基于氣象信息及風場信息的風機輪轂處風速預測

程遠建 張緣

（江蘇南京河海大學能源與電氣學院，江蘇南京 211100）

基于氣象信息及風場信息的風機輪轂處風速預測

程遠建 張緣

（江蘇南京河海大學能源與電氣學院，江蘇南京 211100）

我國生態系統功能依然十分脆弱，環境污染迫使人類不得不開始尋求更多，更清潔的能源。風力發電是目前應用最廣泛的一種新能源發電。然而由于風速的隨機性會給機組、電網帶來穩定性問題，因此準確地預測風速具有重要意義。鑒于目前中國風電剛起步，缺乏大量歷史數據；而一般的數值模擬需要做大量的計算。本文提出一種簡化的數值模擬方法。提前模擬風場的四個正方向入流、風速10m/s的標準流場，提取風機輪轂位置處數據。然后將未來一天的氣象風速作為輸入數據求取風機輪轂處風速。最后對研究過程中存在的誤差進行了分析，并對后續基于此方法的研究提供建議。

數值模擬 風速預測 氣象信息 數據庫

環境污染迫使人類不得不開始尋求更多，更清潔的能源。我國的環境形勢依然極其嚴重，主要污染物和二氧化碳排放量都居世界第一，處于排放高平臺期，生態系統功能依然十分脆弱。總體上，為了實現“十三五”環境保護規劃目標，實現國民經濟綠色化，深刻認識和主動適應“新常態”，提倡低碳，環保，節能。近年來，風力發電已經顯示出明顯的社會效益和經濟效益，而且相對于其他新能源，風力發電技術更加成熟，具有大規模商業開發條件。目前風速預測主要有統計法和數值模擬，風力發電功率短期預測有利于減輕風力發電對電網的沖擊，可有效地提高電網運行的安全性和經濟性［1-2］。可是由于國內風電起步晚，且不斷有新的風場建設，缺乏大量歷史數據。因此數值模擬成為一個很好的選擇。

國外研究風電場數值模擬起步較早，Astrup- Poul根據WAsP軟件的線性模型對不同地面粗糙度下的復雜地形進行數值計算，對比實驗結果提出了改進方法［3］。《基于CAD流場與計算的短期風俗預測方法》提出，利用fluent軟件對風場進行標準入流條件模擬，提取風機出風速，建立數據庫［4］。然后利用未來一天氣象數據插值預測該天逐小時風機輪轂處風速。然而一般的數值模擬工程量大，計算耗時。本文基于此文章，提出一種簡化算法，并結合歷史數據，驗證計算方法的可行性和準確性，這將在下文有所體現。

1　建模與網格劃分

1.1風場物理模型建立

本文針對我國陜西省靖邊的某個風力發電廠進行研究，靖邊縣位于陜西省北部偏西，靖邊屬于半干旱大陸性季風氣候。根據當地風向玫瑰圖顯示：其風資源較為豐富，且盛行風向相反，以西南風和東北風為主。該風力發電廠地處山區溝壑，地勢南高北低，海拔大約1123-1823m，地勢起伏不太大，風場內立有一座測風塔。風機排布位置如圖1。

1.2風場內部網格劃分

在計算域上進行網格劃分，所建模型為5000×6000×1000（m3），考慮到風經過山體后湍流度明顯加大［5］，流動更為復雜，因此背風面網格密度大于迎風面。但由于畫網格十分費時且時常得不到高質量的網格，因此只在主風向上做此安排。在高度上采用網格長度遞減方式劃分，遞減比率為0.96，總網格數329萬。網格劃分見圖2。

2　標準入流模擬計算及數據庫建立

2.1制動盤模型

本文采用制動盤模型實現對風電場風機尾流效應的處理，設來流風速為 u，風輪無偏航，其中心點 P′（輪轂處）坐標（wx，wy，wz），風輪平面某一點位置坐標為（x，y，z），則來流經制動盤的阻力源項為［6-7］：

式中Cd為制動盤的阻力系數，在0.8～1.2之間，計算中取Cd= 1.0；ρ為空氣密度，Δx為制動盤的厚度。此外，在風輪平面內附加徑向源項，于來流軸向源項成一定的函數關系，比例系數為η。當風向與y軸平行時，x，y，z軸上源項表達式分別為：

2.2入流模擬

在東、西、南、北的四個方向上進行流場模擬計算，采用k-ε迭代算法［8］。假設風向分別垂直于四個入流面，風速10m/s，切變指數0.168，模擬計算耗時6h。

2.3建立數據庫

一般的數值模擬需要建立龐大的數據庫，本文提出簡化改進方法，以一個簡單的表格代替數據庫。我們計算的是當風速為10m/s時的風場，其他入流風速時的流場可以根據10m/s成比例得出［9］。此外，我們計算了四個正方向的風入流，其他任意方向則采取矢量合成即可，這是本文的一個創新思想。具體算法如下：

設Vf為由氣象預報所得的風速大小，Vfτ，Vfn為Vf的兩個正交分量，則由速度三角形有：

Vf2=Vfn2+Vfτ2

設Vp為某風機的風速預測值，Vp的兩個垂直分量為Vpτ和Vpn。且Vpτ為與Vfτ方向相同的風速預測值，U1為某風機同方向模擬計算值；Vpn為與Vfn方向相同的風速預測值，U2為某風機同方向模擬計算值；則有以下關系：

3　實際氣象數據差值預測及驗證修訂

3.1實際氣象數據差值預測

五月一號的結果分析：

有數據分析結果圖可知（見圖3），五月一號這一天的氣象預測誤差過大，平均誤差為51.04%，平均值（將實測數據和預測數據先分別求取平均值在計算誤差）誤差為31.04%。兩個值都大于要求誤差范圍20%。

五月二號的結果分析：

對于實驗測得的數據（見圖4），進行求取平均值，結果為：平均誤差為26.67%，平均值（將實測數據和預測數據先分別求取平均值在計算誤差）誤差為11.73%。雖然平均值誤差在要求誤差范圍20%內，但是求出的平均誤差大于20%。

根據以上分析得出有以下可能的原因。

根據以上分析結果得出以下結論：

（1）一天中氣溫有變化，這會對風速有影響，而模擬計算時未將溫度變化的因素考慮在內（即假設環境恒溫）。（2）模擬劃分四個正方向的流場，風速全部由10m/s推算計算得出，流場的劃分和模擬計算粗略。（3）預測的最大誤差來源是NWP［1］（數值天氣預報）數據的誤差。由于NWP數據是本預測模型唯一的輸入數據，而且采用基于物理流場的風速預測原理，導致風速預測的結果對NWP數據本身的誤差十分敏感。當NWP數據誤差較大時，風速預測誤差必然較大。（4）對于不適合發電的風速，由于風電場工作人員的人為操作，而使得測算結果不具備參考價值。

3.2誤差分析

對于減小誤差，可以采取以下辦法。

（1）引入氣溫修正系數，利用一天該風場環境氣溫變化數據，對預測結果進行修正。（2）實際計算可采用此方法時，可以劃分八個流場，從正北風向每45°劃分一個，并計算當風速分別為3m/s，9m/s，15m/s（這里僅是舉例說明，風速還需根據風場的具體情況而定）。流場的輪轂出風場情況，其他風速情況采用差值法求得。（3）應提高NWP輸入數據的精度［1］，另一方面可結合對NWP數據容錯性較好的統計模型方法，預測模型方面研究降低對NWP數據敏感度的方法。

4　結語

通過本文的風電場輪轂處風速的預測與分析，得到的結論有：

對于第一天風速小于啟動風速3m/s的情況，其誤差雖然過大，但是由于實際中此時風機處于停機狀態，屬于人為因素，因此不需要考慮此誤差。

通過CFD數值模擬結果與實測風速比較，所得的平均誤差在規定誤差范圍在20%以外，可以認為誤差很大程度上是由于計算粗糙和來自NWP數據的誤差，因此如果引入溫度修正，流場劃更加細致，多計算幾個流速值情況，可以認為CFD計算方法對風能計算或者風功率預測有效。

對于后續基于此方法研究的建議是，不僅要考慮溫度變化對風速的影響，也要更加精細劃分流場，并降低預測對NWP數據的敏感度，以減小誤差。

［1］Alexiadis M，Dokopoulos P，Sahsamanoglou H，etal.Short term forecasting of wind speed and related electrical power［J］.Solar Energy，1998，63（1）：61-68.

［2］楊秀媛，肖洋，陳樹勇.風電場風速和發電功率預測研究［J］.中國電機工程學報，2005，11（6）：1-［2］.

［3］Astrup Poul，Larsen S E. WAsP engineering flow model for wind over land and sea ［M］.Denmark： Riso national laboratory， 1999：1-2.

［4］李莉，劉永前，楊勇平，韓爽.基于CFD流場預計算的短期風速預測方［5］Takahash T.wind tunnel tests of effects of atmospheric stability on turbulent flow over a three—dimensional hill［J］. Journal of Wind Engineering and Industrial Aerodynamics，2005，93：155—169.

法［J］.中國工程機電學報，2013.

［6］Amina El Kasmi， Christian Masson. An extended k-ε model for turbulent flow through horizontal-axis wind turbines. Journal of Wind Engineering and Industrial Aerodynamics. 2008， 96（1） ：103-122.

［7］王福.計算流體動力學分析：CFD軟件原理與應用［M］.北京：清華大學出版社，2004：120-123.

［8］許昌.基于改進制動盤和拓展k-ε湍流模型的風力機尾流數值研究［J］.中國工程機電學報，2015.

［9］梁思超.基于數值模擬的復雜地形風場風資源評估方法［J］.空氣動力學學報，2012.6.