大型风电场测风数据全生命周期的探讨

李 斌，张海超，白雪峰，侯英俊

(辽宁大唐国际新能源有限公司，辽宁 沈阳 110001)

大型风电场测风数据全生命周期的探讨

李 斌，张海超，白雪峰，侯英俊

(辽宁大唐国际新能源有限公司，辽宁 沈阳 110001)

大型新能源公司测风塔基础数据采集、处理、管理、分析、挖掘等方面存在不同程度的偏差，为此提出测风塔全生命周期管理，分析测风塔选址的合理性以及测风数术在风电场发电量提升、数据分析、二次规划环节的重要性。通过对整个风电场测风塔数据周期全局掌控，进行前期测风、投产数据、产能后评估依据等各阶段的大量基础测风数据分析，从源头把控风电项目设计偏差。通过探讨风电场测风塔数据收集可行性，加强对项目的准确评估，为效益提升提供可靠数据支撑，将风电场测风塔全生命周期数据作为衡量产能依据，采用大量实时数据技术作为故障预警、设备诊断、运行优化、标准化提升的基础依据，将测风数据进行闭环式管理，为风电场设计建设各个环节提供精准的数据支持。

风电场；测风塔；数据挖掘；全生命周期

0 引言

随着风力发电技术的不断成熟，风电行业迅速发展，各大风电开发商开始关注和抢占风资源，已设立数以万计的风电场测风塔，但通过测风塔实测值计算出的产能与运行值偏差加大[1-6]，造成极大资源浪费，其原因一方面是设备故障率和弃风限电，另一方面是初步设计的基础数据问题造成。在项目开展之前的立塔测风阶段，多数能源公司通常为减少项目投资，借用其他附近项目测风数据做可行性研究，而对项目具体设立几座测风塔，设立在什么位置以及测风数据管理方面并没有投入精力，设计、测量完全委托测风塔公司，后者往往不能从业主角度统筹考虑区域资源情况和风场二次规划问题，且设备、数据的维护、收集、整理没有专人监管，往往造成数据完整度不足，实测数值偏差较大等问题。本文通过风电场测风、设计、投产数据对比依托，结合风能资源情况和历年实测数据，分析风能评估差距，从源头把控测风塔安装选址，加强测风塔选址深度，同时强调风电场测风塔的生命周期性，应用大数据技术以充分掌握场区的地貌和风况特征为前提，建立风场模型确定每台风机位置及风场阵列的排布方式以用于确认选取测风塔正确位置[7-9]。调研风电场的前期测风塔选址问题、预测电量偏差、实际发电能力等数据变化的原因，为各风电项目前期选址、二次规划、优化运行提供重要支持依据，确定风电场开发的意义和价值。

1 风电场测风数据全生命周期管理意义

风能作为非化石可再生能源，逐渐占据各大型能源公司的重要配比，而风能资源优劣程度直接影响项目投资效益。对风电场测风数据全生命周期管理具有重要意义：

(1)大量精确的项目前期测风塔数据是对风电场投资建设前资源评定的前提。

(2)连续年测风数据的精准性分析是该区域风资源状况评定，机型选取，载荷设计，投资收益，精化设计的理论依据。

(3)及时有效的实时测风塔数据修正是项目设计纠偏、经济效益计算的准确性的保障。

(4)投产项目测风数据的收集整理是检验各运行机组功率一直性、优化机型、二次研发的基础。

(5)投产项目风功率测风塔数据收集是分析场区预见性、规律性、周期性气象特征的保障。

(6)提升微观选址深度。

(7)前期测风数据、投运机组测风数据、风功率数据的连续年数据积累，作为测算风电场全生命周期经济效益分析、投资回报收益率、经济性评价、风电场后评估的基础。

(8)全生命周期测风数据收集管理为各台机组的运行状态、发电能力、故障报警、技改等服务提供监控、检测、改造的理论依据。

科学高效的管理风电场全生命周期的测风数据，可靠保证测风塔测风生命周期活性，作为精准评估经济效益的理论依据，加强测风塔的后期维护以及投产后场区数据校验均将有效提升项目产能。

2 测风数据全周期管理现状及存在的问题

大型风电场测风数据全生命周期管理工作的数据量大，周期性长，测算比对复杂，专业技术业务要求高。全生命周期数据包括：项目立项前期该区域连续30年的长期气象数据，如气象站地理资料及设备参数、雷暴日、气温、气压值等。项目可行性研究期间的测风塔基础数据，如测风塔地理信息、设备型号、各高层的风向、风速、风频、气温、气压等。项目论证期间的区域中尺度数据(modern era retrospective-analysis, MERRA)，如格林威治平台数据。项目建设期间的风功率预测数据，如短期预测数据、超短期预测数据、同塔不同层的实测数据。项目投产期的各个运行机组瞬时风况数据对应的机组运行状态值。同时应注重测风期间设备的及时维护，服务平台的定期检测和修缮。前期连续年数据的整理、插补、纠偏、同层对比、异层校验等。机组投运期间的各风机测风设备的逐时风速、风向、功率一致性等数据的后台储存。风功率测风塔数据的定期数据分析、存档等。

部分大型风电企业测风数据在风电场机组生命周期内并未达成闭环管理，而影响风电场后评估的数据多数出现在测风数据的收集与整理阶段上，测风资源各环节管理无序、流程混乱、质量控制缺失、技术水平不足、误差偏高，实际投运测风塔暴露的主要有问题：(1)极端自然天气造成的伤害和物理损耗，基础承载力不够造成倒塔。(2)运维记录不全，统计分析误差较大。(3)通讯信号干扰严重，地貌特征复杂，数据丢失量大。(4)测风设备损坏严重，慎重丢失。(5)大量数据人工整理，比对，分析，效率低下。(6)测风塔管理混乱，测风塔状态监控繁琐。(7)通讯服务拖欠费用，造成部分测风塔正常运转，但测风数据无法收集。(8)运行机组测风设备极端天气冰冻，测风失真、风速分析后台人为修正参数。(9)数据服务器硬盘损坏，历史测风数据丢失。

风电场测风数据是否准确对项目建设效益产生直接影响，测风塔在项目前期测风过程中，存在各种自然或人为因素造成数据失真。数据传输故障造成部分传感器数据出现缺失或异常，将导致后期数据质量筛选、数据修正、数据插补、长期订正等过程中会引入很大的不确定性，接近1%的风速不确定性，会带来超过3%的发电量不确定性，而对于某些投资效益严控的大型风电企业，资本金回报收益率在8%～10%，由于测风数据造成的3%的发电量不确定度可能就决定着风电场是否盈利。

3 风电场测风数据全生命周期管理

3.1依靠中尺度数据拟合场区风况特征

通过专业的测风平台可获取相对精确的中尺度数据模拟值，例如场区附近长期气象观测站数据、格林威治平台数据、中尺度数据。通过精细化的中尺度数值模拟测算，可有效提供目标区域资源分布图及拟建设区域的虚拟风频时间序列，由风速分布图可以估算拟选场址内风速水平和可开发区域面积及可开发容量，结合气象数据进行流场模拟，绘制意向区域。某风电场测风塔中尺度数据的长期年际变化数据如表1。

表1 某风电场测风塔中尺度数据长期年际变化表Table 1 Long-term interannual variation of mesoscale data ofwind tower in a wind farm

由表1可得：该风电场拟选区域范围内近10年中尺度年平均风速为6.71 m/s；近20年中尺度年平均风速为6.75 m/s；近30年中尺度年平均风速为6.75 m/s。以中尺度数据模型对风电场进行长期连续年数据分析，结合该测风塔位置周边气象站长期测风资料推测该位置的长期年际风速变化特征，作为大风年、小风年判断参考依据，有效进行代表年折减[10-13]。同时，采用资料同化技术将区域观测数据与全球分析场数据用作模式初始测算，进行多层嵌套的降尺度计算，获得计算区域高精度的四维气象数据集，进行时间平均，获得区域内制定高度层的年平均风能资源水平分布数据。再收集相应地区位置及相应时间段内的测风塔实测数据，以备后续对模拟方法的误差分析、校正及评价。

结合实测结果和数值模拟计算进行误差评价、校核和可用性分析。以数值模拟中采用的虚拟测风塔进行相关风资源指标和特征进行分析。针对立塔测风阶段进行的精细化中尺度数值模拟，模拟范围一般选定为拟选场址及周边区域70～120 km，模拟分辨率为5 km，模拟时间段建议采用3年。

应用中尺度数据可以推算出拟选用的风机点位的理论风机和风向，若具备拟选主机的功率曲线，结合复杂地区三维地形数据，绘制出高分辨率风资源图谱，并且与中尺度数据进行结合，得出区域规划容量，统筹分析机组发电量情况。

3.2先布局再立塔，加强微观选址深度

测风塔的选取应注重先风机选址，再测风塔选址的原则布置，测风塔位置的确认应像风机微观选址深度一样统筹规划，不仅保障测风塔的代表性、数据准确性，还能有效掌握风场建设规模，机组布置情况，核算产能效益，并且统筹规划可以保障测风塔的生命周期，促使测风塔收集连续年数据，为项目设计提供长期稳定的数据支持。

在海拔较高、地形复杂的区域，应注重考虑测风塔所能代表的区域范围，需要通过加密测风塔的方式减少代表性差的问题，在及其复杂的地貌特征区域，如果不能准确评估资源情况，除了风电场推算产能效益偏高之外，其他所有环节都潜藏着风险。海拔梯度比较大的场区，建议制定针对性方案，设置不同海拔等级的测风观测点，如果海拔梯度变化较大，应将测风塔安装在场区拟布置风机处的平均海拔高度位置，平坦地形下选用1～2个测风塔，且测风塔位置与风机布置位置相对集中，使测风范围最大程度覆盖拟建风机点位，有助于收集精准的低风速区域风况信息，作为低风速机型排布策略性优化建议依据。

利用中尺度数据拟合场区内资源特征，及风况条件，在区域内部统筹布置27台风电机组，计算各机组拟选轮毂高度处的相应数据，依据边界条件和建设规划在场区范围内布置27台2 MW风力发电机组，并以此27台风电机组处分别拟设立为27座测风塔。分别计算机组轮毂高度处的风况特征，结合测风塔覆盖半径和地貌特征，选取最具有代表性的测风塔位置。27座测风塔风况特征如表2。

微观选址工作超前开展，借助于中尺度数据全面拟合区域风资源情况，将风电场设计阶段提前谋划。针对于中尺度拟合数据，初步拟选合理机型做代表性试算，机型的叶片长度尽量复核本区域风况特征。湍流、风切变数据应做以预度考虑，尽可能将复核布置风机的山脊全部布置风机，结合风资源软件测试各机组产能情况及尾流影响。其中各机组尾流影响值不作为最终风机布置点位限制条件，只作为轮廓高度拟合风资源特征情况的参考依据。最后通过风资源测算程序推算出各个风机轮毂高度处的风况条件，选择最具有代表性的位置确立将场区内能够布置风机的位置都设为拟立测风塔位置，结合场均海拔高度、场区中心位置、测风塔覆盖半径等条件统筹考虑。某风电场测风塔中尺度拟合资源布置如图1，该风电场区域内南区风资源较北区好，优化设计时应着重布置在南区迎风山脊处，二次优化时对南区布置风机的安全性能逐一校验。

表2 某风电场拟立27座测风塔位置处风况条件Table 2 Wind conditions at 27 wind towers in a wind farm

图1 某风电场测风塔中尺度数据拟合资源布置图Fig.1 Resource arrangement of mesoscale data fitting for wind tower of a wind farm

通过数据对比分析可知：X1，X2号测风塔数据分别与场区南北2个半区资源特性相近，且覆盖半径能够全局把控，且这2处布置风电机组后的发电能力较差，且对其他机组产生的尾流影响偏高，结合项目其他专题要件的制约条件分析，若其他25个位置可布置风电机组，则X1、X2处设置为测风塔较为合理。拟在这2处分别设立测风塔，并安装独立的测风装置，实时收集数据作为后续项目建设的基础依据，待收集完成连续年数据后与原拟立测风塔的中尺度拟合数据进行对比分析，并以实测数据作为产能计算的数据源。

通过实测数据分析与中尺度拟合数据相近，个别风况参数略有偏差。对于风机和测风塔的选定还需结合风电场建设的综合因素，若某建设机位位置极佳，布置为全生命周期的测风塔会造成资源浪费；若风机之间的布置方案不合理，将测风塔位置工程建设期作为风机点位吊装会造成整体产能下降。测风塔的选址与选定必须结合整个风电场总体规划，深入应用微观选址技术统筹设计，尽可能将测风塔布置在满足所有机位都专题限制和工程建设条件下的风机最佳产能状态下的备用风机点位处，且此处的风况条件能够满足场区代表性，为项目设计提升4%的产能，提高设计精度。

3.3数据储备及机组健康状况分析

测风塔的生命周期不仅体现在前期测风的工作期限中，测风塔在收集完成1～2年的完整连续年数据后，虽然完成部分测风资料收集，但未能及时维护修缮，无法保持长期工作的测风能力，在项目专题开展环节会因限制条件制约舍弃部分拟选风机点位，对于后期基建时不影响风机吊装建设的测风塔应尽量保留，甚至在投产项目中仍应保持继续测风功能，持续收集该场区资源数据，为后期大数据分析提供基础性依据。将保留的测风塔数据与风功率测风塔数据作以实时对比，同时可供投产风机轮毂高度处的风速、风向仪设备收集数据进行对比参考。某风电场瞬时单机功率一致性统计数据如图2。

图2 某风电场瞬时单机功率一直性统计图Fig.2 Statistical of single generation capacity of a wind farm for continuous minutes

具备条件的项目公司应建设完善的查询统计、测风数据统计评估以及发电量测算管理平台，建立实时数据库，实时掌握测风塔布局和风资源的分布情况，实现测风塔数据后台实时批量整理分析功能，便于项目立项决策，测风塔运行过程，要按照实时校、日收集、周对比、月汇总、年评估的方式监管数据完整率和可靠性。数据源于风电机组运行中实时产生的大量运营数据、设备运行的监测数据，提取有效的测风数据与机组功率数据，分析得到各项数据的正常闭合值和非正常运行闭合值，整合运行状态的数据量化统一，实现风电机组运行状态的精准监测评估，同时借助于测风数据反映出的机组状态精细化设备状态分析，随时获取每台风电机组的运行数据和历史信息，根据风功率信息调整检修计划，开展风电机组的预测性维护和项目计划性检修。某风电场连续年单机功率一致性统计数据如表3。

表3 某风电场连续年单机功率一直性统计表Table 3 Statistical table of single generation capacity ofa wind farm for continuous years

通过对2012—2016年采集的机组后台数据分析，以单年为统计单位，各风机发电能力较项目前期测风数据拟合、中尺度拟合数据发电能力排序相近。以5个连续年为统计单位，其中2015年为相对高风速年，将其各年对应的风资源数据转换为同一标况下机组功率输出能力后进行对比，发现2012—2016年风机输出能力逐年下降，且年发电量与设计值均成递减趋势，其中连续年中的1、2、3、4、6号风机在历年的发电量均属前列且运行稳定，22、24号风机发电量较低。结合各风机轮毂高度处风资源数据对比，1、2、3、4、5、6、17号风机所处历年资源情况最优，19、22、23、24、25号风机所处资源情况较差。对比前期设计数据各个风机单机发电能力，并参考历年限电、故障维护、停机、线路及站内电气设备故障情况分析1、2、3、4号风机的运行性能较高，其他风机运行稳定性偏低，均与设计值存在较大差异，将各风机发电能力细化至每日每时该风速下该种机型对应的功率曲线输出功率对比分析，机组可利用率成逐年下降趋势，根据连续年测风数据历史资料对项目开展投产后评估，针对故障率较高的机组建立设备健康档案，同时制定相应检修方案。

通过该项目的全生命周期测风数据管理，为项目降低约2%的风速不确定性，提升约3%的发电量测算精度，准确高效评估项目产能的经济效益，减少项目投资风险，同时在项目后评估中依据长期的测风数据及机组状态值积累，为项目技改提升，风场深化改造提供有效可靠的技术支持，制定针对性检修方案。

4 结论

大量测风数据收集的连续年程度和完整率成为风电场精细化设计的基础，数据准确性决定前期微观选址的深度，制约各机组的发电量能力，测风数据的积累由量变达成质变的过程才能有效为项目后评估、机组可靠性运行提供可靠有效的技术支持。对于单一机组在额定风速区域转换风能效率将成为制约产能的主要因素，在同系列不同适用风速的机型间普遍存在发电性能力差异，同时微观选址过程中对风机点位资源的针对性设计同样影响风电场高效产能周期。

测风数据的长期收集对保持风电场全生命周期的高效发电能力意义重大，对项目电量预测、数据分析、优化技改、场区扩建、二次规划等建设性方案均可提供有效数据支持，数据量化积累作为云计算基础数据，风电场测风数据批量分析处理平台的建设对于风电行业稳定健康发展也具有重要意义，通过各大型新能源企业在投产运行项目中已积累大规模测风数据建立大数据库中心，实现贯穿风电全生命周期整体发电量提升，为推动风电产业转型升级提供有效数据支撑，提高风电场机组可利用率，提升产能效益。

[1] 曾杰， 曾胤， 曹成． 基于测风塔相互验证降低风电场发电量评估偏差[J]． 人民长江, 2016, 47(1): 59-62, 78． ZENG Jie, ZENG Ying, CAO Cheng. Reducing calculation error of annual energy output of complex terrain wind farm by anemometer tower mutual verification[J]． Yangtze River, 2016, 47(1): 59-62, 78．

[2] 怀智博, 郑禄, 帖军． 风电场测风数据验证与评估算法与应用[J]． 计算机与数据工程, 2017, 45(4): 624-628． HUAI Zhibo, ZHENG Lu, TIE Jun. Design and application of wind farm’s wind data validation and evaluation algorithm[J]． Computer & Digital Engineering, 2017, 45(4): 624-628．

[3] 刘志远， 李良县， 任腊春. 插补测风塔缺测数据的相关性计算方法讨论[J]． 可再生能源, 2016, 34(9): 1342-1347． LIU Zhiyuan, Li Liangxian, Ren Lachun. Analysis of the interpolation method of missing wind data from anemometer tower[J]． Renewable Energy, 2016, 34(9): 1342-1347．

[4] 刘志远， 彭秀芳． 风电场测风塔测风数据浅析[J]． 水利发电, 2015, 41(11): 110-113． LIU Zhiyuan, PENG Xiufang. Analyses on wind measuring data of meteorological observation tower[J]. Water Power, 2015, 41(11): 110-113．

[5] 韩二红, 温新龙, 王彬滨． 气象再分析资料在复杂山地风电场测风塔数据的插补应用[J]． 江西科学, 2017, 35(2): 200-205． HAN Erhong, WEN Xinlong, WANG Binbin. The application of meteorological reanalysis data for wind tower data interpolation at complex mountain area wind farm[J]． Jiangxi Science, 2017, 35(2): 200-205．

[6] 彭怀午, 杨晓峰, 冯长青． 基于邻近测风塔的长期风速估算[J]． 太阳能学报, 2012, 33(2): 230-235． PENG Huaiwu, YANG Xiaofeng, FENG Changqing. Long term wind speed evaluation based on neighboring meteorological masts[J]． Acta Energiae Solaris Sinica, 2012, 33(2): 230-235．

[7] 黎波, 任会来． 复杂地形测风塔选取方法讨论[J]． 风力发电, 2015(6): 7-10． LI Bo, REN Huilai. Discuss the methods of met mast siting in complex terrain[J]. Wind Power, 2015(6): 7-10．

[8] 王蕊, 朱瑞兆． 复杂地形风电场测风塔代表性判定方法研究[J]． 风能, 2015(7): 66-69．

[9] 韩晓亮． 测风塔安装位置对复杂地形风电场风资源评估的影响[J]． 内蒙古电力技术, 2017, 35(1): 8-10， 29． HAN Xiaoliang. Influence of wind tower installation location to wind resource assessment in complex terrain wind farm[J]． Inner Mongolia Electric Power, 2017, 35(1): 8-10， 29．

[10] 全利红, 袁春红, 王丙兰． 应用印痕函数研究测风塔资料代表性[J]． 气象学报, 2016, 74(3): 442-449． QUAN Lihong, YUAN Chunhong, WANG Binglan. Application of footprint function in characterizing the representation of wind tower data[J]． Acta Meteorologica Sinica, 2016, 74(3): 442-449．

[11] 张宇琼． 论测风塔在风电场运行中的重要性[J]． 中国高新技术企业, 2016(33): 113-116.

[12] 曾杰, 陈晓科． 考虑测风数据缺失的短期风电功率预测算法[J]． 可再生能源, 2017, 35(2): 298-303． ZENG Jie, CHEN Xiaoke. Short-term wind power prediction algorithm considering missing wind measurement data[J]．

Renewable Energy, 2017, 35(2): 298-303．

[13] 李斌, 张宇时. 低风速风电场资源开发的探讨及应用[J]. 分布式能源, 2017, 2(2): 44-50. LI Bin, ZHANG Yushi. Research and application of low wind speed wind farm resource development[J]. Distributed Energy, 2017, 2(2): 44-50.

李 斌

(编辑 蒋毅恒)

FullLifeCycleofWindDatainLargeScaleWindFarm

LI Bin, ZHANG Haichao, BAI Xuefeng, HOU Yingjun

(Liaoning Datang International Renewable Power Limited Company, Shenyang 110001, Liaoning Province, China)

There are different degrees of deviation in the basic data acquisition, processing, management, analysis, mining and other aspects of wind tower in large new energy company. Therefore, this paper proposes the full life cycle management for wind tower, fully analyzes the rationality of site selection of wind tower and the importance of wind test technology in generating capacity improvement of wind farm, data analysis and secondary planning. Through the overall control of the wind tower data cycle in wind farm, we analyze the large amount of basic wind data in each stage such as pre-test wind survey, production data, post-production evaluation basis, in order to control the design deviation of wind power project from source. Through the discussion of wind tower data collection feasibility in wind farm, we strengthen the accurate evaluation of the project, to provide reliable data support for the promotion of benefit. Taking the full life cycle data of wind tower in wind farm as a measure basis of capacity, we adopt a large number of real-time data technology as the basis data for fault warning, equipment diagnosis, operation optimization and standardization promotion, and implement the closed-loop management for wind data, which can provide accurate data support for all aspects of design and construction of wind farms.

wind farm; wind tower; data mining; full life cycle

TK 89

： A

： 2096-2185(2017)04-0040-07

10.16513/j.cnki.10-1427/tk.2017.04.007

2017-06-03

李 斌(1988—)，男，学士，工程师，研究方向为风电新能源开发，资源评估、微观选址、风电场集控运行，大数据分析等， 347382203@qq.com；

张海超(1984—)，男，学士，工程师，研究方向为风电场管理，设备治理，经济性评价等；

白雪峰(1981—)，男，硕士，工程师，研究方向为新能源计划营销、发展规划、数据统计、经济性评价等；

侯英俊(1985—)，男，大专，研究方向为新能源计划营销、发展规划、数据统计、经济性评价等。