组下风向20D处，尾流中平均风速的衰减仍然明显，有时候甚至达到40D，而平原地形下，风力发电机组下风向20D处的尾流效应实际上可以忽略。复杂地形下，风力发电机组的尾流可能相对减弱，但持续的距离更长。最后，尾流衰减速度对风向十分敏感，尾流近区除外。所有的CFD问题都需要有边界条件，对于瞬态问题还需要有初始条件。所谓边界条件，是指在求解域的边界上所求的变量或其一阶倒数随时间及地点变化的规律。为风场中的风力发电机进行排布选址的过程称为微观选址。发电量最大化和载荷最小化是微观选址的两大重要任务。发电量最大化可增加风场的发电收入，而载荷最小化可减小风场的服务成本，且使风力发电机能够安全运行20年。发电量最大化从平均风速和风场效率的角度出发，把风力发电机排布在风场中平均风速最大的位置，同时尽量减小风场的尾流损失，提高风场效率。载荷最小化则是从湍流强度、入流角和风切变等载荷风况出发，使风力发电机在安全工况下运行。风力发电机承受的载荷越小，可能发生故障的几率越小，那么服务维修成本也就越低。风电场发电量优化的重点：尽量减小尾流损失。排布效率=风场的实际年平均发电量/没有尾流效应时风场的年平均发电量通常，风场的排布效率应该不低于93%，而单台风力发电机的排布效率应该不低于88%。对于主导风向比较集中的风场，尽量缩短列间距同时尽量增加行间距，通常可以大幅提高排布效率，对于大气条件趋于稳定的风场尤为有效。载荷风况:风力发电机的载荷随着湍流强度增加而指数增长。扇区管理是用来提高风力发电机运行可靠性，降低风力机载荷磨损的软件控制策略。扇区管理仅在风力发电机载荷超过设计极限情况下使用，通常地形十分复杂。扇区管理可以提高复杂风场的利用率。通常扇区管理的发电量损失控制在3%以内，否则可能就要考虑放弃机位。风机一般只当风速在4m/s到25m/s之间才发电。威布尔分布:f(v)=ka(va)k−1exp⁡[−(va)k]K-威布尔分布的形状参数；a-尺度参数。K值越大，曲线越“瘦”，说明风速频率分布越集中于平均风速附近，或者说特别小的风或特别大的风发生概率越小。K=2时威布尔分布又称为瑞利分布。威布尔分布的参数估计：1.线性回归法2.均值标准差法3.最大似然法