測風數據代表年訂正方法的研究

李曉明 陳玲 張閃林

摘要：風資源評估需要一套反映風場長期水平的測風數據。以湖北某山區風電場為例，分別利用當地氣象站數據和MERRA數據，采用分風向扇區相關關系法和分時段同倍比放大法，對風電場內實測滿一年的數據進行代表年訂正。研究表明，MERRA數據可以滿足作為參證氣象站的要求。與當地氣象站相比，MERRA數據格點的下墊面與風電場地形地貌更為相似，時間序列相關性更高，觀測數據更為真實可靠。在對缺少氣象站資料的風電場進行測風數據代表年訂正時，此方法可以作為參考。

關鍵詞：風資源評估;相關性分析;同倍比放大;代表年訂正

中圖分類號：TM624 文獻標識碼：A 文章編號：1674-9944（2019）16-0051-04

1引言

風能資源的準確評估是風電場開發建設的先決條件。風資源情況能決定風場的發電量以及項目的收益。風資源評估一般需要先收集風場內實測至少滿一年的觀測數據，對其中無效數據進行插補后，再結合附近具有代表性的長期參證氣象站數據進行訂正，最終處理得到一套能代表風場所在區域長期平均水平的數據進行風資源分析。作為參證氣象站需要具備以下條件：①距離風場較近;②有30年及以上可靠的觀測數據;③同期時間序列相關性較好;④下墊面條件類似。

受場地條件限制，風電場一般都位于距離城鎮較遠的地區，而氣象站大多位于市區或者近郊，兩者之間距離較遠，下墊面環境等也有一定程度的差異，導致風場實測數據與氣象站長期觀測數據的相關性普遍不高，利用氣象站數據對測風塔數據進行長期訂正也存在一定的不確定性。

本文以湖北某山地風電場為例，分別利用MERRA數據及氣象站觀測數據對測風塔實測數據進行了相關性分析及代表年訂正，并對結果進行了分析，論證采用MERRA數據作為參證氣象數據的可行性，為今后風資源評估提供參考。

2MERRA數據介紹

MERRA（The Modern Era Retrospective-analysisfor Research and Applications）數據是由美國國家航空航天局戈達德航天飛行中心（Goddard Space FlightCenter）下屬的全球建模和同化辦公室（Global Model-ing and Assimilation Office）制作并發布的再分析氣象資料，具有參考格點數量多和包含氣象要素多的特點。MERRA數據從1979年開始記錄，覆蓋全球陸地及離岸50km內的區域，水平方向分辨率為1/2維度×2/3經度，時間分辨率為1h，垂直方向可分為72層，向上可延伸至0.01hPa。

3資料與計算方法

例證風電場位于湖北省廣水市境內野人崗山上，風電場長8km，寬3km，海拔高度170m～480m，山脊較為連續，規劃裝機容量62MW。

3.1測風塔概況

例證風電場內設有80m/90m高度測風塔各一座，對風速、風向、氣壓和溫度等參數進行觀測。兩塔觀測均已滿一年，記錄數據為10min的平均值、標準差、最大值及最小值等。兩測風塔基本情況見表1。

3.2參證氣象站概況

距離例證風電場最近的國家氣象站為廣水氣象站，可作為本風場的常規參證氣象站。場址附近MERRA數據格點的地理坐標為東經114°，北緯32°，可將該格點視作一個具有長期MERRA觀測數據的“氣象站”，作為本風場的特殊參證氣象站。兩站的基本情況及地理位置示意圖見表2、圖1。

由以上圖表可見，廣水氣象站位于城區附近，與測風塔周邊環境差異較大，城鎮建筑物可能會對觀測環境造成一定影響，給測量結果帶來誤差;MERRA格點的地理位置雖然距離測風塔相對較遠，但與測風塔的海拔高差較小，地表下墊面也與風場區域較為相似。

廣水氣象站和MERRA數據長年代統計直方圖見圖2。

由圖2可知，廣水氣象站數據近23年（1993～2015年）來，2000年平均風速最大，為2.45m/s，2015年平均風速最小，為1.35m/s。近23年的多年平均風速為2.02m/s，測風塔測風年（2014.1l～2015.10）的平均風速為1.35m/s，測風年為小風年。

MERRA數據近30年（1986～2015年）來，2013年平均風速最大，為4.953m/s，2014年平均風速最小，為4.332m/s。近30年的多年平均風速為4.571m/s，測風塔測風年（2014.11～2015.10）的平均風速為4.350m/s，測風年為小風年。

3.3訂正方法介紹

3.3.1分風向扇區相關關系法

將測風塔實測數據訂正為代表年參數的方法如下。

（1）相關性分析。每22.5°為一個風向扇區，分扇區對測風塔和參證氣象站風速進行相關性分析，共得到16個分扇區一階線性相關方程。

（2）求出訂正量。按各風向扇區，將參證氣象站多年的年平均風速與測風塔同期觀測的年平均風速分別帶入線性方程，然后在縱坐標軸上找到對應的實測數據的兩個風速值，并求這兩個值的差值，即各個扇區的風速訂正量。

（3）訂正實測數據。將各個扇區測風數據均加上對應的風速訂正量，即可獲得訂正后的代表年參數。

也有不分風向扇區直接進行相關性分析及代表年訂正的方法，一般稱之為全扇區法。

3.3.2分時段同倍比放大法

該方法借鑒了水文學中設計洪水過程線的計算方法。將其應用于風速代表年訂正中，步驟如下。

（1）求平均風速。求參證氣象站多年月平均風速，及與測風塔同期月平均風速。

（2）確定放大倍比。計算①所得月平均風速的比值，確定觀測年各月風速所需放大倍比（共12個）。

（3）訂正測風數據。對測風數據按每月分時段同倍比放大（縮小），即可計算得訂正后的代表年測風數據。

4訂正計算

4.1相關性分析

對廣水氣象站和MERRA數據與測風塔最高高度的逐時刻測風數據進行分扇區相關性分析，結果如表3所示。各參證氣象站與測風塔風速序列的相關性均一般，各扇區的相關系數均低于0.8，全扇區的相關系數也均低于0.7。這是由于山地風場的地形較為復雜，海拔高差較大，下墊面影響因素較多，造成風能資源分布極為不均，不同地點間的風速相關性也普遍較弱。

從分扇區和全扇區相關性結果來看，MERRA數據與測風塔風速序列的相關性較好（0.63～0.67），廣水氣象站的相關性較差（0.46～0.48）。這是由于MERRA數據格點與測風塔處的地表下墊面較為相近，海拔高差相對較小，二者均位于山區，局地小氣候相似，風速逐時刻相關性也較好。

4.2分時段倍比關系分析

將廣水氣象站和MERRA氣象數據與測風塔同期的月平均風速序列進行倍比分析，由圖2看出，各參證氣象站測風年與長年代月風速變化趨勢基本一致，說明長年代年內風速變化較為規律。廣水氣象站測風年內各月風速均明顯小于長年代月平均風速;MERRA數據測風年除8月、12月外，其他月份也均略小于長年代風速。各月風速倍比關系見表4。

確定長年代與測風年的各月倍比關系后，將測風數據分時段進行同倍比放大，再按時間進行排序，即可得到訂正后的代表年測風數據。

5訂正結果及分析

5.1分風向扇區相關關系法

綜合考慮各分扇區相關性及全扇區相關性大小，廣水氣象站采用全扇區相關方程（1個）對測風數據進行代表年訂正，MERRA數據采用分扇區相關方程（16個）對測風數據進行代表年訂正。

5.2分時段同倍比放大法

參考水文中由典型洪水過程線推算設計洪水過程線的方法，將測風數據按照參證氣象站長年代風速與測風年的倍比進行放大，推求測風塔處長年代風速水平。

訂正結果見表5。

由表5可知，采用分風向扇區相關關系法，利用廣水氣象站訂正時，兩測風塔代表年比測風年平均風速分別增大0.38m/s、0.36m/s，利用MERRA數據進行訂正時，兩測風塔分別增大0.19m/s、0.17m/s;采用分時段同倍比放大法時，利用廣水氣象站訂正的代表年風速比測風年增大3.01m/s、2.85m/s，利用MERRA數據訂正的風速偏大0.30m/s·0.28m/s。

兩種方法訂正時，利用廣水氣象站作為參證站均比利用MERRA數據增幅更大。采用分風向扇區相關關系法時，利用廣水氣象站約是利用MERRA數據增幅的2倍;采用分時段同倍比放大法時，利用廣水氣象站約是利用MERRA數據增幅的10倍。兩種方法將廣水氣象站作為參證站時代表年訂正均明顯偏大，原因是隨著城鎮化的進行，受周邊高樓的遮擋，以及測量儀器的變更等影響，氣象站歷年實測風速呈不斷減小趨勢。此時若將廣水氣象站數據作為參證長年代序列，將會對代表年水平嚴重高估。采用MERRA數據作為參證氣象站時，MERRA數據和測風塔風速序列的相關性要顯著優于氣象站數據，兩種方法訂正值均較為合理，偏保守起見，本文優先推薦利用MERRA數據，采用分風向扇區相關關系法訂正結果為風場代表年水平。

6結論

以湖北某山地風電場為例，采用當地氣象站及MERRA數據對測風塔實測數據進行了代表年訂正，得出主要結論如下。

（1）采用MERRA數據對測風數據進行代表年訂正的結果合理可信，在缺少合適參證氣象站時可采用此方法。

（2）氣象站一般位于城郊附近，山區分布較為稀疏，且觀測環境受城鎮化影響會有所破壞，導致觀測結果部分失真，記錄數據與山區風電場的測風塔數據相關性較差;MERRA數據的覆蓋范圍廣、記錄年份長、擁有高精度的時間及空間分辨率，可選取地理位置與風電場接近、地表下墊面與風電場相似的參考數據格點，所以MERRA數據和場內測風塔風速序列的相關性相對較好。