吉林城区分布式微风风力发电可行性分析

华泽嘉，郭永健，宋 博

(1．东北电力大学能源与动力工程学院，吉林吉林132012;2．吉林石化工程设计有限公司，吉林吉林132012)

随着我国新能源产业的大力推广，风电行业因其建设周期短，环境要求低，储量丰富，利用率较高等特点在我国得到了持续快速的发展．如今，我国的风电机组装机容量已经稳居全球首位．然而目前运行的大型风电场大都远离电力负荷中心，处于偏远地带［1］．随着城市工业迅速发展以及绿色能源的大力推广，开发安全、稳固及环保的城市新型能源刻不容缓．城市是人口聚集的地区，电力需求最大．在城市地区现场发电，就地消纳使用将非常有效地解决风力发电成本过高的问题．因此，分布式微风发电对于扩大风电技术的应用范围，降低实施难度和使用成本等方面起着日益重要的作用［2］．

吉林市位于吉林省中部，东北腹地长白山脉，长白山向松嫩平原过渡地带的松花江畔，地理位置介于东经 125°40'～127°56'，北纬 42°31'～44°40'．吉林市位于长白山区向松嫩平原过渡地带，自然环境优越，地貌类型复杂，有“远迎长白，近绕松花”之势．吉林城区三面环水，松花江呈倒“S”形穿城而过，整个城市由江而来，沿江而走，依江而展，平均海拔196米，海拔高度依次递减．基于目前的研究现状，以吉林城区为代表城市，开展分布式微风风力发电的研究．在整个吉林城区范围内，松花江江边的风力资源丰富，风资源的开发利用前景广阔，为分布式微风风力发电在吉林城区的应用提供了足够的自然条件［3］．

1 城区风场特性分析

对于城市的风能基础数据主要通过两个渠道:(1)固定式气象站，通过吉林市气象局，通过收集近30年吉林城区的逐年风速、风向资料，以及气温、气压及极端气象资料;(2)在城市区域内进行选址观测，采用便携式风速仪，设立10 m高度的便携式支架，进行实际的风速、风向观测［4］．

1．1 气象站数据分析

气象站收集到的测风数据，只能用来作为该地区风能资源的总述．该数据具有一点的参考价值，但不能作为微风发电研究的基础数据，将收集到的气象数据，通过数据处理大致可以看出吉林城区全年盛行西南风，吉林地区常见的风力等级为3级～4级，由此看来是具有风力开发的价值．

图1 吉林气象站1984年～2015年的历年年平均风速(m/s)

吉林气象站近30年来的逐年平均风速，如表1所示．相应的吉林气象站近30年来逐年平均风速变化曲线，如图1所示．分析可得吉林城区1984年～1992年年平均风速整体较高，均在3．83 m/s以上，1992年～1997年平均风速呈逐年下降趋势，从4．13 m/s(1992年)下降到3．09 m/s(1997年)，1997年～2015年风速波动较小;风速最大年出现在1986年，年平均风速为4．57 m/s，风速最小年出现在1997年，年平均风速为 3．09 m/s．

表1 吉林气象站1984年～2015年的历年年平均风速(m/s)

吉林气象站近30年累年及各月平均风速，如表2所示．分析可得该地区多年平均风速为3．64 m/s，春季风速较大，4月风速最大，平均风速为4．8 m/s，8月风速最小，平均风速为2．8 m/s，吉林气象站累年平均风向频率，如表2所示．吉林气象站累年平均风向玫瑰图(图2)以及累年平均风能玫瑰图(图3)．由上述两分析可得:吉林地区主导风向为西南偏南风(SSW)占23．6%．东南偏南风(SSE)、南风(S)、西南(W)和西南偏西(WSW)为次多风向，各占 8．5%、10．8%、15．3%和 13．1%，其余风向的来风所占比率都比较小，由此可知吉林地区多盛行西南风。

图2 吉林气象站累年平均风向图

图3 吉林气象站累年平均风能玫瑰图

表2 吉林气象站累年(1984～2015)各月平均风速(m/s)

表3 吉林气象站累年平均风向频率(%)

1．2 测风数据分析

为了有效评估城市区域的风能资源，选取龙潭山及其西侧开阔的沿江流域作为开发区域．我们发现该区域地势开阔，风速比城市建筑物间的风速大，且风向稳定．周围除有较低的灌木丛外，没有突出高大的障碍物建筑及树木，非常适合于风能资源的开发．对一个区域做风能评估时，我们要进行测风塔的选址，通过实地的地形考察，我们将测风位置选取在龙潭大桥附近的江边．其目的就是该位置能够准确反映风机机位点的风资源情况，为后期的风能评估，提供有力的数据支撑［5］．

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，一般包括风速、风向数据以及气压、温度、湿度等气象要素［5］．其中，最重要的就是风速数据．我们采集到的数据包括10min平均风速、风速标准偏差和风向．其中，风速的采集精度高于风级．因此，分析数据时统计风速即可，风向数据可用于分析风频．采集的数据可输入计算机并导出为文本格式，便于后期分析处理．

对于传统风电技术规定风速低于3m/s时为不可利用风能．而对于开发低速微风发电系统，根据前期对微风发电技术的研究和试验，可将风能利用极限下延至2m/s．在对采集的数据进行分析时，低于2 m/s的风速定义为不可利用风能，只统计分析2m/s以上的风力数据．在实际采集过程中发生信号故障时会产生空白记录．因此，在数据分析前需要先去除无效数据记录，避免影响统计结果［6～7］．

经统计，其中最大日平均风速8m/s，30天平均风速4．6m/s．这个结果明显高于气象站的风力等级，虽然实际测得的风速高于气象站的统计风速，但是对于传统风电机组安装在城市中很少能够启动工作．经统计，该30天内风力持续达到2m/s以上的时间占总时间的30%，而阵风可以达到2m/s以上占总时间的45%．据此可以推算出全年约有2600小时具有可连续利用的风能，约3000小时内具有可利用的风能．其余时间段内最大风速都低于2m/s，能量难以采集利用．由此可见，城市中风能的容量系数是很低的．因此，城市型微风发电机必须具有良好的低速工作特性，并且能适应更大的工作风速范围，以尽量多地利用有限的城市风能．

2 风场建模

计算流体力学或称之为CFD技术是通过计算机的帮助对流体进行模拟．CFD技术可以根据流体力学的规律进行模拟求解，将几何区域分解为小的立方体空间(即通常我们所说的网格)，并在其中求解复杂的偏微分方程组［8～9］．CFD技术允许我们在没有对特定地点风流变量实际测量的情况下对流体进行模拟并进而了解流体的相关属性．目前应用于风资源分析评估的软件主要有:WASP，WindSim，MetodynWT，WindPro等软件［10］．由于MetodynWT软件不仅适用于平坦地形的风资源分析，更适用于复杂地形的风资源分析，本研究利用MetodynWT的方法;同时，将建立考虑风力发电机组功率曲线、风机排布、容量系数的发电量计算数学模型，以优化风电场微观选址和选型，达到提高风电场发电量的目的．

由MetodynWT软件进行CFD模拟除了上述的风资源分析资料外，还需要风场的地形地貌和等高线等资料［11～13］．通过载入地形数据、定义绘图区域、定义测风点以及结果点，通过计算一系列风向数据获得定向结果，推算出该区域的风资源分布图谱．

通过上述信息输入Metodyn WT后，进行CFD计算，得到的风场区域10 m、20 m、30 m高度处的年平均风速分布图谱以及年平均风能密度分布图谱，如图4所示，图中所示X坐标为转换后的经度坐标，Y坐标为转换后的纬度坐标．

图4 风场10 m、20 m、30 m高度处的平均风速分布、平均风能密度分布图

通过上述的研究工作，我们得到了计算区域内的风资源分布状况，建立了城区内龙潭山区域及松花江中部沿江区域的风场模型．

3 微观选址及发电量估算

风力发电机组是风力发电系统的主要设备，其投资约占总投资的60%～80%．风力发电机组选型对项目的年发电量和经济指标具有重要意义，从城市建设及机组运输安装的角度考虑，选取的机组不应是大容量机组，考虑到城市的美观，本文选取了两种小型微风风力发电机组．机组的功率曲线，如图5和图6所示．

图5 NE－3000 kW型风机功率曲线图

图6 NE－5000KW型风机功率曲线图

本项目设立了20台风电机组，在龙潭山区域安装10台5 kW的机组，在沿江区域安装10台3 kW的机组．总装机容量为80 kW，每台机组的坐标信息，基面高度，机位点的平均风速，预测发电量等，如表4所示．该项目设计，场址容量为80 kW，预计的年总发电量为238．7 MWh/yr．

表4 风力发电机组机位、发电量一览表

发电量估算，总发电量是不考虑尾流及其他损耗的年发电量．根据风机优化布置的结果，采用WT软件对本项目进行年理论发电量和尾流影响的计算，并进行各种损耗与风力发电机组利用率等参数的修正计算，最后得到发电机组的年上网电量［14］．

(1)空气密度修正

风力发电机组的功率曲线是按风电场空气密度为1．230kg/m计算，因此空气密度不做修正．

(2)尾流影响

风电场各风力发电机组之间有相互影响，在进行风力发电机组发电量估算时，应进行尾流修正．本次设计根据风电场风况特征，各风力发电机组的具体位置以及风力发电机组的推力曲线，可计算出规划区域内的风力发电机组的尾流．根据软件计算结果，本风场尾流影响取6．46%．

(3)风力发电机组利用率

根据风电机组厂商提供的资料，一般风电机组利用率都≥95%，因此取风力发电机组利用率为95%．

(4)风力发电机组功率曲线影响

根据目前风力发电机组的制造水平和本风电场的实际条件，拟定风力发电机组的可利用率为95%．

(5)叶片污染

风电场场区在内陆地区，虽无盐雾腐蚀等现象，但也存在沙尘等天气容易导致叶片污染，本次风电场叶片污染损失按3%考虑．

(6)气候影响

由于位于我国东北部，冬季气温较低，风力发电机组一般仅在沙尘暴、雷击、气温－30℃以下且连续一天风速小于切入风速等天气的影响下才会停机．由于选用风力发电机组为低温型机组，能确保机组在－30℃时正常运行，风力发电机组正常运行的温度范围为－30℃～40℃，且风力发电机组的叶片采取了防雷击、防沙尘暴等技术，耐环境能力强．考虑各方面因素，本阶段低温影响停机折减系数取5%．

风场理论发电量为238．7 Mw·h，经过上述各项损失系数折减后，折减系数为15%，预计风电场年上网发电量为202 Mw·h，满发小时数为2 010 h．

4 结 论

随着风力发电产业的快速发展，风能资源的开发利用已经深入人心．传统商业运行的大型风电场远离电力负荷中心，为电力的输送和分配带来诸多困扰．在城区中采用分布式风力发电技术，为附近的用户提供高效、可靠的电力供应，实现了城市能源的综合利用．本文在开展风能资源勘查的基础上进行城市风特性分析和风能资源评估，并且通过Metodyn WT软件进行CFD风场模拟，形成城区风能资源分布图谱．在此基础上，进行微观选址为城区分布式微风风力发电系统设计出可行的布机方案．

(1)在吉林城区通过对收集到的数据进行分析，吉林地区全年盛行西南风，吉林地区常见的风力等级为3级～4级，具有风力开发的价值．通过30天的观测数据，阵风可以达到2 m/s以上占总时间的45%．据此可以推算出全年约有2 600小时具有可连续利用的风能．

(2)将数据载入到WT软件中，形成城区风资源图谱．通过吉林城区的年平均风速和平均风功率密度图，在吉林城区沿江区域和龙潭山区域的风资源状况优于其他地区．由此可以得到，对于沿江城市风能的开发利用有推广价值．

(3)通过吉林城区的年平均风功率密度，设计可行的布机方案．共设立20台机组，风场理论发电量为238．7 Mw·h，经过各项损失系数折减后，折减系数为15%，预计风电场年上网发电量为202 Mw·h，满发小时数为2 010 h．

［1］ 刘波，贺志佳，金昊．风力发电现状与发展趋势［J］．东北电力大学学报，2016，36(2):7－13．

［2］ 李伟，沈梦媛，郑湃．吉林省风电资源开发利用现状及建议［J］．农村电气化，2015，36(5):51－53．

［3］ 沙浩洁，杨天海．分布式风力发电技术分析及经济评估［J］．华东电力，2009，37(2):300－302．

［4］ 李柯，何凡能，席建超．中国陆地风能资源开发潜力区域分析［J］．资源科学，2010，32(9):1672－1678．

［5］ 李泽椿，朱蓉，何晓凤，等．风能资源评估技术方法研究［J］．气象学报，2007，65(5):708－717．

［6］ 杨迎超，刘宏昭，原大宁．测风数据处理与风资源评估［J］．太阳能学报，2012，33(10):1661－1666．

［7］ 田蔷蔷，许昌，李承奇，等．测风数据间隔对风速预测精度影响的研究［J］．可再生能源，2012，30(5):18－23．

［8］ 周强，丁宇宇，程序，等．WT软件在风电场测风塔选址及风能资源评估中的应用［J］．风能，2012，36(8):72－75．

［9］ 李新宇．风能资源评估方法讨论与风电场选址评价［D］．兰州:兰州理工大学，2013．

［10］李刚．风电机组的优化选型与布置研究［D］．吉林:东北电力大学，2010．

［11］ 华泽嘉，张啸迪，路凯．风电场布机优化分析［J］．东北电力大学学报，2015，35(5):56－62．

［12］韩宝云，罗芳．风电项目可研阶段发电量估算准确性的影响因素分析及对策［J］．风能，2014，38(9):54－56．

［13］杨茂，杨春霖．基于模糊粒计算的风电功率实时预测研究［J］．东北电力大学学报，2017，37(5):1－7．

［14］邱坚石，陈铁．配电网中分布式电源规划研究综述［J］．东北电力大学学报，2017，37(2):89－92．