再分析资料在风速数据插补延长中的应用方法研究

高洁 胡己坤 刘雨佳 袁红亮 刘玮

风电场建设前要对拟建区域的风能资源进行评估，评估的主要依据是现场所立测风塔或测风仪器获取的实际观测资料。但由于现场一般较为偏远，在测风期间可能出现故障或其他情况，从而导致测风数据完整率不能满足《风电场风能资源评估方法》GB/T18710-2002要求。为准确评估现场的风能资源，需要对测风塔测风数据进行插补延长。在测风数据完整率不足的情况下，可根据附近长期测站的观测数据对测风数据进行插补订正，但在实际工程中多数情况下需要采用再分析数据作为参考，因此采用中尺度再分析资料作为插补参考的可行性成为重要的研究方向。目前已有学者分析了采用中尺度数据进行插补延长的几种方法，并在地形较为平坦的内蒙古地区进行了验证。但对多种地形条件进行分析讨论的研究相对不足。

本文针对不同地形条件对比研究了7种插补延长方法的可行性，分析得到不同地形、不同条件下最适宜的插补延长方法，对实现风能资源的精细化评估具有较高的工程指导意义。风速数据插补延长方法

当目标地点的风速和参考点同期测量的数据之间具有较好的相关关系时，就可利用参考点数据插补延长目标地点风速数据的空白，目前主要的风速插补延长方法包括以下7种。

一、线性最小二乘法（LLS.Iinear 1east squares）

线性最小二乘法所得到的拟合线性曲线y=mx+b计算方法如下：這种方法与“线性最小二乘法”的不同之处在于，它最小化的误差项是每一个测量的数据点与最佳拟合直线之间垂直距离的平方和。

三、风速分类法（ss.speedsort）

风速分类法同样是建立y=mx+6的线性曲线。在风速分析中，风速排序是唯一的，在进行线性曲线拟合前，先对目标风速和参考风速进行排序，然后设定拟合曲线与风速的偏差值为一个固定值或采用长期平均参考风速的一半，最后使用正交最小二乘法进行拟合，通过拟合的结果得到目标地点的风速。

四、垂直切片法（VS.verticalsfice）

垂直切片法是利用从目标风速和参考风速的散点图上得到的分段线性曲线来进行风速预测的。为了获得每一段的线性曲线，首先将目标风速与参考风速的散点图沿着x轴分成n个大小相同的切片（垂直切片），分别计算每个切片里的平均目标风速值。然后，在每个切片中指定一个点，该点的x值是切片的x值中点，y值是切片里的平均目标风速。垂直切片法的分段线性曲线就是由这些点通过直线连接得到的。

五、平方差比方法（vR varianceration）

用线性模型审=mx+b从参考风速来预测目标风速：

六、矩阵时间序列法（MTS.matrix time series）

该方法的基本思想是利用目标风速和参考风速的完全二维联合概率分布来生成目标风速数据。首先，建立百分比时间序列。采用同时刻的目标风速和参考风速建立联合概率分布，从中选择相应的参考风速列，并构建目标风速的累积分布函数。其次，从时间序列累积分布函数中计算出与观测到的目标风速相对应的百分比值。结合百分比时间序列数据，使用内置的空白填充算法，综合考虑时间序列的季、月、日变化填补百分比时间序列的空白段。最后，与第一步构建百分比时间序列相反，引用联合概率分布和累积分布函数，通过给定的百分比时间序列计算对应的预期目标风速。

七、威布尔分布法（W F.weifull fit）

风速数据插补延长结果对比

本次共收集到新疆、陕西、河南的4座测风时间满一年的测风塔原始数据。数据缺测少、完整率高，满足风能资源评估要求，故本次不对数据作修正分析。为进行风速数据插补延长结果对比，分别选取其中测风时长为三个月、六个月、九个月的实测风速数据作为原始测风数据，采用MERRA数据作为再分析资料对其进行插补延长得到完整一年的数据，然后通过平均风速偏差、平均风速检验、均方根误差3项指标对得到的插补结果与实测完整年测风数据进行对比。指标中的平均风速偏差、均方根误差越小表示插补延长得到的结果精确度越高，平均风速检验与1越接近，则结果越准确。3种检验参数的计算公式如下：

本次收集了各测风塔位置处的再分析资料100m高度的近30年数据，以此为依据建立相关方程。测风塔信息见表1，测风时长为一年，测风塔100m高度实测数据统计值见表2。

各测风塔数据与MERRA数据的相关系数统计见表3。

由于MERRA数据为拟合数据，所以测风塔与MERRA数据相关性总体看来一般，相关系数在0.59～0.73之间，2#、3#测风塔相关系数高于1#、4#测风塔。

当测风塔与中尺度MERRA数据相关系数越高时，测风塔插补延长后的测风数据均方根误差越小。当相关系数达到0.7以上时，测风塔插补延长后的数据误差明显较低，低于0.3。

由此可知，当测风塔与再分析数据相关系数大于0.7时，采用再分析数据对实测数据进行插补延长可以得到较为准确的风速结果。

一、三个月数据插补结果

采用7种风速插补方法将测风塔三个月的数据插补延长为一年的结果与实测值进行比较，统计结果见表4，插补后逐月风速统计结果见图1。

从插补延长后的年平均风速偏差及检验结果看，总体最小二乘法（TLS）可以得到与实测值最为接近的风速值，7种方法的年平均风速偏差在0.05～0.56m/s之间，差距较大。从插补延长后的均方根误差来看，对于相关性较好的测风塔，线性最小二乘法（LLS）和风速分类法（ss）插补结果较为准确：对于相关性较差的测风塔，威布尔分布法（WF）插补结果较为准确。同时通过分析得到测风塔实测数据与再分析数据相关系数越高，插补延长后的逐月风速与实际风速年际变化越接近。

二、六个月数据插补结果

采用7种风速插补方法将测风塔六个月的数据插补延长为一年的结果与实测值进行比较，统计结果见表5，插补后逐月风速统计结果见图4。

从插补延长后的年平均风速偏差及检验结果看，总体最小二乘法（TLS）和风速分类法（ss）可以得到与实测值最为接近的风速值，各方法年平均风速的偏差在0.01～0.48m/s之间，差距较大。对于相关性较好的测风塔，线性最小二乘法（LLS）与风速分类法（ss）插补结果较为准确：对于相关性较差的测风塔，总体最小二乘法（TLS）插补结果较为准确。偏差值较大的方法为垂直切片法（VS）。从插补延长后的均方根误差来看，风速分类法（ss）的误差值在几种方法中均为最小。同时可以得到测风塔实测数据与再分析数据相关系数越高，插补延长后的逐月风速与实际风速年际变化越接近。

三、九个月数据插补结果

采用7种风速插补方法将测风塔九个月的数据插补延长为一年的结果与实测值进行比较，统计结果见表6，插补后逐月风速统计结果见图7。

从插补延长后的年平均风速偏差及检验结果看，风速分类法（ss）可以得到与实测值最为接近的风速值，各方法年平均风速的偏差在0.02～0.32m/s之间，差距较大，但与三个月及六个月数据相比，各方法的年平均风速误差逐渐缩小。偏差值较大的方法为垂直切片法（VS）。从插补延长后的均方根误差来看，对于相关性较好的测风塔，威布尔分布法（WT）和风速分类法（ss）插补结果较为准确：对于相关性较差的测风塔，威布尔分布法（WT）插補结果较为准确。同时通过分析得到测风塔实测数据与再分析数据相关系数越高，插补延长后的逐月风速与实际风速年际变化越接近。

结论

本文利用4座位于不同区域、不同地形条件下的测风塔完整一年实测数据，基于再分析数据对7种风速插补延长方法（线性最小二乘法、矩阵时间序列法、总体最小二乘法、风速分类法、平方差比法、垂直切片法、威布尔分布拟合法）进行研究，得到以下结论：

（1）在不同的地形条件下，再分析数据与测风数据的相关性越好，插补延长得到的风速偏差越小，插补结果越准确。

（2）对于测风塔三个月样本数据，各方法均不能得到较准确的插补延长结果;对于测风塔六个月样本数据，在与再分析数据相关性一般的情况下，总体最小二乘法（TLS）能够得到相对准确的插补延长结果，相关性较好的情况下，线性最小二乘法（LLS）和风速分类法（ss）能够得到相对准确的插补延长结果;对于测风塔九个月样本数据，威布尔分布法（WF）和风速分类法（ss）能够得到相对准确的插补延长结果。而垂直切片法（VS）不论数据样本长短，插补延长得到的结果均与实际结果偏差较大。

（3）测风数据实测时间越长，插补延长得到的风速结果偏差越小。