芦潮港海上风资源变化特性分析

张智伟，张建平，刘明，纪海鹏，诸浩君，周圣荻

（1.上海绿色环保能源有限公司，上海市 崇明区 200433；2.上海理工大学机械工程学院，上海市 杨浦区 200093；3.上海电力大学能源与机械工程学院，上海市 浦东新区 201306；4.上海海湾新能风力发电有限公司，上海市 崇明区 202156）

0 引言

海上风资源特性对风电场的建设影响巨大，尤其是在海上风机选型及排布上具有决定性的意义[1-3]。同时，由于风电场开发正逐步走向海上，因此对海上风资源特性开展研究十分必要[4-6]。

近年来，研究者采用多种分布函数来描述风分布特征。杨正瓴等[7]分析了季风特性对风电功率预测效果的影响，结果发现，改进空间相关性预测方法既适应季风区，又可用于我国北部非季风区冬季的风电功率预测。周齐等[8]提出基于概率加权矩法(probability weighted moment method，PWMM)的三参数Weibull分布垂直外推方法，该方法可有效地体现平坦地形低速区的风速分布特征。周泽人等[9]将 混 合Weibull 分 布 与Weibull、 Normal、Lognormal 分布进行了对比，结果表明，混合Weibull 分布更适用于较复杂的风速分布状况。Wang 等[10]提出了2 种高斯混合分布模型，通过研究发现该模型可用于复杂地区的风速分布估算。姜 海 燕[11]对 比 了Weibull、Rayleigh、Gamma、Lognormal分布在描述低风速场中的性能，结果发现，Weibull 分布更接近实际风速频率分布。马契[12]通过研究发现，两参数Weibull分布在概率密度较低的低风速区精度不高。Yu等[13]将Nakagami与Rician分布用于评估渤海湾风资源，研究结果表明，渤海湾风速在12 m/s 以下，主要在4～8 m/s，4、10月份的主要风速范围高于8、12月份，且夜间风速普遍高于白天。但陈楠等[14]研究表明，在风资源评估过程中，陆上风资源评估方法在海上风资源评估应用时需要进行加检验。因此，在海上风资源评估研究较少的情况下，亟须对比分析不同分布函数描述海上风速分布的特点。

目前，学者们针对风速变化特性开展了一定的研究。Lin等[15]通过模拟海风变化的特征发现，在地面以上10 m高处的风速被高估近1 m/s，而夜间近地层垂直风切变被低估。吴强等[16]针对沿海丘陵地区的风速变化特性进行研究，结果发现，该地区的风速变化具有日周期性且受海陆风影响较大。封宇等[17]应用机器学习算法，结合Monin-Obukhov相似理论对风速变化特性进行了研究，结果发现，海上风速沿垂直高度方向变化较小，切变系数较小。Sing等[18]通过对某岛屿的风数据进行统计分析发现，风切变系数与温度之间相关性较好。Jeong等[19]研究发现，HeMOSU-1海上风场风速的日变化、季节变化以及湍流强度均较小。靳双龙等[20]通过研究不同区域风切变的特征及差异发现，下垫面平缓地区的风切变系数较小，而地形起伏大的地区风切变系数较大，且海滨地区的垂直风切变值明显大于内陆。

本文基于测风塔测量得到的上海芦潮港地区风速数据，分析了该地区不同高度的风速、风向变化以及风能密度分布特性，揭示了芦潮港海上风资源的变化特性，以期为芦潮港地区后期的海上风电场建设提供参考。

1 风速特性的描述

1.1 描述风速分布的函数

1）Weibull分布函数

两参数Weibull分布概率密度函数[21]可表示为

式中：v＞0，为风速；k和c分别为威布尔分布函数的形状参数和尺度参数。

2）Rayleigh分布函数

Rayleigh分布的概率密度函数[11]可表示为

式中c1为Rayleigh分布函数的尺度参数。

3）Gamma分布函数

Gamma分布的概率密度函数[11]可表示为

式中c2和k2分别为Gamma分布函数的尺度参数与形状参数。

4）Normal分布函数

Normal分布的概率密度函数[22]可表示为

式中和分别为均值与标准方差。

5）Logistic分布函数

式中μ和σ分别为Logistic 分布函数的位置参数与形状参数。

6）Log-Logistic分布函数

根据式(5)可得到Log-Logistic 分布的概率密度函数[22]：

1.2 切变指数

风切变指数γ可表示为

式中v1、v2分别为高度在h1、h2的风速。

1.3 风能密度

风能密度Dwind计算公式如下：

式中：q为风速区间内风速数目；ρ为空气密度；vj为第j个风速区间的风速值；tj为第j个风速区间内风速发生时间。

2 风分布描述及分析

2.1 不同分布函数的风速分布

通过在上海芦潮港地区建立的海上测风塔测量得到了该地区在2004年10月到2005年9月的测风数据，测量高度分别在10、50、60、70 m，测量参数有风速、风向、气压以及气温，其中70 m高风速序列如图1所示。

当然好的学习习惯和学习方法是必不可少的。好的学习方法和习惯可以帮助学生更快的接收知识，能够更快的弥补之前学习的不足。

图1 芦潮港海上风速序列Fig.1 Offshore wind speed series in Luchao port

采用6种分布函数对芦潮港2004年10月70 m高风速分布进行描述，结果如图2 所示。可以看出：在单一月份情况下，与Gamma和Rayleigh分布函数相比，Normal、Log-Logistic 以及Logistic分布能较好地描述风速概率密度分布情况；与其他分布函数相比，两参数Weibull分布虽然可以对单月风速概率密度分布进行描述，但是精确度并不高；Normal分布要差于Logistic分布。

图2 不同分布函数对2004年10月风速分布的描述Fig.2 Description of wind speed distribution in October 2004 by different distribution functions

2005年70 m高度上全年风速概率密度分布如图3所示，可以看出：在3～5 m/s区间内风速概率密度明显提高，说明该风速区间内的风速在全年占比相对较高；Logistic分布能够较好地描述芦潮港2005年风速分布情况，而Normal分布则略差。而Weibull分布由于描述效果更差，无法在该图中给出。

图3 2005年风速分布的描述Fig.3 Description of wind speed distribution in 2005

综合以上分析结果可知，虽然Weibull函数可用来描述单月风速概率密度，但不能很好地描述芦潮港2005年全年的风速概率密度分布，之所以产生这种情况，是因为各地风速分布情况均不同，尤其是陆地与海上风速分布的差异更为明显。由于目前获取的深远海域风速分布数据较少，因此，是否能用Weibull分布来描述深远海域风速分布有待研究。

2.2 不同风向风速分布

为了显示不同风向上风速分布情况，以2005年的风速分布为例，将不同风向上风速分布绘于图4，由于0°与60°这2个方向上风速概率密度分布具有代表性，因此本文未列出其他方向上风速概率密度分布。由图4可以看出：2005年各月风速分布主要呈现单、双峰的分布特性；低风速在全年各风向分布的占比较高。

图4 2005年不同风向风速分布Fig.4 Wind speed distribution of different wind directions in 2005

2.3 风向玫瑰图

为了清晰地观察到风向分布情况，将芦潮港地区2005 年全年风向玫瑰图与2004 年10 月风向玫瑰图分别绘于图5。可以看出：芦潮港地区2005 年全年风向主要来自正北方向，占所有风向比例为61.5%；芦潮港地区2004年10月份风向主要来自东北方向，45°～75°范围内的风速在该月占比最大，比例为22.5%。

图5 风向分布玫瑰图Fig.5 Rose chart of wind direction distribution

3 风参数变化特性分析

3.1 风变化趋势

图6 为指数函数拟合风速与高度变化之间的关系曲线。可以看出，随着高度的不断增加，风速先快速增大，在0～20 m高度内风速变化最为剧烈，当高度增至80 m 处时，风速增速逐步变缓，最终风速接近8 m/s。

根据图6 分析可得出：在80 m 高度以内，风速变化较为剧烈，不适宜安装大型风机；在80 m高度以上，风速随高度变化则较为平缓，风轮旋转域内风速变化不大。因此，芦潮港地区高度在80 m以上空域更有利于风机平稳发电。

图6 高度上的风速变化拟合曲线Fig.6 Fitting curve of wind speed change at height

为了探究不同高度之间风速变化相关性，将10、50、60、70 m 高度之间风速相关性曲线分别绘于图7(a)—(f)。图7(a)—(f)中拟合直线的决定系数分别为0.807 1、0.766 4、0.745 5、0.991 2、0.977 4与0.992 6，可以看出：10 m高度风速主要分布在0～10 m/s，而其他高度风速则主要分布在0～15 m/s；从决定系数方面来看，高度相差越大，风速相关性越低。

此外，由图7(c)可知，10 m 与70 m 这2 个高度上大部分风速呈线性相关。为了得到风向变化相关性，将这2 个高度风向相关性曲线绘于图8。可以看出，很多情况下这2 个高度风向相关性较差，这表明，在10 m与70 m高度内风向变化没有明显的规律。

图7 不同高度之间风速相关性Fig.7 Wind speed correlation between different heights

图8 10 m与70 m高度之间风向相关性Fig.8 Wind direction correlation between 10 m and 70 m height

3.2 不同高度间切变指数的变化

图9(a)—(f)给出了芦潮港地区2005 年不同高度间切变指数变化情况。由图9(a)—(c)可以看出：在1—4 月与11—12 月，切变指数变化幅度与频率较高，且没有明显的规律，最高与最低切变指数分别可以达到2 与-2，这是由于此时间段正处于春季与冬季的缘故；而其他月份切变指数随时间变化则较为平缓，说明夏季与秋季风速较稳定。

图9 2005年不同高度之间切变指数变化Fig.9 Wind shear index changes between different heights in 2005

由图9(d)—(f)可知：在高度较为相近的情况下，风速切变指数随时间变化波动幅度相比于高度相差较多的情况下平缓许多，但可以观察到在2 000～2 500 h与4 000～5 000 h，也即3—4月与6—7月，切变指数变化仍有部分较大波动，特别是在4 700 h左右时，图9(e)、(f)中切变指数分别接近于-20与-40，从整个2005年来看，这种情况出现频率不高，一般是由台风引起的。

4 风能密度分布特性分析

为了直观显示各风速区间对应的风能密度情况，给出了芦潮港地区70 m高2005年全年与2004年10月份的风速与风能概率密度分布情况，如图10所示。

由图10可见：2005年，在芦潮港地区5 m/s风速出现频率最高，3～14 m/s有效风速出现的频率为92.74%，对应的风能密度频率为99.98%，年平均风速为6.75 m/s，年平均风能密度为298.93 W/m2；2004年10月份芦潮港地区的平均风速为6.58 m/s，对于风速12 m/s与13 m/s，风能密度在该月中占比较大，平均风能密度为290.90 W/m2，风能密度较好，但风向分布不稳定。因此，风电场收益是否能够达到预期更取决于风机的排布。

图10 风速和风能密度分布Fig.10 Distributions of wind speed and wind energy density

5 结论

利用测风塔测量得到上海芦潮港地区风速数据，并分析了该地区风速、风向、风能密度分布及其变化特性，得到如下主要结论：

1）无论是全年还是单月情况下，Logistic分布在描述芦潮港地区风速分布上均具有较好的性能，同时在芦潮港地区不同风向上，风速分布具有单、双峰的特性，风向主要来自正北与东北方向；

2）芦潮港地区全年平均风速变化与高度之间存在指数关系，全年平均风速最高接近8 m/s，不同高度之间3、4、6、7月份切变指数变化较为剧烈；

3）芦潮港地区2005年与2004年10月份的平均风速均高于6.5 m/s，风能密度较好，全年平均风能密度不低于290 W/m2，有效风能在90%以上，风能较为丰富。