测风数据代表年订正方法的研究

李晓明 陈玲 张闪林

摘要：风资源评估需要一套反映风场长期水平的测风数据。以湖北某山区风电场为例，分别利用当地气象站数据和MERRA数据，采用分风向扇区相关关系法和分时段同倍比放大法，对风电场内实测满一年的数据进行代表年订正。研究表明，MERRA数据可以满足作为参证气象站的要求。与当地气象站相比，MERRA数据格点的下垫面与风电场地形地貌更为相似，时间序列相关性更高，观测数据更为真实可靠。在对缺少气象站资料的风电场进行测风数据代表年订正时，此方法可以作为参考。

关键词：风资源评估;相关性分析;同倍比放大;代表年订正

中图分类号：TM624 文献标识码：A 文章编号：1674-9944（2019）16-0051-04

1引言

风能资源的准确评估是风电场开发建设的先决条件。风资源情况能决定风场的发电量以及项目的收益。风资源评估一般需要先收集风场内实测至少满一年的观测数据，对其中无效数据进行插补后，再结合附近具有代表性的长期参证气象站数据进行订正，最终处理得到一套能代表风场所在区域长期平均水平的数据进行风资源分析。作为参证气象站需要具备以下条件：①距离风场较近;②有30年及以上可靠的观测数据;③同期时间序列相关性较好;④下垫面条件类似。

受场地条件限制，风电场一般都位于距离城镇较远的地区，而气象站大多位于市区或者近郊，两者之間距离较远，下垫面环境等也有一定程度的差异，导致风场实测数据与气象站长期观测数据的相关性普遍不高，利用气象站数据对测风塔数据进行长期订正也存在一定的不确定性。

本文以湖北某山地风电场为例，分别利用MERRA数据及气象站观测数据对测风塔实测数据进行了相关性分析及代表年订正，并对结果进行了分析，论证采用MERRA数据作为参证气象数据的可行性，为今后风资源评估提供参考。

2MERRA数据介绍

MERRA（The Modern Era Retrospective-analysisfor Research and Applications）数据是由美国国家航空航天局戈达德航天飞行中心（Goddard Space FlightCenter）下属的全球建模和同化办公室（Global Model-ing and Assimilation Office）制作并发布的再分析气象资料，具有参考格点数量多和包含气象要素多的特点。MERRA数据从1979年开始记录，覆盖全球陆地及离岸50km内的区域，水平方向分辨率为1/2维度×2/3经度，时间分辨率为1h，垂直方向可分为72层，向上可延伸至0.01hPa。

3资料与计算方法

例证风电场位于湖北省广水市境内野人岗山上，风电场长8km，宽3km，海拔高度170m～480m，山脊较为连续，规划装机容量62MW。

3.1测风塔概况

例证风电场内设有80m/90m高度测风塔各一座，对风速、风向、气压和温度等参数进行观测。两塔观测均已满一年，记录数据为10min的平均值、标准差、最大值及最小值等。两测风塔基本情况见表1。

3.2参证气象站概况

距离例证风电场最近的国家气象站为广水气象站，可作为本风场的常规参证气象站。场址附近MERRA数据格点的地理坐标为东经114°，北纬32°，可将该格点视作一个具有长期MERRA观测数据的“气象站”，作为本风场的特殊参证气象站。两站的基本情况及地理位置示意图见表2、图1。

由以上图表可见，广水气象站位于城区附近，与测风塔周边环境差异较大，城镇建筑物可能会对观测环境造成一定影响，给测量结果带来误差;MERRA格点的地理位置虽然距离测风塔相对较远，但与测风塔的海拔高差较小，地表下垫面也与风场区域较为相似。

广水气象站和MERRA数据长年代统计直方图见图2。

由图2可知，广水气象站数据近23年（1993～2015年）来，2000年平均风速最大，为2.45m/s，2015年平均风速最小，为1.35m/s。近23年的多年平均风速为2.02m/s，测风塔测风年（2014.1l～2015.10）的平均风速为1.35m/s，测风年为小风年。

MERRA数据近30年（1986～2015年）来，2013年平均风速最大，为4.953m/s，2014年平均风速最小，为4.332m/s。近30年的多年平均风速为4.571m/s，测风塔测风年（2014.11～2015.10）的平均风速为4.350m/s，测风年为小风年。

3.3订正方法介绍

3.3.1分风向扇区相关关系法

将测风塔实测数据订正为代表年参数的方法如下。

（1）相关性分析。每22.5°为一个风向扇区，分扇区对测风塔和参证气象站风速进行相关性分析，共得到16个分扇区一阶线性相关方程。

（2）求出订正量。按各风向扇区，将参证气象站多年的年平均风速与测风塔同期观测的年平均风速分别带入线性方程，然后在纵坐标轴上找到对应的实测数据的两个风速值，并求这两个值的差值，即各个扇区的风速订正量。

（3）订正实测数据。将各个扇区测风数据均加上对应的风速订正量，即可获得订正后的代表年参数。

也有不分风向扇区直接进行相关性分析及代表年订正的方法，一般称之为全扇区法。

3.3.2分时段同倍比放大法

该方法借鉴了水文学中设计洪水过程线的计算方法。将其应用于风速代表年订正中，步骤如下。

（1）求平均风速。求参证气象站多年月平均风速，及与测风塔同期月平均风速。

（2）确定放大倍比。计算①所得月平均风速的比值，确定观测年各月风速所需放大倍比（共12个）。

（3）订正测风数据。对测风数据按每月分时段同倍比放大（缩小），即可计算得订正后的代表年测风数据。

4订正计算

4.1相关性分析

对广水气象站和MERRA数据与测风塔最高高度的逐时刻测风数据进行分扇区相关性分析，结果如表3所示。各参证气象站与测风塔风速序列的相关性均一般，各扇区的相关系数均低于0.8，全扇区的相关系数也均低于0.7。这是由于山地风场的地形较为复杂，海拔高差较大，下垫面影响因素较多，造成风能资源分布极为不均，不同地点间的风速相关性也普遍较弱。

从分扇区和全扇区相关性结果来看，MERRA数据与测风塔风速序列的相关性较好（0.63～0.67），广水气象站的相关性较差（0.46～0.48）。这是由于MERRA数据格点与测风塔处的地表下垫面较为相近，海拔高差相对较小，二者均位于山区，局地小气候相似，风速逐时刻相关性也较好。

4.2分时段倍比关系分析

将广水气象站和MERRA气象数据与测风塔同期的月平均風速序列进行倍比分析，由图2看出，各参证气象站测风年与长年代月风速变化趋势基本一致，说明长年代年内风速变化较为规律。广水气象站测风年内各月风速均明显小于长年代月平均风速;MERRA数据测风年除8月、12月外，其他月份也均略小于长年代风速。各月风速倍比关系见表4。

确定长年代与测风年的各月倍比关系后，将测风数据分时段进行同倍比放大，再按时间进行排序，即可得到订正后的代表年测风数据。

5订正结果及分析

5.1分风向扇区相关关系法

综合考虑各分扇区相关性及全扇区相关性大小，广水气象站采用全扇区相关方程（1个）对测风数据进行代表年订正，MERRA数据采用分扇区相关方程（16个）对测风数据进行代表年订正。

5.2分时段同倍比放大法

参考水文中由典型洪水过程线推算设计洪水过程线的方法，将测风数据按照参证气象站长年代风速与测风年的倍比进行放大，推求测风塔处长年代风速水平。

订正结果见表5。

由表5可知，采用分风向扇区相关关系法，利用广水气象站订正时，两测风塔代表年比测风年平均风速分别增大0.38m/s、0.36m/s，利用MERRA数据进行订正时，两测风塔分别增大0.19m/s、0.17m/s;采用分时段同倍比放大法时，利用广水气象站订正的代表年风速比测风年增大3.01m/s、2.85m/s，利用MERRA数据订正的风速偏大0.30m/s·0.28m/s。

两种方法订正时，利用广水气象站作为参证站均比利用MERRA数据增幅更大。采用分风向扇区相关关系法时，利用广水气象站约是利用MERRA数据增幅的2倍;采用分时段同倍比放大法时，利用广水气象站约是利用MERRA数据增幅的10倍。两种方法将广水气象站作为参证站时代表年订正均明显偏大，原因是随着城镇化的进行，受周边高楼的遮挡，以及测量仪器的变更等影响，气象站历年实测风速呈不断减小趋势。此时若将广水气象站数据作为参证长年代序列，将会对代表年水平严重高估。采用MERRA数据作为参证气象站时，MERRA数据和测风塔风速序列的相关性要显著优于气象站数据，两种方法订正值均较为合理，偏保守起见，本文优先推荐利用MERRA数据，采用分风向扇区相关关系法订正结果为风场代表年水平。

6结论

以湖北某山地风电场为例，采用当地气象站及MERRA数据对测风塔实测数据进行了代表年订正，得出主要结论如下。

（1）采用MERRA数据对测风数据进行代表年订正的结果合理可信，在缺少合适参证气象站时可采用此方法。

（2）气象站一般位于城郊附近，山区分布较为稀疏，且观测环境受城镇化影响会有所破坏，导致观测结果部分失真，记录数据与山区风电场的测风塔数据相关性较差;MERRA数据的覆盖范围广、记录年份长、拥有高精度的时间及空间分辨率，可选取地理位置与风电场接近、地表下垫面与风电场相似的参考数据格点，所以MERRA数据和场内测风塔风速序列的相关性相对较好。