MERRA2风速数据与复杂地形风电场发电量相关性研究

摘要：大小风年对风电场发电量评估的影响是风电场微观选址应着重考虑的必要环节，通常基于临近测站长期历史观数据或中尺度再分析数据开展。目前对中尺度再分析数据与复杂地形风电场发电量相关性缺乏深入研究。本文通过分析某复杂地形风电场MERRA2中尺度再分析数据及其运行数据，量化研究了MERRA2风速数据与复杂地形风电场发电量之间的关系。对于测试风电场，MERRA2风速数据、风电场平均机舱风速以及风电场年发电量相互间都存在较强的相关性;MERRA2风速数据可有效推算风电场年发电量，其误差在5.1%以内。相关研究成果可为塔测风数据订正和大小风年判别提供参考。

关键词：复杂地形风电场; MERRA2;年发电量;机舱风速

0前言

由运行期年平均风速与测风年平均风速差异（大小风年）导致的发电量误差较为显著[1]。弱化大小风年对发电量评估的影响是风电场微观选址应着重考虑的必要环节，通常基于临近测站长期历史观数据和中尺度再分析数据如MERRA2风速数据集开展[3]。目前对MERRA2风速数据与复杂地形风电场发电量相关性仍缺乏深入研究。

现有研究表明，中尺度再分析数据与风电场测风塔存在一定的相关性，可作为测风塔测风数据订正和大小风年判别的依据。陈振华等]研究了南岳测站风速数据与几种中尺度再分析数据的相关性，考察了中尺度再分析数据判别风速大小年的可行性。李晓明等以湖北某山地风电场为例开展研究，发现MERRA2数据与测风塔风速序列的相关性较好，采用MERRA2数据对测风数据进行代表年订正的结果合理可信。上述研究从风速角度分析了MERRA2数据与测风数据的相关性，没有深入探究MERRA2风速数据与风电场发电量之间的关系。

针对上述问题，本文利用复杂地形风电场运行数据开展了MERRA2风速数据与风电场发电量的相关性研究。由于发电量折算的功率与风速存在非线性关系，直接拟合MERRA2风速数据与发电量之间关系存在较大误差，因此本文将发电量折算的功率通过风力机功率曲线反推为来流风速，以此探究MERRA2风速数据、机舱风速和来流风速之间的线性关系，结合功率曲线建立MERRA2风速数据与风电场年发电量之间的关系。

1测试风电场概况

测试风电场位于湖南省山地区域，场内地形复杂，共安装了25台轮毂2MW风力机。风力机轮毂高度为80 m，机位点主要集中在风资源条件较好的山脊上，该测试风电场采集到运行数据包括2017年11月到2020年2月期间风电场月平均机舱风速和月发电量。

2MERRA2月平均风速与风电场月平均机舱风速间的关系

MERRA2数据是美国国家航空航天局下属的全球建模和同化办公室 GMAO制作的一种再分析气象数据。本文使用了风电场区域MERRA2在50m高度的逐小时风速和风向数据。对于测试风电场，MERRA2月平均风速与风电场月平均机舱风速之间存在较强的相关性，其相关性系数为0.69。

MERRA2月平均风速与风电场月平均机舱风速的线性拟合关系为：

式中， 为MERRA2在第j月的平均风速，由于MERRA2風速高层为50m，风力机轮毂高度为80m，因而上述关系式系数大于1。

3MERRA2月平均风速与风电场月发电量间的关系

由于平均机舱风速和月发电量相关很强，本文借助功率曲线评估方法能够建立月平均机舱风速与发电量之间的关系。以 表示风电场第j月的发电量，按每月30天算，则风电场月发电量折算的功率分别为 。本文采用的功率曲线评估方法为[2]：（1）将功率数据通过功率曲线反推到来流风速;（2）建立机舱风速与来流风速的线性关系，即机舱风速传递函数;（3）基于建立的机舱风速传递函数和功率曲线，建立机舱风速与功率之间的关系。本文基于方程（2）由MERRA2风速推算机舱风速，然后利用机舱传递函数和功率曲线。机舱风速与来流风速两者的相关性达到0.91，拟合关系式为：

上述方法得到的功率曲线与观测值吻合程度高，折算功率与拟合值的平均误差为11.5kW，标准方差 为101.6kW。与之相比风电场月平均机舱风速与发电量折算的功率相关性更高，相关性系数0.92大于MERRA2的0.63，折算功率与拟合曲线的误差平均值为8.1kW，标准方差 为47.1kW。

4MERRA2月平均风速推算风电场年发电量

为了研究MERRA2月平均风速对发电量评估的准确性，本文将其预测的年发电量与实际发电量进行对比（表1）。表1中MERRA2拟合的年发电量为一年中不同月份对应的MERRA2月平均风速推算的月发电量之和。MERRA2预测的年发电量最大相对误差绝对值为5.1%，预测的四年平均发电量相对误差绝对值仅为0.76%。可见对与测试风电场，MERRA2月平均风速能够有效风电场年发电量。

5 结论

本文通过对MERRA2数据集和风电场运行数据的分析，量化研究了MERRA2数据与风电场发电量之间的关系。对于测试风电场，MERRA2风速数据与风电场平均机舱风速以及风电场年发电量之间都存在较强的相关性，通过MERRA2风速数据能够有效预测风电场年发电量，其推算的年发电量误差在5.1%以内，且四年发电量平均误差仅为0.76%。相关研究成果可为塔测风数据订正和大小风年判别提供参考。

参考文献

[1]王有禄， 沈檬. 风电场代表年风速系列计算方法的探讨[J]. 电力勘测设计， 2008（06）：69-76.

[2]邓力， 李龙， 韩星星， 等. 风力机机头风速与输出功率相关性分析及应用[J]. 水电能源科学， 2015，33（01）：166-168.