基于中尺度数据的风电场代表年分析

基于中尺度数据的风电场代表年分析
陈春喜，席占生
(国核电力规划设计研究院有限公司，北京 100095)
摘要：
由于风电场与气象站的地形地貌、下垫面条件的差异，导致风电场测风塔数据与参证气象站测风数据相关性较差，不能直接采用16扇区相关法进行订正。

本文以山西某风电场风能资源分析为例，引入中尺度模式数据，对比其与参证气象站风速变化规律，并将其运用在代表年分析与订正中。

关键词：
中尺度；风电场；代表年；相关。

中图分类号：P641 文献标志码：
A 文章编号：1671-9913(2019)S1-0246-03Analysis of Representative Year for Wind Farm Based
on Mesoscale Model Data
CHEN Chun-xi, XI Zhan-sheng
(State Nuclear Electric Power Planning Design & Research Institute Co.,Ltd., Beijing 100095, China)
Abstract: Because the difference of geomorphology and underlying surface between the wind farm with the meteorological station ，the relevance of the wind measurement data and meteorological station data is not well, we could not revise the data by 16-sector wind direction relation method. Based on the assessment of the wind resources in a certain wind farm in Shanxi Province, we compare the change of mesoscale data with the meteorological station data, add the mesoscale data into the assessment and revise of representative year. Keywords: mesoscale; wind farm; representative year; relevance.
* 收稿日期：2018-12-10
第一作者简介：陈春喜(1984- )，男，湖北荆州人，硕士，高级工程师，主要从事风电场设计及电力水文气象工作。

0 引言
风电场年发电量计算结果直接影响项目的经济效益，关系到业主的投资决策，而风能资源参数作为发电量计算的基础依据，其准确性至关重要。

为准确评估拟建风电场的长期风能资源状况，必须根据能反映风电场长期风资源状况的测风资料进行分析计算，然而受制于风电场工程建设进度影响，一般测风期只有一年多，根据现场的测风资料所计算出来的风能参数只能反映当年的风能状况，必须通过风场代表年分析与订正，将实测年测风资料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[1]。

常规代表年分析的基础是依据代表气象站长系列的测风数据，通过对比长期测站测风期平均风速与长系列平均风速，判断测风期属于大风年、平风年或小风年，确定其与长系列水平年的差异。

然而由于气象站与风电场位置往往距离较远，且周边地形地貌存在较大差异，采用十六扇区相关法对现场测风数据进行订正时会发现各扇区的相关性非常差，根据相关关系进行订正反而影响了测风数据的可靠性，降低了风能资源评估的准确性[2]。

为解决长期测站与测风塔相关性较差的问题，近年来行业内也提出了采用中尺度再分析数据进行大小风年
DOI ：10.13500/j.dlkcsj.issn1671-9913.2019.S1.062
判断，并作为数据订正的依据。

1 中尺度模式数据
天气系统根据其空间尺度及时间尺度的不同可划分为行星尺度、大尺度、中尺度和小尺度，中尺度气象关注的尺幅在几千米到几百千米。

为了定量研究中尺度系统的演化，中尺度模式就是一种模拟中尺度系统过程的数值模式，由于湍流的存在，基于质量、动量、能力守恒的偏微分方程组无法求出解析解的，但是结合地理资料如地形数据、土地利用类型等，同化从飞机、雷达气球、船舶和未醒的观测值，采用差分离散化方式在通过计算机做迭代、递归等运算求出数值解，从而达到模拟的目标[3]。

目前最新的中尺度模式产品中，广泛使用的有如下三种资料：美国国家环境预测中心气候预报系统再分析资料；欧洲中期数值预报中心再分析资料—ERA Interim；美国国家航空航天局(National Aeronautics and Space Administration, NASA)现代回顾性分析研究和应用再分析资料—MERRA。

国内常用的中尺度模式数据为中国科学院大气物理所的中尺度数值模型COAMPS数据，COMPAS是一个三维非静力模型，提供中尺度下中国全境的区域内同步的风速时间数据，高分辨率为3 km×3 km，较低分辨率为9 km×9 km和27 km×27 km。

2 基于长期测站的代表年分析
以山西某风电场为例，根据GB/18710—2002《风电场风资源评估方法》，采用参证气象站近30年风速资料，该气象站海拔高度为938.7 m，距离风电场测风塔约35 km，于2006年更换仪器为自动观测记录仪器，为与更换仪器前后的风速进行对比分析，气象站在 2006.01－2007.12自动站和人工站进行了同步观测(表1)。

为更准确地反应风速年际变化特征和风速年际变化，对灵丘气象站2006以后的各月平均风速进行修订。

气象站自动站与人工站相关关系图见图1。

气象站历年风速见表2。

表1
气象站自动站与人工站对比观测
表2 气象站历年风速表
m/s 图1 气象站自动站与人工站相关关系图
从气象站长期风速系列来看，测风年(2015年)平均风速为1.54 m/s，相对于30年平均风速1.63 m/s偏小0.09 m/s，相对于近10年平均风速偏小0.08 m/s
，测风年为小风年。

(a) 80-10
相关图
(b) 10-10相关图
图2 气象站与测风塔全风速相关图
从图2相关性来看，气象站10 m高度风速与测风塔80 m、10 m风速相关性较差，相关系数R2分别为0.108和0.13，采用气象站与测风塔数据进行16扇区相关法进行代表年订正是不合适的，因此考虑采用中尺度再分析数据进行代表年分析与订正。

3 中尺度数据与气象站相关性分析由于中尺度再分析数据是模式拟合数据，可能存在数据源变化而导致资料有效性、一致性不好等问题，在使用前应分析验证中尺度再分析与气象站平均风速之间的相关性，及风速变化规律的一致性[4]。

本次分析采用NASA 戈达德地球科学数据和信息服务中心提供的MERRA数据，该数据水平分辨率为2/3经度×1/2纬度，风速数据高度为50 m。

从1986－2015年中尺度再分析数据与气象站风速对比图(图3)来看，MERRA数据与气象站风速年际变化规律与月风速变化规律基本一致，且测风年2015年均为小风年。

因此以MERRA数据可作为订正依据。

2015年平均风速为5.71 m/s，30年平均风速为5.91 m/s，近10年平均风速为5.87 m/s，2015年为小风年，比30年平均风速低0.20 m/s。

图3 MERRA数据与气象站风速对比图
再来分析MERRA数据与测风塔的相关性，从相关性来看，中尺度再分析数据MERRA 50 m高度风速与测风塔80 m、10 m 风速相关性较好，相关系数R2分别为0.456和0.427，相关系数R高于0.65。

(a) 10-10
相关图
(b) 80-10相关图
图4 中尺度再分析数据(MERRA)
与测风塔全风速相关图
4 代表年订正
进行代表年分析后，即确定了测风年风速年景及与长系列水平年之间的差异。

采用中尺度再分析数据与气象站数据进行代表年订正方法与过程一致，均是采用16扇区相关法。

中尺度再分析数据(MERRA)与测风16扇区相关，见表3。

订正前后风速风功率密度对比，见表4。

(下转第270页)
[3] 谢今范，雷杨娜，孙娴．风电场代表年数据订正
方法的不确定性分析[J]．太阳能技术产品与工程，2015(4)：48-55．
[4] 于兴杰，孙金丹．风电场风资源代表年分析法[J]．
中国勘察设计，2012(1)：62-64．[5] 张双益，王益群，吕宙安，等．利用MERRA 数据
对测风数据进行代表年订正的研究[J]．可再生能源，2014，32(1)：58-62．
[6] 沈学锋，王修内，田启明，等．测风塔代表年订正
方法讨论[J]．电力勘测设计，2016(S2)：195-198
．。