风电场布机优化分析

华泽嘉，张啸迪，路凯

(1.东北电力大学能源与动力工程学院，吉林吉林132012;2.北京天润新能投资有限公司，北京100101;3.国电龙源电力技术工程有限责任公司，北京100039)

截止2015年2月底，我国并网的风电装机容量首次突破1亿千瓦，达10 004万千瓦，持续稳居我国第三大发电类型和世界风电装机容量的首位。风电行业的快速发展对风电开发技术不断提出新的要求。风电行业在早期发展过程中，由于有丰富的优质风能资源储备。因此，在风电项目开发过程中，尤其是前期风机选址、选型，并没有对风资源评估工作给予足够的重视，导致开发的部分风电项目发电量低于预期，投资收益无法得到保障［1］。随着风电行业的不断发展，与之相对应的前期开发技术在大量工程实践中不断得到创新，提高并最终服务于包括风机研发、风机制造、风电项目开发、风电场运行维护以及风电场后评价在内的风电项目全生命周期。

风电项目前期开发工作包括了宏观选址和微观选址两个部分。其中，宏观选址是在风能资源丰富地区通过分析收集得到的气象、交通、地质、地形地貌、电网接入等关键要素资料，筛选出适合进行风电项目开发的区域［2］;而微观选址则是在筛选出的区域立塔测风的基础上，通过对实测风数据的处理分析，利用风资源评估软件优化风机点位排布并计算发电量和相应的尾流损失，结合项目整体成本估算，评估项目投资收益，最终确定项目的可行性。

其中，处理测风数据，计算风况参数，结合现场地形、地貌特征利用风资源评估软件优化风机点位排布，提高发电量，降低尾流损失，保证项目收益是前期开发技术工作的重点。

1 测风数据处理

GB/T18709－2002《风电场风能资源测量方法》要求风电项目开发必须有至少一个完整年连续测风数据且现场测量数据完整率在98%以上［3］。测风数据是在待开发区域树立测风塔实测得到的反映测量期间现场风能资源状况的相关数据，一般包括不同高度层的风速、风向数据以及气压、温度、湿度等气象要素。其中，最重要的就是风速数据。

由于现场条件复杂多变，现场测风一般可能会因极端天气及其他不可预知的情况干扰而不能准确测量风速数据。为了获得足够多准确的测风数据，工程师会在测风塔的几个关键高度层分别安装测风仪器，并利用相同高度层以及不同高度层之间的相关性关系分析实测风速数据，利用相关性关系和风切变原理剔除不合理数据并进行插补计算，并最终保证用于风资源评估的有效数据完整率在90%以上。其中，有效数据完整率计算如下式:

式中:应测数目为测量期间小时数;缺测数目为没有记录到的小时平均值数目;无效数据数目为确认为不合理的小时平均值数目［4］。

(1)风速数据的相关性

在统计学中，用协方差表示两个随机变量之间的相互关系。对于离散的随机变量

X与Y的相关系数为

同时，刻测风塔数据和同期其他参考站数据均可以根据计算方式计算风速数据相关性;而在实际工程中则往往通过对两组数据进行散点图插入，直接在图形中依据数据之间的相关性进行数据的剔除和替换。

(2)风切变

风切变可以认为是风廓线的数学表达式，根据实测风速扩线通过风切变分析可以由一个高度推导。同时，刻另一个高度风速数据，是数据处理过程中进行数据插补的重要手段。风切变幂律公式如下:

式中:α为风切变指数;v2为高度z2的风速;v1为高度z1的风速。

随着风机轮毂高度的不断提高，工程中往往需要取得高于测风高度的平均风速数据，此时为了外推数据的准确性，我们需要根据测风塔不同高度平均风速的幂函数关系进行风切变指数的拟合:

式中:y为拟求高度平均风速;x为拟求高度;b为综合风切变指数。

2 风速分布模型分析

自然形成的风看似随机、多变却在空间和时间上遵循着一定的变化和分布规律，研究风资源变化首先需要明确风速分布的概率分布模型和相关参数。随着对风速分布模型研究的不断深入和工程实践经验总结发现，威布尔分布模型是描述风速分布最准确的分布模型，在国内外风资源评估和风电项目经济评价等方面都已广泛使用威布尔分布模型。

威布尔分布如下:

式中:k和c分别为威布尔分布的形状参数和尺度参数。

对于威布尔分布参数的计算有多种方法，工程实际中常根据《全国风能资源评价技术规定》推荐的以平均风速和标准差结合伽马函数估算威布尔分布参数。笔者就风资源评估软件WASP采用的计算方法——等能量密度法介绍威布尔分布参数的一种计算方法。

等能量密度法是基于保证能够最大限度的表达风的能量，通过如下两个条件估计威布尔分布的参数:

①实测风能密度和威布尔分布计算的风能密度相等;

②实测风速数据与威布尔分布计算的超过风速平均值的概率相等。

根据条件①，由于风能与风速的三次方成正比，所以有

故

因此，

任务与其所属区域中心点的距离Ri:完成与未完成的平均灰色关联度为0.90385，是四大影响因素中相对较低的，但是也不可忽视。四大影响因子的平均关联度都在0.9以上，影响因素定义正确且不可忽视。

根据条件②，假设实测风速超过实测平均风速的概率为P则有:

因此，

令k初值为2，经过迭代运算，直到求得k稳定解［5］。

3 基于WASP的风电场布机优化分析

本文选取北方某待开发发电项目区域，以该区域一个完整年的测风数据，结合Global Mapper获取的等高线数字地形图，利用丹麦里索风能实验室开发的风资源评估软件WASP，对待开发区域进行风机点位微观选址并进行优化分析。在布机过程中，首先根据地形和测风数据以及待选风力发电机组的功率曲线信息，计算待开发区域的风能资源分布图谱，综合地形和风能资源分布图谱确定风机点位布置;并根据计算结果，对受尾流效应影响明显的风机点位进行调整或者剔除处理，最终在提高发电量和降低尾流损失之间得到平衡，提高整个风场的排布效率。

(1)测风数据处理与相关性分析

利用相关性和风切变原理对该区域实测风速数据进行插补替换，得到该区域实测风速数据的相关性分析如图1所示。图1是70 m高度层两个风速通道实测风速数据之间的相关性分析，图2是70 m高度层与50 m高度层风速通道实测风速数据之间的相关性分析。可以看到，通过插补计算之后，两组数据相关系数R均超过了0.99，相关性非常好，满足风资源评估工作的需要。

图1 70m高度层风速数据相关性分析

图2 70－50 m高度层风速数据相关性分析

(2)风图谱分析

(3)布机优化分析

由计算得出的风资源图谱并结合风向、数字地形图等要素共同分析，选择图4所示的布机方式。

图3 风资源图谱

图4 布机方式Ⅰ

利用WASP内置计算模型可得风场总体发电量和尾流损失理论数值如表1所示。

表1 布机方式Ⅰ发电量与尾流损失统计表

风场单个机位点发电量及尾流损失如表2所示。

表2 布机方式Ⅰ各机位点发电量及尾流损失统计表

续表2

根据WASP计算结果，综合考虑发电量和尾流损失两个方面，剔除16号、17号、21号机位点，同时调整13号、14号机位点位置，形成如图5所示排布方式。

图5 布机方式Ⅱ

风场总体发电量和尾流损失数值如表3所示。

表3 布机方式Ⅱ发电量与尾流损失统计表

风场单个机位点发电量及尾流损失如表4所示。

表4 布机方式Ⅱ各机位点发电量及尾流损失统计表

总结上述两种布机方案如表5所示。

表5 两种布机方式对比

由上述统计结果可以看出，虽然布机方式Ⅱ较布机方式Ⅰ减少了三台风机点位并由此导致总发电量降低10.171 GWh，但是却使尾流损失比降低了2.63%，风机排布效率提高了2.624%，极大提高了风场能量利用率，降低机组因受尾流效应影响而产生的额外后期维护费用。

4 结论

不同布机方式会产生明显发电量和尾流损失的差异，并对整个项目收益产生重要影响。风场装机容量设置不能单纯的以提高发电量为目标，而应该结合发电量、排布效率、建设成本等多方面因素综合考虑，以获得最大项目投资收益为目标合理设置待开发区域装机容量和风机点位布置，提高风场能量利用率，降低尾流效应的影响以降低后期维护费用。在发电量和风机排布效率之间相互平衡，协调项目用地面积和提高发电量、降低尾流损失之间的矛盾，是微观选址工作的重要内容;利用风资源评估软件结合精确的数字地形图和风资源图谱进行风力发电机组机位点布置优化可以大大提高机位点排布工作的效率，并降低机位点布置过程中的风险。

［1］李京京，庄幸.我国新能源和可再生能源政策及未来发展趋势分析［J］.中国能源，2001(4):5－10.

［2］白绍桐，胡晓春，陈显扬，等.风电场微观选址工作的探讨［J］.华电技术，2008，30(3):73－76.

［3］高凯，朱加明，等.联网风电场集群运行特性分析［J］.东北电力大学学报，2014，34(4):11－16.

［4］华泽善，侯晨璇，谷彦章.基于AHP和D－S证据理论的风电项目综合评价研究［J］.可再生能源，2015(2):214－219.

［5］张怀全，风资源与微观选址:理论基础与工程应用［M］.北京:机械工业出版社，2013:61－62.