基于WAsP的风电场微观选址的模拟研究

徐　璋，符叶晔，霍玉雷，王　茜

(浙江工业大学 能源与动力工程研究所，浙江 杭州 310014)

基于WAsP的风电场微观选址的模拟研究

徐璋，符叶晔，霍玉雷，王茜

(浙江工业大学 能源与动力工程研究所，浙江 杭州 310014)

摘要：WAsP风资源评估系统具有优秀性能，广泛应用在风电场前期的微观选址过程中，它能够科学地评估风能资源成本、提高风电场建设投资决策的准确性.针对WAsP风资源评估经常存在的地形测绘和地表状况考察的限制，提出了在绘制WAsP模式需求的电子地形图时，将90 m水平分辨率的SRTM地形高程数据应用其中，同时还利用GoogleEarth来绘制气象站周围的障碍物群和粗糙度描述文件.通过对浙江省舟山市岑港风电场进行风资源评估，并结合实际机型的功率曲线对其马目山23台风电机组进行模拟选址和发电量预测，验证了上述地形数据获取方法的可行性.通过RIX方法进行了误差修正，并与实际风电场发电量进行对比，结果表明上述方法具有较好的精度，所得结果可为模拟风电场微观选址提供实际参考.

关键词：WAsP；SRTM；模拟选址；风资源评估；风电场；RIX

风资源是可再生能源中发展最迅速的清洁能源，同时风力发电也是极具大规模的开发潜质以及商业化发展前景的项目.为了调整改善能源结构、更好地加快新能源建设，近年来我国加大了风资源评估力度[1].因此，快捷高效的风能资源评估以及准确简洁的风电场选址方式收到了各方面的重视与关注.WAsP软件作为一个完整的风能估算和风力发电机组微观选址的软件，具有成本低、耗时少和精确度高等优点，得到了广泛应用.

利用WAsP进行风能资源评估时需要高精度的地形地表数据和长期测风资料作为数据支撑，但这两类数据资料一直以来具有一定的获取难度.最初，地表土地利用信息以及地形高程数据均需要进行现场测绘与考察，耗费大量的人力物力.近几年随着卫星拍照以及互联网整合技术的进步，人们可通过GoogleEarth等软件很方便地查看和获取某一地区详细的地表土地利用信息[2].丹麦的国家实验室风能部曾将1 km水平分辨率的SRTM作为基础地形数据，用于检测考察整个埃及风资源的状况，但是并没有验证SRTM数据的应用精度[3].中山大学工学院风资源研究中心的吕雪芹等在研究SRTM数据的应用方法和应用精度时，提出了特征点修正的方法，并验证了在风能资源评估中，经由此方法修正后的SRTM数据应用效果[4].华北电力大学的张宇等将90 m分辨率的SRTM地形高程数据用于云南高海拔复杂山地风电场-DGS风电场的风资源评估中，通过与实测1∶10 000的高斯地图所得到的风资源评估结果进行对比分析，得出SRTM数据可用于高海拔复杂地形的风资源评估的结论[5].对基于WAsP软件的风场微观模拟选址的方法进行研究，旨在降低WAsP软件操作成本和难度的同时，提升模拟预测的精度.在研究中绘制WAsP模式所需的电子地形图时，采用了90 m水平分辨率的SRTM地形高程数据，并且利用了GoogleEarth来绘制气象站周围的障碍物群和粗糙度描述文件.结合实际机型的功率曲线，通过对风电机组的模拟微观布置，完成对其年发电量的预测.在RIX方法修正后与实际数据的对比，结果验证了上述地形数据获取方法的可行性，对风电场前期建设具有指导意义.

1风电场风资源评估

1.1研究区域概况

舟山群岛是中国第一大群岛，位于我国东南沿海，其风能资源丰富.在该市的定海区岑港镇马目山、狮子山一带，根据测风资料，65 m高度年平均风速分别为6.76，7.18 m/s，风功率密度分别为319，396 W/m2，属海岛型风电场，具备较好的可供开发的风能资源.从2001年起，气象部门就先后分四期建设了40多个海岛中尺度站，为风能资源的开发利用收集了大量的观测资料.岑港风电场项目位于舟山市定海区岑港镇马目山、狮子山一带.马目山上装23台，其余7台装在附近的狮子山上.

1.2WAsP地图数字化

测风数据来自于舟山群岛上北纬30°2′，东经122°6′的定海气象站，地基海拔高度35.7 m，风速仪高度10 m.笔者选取其2010年一整年的10 m高度日值测风数据(使用前进行角度转化)进行了Weibull分布模式验证.验证结果表明研究区域附近盛行风向为东南风，频率占到了18%；平均风速偏差5.09%，平均风功率密度偏差0.33%，表明采用Weibull分布来估算风能是合理的.

根据WAsP10.0软件的特点，首先制作岑港风电场的数字地图，处理方法及流程如图1所示.图1(b)中，左上角的图为用Global Mapper打开的公开发布的90 m分辨率的地形高程(SRTM)数据，并用经纬度网格(Lat/Lon Grid)使其网格化.图1(b)左边中间的图为在网格地形图的基础上借助Surfer软件转化为的等高线地形图(*.dxf)，并用Map Editor将*.dxf文件中的经纬度坐标转换为米制坐标[6].图1(b)左下角的图为GoogleEarth于2011年拍摄的卫星图片，按照图片所示内容，取岛上粗糙长度为0.2 m，海面为0.0 m.图1(b)右下角的图为在地图中给舟山群岛添加的粗糙度线，中间一条代表分界线，两侧的线代表不同的粗糙度值.图1(b)右边中间的图为在Map Editor里制作用颜色编码好的的等高线地形图.图1(b)右上角的图为最终绘制成的可供WAsP使用的Map格式地图文件，其用较低的成本方便地获取了只能经过实地测绘和考察才能获得的较为精确的高程和地表状况信息.

图1　WAsP电子地形图制作流程及具体过程Fig.1　Process of electronic topographic map for WAsP

1.3障碍物、粗糙度以及风机功率曲线

根据GoogleEarth卫星图片，可以确定站点周围障碍物的几何尺寸，最终生成的站点周围障碍物群描述如图2所示.地表覆盖物会导致近地面风速的延迟效果，根据GoogleEarth卫星图片，在气象站北方的郊区粗糙长度可设为0.50 m；南方的公路可类比飞机场跑道区域，粗糙长度设定位0.01 m.

图2　测风站周围障碍物群Fig.2　Obstacles around the wind station

浙江舟山岑港风电场使用的机型是华仪电气股份有限公司HW77/1 500 kW风力发电机组，需要根据电场预安装的风力发电机组的技术参数并借助WAsP Turbine Editor重新定义制作该风力发电机组功率曲线以使评估结果准确可靠.最终根据HW77/1 500 kW风力发电机组的标准功率完成功率曲线，如图3所示(粗线为功率曲线，细线为推力系数曲线).

图3　HEAG-HW77/1 500标准功率曲线Fig.3　Standard power curve of HEAG-HW77/1 500 kW

至此，完成了WAsP软件前期数据准备和处理工作，从过程中可以看出：通过对公开发布的地形和气象数据进行必要的技术处理，就可以用很低的成本方便地获得利用WAsP模式进行风能资源评估时所必需的地形地表数据，并绘制完成包含上述数据信息的Map地图文件.

1.4风资源分布图

将计算区域划分为45 列49 行，共计2 205 个计算节点，最终得到的马目山风资源分布，如图4所示.

图4　马目山风资源分布图Fig.4　Distribution map of wind resource in Mamu mountain

2风电场模拟选址与结果分析

2.1风电场微观模拟选址与年发电量预测

对于风电场的风机优化布置，考虑到风机之间的相互影响，在风机间距以及排布方面国内外学者和相关机构都做了深入的研究[7-10].而对于舟山岑港风电场来说，其处于东南沿海地区，受海陆风的影响比较大，海风在登陆后衰减的特别迅速，所以地形与边界条件较为重要.基于上节所得的盛行风向以及风资源分布图(图4)，综合考虑风电场地形、地表粗糙组、障碍物等的影响，应将风机尽量布置在一些风功率密度高的位置，同时还考虑到风电场区域大部分的地形为山地，且修筑了大量的盘山公路，最终选出马目山上的23个风机位置，如图5所示.

图5　马目山23台风力发电机组布置图Fig.5　The arrangement of 23 wind turbines in Mamu mountain

在考虑尾迹损失的影响下，经过WAsP计算模块，总的风电场统计结果见表1.

表1　风电场统计结果

至此，马目山23台风电机组的微观模拟选址工作完成.从风电场的统计结果可以看出：风机轮毂处的年平均风速为6.39 m/s，年平均功率密度为301.3 W/m2.按照我国风能等级划分的标准，舟山岑港风电场马目山位置处的23台风电机组处于风资源丰富区，具有较好的风能资源，是理想的风电场建设区.另外，从表1可以看出：风机间相互影响造成的尾迹损失的非常小，这主要是因为采用的风机排布方式与盛行风向大体成直角(1.2节中得出盛行风向为东南风)，不同的风机排布和风机机位会使结果不完全相同.

2.2结果误差分析

据2011年浙江舟山岑港风力发电有限公司的数据，舟山岑港风电场建成后风电场30台风电机组每年可发电8 956万kWh[12].依此可估算，23台风电机组年发电量将为68.66 GWh.表1中的结果显示，岑港风电场中位于马目山上的这23台风力发电机组年净发电量约75.71 GWh，计算值比实际值偏高10.27%.分析其误差主要来源于4个方面：

1) 对马目山23台风电机组实际年发电总量的并不准确的估算.

2) 粗糙度，障碍物描述方面精度不够.

3) 计算模型未加入修正.

4) 风电场中风电机组布置还可以进一步优化.

针对第3个方面，由于WAsP模型假定对简单地形区域进行计算，因此面对一些复杂地形(地形坡度大于0.3)时，考虑到气流与地表发生分离，其进行发电量预测时准确度会有所下降，对此我们采用WAsP软件中的RIX(地形陡峭指数)方法进行修正.

Niels G等通过对不同测风塔的比较计算，归纳出WAsP应用于复杂地形时的风速预测误差评估随ΔRIX(ΔRIX=RIX风电机组-RIX测风塔)的变化关系[13]，如图6所示.RIX理论是针对欧洲的复杂地形风电场建设提出的实际误差经验计算，它本身是基于两个地方地形陡峭指数的差异得出的，如果预测点地形更平坦，即ΔRIX<0，则计算风速为负偏差，风速被高估；反之，计算风速被低估.在工程中，采用的方式多为一点或几点预测多点，单独考虑预测点与参考点的RIX值是无意义的，ΔRIX则体现出了两者之间的关联，使结果更为准确.

在WAsP中对定海测风站及马目山上的23台发电机组构成的风电场进行RIX计算.

最终计算结果见图7，数据统计结果见表2.图上各处自身的风速计算误差总体上随着所在区域的RIX值增加而增加，与工程统计资料一致.

图6　RIX与WAsP风速计算误差对照Fig.6　Relationship between wind speed prediction error and ΔRIX

图7　马目山风电机组RIX计算Fig.7　RIX calculation to wind turbines in Mamu mountain

根据以上数据，可以获得ΔRIX值为3.1%.根据图7中ΔRIX与WAsP风速计算误差之间的关系，可估算出风速计算误差为-1.9%左右，因此，6.39 m/s的年平均风速经过修正后应该为6.27 m/s左右.

表2　风电场23台风电机组统计数据

Per Nielsen[14]发现，应用WAsP模式进行风场发电量计算时，发电机组轮毂高度处的年平均风速模拟值与“发电量误差/风速误差”存在有如图8所示的近似关系.

图8　不同风速下发电量预测误差与风速预测误差关系Fig.8　Power generation prediction error/wind speed prediction error ratio in different wind speed

3结论

针对岑港风电场所在的研究区域，采用相对易于得到的90 m分辨率的SRTM地形高程数据以及GoogleEarth相关数据，利用各种图形处理软件，在保证精度的同时，以低成本获得WAsP的地形数据；完成风电场机组模拟定位和产量估算，和岑港风电场运行数据进行对比，模拟发电量偏高10.27%；通过RIX(地形陡峭指数)方法对误差进行分析和处理，修正后的年发电量为73.953 GWh，与估算的实际值相比误差从10.27%缩减至7.7%；根据具体的现场地形勘察结果再次合理调整机位设置，从而获得更接近实际值的结果，因此提出的地形数据处理方法和处理结果可为风电场微观选址的前期工作提供参考和借鉴.

参考文献：

[1]徐璋，霍玉雷，陈勇，等．新型组合式垂直轴风机的优化设计与性能研究[J]．浙江工业大学学报，2015，43(3):261-264.

[2]郭东华．雷达对地观测理论与应用[M]．北京:科学出版社,2000．

[3]MORTENSEN N G, SAID U S, BADGER J．Wind atlas for Egypt[C]//Proceedings of the 3rd Middle East-North Africa Renewable Energy Conference．Alborg Denmark：DTU，2006．

[4]吕雪芹，余志，邓院昌，等．基于特征点修正的SRTM数据在风能资源微观评估中的应用[J]．测绘科学，2008，33(4):161-162．

[5]张宇，张华，欧海庆．SRTM数据在山地风电场风资源评估中的应用[J]．中国电力，2015(3):122-126．

[6]孔祥元，梅是义．控制测量学[M]．武汉:武汉测绘科技大学出版社，1996．

[7]张兆鑫，赵元虎，徐奔驰．基于CFD法的小型风机非扭曲叶片气动性能分析[J]．浙江工业大学学报，2013，41(1):68-72.

[8]王承煦，张源．风力发电[M]．北京:中国电力出版社，2002．

[9]MOSETTI G, POLONI C， DIVIACCO B．Optimization of wind turbine positioning in large wind farms by means of a genetic algorithm[J]. Journal of wind engineering and industrial aerodynamics，1994(51):105-106．

[10]张建胜，周锋，卢成原，等．典型低矮双坡屋盖平均风压的数值模拟[J]．浙江工业大学学报，2014，42(3):302-306.

[11]GRADY S A, HUSSAINI M Y, ABDULLAH M M. Placement of wind turbines using genetic algorithms[J]. Renewable energy,2005(30):259-270．

[12]周照中．采访浙江舟山岑港风力发电有限公司总经理杜杰[EB/OL].[2011-08-19]. http://biz.zjol.com.cn/system/2011/08/19/017779826.shtml.

[13]NIELS G, MORTENSEN, ERIK L, et al. Influence of topographical input date on the accuracy of wind flow modelling in complex terrain[C]//European Wind Energy Conference & Exhibition. Alborg Denmark:Wind energy and atmospheric Physics Department,1997：36-39．

[14]PER NIELSEN, THOMAS SORSEN. WindPRO software user manual[M]. Alborg Denmark: EMD International AS，2006．

(责任编辑：陈石平)

Simulationresearch on microscopic imitative position of wind farm based on WAsP

XU Zhang, FU Yeye, HUO Yulei, WANG Qian

(Institute of Energy and Power Engineering, Zhejiang University of Technology, Hangzhou 310014, China)

Abstract:Because of the excellent performance at reducing the cost of wind resource assessment and improving the accuracy of constructing a wind farm, WAsP software is widely used for microscopic imitative position. Aiming at the restriction of topographic surveying and surface condition investigation for wind resource assessment, SRTM elevation data of 90-meter resolution is used for drawing electronic topographic map for WAsP, and also GoogleEarth data is used to describe barrier and roughness near meteorological station. The feasibility of the method is verified by wind resource assessment and imitative position of 23 wind generators of Cengang wind farm at Zhoushan Island in Zhejiang Province. The error of the results are estimated and corrected using RIX method to improve the accuracy, which is useful for simulation of imitative position of wind farm.

Keywords:WAsP; SRTM; imitative position; wind resource assessment; wind farm; RIX

收稿日期：2015-12-24

基金项目：浙江省公益技术应用研究计划项目(2014C31034)

作者简介：徐璋(1973—)，男，江苏海门人，副教授，博士，研究方向为新能源开发与燃煤污染物控制，E-mail：xzzyn@zjut.edu.cn.

中图分类号：TK513.5

文献标志码：A

文章编号：1006-4303(2016)04-0364-05