测风塔代表性对复杂地形风电场风能资源评估的影响研究

文 | 朱金奎，姜婷婷，申新贺

准确评估风电场场区风能资源对风电项目投资收益至关重要。对于需要在场区内竖立测风塔进行风能资源评估的项目，一般来说，如果场区地形比较平坦，一座测风塔可以代表周边5～8km范围内的风能资源特征；如果地形复杂，场区内风速、风向的时空变化均很复杂，一座测风塔数据仅能比较准确地模拟出其周边2～3km范围内的风能资源。因此，需要根据场区地形特征、主导风向在合适的位置分别竖立测风塔。

由测风塔获取的测风数据通过风能资源评估软件计算得到的是理论发电量，该发电量扣除控制和湍流损失、叶片污染损失、风电机组可利用率损失等因素后才对应风电场上网电量。风能资源评估阶段各项发电量损失统一用综合折减系数来表示。综合折减系数显著地影响项目发电量评估结果，其值需要根据项目实际情况进行选取，很大程度上受限于风能资源工程师的经验。不同项目、不同统计方式得到的发电量综合折减系数差异较大。据国家发展改革委于2009年进行的调查，中国风电项目折减系数范围大致在20%～45%之间。

本文根据某山地风电场的实际运行数据，分别选取不同测风塔数据作为输入条件，利用Meteodyn WT软件计算机位点风速、发电量，并与风电场实际运行数据进行对比，分析在不同测风塔代表性情况下计算结果的准确性差异以及风电机组发电量综合折减系数的差异，评估测风塔代表性对风能资源评估的影响，为以后类似山地风电场项目的风能资源评估计算提供一定借鉴。

项目概况

本文选取的风电场位于浙江省南部，安装有17台风轮直径为115m、轮毂高度为80m的2.0MW风电机组和3台风轮直径不同的其他机组。

项目场区由两座山脊组成（图1），东侧山脊较高，呈东西走向，海拔高度在1500m左右，安装有F01―F07风电机组；西侧山脊较低，呈西南―东北走向，海拔高度在1350m左右，安装有F08―F20风电机组。在项目立项、可研阶段（2015―2016年），场区内东、西山脊上各有一座测风塔，编号分别为A、B，海拔高度分别为1351m、1536m，二者之间直线距离约5.7km，后来均倒塔。项目投产运行后，在B测风塔的原址上重新竖立了一座用于风功率预测服务的测风塔。

场区内沟壑纵横，地形复杂，两座测风塔对风电机组机位点的代表性需要分区分析。西部机位点与A测风塔在同一条山脊上，并且均在A测风塔周边3km的范围内，海拔高差不超过70m，分析可知A测风塔对西部机位点的代表性很高；东部机位点与B测风塔在同一个山体上，最大间距不到1.6km，海拔高差不超过60m，分析可知B测风塔对东部机位点的代表性很高。但是由于东、西山脊的海拔高差约150m，直线距离接近6km，A测风塔对东部机位点、B测风塔对西部机位点的代表性均较低。

数值模拟方案及结果

根据收集到的测风数据、场区地形数据和地表粗糙度资料，利用Meteodyn WT软件模拟场区内风能资源分布，网格水平分辨率25m，垂直分辨率4m，风向扇区间隔20°。评估时段为2017年10月1日至2018年9月30日这一完整年。

根据输入Meteodyn WT软件的测风资料，分以下两种方案模拟场区内风能资源分布：（1）只输入模拟时段内B测风塔实际测风数据，以下简称为“单塔计算”方案；（2）输入模拟时段内B测风塔实际测风数据以及A测风塔同期测风数据，以下简称为“双塔计算”方案。对比分析两种方案计算得到的场区内风能资源分布特征差异，并与以风电场SCADA数据为代表的同期现场实际情况对比。

图1 风电场内测风塔、机位点空间分布（红色图标：风轮直径为115m的风电机组；黄色图标：风轮直径不同的其他机组）

图2 评估时段内B测风塔实测风向（左）、风能（右）分布

图3 单塔计算得到的场区内80m高度的风速（左）、风功率密度（右）分布

为了简化内容，本文仅分析17台风轮直径为115m、轮毂高度为80m的风电机组的计算结果和SCADA统计数据，机组编号为F01―F06、F08―F15、F17―F19。

一、单塔计算

评估时段内，B测风塔80m高度的年平均风速为6.00m/s，主风向为SSE、SE，风能主导方向为SSE（图2）。根据B测风塔与附近风电机组的相对位置（图1）可知，该测风塔的实测风速几乎不会受到风电机组尾流的“污染”，可以认为实测数据是该处的自由风速。

将B测风塔实测数据输入Meteodyn WT软件，模拟得到场区内80m高度的风速、风功率密度分布，见图3。模拟结果中东、西山脊的风速相当，风功率密度也比较接近，两条山脊由于地形隆升引起的风加速效应都体现得很明显。计算得到A测风塔处80m高度的年平均风速为6.16m/s，17个机位点80m高度的年平均风速为5.87m/s。其中，机位点F08处风速最高，年平均风速为6.73m/s，风功率密度为388W/m2；机位点F19处风速最低，年平均风速为5.08m/s，风功率密度为167W/m2。

二、双塔计算

在风电场项目可研、设计阶段，A、B测风塔有约1年的同期测风数据，共同测风时段内A测风塔80m高度的风速为5.98m/s，B测风塔80m高度的风速为5.39m/s，有效数据完整率均在90%以上。两座测风塔80m高度的风速时间序列之间相关系数为0.77（图4），有较好的相关性，可以采用直接相关的方法推算A测风塔在评估时段内的风速。

根据图4中的关系，推算出在该时段内A测风塔80m高度的年平均风速为5.39m/s，比单塔计算结果低0.77m/s。将B测风塔的实测数据以及推算得到的A测风塔数据输入Meteodyn WT软件，模拟得到场区内80m高度的风速、风功率密度分布，见图5。虽然地形隆升引起的风加速效应仍然比较明显，但对比图3可以发现，双塔计算结果中西侧山脊的风速、风功率密度均显著降低。

图4 A、B测风塔80m高度的风速直接相关关系

图5 双塔计算得到的场区内80m高度的风速（左）、风功率密度（右）分布

图6 单塔计算、双塔计算结果中机位点风速与SCADA风速对比

图7 单塔计算、双塔计算结果中机位点发电量与SCADA发电量对比

双塔计算时西部机位点（F08－F19）的模拟风速低于单塔计算结果，11个机位点的风速平均差异为0.70m/s，其中F15处两种计算结果差异最大，达到0.88m/s。

双塔计算结果中，17个机位点80m高度的年平均风速为5.41m/s。其中，机位点F08处风速最高，年平均风速为6.19m/s，风功率密度为296W/m2；机位点F19处风速最低，年平均风速为4.75m/s，风功率密度为142W/m2。

模拟结果与SCADA统计数据对比

由于叶片遮挡、风电机组尾流和机舱形状改变流场等影响因素，风电机组SCADA实测风速并不等于风电机组轮毂前方自由风速，但是二者之间大致为线性关系，SCADA风速可以定性地反映机位处的风速高低。

一、风速、发电量对比

单塔计算、双塔计算两种方案的结果差异主要体现在西部机位点的风能资源情况上。从图6可知，双塔计算结果中西部机位点风速显著低于单塔计算结果，且整体上双塔计算得到的机位点风速与SCADA风速的一致性更高。单塔计算中机位点风速与SCADA风速的相关系数为0.66，而双塔结果中机位点风速与SCADA风速的相关系数达到0.89，双塔计算方案能够更准确地模拟出场区内风能资源分布特征。

类似地，单塔计算结果中西部机位点的发电量显著高于双塔计算结果（图7），而双塔计算的发电量与SCADA发电量的一致性更好，同样说明双塔计算方案能够更准确地模拟出场区内风能资源分布特征。

二、发电量综合折减系数

风能资源评估阶段一般用发电量综合折减系数来统一涵盖影响风电机组出力的各项因素导致的发电量损失。国家发展改革委在2009年发布了《关于对中国风电发电量折减问题的说明》，给出了风电场发电量折减因素的类别和典型取值范围（表1）。

本文基于项目实际运行数据，分别评估两种计算方案对应的发电量综合折减系数（表2）。单塔计算时，本项目全场平均综合折减系数为22.7%；双塔计算时，全场平均综合折减系数为13.8%。场区东部机组（F01―F06）在单塔、双塔计算结果中的综合折减系数分别为10.3%、10.1%，差别不大且均比较低；而场区西部机组（F08―F19）在单塔、双塔计算结果中的综合折减系数分别为29.5%、15.9%，差异显著。这是因为在单塔计算中，软件模型严重高估了海拔高度较低的西侧山脊处的风能资源和西部机组的理论发电量。

表1 发电量综合折减系数详情

表2 单塔、双塔计算结果中的发电量综合折减系数统计

图8 单塔、双塔计算得到的各机位点发电量综合折减系数

测风塔对场区机位点的代表性决定了软件对机位点风况、发电量的模拟准确性，影响着复杂地形风电场风能资源评估的准确性。本文中的两种评估方法唯一差别在于输入不同测风塔数据导致的软件计算误差折减差异。当测风塔对场区所有机位点的代表性均较高时（双塔计算），软件计算误差较小，风电场发电量综合折减系数只有13.8%；而当测风塔对机位点的代表性较低时（单塔计算），软件计算误差较大，风电场发电量综合折减系数增加到22.7%，可见由于测风塔代表性较低导致的软件计算误差较大，额外引入了8.9%的发电量折减比例。软件计算误差折减的取值在不同测风塔代表性的情况下差异较大，在项目前期风能资源评估工作中需要特别引起关注。

结论

复杂地形风电场发电量评估的准确性依赖于测风塔对机位点的代表性，需要测风塔的海拔高度、周边环境能够很好地代表预选风电机组机位点的情况。如果风电项目在测风不足的情况下匆忙上马，不仅项目投资存在较大风险，也容易造成社会资源浪费。本文通过采用不同代表性的测风塔组合计算方案对场区风能资源进行评估，并将计算结果与实际运行的SCADA统计数据进行对比分析，得到的主要结论为：

（1）测风塔代表性较高时，可以基于测风塔数据，利用Meteodyn WT模型比较准确地计算出场区内风能资源分布特征；测风塔代表性较低时，计算结果的准确性显著降低。

（2）采用代表性较高的测风塔数据计算时，本文中风电场的发电量综合折减系数为13.8%；如果采用代表性较低的测风塔数据计算，风电场发电量综合折减系数增加到22.7%。可见，发电量综合折减系数中的“软件计算误差折减”存在较大的变化范围。