利用再分析数据插补测风数据的准确性分析

文|许昌，吉晓红，胡会永，张鹏

利用再分析数据插补测风数据的准确性分析

文|许昌，吉晓红，胡会永，张鹏

目前，复杂条件下风电场发电量计算的准确性受到风能资源数据处理方法、地形地貌、场区风能资源建模方法等因素的影响，造成计算的准确性不高。特别是高海拔、高湿度、低温等复杂环境的风电场，此类风电场在测风中遇到的最大问题是因冰冻、倒塔等因素导致风能资源数据质量较差，如若选处理风能数据的方法不恰当，将会使结果偏差过大，风能资源数据代表性差，将直接影响到发电量计算的准确性，故风能资源数据处理方法对于发电量计算的准确性尤为重要。

再分析数据作为一种可替代的长期数据已在欧洲风电发达国家得到了广泛的应用，其可信度高，风速与风向数据都可以较好地反映实际风况的变化趋势。为了提高复杂条件下风电场发电量计算的准确性，本文利用再分析数据插补测风数据。为了论证该处理方法的准确性，本文选择具有典型性的四川省某风电项目进行分析论证。

场内测风塔情况

某风电项目地处四川省凉山彝族自治州，场址区为两条南北走向的山脊以及一山顶平台，场址区长约20km，宽约1.5－3.0km，海拔在2.6－3.96 km，风电场属于高海拔、高湿度、低温山区风电场，总面积约15.2km2。

该风电场内有两座测风塔，其中：

测风塔1未安装防冻设备、未进行设备维护，造成风能资源数据较大范围缺测。

图1 某风电场地形情况

图2 两塔完整月相关性分析及风向玫瑰图

测风塔2为了验证利用再分析数据插补测风数据的准确性，故在此项目中设置一座安装有防冻设备的测风塔，风能资源数据完整率达到了91%。测风塔1和测风塔2距离约3km，海拔高度3.7 km左右，测风设备均垂直于主风向区（见图1）。两塔经过整月数据相关检验（其中完整月1月、2月、3月、5月、8月、9月），相关性达到了0.92以上（见图2），相关性较好，可用测风塔2的数据，来检验采用再分析数据插补测风塔1测风数据的准确性。其两塔的位置关系见图1。

测风塔3是采用Windigger模拟的测风塔，提取与测风塔1同层各风能资源数据，利用提取的再分析数据来处理测风塔1风能资源数据，测风塔3坐标和测风塔1采用同一坐标。三座测风塔的具体情况见表1。

表1 测风塔测风数据情况

表2 因冰冻造成数据缺测的典型数据

测风塔风能资源数据的合理性分析

一、冰冻数据的检验

判断的原则：对照各时段气温、风速、风向结合其他高度的风速、风向综合判断。典型冰冻数据见表2。

处理方法：删除风速及对应的风向数据，按缺测数据处理。

二、合理性检验

判断原则：合理性检验参考《风电场风能资源评估办法》（GB/T18710-2002）、《风电场测风数据的验证和处理方法》，分析结果见表3。

处理方法：经过合理性分析后，选取符合实际情况的有效数据，回归到原始数据组。

上述检验完成后，对测风塔风能资源数据有效数据的完整率进行了统计，见表5。

表3 合理性范围统计成果

表4 不合理典型数据

表5 有效数据完整率统计成果

利用再分析数据插补测风数据

一、提取再分析数据

采用法国美迪WT公司的Windigger软件提取再分析数据，该软件在国内外使用较为普遍，提取的再分析数据可信度较高。图3是Windigger软件操作界面。

图3 Windigger软件操作界面

二、缺测数据插补方法

根据《风电场风能资源评估方法》（GB/T18710-2002），选择线性相关的最小二乘法，将测风塔实测数据与再分析数据分扇区求解方程及相关系数，再利用相关方程插补测风塔数据，求得一套完整的风能资源数据。

该法可处理一组数据，可以从一组测定的数据中寻求变量之间的依赖关系。对风能资源线性相关的分析，将参考站风速数据（此处为再分析数据）作为X， 代表测风塔的风速数据作为Y，则在X - Y 平面上，可以得到n 个点pi ( xi，yi) ( i ＝ 1， 2， . . .，n)，这种图形称为“散点图”，这些点大致散落在某直线附近, 我们认为x与y 之间近似为一元线性函数 y ＝ ax ＋ b， a、b求解公式如下 ：

一元线性函数y＝ax ＋ b和相关系数R的求解借助Excel即可实现，有两种方法：

（1） 利 用SLOPE函 数 求 解 斜 率a（ 即k值 ），INTERCEPT函数求解截距b，CORREL函数求解R值；

（2）利用Excel插入散点图求得一元线性函数和相关系数。

为了能更清晰地反映再分析数据与测风塔数据各扇区的相关性，采用方法（1）求取a（即k值）、b值及相关系数R。求得的值见表6。

三、准确性分析

为了验证利用再分析数据插补测风数据准确性，采用两种方法进行分析验证：

1.项目设立了测风塔2，因测风塔2原始测风数据完整率91%，经对不合理数据处理后的有效数据完整率达到98%，故采用测风塔2测风数据与利用再分析数据插补测风塔1测风数据进行对比，若两者接近，即证明利用再分析数据插补测风数据准确性较高；

2.因测风塔2与测风塔1，地形、地貌、海拔等相似，且相关性高，故采用测风塔2对测风塔1进行分扇区插补同层风能资源数据，若插补完的风能资源数据与利用再分析数据插补测风塔1的数据相近，即证明利用再分析数据插补测风数据准确性较高。

经分析验证，验证方法1所计算得到的风速差值为0.06m/s；验证方法2所计算得到的风速差值为0.01m/s，两种验证方法计算得到的风速偏差值都较小，反映出利用再分析数据插补测风数据处理结果合理，准确性较高，满足规范要求。（分析情况见表7）

表6 利用函数公式求得a（即k值）、b值及相关系数R

表7 风速数据准确性分析表

结语

在复杂环境下，若选择处理风能数据的方法不恰当，将会使结果偏差过大，风能资源数据代表性差，将直接影响到发电量计算的准确性。本文结合四川省某风电场项目，介绍了利用再分析数据插补测风数据的方法，经分析得出以下结论：

（1）将再分析数据与测风塔所测风能资源数据采用最小二乘法求得各扇区相关系系数R值基本大于0.7，两种数据具有良好的相关性，从而说明采用再分析数据对测风数据进行插补是可行的。

（2）结合实际工程论证，利用再分析数据插补测风数据求得测风塔1完整测风数据与测风塔2完整的风速差值为0.06m/s；采用测风塔2对测风塔1进行分扇区插补同层风能资源数据与利用再分析数据插补测风数据求得测风塔1完整的风速差值为0.01m/s。两者计算出的风速偏差值都较小，充分论证了该处理方法的合理性和准确性，从而为处理质量较差的风能资源数据提供了新的思路和方法。

（作者单位：黄河勘测规划设计有限公司）