風資源評估的不確定性分析

趙韻

摘 要：風資源評估是評估風電場建設的一個很重要的條件。風資源評估的一個重要部分是對結果不確定性的分析。不確定性分析是指對決策方案受到各種事前無法控制的外部因素變化與影響所進行的研究和估計，是由于不確定因素變化對項目投資效益影響程度的分析與計算。文章描述了在風資源評估過程中，跟不確定性分析相關的因素。

關鍵詞：風資源；評估；不確定性；分析

1 發電量敏感因子

有若干不確定性因素跟風速相關。為了把這些不確定性轉化為發電量，得出了一個從發電量到風速的敏感比例，即敏感因子，單位是（GWh/annum）/（m/s），敏感因子有賴于很多因素，包括：（1）平均風速；（2）風速頻率分布；（3）風電場風機排布；（4）風機機型。敏感因子也可以由敏感比例來描述風速改變的百分比導致發電量改變的百分比。敏感比例在1.6到2.4之間視為正常。

2 不確定性

將每種因素的結果都假定為中心估計，移除各種偏量。但是，不可能對每一個分析的因素的所有偏量都進行量化和修正。因此，分析中不能被量化的因素（誤差）我們當作不確定性來考慮。這些因素里的各種來源的誤差一般情況下視為隨機。一般認為隨機誤差的分布接近正態分布。例如，風速儀的校正、相關性分析誤差和總體誤差，在考慮發電量預測的時候，已經被證實是非常接近正態分布的。在對分析的每一步制定了各自的不確定性之后，應用發電量敏感因子轉換成發電量。鑒于每步分析的不確定性根據來源的不同而不同，可以預計每個分析因素的誤差和另一個因素的誤差是沒有關系的。如果分析的每個單獨因素的誤差是不相關的，那么單獨的不確定性也可以認為是彼此獨立的。所有分析因素的不確定性可以結合在一起，以平方根的形式呈現，作為發電量預算的總體不確定性，假設不確定性是正態分布。通常提供置信區間為50%、75%和90%的發電量預測。P50是一種情形，實際發電量高于或者低于P50發電量的機會是相等的，因此P50發電量水平通常被稱為中心估計。75%和90%的時間都能達到的發電量就是我們說的P75和P50。不同置信區間下的發電量水平是基于中心估計的發電量、不確定性以及置信區間下適合的平均值的標準偏差。

進一步還需要考慮的是發電量是基于未來多少年，通常考慮的是1年、10年和20年，但是其他的時間如果需要的話也可以考慮。

3 不確定性分類

3.1 風速測量

由于風速儀對風速的測量精確性各有不同，需要對其進行不確定性分析，通常考慮的是最高的風速儀。基于風速儀有沒有補MEASNET名單內的第三方校準，以及是不是符合IEA和IEC61400-

12-1標準，其不確定性在2.0%-3.0%范圍內。

3.2 數據重建

當測風塔數據需要重建的時候，由于應用了分扇區的加速因子到長期風速和風頻分布，所以產生了不確定性。值得注意的是，即使有十分鐘平均的數據，該不確定性還是由小時平均數據得出。如果進行了許多相關性分析，那么需要考慮多次的不確定性，對根據不同的數據源進行重建的數據進行加權計算，并結合在一起。數據即使是重建后也不是總能達到100%的數據覆蓋率。不需要應用額外的不確定性，除非有一個或者多個月，比如所有的一月份數據都少于一個月。如果這樣的話，風玫瑰圖應該考慮更高的不確定性，來彌補缺失的數據損失。

3.3 長期風速調整

風資源評估當中，測風塔的實測數據時間段有限，需要應用現場參考站的長期數據來對測風塔的實測數據進行長期風速調整，這其中也有不確定性。該不確定性的分析應用Bootstrapping法，即利用有限的樣本資料經由多次重復抽樣，重新建立起足以代表母體樣本分布之新樣本。

3.4 年平均風速變化

年平均風速隨著年份不同而不同。有研究表明[1]，長期年平均風速的標準變化率為6%。如果現場附近有長期參考站數據可以參考（比如超過15年），那么這些數據可以用來定義該區域年平均風速的變化率。如果沒有這樣的長期數據參考，那么就用6%來定義。

3.5 垂直外推

當測風塔測量的風速高度和輪轂高度不一致時，需要對測風塔測量風速進行外推，得到風機輪轂高度處的風速，這其中有不確定性。目前，相關不確定性的計算方法還在研究中，但是這個過程存在很多變數，還沒有哪種計算方法能考慮到所有的情況。當實際情況與以下情況相符時，可以認為是“理想”的：（1）所有的風速儀類型相同；（2）所有風速儀都經過合格校準；（3）所有風速儀都按照相關標準安裝；（4）至少三個高度的風速儀用來計算風剪切；（5）最高處的風速儀和低一些的風速儀高度差至少20m；（6）測量數據顯示了良好的對數指數或冪指數的關系；（7）沒有因為周圍的樹木而導致高度調整；（8）最低的風速儀高度至少30m；（9）有另一個測風塔作參考，位于有著相似地形和植被的不同的地方。

但是實際情況往往跟上述有些不相符，需要對這些情況進行評估，其導致的不確定性的大小取決于其對結果的影響程度，如下：（1）風速儀沒有經過校準；（2）風速儀的安裝不符合標準，離塔身和桅桿距離太近；（3）只有兩個風速儀用來分析風剪切；（4）風剪切指數不具備代表性，并且沒有其他的測風塔可以做參考。

3.6 風流和尾流建模

風流和尾流建模過程中，影響不確定性的因素主要有：（1）風流模型的精確度（粗糙度、障礙物等）以及發電量模型（功率曲線、推理系數曲線、空氣密度等）；（2）風機距離測風塔的距離。在復雜地形（或者復雜風況），建議最好是距離在一公里以內，以降低不確定性。對簡單地形而言，建議最好是在兩公里以內。當然，實際情況一般是達不到這個標準的，所以不確定性會增大；（3）風機所處的地形特征和測風塔類似；（4）預測的尾流損失和風機的排布；（5）現場及周圍的粗糙度是一致的還是變化的；（6）現場及周圍是否有樹林；（7）在

測風塔及風機位置附近是否有陡峭的斜坡超過20度。通常來說風流和尾流建模對發電量評估的不確定性范圍在2%到10%之間。

3.7 風玫瑰的長期代表性

如果測風塔實測數據時長太短，其風玫瑰圖是不具備長期代表性的。通常情況下，測風塔實測有效數據的時長和不確定性的關系如表2所示。如果時長在2年以上，則視為具有長期代表性。

除了上述幾種不確定性分類之外，還有變電站計量、損失因子假設等帶來的不確定性。對風資源評估的不確定性進行分析，可以盡量弄清和減少不確定因素對經濟效益的影響，預測項目投資對某些不可預見的風險的抗沖擊能力，從而證明項目投資的可靠性和穩定性，避免投產后不能獲得預期的利潤和收益，在風資源評估過程中是由為重要的。

參考文獻

[1]Rattery. P，"Understanding the risks of financing wind farms"， Final report of EU THERMIE B Contract No.STR 939-96 UK，August 1999.