不同風向扇區相關對風資源評估中數據訂正的影響

杜燕軍，劉志聲，李鵬

（1.內蒙古電力勘測設計院，內蒙古呼和浩特 010020；2.西安電子科技大學，陜西西安 710071；3.內蒙古送變電有限責任公司，內蒙古呼和浩特 010020）

在風電場進行風資源評估時，常根據氣象站與測風塔的相關關系，將現場測風數據訂正為一套反映風電場長期平均水平的代表性數據進行風資源分析，而對代表年風速訂正是否合理是影響風資源評估誤差的重要因素。所以，對風電場風能資源的評估是整個風電場建設、運行的重要環節，是風電項目的根本，對風能資源的正確評估是風電場建設取得良好經濟效益的關鍵[1]。為了提高對風電場風資源評估的準確性，風電場風能資源評價往往根據現場一年的實測數據，結合附近有代表性的長期測站（氣象站）的觀測資料，進行16風向扇區風速相關分析，然后根據相關曲線進行數據訂正，將現場測風數據訂正為一套反映風場長期平均水平的代表性數據進行風資源分析。

由于受大氣環流及地形影響，風的隨機性很大[2]，在一些風場內，地形差異較大，氣象站往往設立在城市內或者邊緣，受周圍環境干擾較大。一座氣象站涉及的區域多達幾百公里，而風電場場址遠離城市，周圍沒有大的障礙物遮擋，同樣也遠離長期觀測站。由于觀測儀器本身以及周圍觀測環境的不同，兩者在測風結果上必然存在差異，按照16個風向扇區的相關必然導致風向少的區域的相關性差，相同風向的個數也較少，得到的結論存在一定的不確定性。所以本文以內蒙古地區有代表性的風場及參考氣象站為例，采用常規16風向扇區風速相關法及簡化后的8風向扇區風速和4風向扇區風速相關法對代表年的數據進行訂正，并對其結果進行比較分析，為以后風資源評估提供參考。

1 資料與方法

1.1 資料的選取

本實驗數據選用內蒙古地區某風電場測風塔（1號測風塔）完整一年逐時風速、風向和距風電場最近的氣象站近30年的年平均風速進行分析。該測風塔高為70 m，測風時段為2008年5月1日～2009年4月30日。氣象站距風電場直線距離約為20 km，觀測場海拔高度為274.7 m，比測風塔海拔高度低約80 m。氣象站風速儀距地高度無變化，均為10 m，觀測場周圍環境也未發生較大的變化，觀測數據的連續性、一致性、完整性程度較高。

1.2 訂正方法

1.2.1 常規訂正方法

根據《風電場風能資源評估方法》[3-4]要求，將采集到的測風塔完整一年的實測數據與氣象站對應時段的數據按風向劃分為16個風向扇區，然后根據各風向象限的風速進行相關分析，繪制各風向象限內風速相關曲線；為使風速值代數差值計算更加方便、直觀，將風速相關曲線定義為y=kx+b（其中：y代表風電場風速，x代表氣象站風速）線性方程，因為有16個風向扇區，所以可以得到16個類似的線性方程；對每個風速相關曲線，在橫坐標上標明出氣象站多年的年平均風速、以及測風塔實測同期的氣象站年平均風速，在縱坐標軸找到對應的測風塔實測的2個風速值，并求出這2個風速值的代數差值；測風塔實測數據的各個象限內的每個風速都加上對應的風速代數差值，獲得訂正后的測風塔風速。

1.2.2 簡化的訂正方法

考慮到內蒙古地區氣象站站點少，覆蓋區域大的特點，16個風向扇區并不完全適于該地區。如果將風向扇區個數減少（如按8個風向扇區或4個風向扇區訂正），使更多的數據集中在每個扇區內，得到的每個扇區內的相關性將會有所不同。

1）8個風向扇區相關訂正方法

將采集到的測風塔完整一年的實測數據與氣象站對應時段的數據按風向劃分為8個風向扇區，然后根據各風向象限的風速進行相關分析，繪制各風向象限內風速相關曲線；為使風速值代數差值計算更加方便、直觀，將風速相關曲線定義為y=kx+b線性方程，可以得到8個類似的線性方程；對每個風速相關曲線，在橫坐標上標明出氣象站多年的年平均風速、以及測風塔實測同期的氣象站年平均風速，在縱坐標軸找到對應的測風塔實測的2個風速值，并求出這2個風速值的代數差值；測風塔實測數據的各個象限內的每個風速都加上對應的風速代數差值，獲得訂正后的測風塔風速。

2）4個風向扇區相關訂正方法

將采集到的測風塔完整一年的實測數據與氣象站對應時段的數據按風向劃分為4個風向扇區，其他與16個風向扇區和8個風向扇區相關計算過程相同。

2 結果與分析

2.1 常規方法的訂正結果

將1號測風塔70 m高度完整一年的風速風向與氣象站10 m高度處同步實測風速風向數據進行16個風向扇區相關分析，相關分析結果見表1。

由表1可知：①在16個風向扇區中有8個風向扇區的相關系數低于0.8，其中SE風向的相關系數僅為0.58，較低的相關系數對于數據訂正的不確定性也較大；②主導風向扇區上同期風向集中在同一扇區個數較少，而非主導風向扇區上同期風向風向集中在同一扇區個數卻相對較多，各風向扇區上同期風向集中在同一扇區個數比例差異變化較大；③將測風塔70 m與氣象站同期風向（數字）進行對比分析，同期風向差值絕對值小于11.25度的個數為1 850個（總數為8 760個），兩者風向不相同的個數為6 910個，不相同的個數占總數的比例高達78.9%；④將測風塔70 m與氣象站同期風向（字母）進行對比分析，兩者風向相同的個數為1 792個（總數為8 760個），兩者風向不相同的個數為6 968個，不相同的個數占總數的比例高達80%。

表1 風電場測風塔70 m與氣象站10 m風速相關參數Tab.1 Relevant parameters of wind speed at the 70 m height of the wind farm monitoring mast and at the 10 m height of the weather station

2.2 8個風向扇區相關

將1號測風塔70 m高度完整一年的風速風向與氣象站10 m高度處同步實測風速風向數據進行8個風向扇區相關分析，相關分析結果見表2。

表2 風電場測風塔70 m與氣象站10 m風速相關參數Tab.2 Relevant parameters of wind speed at the 70 m height of the wind farm monitoring mast and at the 10 m height of the weather station

由表2可知：①對于8個風向扇區作相關，相關系數除SE風向的相關系數為0.67，其余風向的相關系數都大于0.8，按此方法進行相關分析的結果優于16風向扇區相關分析的結果；②相對于16風向扇區計算結果，主導風向扇區上同期風向風向集中在同一扇區個數明顯增加，各風向扇區上同期風向集中在同一扇區個數比例差異在減小；③將測風塔70 m與氣象站同期風向（數字）進行對比分析，同期風向差值絕對值小于22.5度的個數為3 391個（總數為8 760個），兩者風向不相同的個數為5 369個，不相同的個數占總數的比例減少到61.3%；④將測風塔70 m與氣象站同期風向（字母）進行對比分析，同期風向相同的個數為3 544個（總數為8 760個），不相同的個數為5 216個，不相同的個數占總數的比例減少到59%。

2.3 4個風向扇區相關

將1號測風塔70 m高度完整一年的風速風向與氣象站10 m高度處同步實測風速風向數據進行4個風向扇區相關分析，相關分析結果見表3。

表3 風電場測風塔70 m與氣象站10 m風速相關參數表Tab.3 Relevant parameters of wind speed at the 70 m height of the wind farm monitoring mast and at the 10 m height of the weather station

由表3可知：①對于4個風向扇區作相關，相關系數都大于0.8，相關性優于前2種方法；②相對于16風向扇區和8風向扇區的計算結果，主導風向扇區上同期風向集中在同一扇區個數顯著增加，各風向扇區上同期風向集中在同一扇區個數比例差異進一步在減少；③將測風塔70 m與氣象站同期風向（數字）進行對比分析，同期風向差值絕對值小于45度的個數為5 735個 （總數為8 760個），不相同的個數為3 025個，不相同的個數占總數的比例減少到34.5%；④將測風塔70 m與氣象站同期風向（字母）進行對比分析，兩者風向相同的個數為5 130個（總數為8 760個），不相同的個數為3 630個，不相同的個數占總數的比例減少到41%。

2.4 三種方法的結果比較

分別按照16個風向扇區相關、8個風向扇區相關、4個風向扇區相關進行分析，按各風向扇區對應得y=kx+b線性方程進行各風向扇區數據訂正，風速數據訂正結果如表4。

由表4的結果可知，不論采用那種訂正方法，計算得到的各月平均風速及年平均風速結果基本一致，差值都很小。

WEIBULL分布曲線普遍適用于風速統計描述的概率密度函數[5]，給定了分布參數A和K值后，平均風功率密度、有效風功率密度、風能可利用小時數都可以方便求得。表5和表6為不同風向扇區相關下的各高度A和K值。由表5、表6可見，采用不同風向扇區訂正后完整一年代表性數據70 m高度處的A和K值都相同，采用16風向扇區訂正結果的K值略偏高于其他2種方法。由表6可見，采用不同風向扇區訂正后5個月代表性數據70 m高度處的A值都相同，采用16風向扇區訂正結果的K值略偏低于其他2種方法。

表5 不同方法訂正后完整一年代表性數據70 m高度的A、K值Tab.5 The A and K values of representative data at 70 m height in a complete year after revision by different methods

表6 不同方法訂正后5個月代表性數據70m高度的A、K值Tab.6 The A and K values of representative data at 70 m height in five months after revision by different methods

3 結論

1）風向扇區分布范圍越大，相同風向出現的概率也越大，在同一風向扇區出現的相關數據也越多，相關性也越好。4風向扇區風速相關性優于8風向扇區風速相關性，兩者又都優于16風向扇區風速的相關性。

2）采用4風向扇區和8風向扇區風速相關性進行修正得到的代表年月平均風速的結果與16風向扇區風速的相關性進行修正得到的代表年月平均風速的結果一致。

3）本項目測風塔距離氣象站僅有20 km，風向上的差異已經較為明顯，而有些地區的風電場往往距離氣象站都在50 km之外，再加上受周圍環境干擾，風向上的差異更為明顯，8個風向扇區（或4個風向扇區）作相關分析可以使各扇區的相關性更優，同樣能夠保證數據訂正的可靠性。

[1] 連捷.風電場風能資源評估及微觀選址[J].新能源，2007，4（2）：71-73.LIAN Jie.Assessment of wind resources of wing farmer[J].New Energy，2007，4（2）:71-73（in Chinese）.

[2] 王承煦，張源.風力發電[M].北京：中國電力出版社，2002.

[3]GB/18710-2002，風電場風資源評估方法[S].

[4]GB/18709-2002，風電場風能資源測量方法[S].

[5] 宮靖遠，賀德馨，孫如林，等.風電場工程技術手冊[M].北京：機械工業出版社，2004.3.