復雜地形多測風塔綜合地貌及風切變擬合修正的風資源評估方法研究

遲繼峰，鐘天宇，劉慶超，張偉

(1．中國華電集團公司，北京 100031;2．華電電力科學研究院，浙江 杭州 310030)

0 引言

評估風電場的風能資源狀況，是開發風力發電項目最基礎的工作。其中，風速概率分布參數是體現風能資源統計特性的最重要指標之一，也是在風電場規劃設計和并網技術研究中的關鍵參數。

國內、外現有的風能資源評估方法主要有3種:基于氣象站歷史觀測資料的評估方法，基于測風塔測風數據的評估方法，基于數值模擬的評估方法［1］。

數值模擬是目前較為常用的方法，主要借助基于各種數值模擬算法的計算機軟件，并對該區域障礙物情況進行設置，通過某一點(測風塔某高度處)風資源數據，測算區域內各個高度風資源的分布情況，從而選擇最優的地點建設風機。但由于粗糙度設置、軟件誤差及其他原因，風資源計算常存在一定誤差，在復雜地形中該種情況更為明顯。

因此，如何根據測風塔的實測數據，再考慮地形地貌的影響，確定該區域風切變系數，對于準確估算各風電機組輪轂高度處的風資源具有重要意義。

1 復雜地形多測風塔綜合地貌及風切變擬合模型

1．1 山體坡度與風加速分析

風加速效應通常指在山地地形中，某高度平均風速比平地相應高度平均風速所增加的效應，一般在山頂的近地面最為明顯。在隆升地形中，盛行風向與山脊脊線正交時，氣流加速最大，傾斜時加速作用減弱，在山脊峰處達到最大。

隆升地形有不同形狀，不同山體形狀對加速效應的影響有明顯不同。根據Taylor和Lee的“原始算法”，可以計算山頂不同高度處的加速比［2］:

式中:ΔS為風加速比;A，B為經驗常數，其數值見表1;h為山頂高度;L1為山頂到h/2高度處的水平距離;hz為海拔高度。

二維山體風加速效應如圖1所示，二維連續山體風加速效應如圖2所示。

表1 不同地形下的A，B值

1．2 粗糙度與風速的關系

在近地層中，風速隨高度的變化較為顯著，造成風在近地層中垂直變化的原因有動力因素和熱力因素。前者主要來源于地面的摩擦效應，即地面的粗糙度，后者主要表現為與近地層大氣垂直穩定度的關系。當大氣層結為中性時，湍流將完全依靠動力原因來發展，這時風速隨高度變化服從普朗特經驗公式［3］

式中:un和ui分別為高度在hn和hi處的風速;α為風切變指數。

1．3 風向水平偏差與地形、地貌的關系

風向水平偏差是指由于地形、地貌影響導致的風向水平偏轉程度，主要是障礙物使風速、風向產生紊流，進而使風向產生偏差。紊流產生的主要原因有以下 2 種［4］:

(1)熱紊流是由于熱能交換(溫度不同的物質會進行熱交換)引起的，因此，受到地表溫度和空氣質量的影響。

(2)力紊流是受地貌學(用于描述地表狀態)、地表粗糙度和地表障礙物的影響而形成的。

紊流強度隨著地表粗糙度以及障礙物的增加而增加，隨著高度的增加而減小;樹木和障礙物(建筑物、圍墻、柵欄等)可以給風減速并形成紊流，因此山區的風含有較多紊流。

1．4 擬合模型

由以上分析可知，復雜地形風速變化情況主要與山體坡度和形狀、植被覆蓋情況及風向的相關性較大，因此，復雜地形條件風切變計算應綜合考慮多個測風塔風速玫瑰圖、所在山體各個風向坡度、所在山體植被高度等影響因素。

當多個測風塔風速玫瑰圖(x1)、測風塔所在山體各個風向坡度(x2)及測風塔所在山體植被高度(x3)與各個測風塔實測數據風切變系數(y)滿足線性相關時，可采用三元線性回歸方程模擬各個風機點的風切變系數。

式中:y 為風切變系數;a，b，c，d 為常數。

當各個影響因素x1，x2，x3與風切變系數y為非線性關系時，可采用BP神經網絡模型或支持向量機模型模擬各個風機點的風切變系數［5］。計算過程如下:

(1)選取不同測風塔及風機點位所在位置各個參數數據;

(2)對數據進行歸一化處理;

(3)運用BP神經網絡或支持向量機模型對各個風機點的風切變系數進行模擬計算。

2 復雜地形多測風塔綜合地貌及風切變擬合修正的風資源評估方法

根據以上分析，可以建立復雜地形條件下多測風塔綜合地貌及風切變擬合修正的風資源評估模型，如圖3所示。

圖3 復雜地形多測風塔綜合地貌及風切變擬合修正的風資源評估模型

該模型主要計算過程如下:

(1)搜集擬建風場區域各個測風塔及風機點位綜合地貌及風資源數據。

(2)根據測風塔風切變與綜合地貌的相關性，運用復雜地形多測風塔綜合地貌及風切變擬合模型對各個風機點位的風切變系數進行分析計算，根據具體情況可采用線性回歸方程、BP神經網絡或支持向量機進行模擬計算。

(3)根據已知測風塔固定高度風資源數據及其他數據，運用計算流體力學方法計算擬建風機點測風塔高度風速。

(4)運用式(3)計算風機輪轂高度處風資源的分布情況。

3 實例分析

以浙江沿海某風電場為例驗證該模型的精確性，該風電場主要地貌為山地丘陵，高度一般為海拔100～400m。該區域共建設5座測風塔，各測風塔數據見表2。

表2 各個測風塔數據

根據以上數據可知，該風電場區域各測風塔風切變系數主要與粗糙度相關。以#1，#2，#3，#4測風塔為樣本，粗糙度作為自變量，風切變系數作為因變量，運用數理統計方法中的線性回歸理論，可得到風切變系數隨粗糙度變化的方程

式中:x為粗糙度;y為風切變系數。

運用#5測風塔數據進行檢驗，根據粗糙度計算出的風切變系數為0．080 3，誤差為1．49%，精度較高。

然后運用#4測風塔1月70m高度的風速對#5測風塔60m高度的風速進行模擬。

運用傳統風資源計算方法:輸入#4測風塔70m高度測風數據，運用軟件直接推算60m高度的風速，其平均誤差為 －4．28%，絕對平均誤差為6．28%。

多測風塔綜合地貌及風切變擬合修正的風資源評估模型:輸入#4測風塔70m高度測風數據，運用軟件推算70m高度處的風速，根據模擬的風切變系數，運用式(3)推算60m高度處的風速，其平均誤差為－1．35%，絕對平均誤差為2．35%，精度較高，如圖4所示。

圖4 各種計算方法與實測風速對比圖

4 結論

(1)多測風塔綜合地貌及風切變擬合修正的風資源評估模型，以計算流體力學理論對復雜地形風資源分布情況進行了模擬，總結出一套復雜地形風資源評估方法。運用該方法進行風資源分析，提高了評估的準確度及國內該方面技術研究及工程應用的理論水平和技術水平。

(2)該模型是針對目前設計人員在計算軟件輸入過程中無法完全準確模擬風電場區域地形、地貌等條件而提出的一種修正方法，實例證明該方法十分有效。

［1］宮靖遠．風電場工程技術手冊［M］．北京:機械工業出版社，2004．

［2］楊振斌，薛析，桑建國．復雜地形風能資源評估研究初探［J］．太陽能學報，2004，25(6):744 －749．

［3］李正良，孫毅，魏奇科，等．山地平均風加速效應數值模擬［J］．工程力學，2010，27(7):32 －37．

［4］陳嚴，張錦源，王楠，等．風力機風場模型的研究及紊流風場的Matlab數值模擬［J］．太陽能學報，2006，27(9):955－960．

［5］Yuan Chunhong，Xue Heng，Yang Zhenbin．A Numerical Modeling Study for Offshore Windspeed［J］．Acta Energiae Solaris Siniea，2004，25(6):740 －743．