山地風電場微觀選址造成風電機組發電量偏低問題分析及移位改造方法研究

摘 要：受部分山區地形復雜的影響，風電場微觀選址工作面臨很多困難。為解決復雜地形風電場微觀選址過程中個別風電機組的實際發電能力嚴重低于設計值等問題，基于CFD數值模擬，提出利用冗余機位對發電量偏低的風電機組進行移位改造的選址測算方法。選取黑龍江省某山地風電場改造后的實際發電效率進行比對驗證，結果表明，該方法簡單有效，能夠準確模擬測算風電場及其周圍可再生資源情況，對復雜山區地形下風電場的微觀選址具有理論參考價值。

關鍵詞：風電場;微觀選址;復雜地形;發電效率

0 ? ?引言

隨著世界范圍內可再生能源的迅速發展，風能作為最具發展前景的清潔能源之一受到廣泛關注[1]。風力發電技術以其獨有的優點發展迅速，我國風電機組的裝機容量也呈指數型的爆炸式增長模式，截至2019年底，我國并網風電裝機容量達21 005萬kW[2]。隨著風電場規模的不斷增大，風電場的微觀選址、移位改造和機組的合理布局對提高風電場的發電效率、合理利用風能資源、正確預測機組發電能力等具有重要意義[3]，在一定程度上也可提高風電場的并網能力，保證電力經濟的可持續發展[3]。

考慮到風電場選址一般為復雜的山地，需計及高低起伏變化的地面效應對發電效率產生的影響[4]，同時復雜地形上的風電場較戈壁灘單一地形相比，其脊谷交錯、地勢起伏，局部的山谷對發電效率的影響比較顯著[5]。國內外眾多學者對復雜地形的風電場微觀選址問題進行了相關的研究[6-9]，如利用再分析數據法，模擬風向對風機布置的影響[10];較為細致地對機位優化、尾流問題進行了理論研究[11]等。但上述研究僅停留在理論研究與模擬階段，通過實地勘驗，在現實中復雜地形風電場微觀選址的過程中還存在許多問題，如測風塔、等高線等其他限制因素[4]。

隨著計算機技術的不斷發展，CFD數值模擬方法[12]能夠較好地再現流體環繞復雜幾何的流動狀況，這種新型的方法被越來越多地應用于復雜地形的風電場微觀選址問題的研究上。文獻[13]表明CFD數值模擬方法能夠對復雜地形甚至極端陡峭地形下的風場的流體狀況進行模擬;文獻[14]采用CFD模擬再現實際地形中的風電場，分析網格、湍流模型的不同對風旋渦位置與速度分布的影響;文獻[15]利用CFD分析軟件模擬峽谷地形中的風流動規律。目前利用CFD數值模擬分析風電場的微觀選址問題的研究仍處于起步階段，對山坡、山丘、脊谷等方面還需要進一步的研究。

本文基于CFD數值模擬，提出利用冗余機位對發電量偏低的風電機組進行移位改造的選址測算方法。選取黑龍江省某山地風電場改造后的實際發電效率進行比對驗證，結果表明，該方法簡單有效，能夠準確模擬測算風電場及其周圍可再生資源的情況，對復雜山區地形下風電場的微觀選址具有理論參考價值。

1 ? ?CFD數值模擬法

1.1 ? ?流動控制方程

基于雷諾時均的質量與動量守恒方程如下：

式中：ρ為流體密度;t為時間;xi、xj分別為i、j方向上的坐標;μi、μj分別為流體速度沿i、j方向上的分量;p為靜壓力;τij為應力矢量;gi為i方向上的重力分量;Fi為由壓力和能源而引起的其他能源項。

1.2 ? 湍流模型

利用網格（Gigid）對風力機進行數值計算，選擇RNC k-ε湍流模型，該模型能夠適用于旋轉流場的分析與建模。RNC k-ε湍流模型如下：

式中：k為湍流動能;ε為湍流動能耗散率;Gk為由層流速度梯度而產生的湍流動能;Gb為由浮力而產生的湍流動能;YM為在可壓縮湍流中過度擴散產生的波動;αk、αε分別為k方程和ε方程的普朗特常數;C1ε、C2ε、C3ε為常數;Sk、Sε為修正系數。

與標準k-ε湍流模型不同，RNC k-ε湍流模型增加了考慮低雷諾數流動粘性的解析式，在添加約束條件的同時，考慮湍流旋渦，并將標準k-ε湍流模型中的變量變為湍流普朗特常數提供的解析式，有效提高了計算精度，使得RNC k-ε湍流模型更加適用于旋轉流場分析。

2 ? ?實例分析

2.1 ? ?算例概況

黑龍江省某山地風電場如圖1所示，地形起伏較大，地面高程為170～357 m的低山丘陵。風電場一期工程于2004年6月開展測風工作，2007年核準開工建設，裝機容量49.5 MW，安裝33臺FD-70B/1500型風力發電機組，2008年首臺機組發電，2009年9月全部機組并網發電。自投運以來，#20風電機組的年發電量只有212萬kWh，僅為微觀選址的理論發電量的65.9%，相當于風電場單機年平均發電量的66%左右，嚴重偏離設計值，且故障率相對較高（處于山坡邊緣，風速不穩定，湍流強度大）。為提升該風電機組的發電能力，改善其運行環境，于2012年對其進行了移位改造。

根據風電場微觀選址報告，風電場主導風向為西風，風電場微觀選址布機情況如圖2所示。由圖可見，#20風機處于主風向山脈東側，且海拔高度低于西側山脈70多m，前后兩排最近距離只有600 m，造成該位置風速明顯小于設計風速，且風電機中心位置距山坡邊緣約30 m，山谷深度約85 m，坡度約65°。實際運行后風速極不穩定，導致該機組故障較多。

#20機組年實際運行對比情況如表1所示。

由表中數據可見，無論風速還是發電量，#20風電機組都與風電場平均值偏差較大。該風電機組年可利用率93.20%，低于全風電場年可利用率97.80%的水平。考慮剔除該風電機組可利用率不同的影響，這里將該機組的年可利用率按風電場平均值進行修正，修正后的年發電量2 240 MWh，與風電場平均發電量的相對值為70.20%。主要原因是微觀選址等方面存在問題，具體如下：

（1）當時的微觀選址軟件處理復雜地形能力不足。當時采用的微觀選址軟件為WASP，軟件地形模型算法簡單，沒有CFD功能，處理山地風電場湍流問題存在一定困難，特別是應對一些復雜地形更顯不足。

（2）地形圖數據精度不高。當時用的是1：10 000的數字地形圖，由于精度不高，不能充分反映現場地形的復雜狀況。

（3）設計選址人員經驗不足。選址人員沒有充分考慮#20機位處于地勢變化較大的山谷邊緣，造成該機位湍流強度大，風速不穩定，同時也沒有避開主風向前方山峰的遮擋。

（4）測風數據代表性不強。測風塔的位置不在風電場區域內，測風塔的高度只有50 m，小于輪轂高度65 m，測風塔的位置海拔較低。

2.2 ? ?方案設計

依據風電場微觀選址報告，當時初步選擇時有44個機位，首先從中選定了3個備選機位，位置情況如圖3所示。3個備選機位的微觀選址情況如表2所示，3個備選機位中，備選一，平臺狹小，離附近機位距離近，地勢陡峭，且處于主風向下方;備選二，離周圍風機距離較近，它的尾流對其后方3臺機組的影響較大;備選三，地勢平坦，平臺面積大，地形與附近機組相似，且只會對其后面1臺機組造成尾流影響。

利用風電場近兩年實際運行數據，對選定的3個備選機位，利用其臨近機組年發電量數據進行了比對分析，如表3所示。

通過計算結果比對，并根據現場地形情況，最終確認將#20風電機組移位至#33風機附近的備選三號機位。安裝于新機位的#20風電機組年發電量約290萬kWh，風電機移位后比原機位每年多發電78萬kWh，發電能力提升了36.8%。各機組發電量通過下式計算：

式中：W為新機位年理論發電量;k為修正系數（考慮機組性能差異、風資源水平年差異因素影響修正值，建議取值0.9～1.0，本例中選取0.95）;Ws為備選機位臨近機組年實際發電量;Wb為微觀選址年發電量;Wl為備選機位臨近機組年理論設計發電量。

由于當初項目已經多征用了11個機位的土地，集電線路設計也存在冗余，3個備選機位在道路、風機及箱變基礎、機組拆除和安裝、集電線路等方面施工條件相近，施工費用近似相同，所以在點位選擇時僅考慮發電量最優方案即可。

2.3 ? ?實施過程

對#20風電機組進行了移位改造。主要工作包括：新建一段道路、一個風電機組和機組變壓器基礎，風電機組的拆除和重新安裝，電纜、光纜的敷設。工期2個月，改造費用合計136萬元。

2.4 ? ?改造效果

項目實施后效果明顯。對改造后6年的數據進行分析，年平均風速6.72 m/s，年平均發電量288萬kWh，年增加發電量76萬kWh，年增加收入46萬元，累計增收278萬元。

該機位風速穩定，每年可利用率都在95%以上，平均年可利用率97.4%，風電機故障停機次數減少60%。移位后，原#20機位附近的#19風電機組發電量也得到了一定提升。

3 ? ?結語

這次移位改造的實際運行情況和改造方案的理論計算十分接近，主要原因如下：一是熟悉現場的風資源及地形狀況，掌握了第一手資料;二是本文比對計算法雖然簡單，卻消除了風資源、地形等因素的影響，將不同位置風機發電量與風速的非線性關系轉化為發電量與臨近風機發電量的線性關系。由于微觀選址工作至關重要，直接關系到風電項目收益，必須高度重視，尤其是復雜地形的情形。要選用合適的選址工具軟件，具備CFD功能，能夠很好地處理復雜地形;要有高精度的地形圖（地勢平坦1：5 000，地形陡峭復雜1：2 000）;具有代表性的測風數據，測風塔一定在開發區域內，且位置具有代表性，測風塔的高度大于輪轂高度，測風塔的數量要足夠;由經驗豐富的人員開展微觀選址工作。一旦出現因微觀選址問題導致發電量偏低的機組，要盡早采取有效措施對其進行移位改造。制定移位改造方案時，應結合風電場實際情況，利用現有風電機組實際的風速和發電量數據，采用有效方法，提高移位改造的經濟性。

[參考文獻]

[1] 劉振亞.構建全球能源互聯網 推動能源清潔綠色發展[J].華北電業，2015（6）：4-7.

[2] 王恰.中國風電產業40年發展成就與展望[J].中國能源，2020，42（9）：28-32.

[3] SONG M X，CHEN K，WANG J.A Two-level Approach for Three-dimensional Micro-siting Optimization of Large-scale Wind Farms[J/OL].Energy，2020，190.[2020-12-13].https：//doi.org/10.1016/j.energy.2019.116340.

[4] 王紅光，趙海軍，段曉輝.復雜地形風電場微觀選址實踐探討[J].南方能源建設，2019，6（2）：59-63.

[5] 左薇，李惠民，芮曉明，等.風電場山坡地形的數值模擬研究[J].太陽能學報，2019，40（5）：1441-1447.

[6] 王潔，許昌，韓星星，等.基于風力機尾流排斥的平坦地形風電場微觀選址優化[J].電力系統自動化，2020，44（15）：62-69.

[7] 李俊凱，葛瑩，鮑倩，等.利用地理場景的風電場微觀智能選址方法[J].測繪科學，2020，45（4）：199-206.

[8] 李巖，吳迪，劉懷西，等.海上風電場微觀選址及輸電線路規劃研究[J].風能，2019（10）：58-63.

[9] 張文靜.風電場選址探究[J].湖北農機化，2019（13）：83.

[10] 蔡彥楓，王海龍，周川，等.風向對廣東海上風電場風機布置的影響[J].南方能源建設，2016，3（4）：113-118.

[11] 許昌，楊建川，李辰奇，等.復雜地形風電場微觀選址優化[J].中國電機工程學報，2013，33（31）：58-64.

[12] 牟林，董書寧，鄭士田，等.基于CFD-DEM耦合模型的阻水墻建造過程數值模擬[J].巖土工程學報：1-11（2020-

10-27）[2020-12-13].https：//kns.cnki.net/kcms/

detail/detail.aspx？dbcode=CAPJ&dbname=CAPJLAST&-

filename=YTGC20201026004&v=ry1MXR9JKJajihGeUOG3-

WTkTKfl7G3-dg63FNqLzwuOCcuUqWUeGqQsU0c3k9OOCk.

[13] 楊昆，姜婷婷，朱金奎，等.大規模風電場實際尾流分析與算法研究[C]//第七屆中國風電后市場交流合作大會論文集，2020：81-86.

[14] 李磊，張立杰，張寧，等.FLUENT在復雜地形風場精細模擬中的應用研究[J].高原氣象，2010，29（3）：621-628.

[15] 霍相五.高墩波形鋼腹板PC箱梁橋施工期峽谷地形風致響應研究[D].邯鄲：河北工程大學，2019.

收稿日期：2020-12-16

作者簡介：陳國光（1970—），男，黑龍江拜泉人，高級工程師，主要從事電力系統和風力發電項目前期、基建、運行管理工作。