不同风向扇区相关对风资源评估中数据订正的影响

2012-10-16杜燕军刘志声李鹏

电网与清洁能源 2012年7期

杜燕军，刘志声，李鹏

（1.内蒙古电力勘测设计院，内蒙古呼和浩特 010020；2.西安电子科技大学，陕西西安 710071；3.内蒙古送变电有限责任公司，内蒙古呼和浩特 010020）

在风电场进行风资源评估时，常根据气象站与测风塔的相关关系，将现场测风数据订正为一套反映风电场长期平均水平的代表性数据进行风资源分析，而对代表年风速订正是否合理是影响风资源评估误差的重要因素。所以，对风电场风能资源的评估是整个风电场建设、运行的重要环节，是风电项目的根本，对风能资源的正确评估是风电场建设取得良好经济效益的关键[1]。为了提高对风电场风资源评估的准确性，风电场风能资源评价往往根据现场一年的实测数据，结合附近有代表性的长期测站（气象站）的观测资料，进行16风向扇区风速相关分析，然后根据相关曲线进行数据订正，将现场测风数据订正为一套反映风场长期平均水平的代表性数据进行风资源分析。

由于受大气环流及地形影响，风的随机性很大[2]，在一些风场内，地形差异较大，气象站往往设立在城市内或者边缘，受周围环境干扰较大。一座气象站涉及的区域多达几百公里，而风电场场址远离城市，周围没有大的障碍物遮挡，同样也远离长期观测站。由于观测仪器本身以及周围观测环境的不同，两者在测风结果上必然存在差异，按照16个风向扇区的相关必然导致风向少的区域的相关性差，相同风向的个数也较少，得到的结论存在一定的不确定性。所以本文以内蒙古地区有代表性的风场及参考气象站为例，采用常规16风向扇区风速相关法及简化后的8风向扇区风速和4风向扇区风速相关法对代表年的数据进行订正，并对其结果进行比较分析，为以后风资源评估提供参考。

1 资料与方法

1.1 资料的选取

本实验数据选用内蒙古地区某风电场测风塔（1号测风塔）完整一年逐时风速、风向和距风电场最近的气象站近30年的年平均风速进行分析。该测风塔高为70 m，测风时段为2008年5月1日～2009年4月30日。气象站距风电场直线距离约为20 km，观测场海拔高度为274.7 m，比测风塔海拔高度低约80 m。气象站风速仪距地高度无变化，均为10 m，观测场周围环境也未发生较大的变化，观测数据的连续性、一致性、完整性程度较高。

1.2 订正方法

1.2.1 常规订正方法

根据《风电场风能资源评估方法》[3-4]要求，将采集到的测风塔完整一年的实测数据与气象站对应时段的数据按风向划分为16个风向扇区，然后根据各风向象限的风速进行相关分析，绘制各风向象限内风速相关曲线；为使风速值代数差值计算更加方便、直观，将风速相关曲线定义为y=kx+b（其中：y代表风电场风速，x代表气象站风速）线性方程，因为有16个风向扇区，所以可以得到16个类似的线性方程；对每个风速相关曲线，在横坐标上标明出气象站多年的年平均风速、以及测风塔实测同期的气象站年平均风速，在纵坐标轴找到对应的测风塔实测的2个风速值，并求出这2个风速值的代数差值；测风塔实测数据的各个象限内的每个风速都加上对应的风速代数差值，获得订正后的测风塔风速。

1.2.2 简化的订正方法

考虑到内蒙古地区气象站站点少，覆盖区域大的特点，16个风向扇区并不完全适于该地区。如果将风向扇区个数减少（如按8个风向扇区或4个风向扇区订正），使更多的数据集中在每个扇区内，得到的每个扇区内的相关性将会有所不同。

1）8个风向扇区相关订正方法

将采集到的测风塔完整一年的实测数据与气象站对应时段的数据按风向划分为8个风向扇区，然后根据各风向象限的风速进行相关分析，绘制各风向象限内风速相关曲线；为使风速值代数差值计算更加方便、直观，将风速相关曲线定义为y=kx+b线性方程，可以得到8个类似的线性方程；对每个风速相关曲线，在横坐标上标明出气象站多年的年平均风速、以及测风塔实测同期的气象站年平均风速，在纵坐标轴找到对应的测风塔实测的2个风速值，并求出这2个风速值的代数差值；测风塔实测数据的各个象限内的每个风速都加上对应的风速代数差值，获得订正后的测风塔风速。

2）4个风向扇区相关订正方法

将采集到的测风塔完整一年的实测数据与气象站对应时段的数据按风向划分为4个风向扇区，其他与16个风向扇区和8个风向扇区相关计算过程相同。

2 结果与分析

2.1 常规方法的订正结果

将1号测风塔70 m高度完整一年的风速风向与气象站10 m高度处同步实测风速风向数据进行16个风向扇区相关分析，相关分析结果见表1。

由表1可知：①在16个风向扇区中有8个风向扇区的相关系数低于0.8，其中SE风向的相关系数仅为0.58，较低的相关系数对于数据订正的不确定性也较大；②主导风向扇区上同期风向集中在同一扇区个数较少，而非主导风向扇区上同期风向风向集中在同一扇区个数却相对较多，各风向扇区上同期风向集中在同一扇区个数比例差异变化较大；③将测风塔70 m与气象站同期风向（数字）进行对比分析，同期风向差值绝对值小于11.25度的个数为1 850个（总数为8 760个），两者风向不相同的个数为6 910个，不相同的个数占总数的比例高达78.9%；④将测风塔70 m与气象站同期风向（字母）进行对比分析，两者风向相同的个数为1 792个（总数为8 760个），两者风向不相同的个数为6 968个，不相同的个数占总数的比例高达80%。

表1 风电场测风塔70 m与气象站10 m风速相关参数Tab.1 Relevant parameters of wind speed at the 70 m height of the wind farm monitoring mast and at the 10 m height of the weather station

2.2 8个风向扇区相关

将1号测风塔70 m高度完整一年的风速风向与气象站10 m高度处同步实测风速风向数据进行8个风向扇区相关分析，相关分析结果见表2。

表2 风电场测风塔70 m与气象站10 m风速相关参数Tab.2 Relevant parameters of wind speed at the 70 m height of the wind farm monitoring mast and at the 10 m height of the weather station

由表2可知：①对于8个风向扇区作相关，相关系数除SE风向的相关系数为0.67，其余风向的相关系数都大于0.8，按此方法进行相关分析的结果优于16风向扇区相关分析的结果；②相对于16风向扇区计算结果，主导风向扇区上同期风向风向集中在同一扇区个数明显增加，各风向扇区上同期风向集中在同一扇区个数比例差异在减小；③将测风塔70 m与气象站同期风向（数字）进行对比分析，同期风向差值绝对值小于22.5度的个数为3 391个（总数为8 760个），两者风向不相同的个数为5 369个，不相同的个数占总数的比例减少到61.3%；④将测风塔70 m与气象站同期风向（字母）进行对比分析，同期风向相同的个数为3 544个（总数为8 760个），不相同的个数为5 216个，不相同的个数占总数的比例减少到59%。

2.3 4个风向扇区相关

将1号测风塔70 m高度完整一年的风速风向与气象站10 m高度处同步实测风速风向数据进行4个风向扇区相关分析，相关分析结果见表3。

表3 风电场测风塔70 m与气象站10 m风速相关参数表Tab.3 Relevant parameters of wind speed at the 70 m height of the wind farm monitoring mast and at the 10 m height of the weather station

由表3可知：①对于4个风向扇区作相关，相关系数都大于0.8，相关性优于前2种方法；②相对于16风向扇区和8风向扇区的计算结果，主导风向扇区上同期风向集中在同一扇区个数显著增加，各风向扇区上同期风向集中在同一扇区个数比例差异进一步在减少；③将测风塔70 m与气象站同期风向（数字）进行对比分析，同期风向差值绝对值小于45度的个数为5 735个（总数为8 760个），不相同的个数为3 025个，不相同的个数占总数的比例减少到34.5%；④将测风塔70 m与气象站同期风向（字母）进行对比分析，两者风向相同的个数为5 130个（总数为8 760个），不相同的个数为3 630个，不相同的个数占总数的比例减少到41%。

2.4 三种方法的结果比较

分别按照16个风向扇区相关、8个风向扇区相关、4个风向扇区相关进行分析，按各风向扇区对应得y=kx+b线性方程进行各风向扇区数据订正，风速数据订正结果如表4。

由表4的结果可知，不论采用那种订正方法，计算得到的各月平均风速及年平均风速结果基本一致，差值都很小。

WEIBULL分布曲线普遍适用于风速统计描述的概率密度函数[5]，给定了分布参数A和K值后，平均风功率密度、有效风功率密度、风能可利用小时数都可以方便求得。表5和表6为不同风向扇区相关下的各高度A和K值。由表5、表6可见，采用不同风向扇区订正后完整一年代表性数据70 m高度处的A和K值都相同，采用16风向扇区订正结果的K值略偏高于其他2种方法。由表6可见，采用不同风向扇区订正后5个月代表性数据70 m高度处的A值都相同，采用16风向扇区订正结果的K值略偏低于其他2种方法。