風電場測風數據長期相關預測方法探討

文 | 燕志婷，呼津華，鄒振軍

風電場測風數據長期相關預測方法探討

文 | 燕志婷，呼津華，鄒振軍

風電場風能資源評估中需要參考附近有代表性的長期氣象資料，利用可靠的技術方法對短期測風數據進行長期相關預測，以準確評估測風塔處的長期風能資源水平和變化。目前風能資源評估工作中常用的長期氣象資料有兩類，一是風電場附近氣象站的實際測風資料，二是氣象模型生成的氣象再分析資料。自然風極易受環境影響發生變化，相關性分析不可避免會引起誤差，客觀地檢驗測風數據長期相關預測結果，也是風能資源評估工作中的現實需求。

依據《GB/T 18710-2002風電場風能資源評估方法》風電場短期測風數據訂正為代表年風況數據的方法，用附近氣象站數據訂正得到的風電場代表年的數據序列作為一個完整年度的風速風向序列。由于氣象站與風電場之間的氣候差異，測風儀器、計量方法（如時距）、測風位置和高度的變化，以及氣象站周圍的人工建筑影響等，在風能資源評估中僅參考氣象站測風資料會有諸多困難，其訂正結果易引起較大的不確定性。

隨著氣象模型技術的進步，許多學者在風能資源評估過程中已開始應用氣象再分析資料。由氣象再分析資料進行長期相關預測可得到測風塔長年（如30年）的風速風向序列。目前常見的相關預測技術方法有線性最小二乘法（Linear Least Squares）、矩陣法（Matrix Time Series）、正交最小二乘法（Total Least Squares）、風速分類（SpeedSort）法、方差比法（Variance Ratio）、分段線性法（Vertical Slice）、威布爾擬合法（Weibull Fit）、比值法等，且劃分不同的風向扇區。不同國家和地區常用的相關性預測技術方法有所不同，也有機構開始利用人工神經網絡（ANN）進行測風數據的長期相關預測。

本文采用化德氣象站數據對內蒙古化德縣匯德風電場8546#測風塔80m高度的測風數據進行代表年訂正（按照GB/T 18710-2002方法），同時用MERRA再分析氣象數據（用矩陣法）對其進行長期相關性預測，并對兩種方法的結果進行對比和檢驗。以此為例，探討長期參考資料選取、相關預測方法和預測成果的檢驗，以期有助于精細化風電場風能資源評估。

化德縣匯德風電場數據資料簡況

內蒙古化德縣匯德風電場中心位置約為北緯42°01′00″、東經114°10′00″，場址為復雜低山地形，海拔高差260余米，荒漠、草原、林地交錯分布。

一、風電場測風數據

匯德風電場8546#測風塔鄰近風電場最高處，海拔高度1681m，已獲得一年多80m高度的10min風速、風向數據。2014年12月19日－2015年12月18日（下文簡稱“測風同期”，用來進行長期代表性訂正和長期相關性預測）期間的10min平均風速為9.66m/s；2015年12月19日－2016年2月29日（下文簡稱“檢驗同期”，用來進行長期相關性預測結果的檢驗）期間的10min平均風速為11.25m/s。

二、化德氣象站數據

風電場8546#測風塔西南方向約23km的化德氣象站位于化德縣城關鎮，觀測場海拔高度約1480m，觀測高度10m。參考《GB/T 18710-2002風電場風能資源評估方法》，化德氣象站與風電場距離較近，二者地形條件和海拔高度也相近，是比較理想的參證氣象站。

表1 MERRA-1網格點數據的基本概況

三、附近的MERRA氣象再分析數據

美國航空航天局（NASA）利用先進的GEOS-5資料同化系統和氣象模型生成的MERRA再分析資料(Modern-Era Retrospective Analysis for Research and Applications)，有1/2緯度×2/3經度的全球空間分辨率、1小時時距、距地面50m高度、長期（1979年至今）的風向風速數據序列，可用于風電場風能資源評估。

經對比分析，選取8546#測風塔西偏南方向16.7km的MERRA-1網格點數據（見表1）進行長期相關性預測工作。

匯德風電場8546#測風塔、化德氣象站、MERRA-1點的地理位置見圖1。

基于化德氣象站數據對8546#測風塔作長期代表性訂正

利用化德氣象站10m高度1954年－2014年的各月平均風速和風向頻率，及2014年11月1日－2015年12月18日的逐小時平均風速、風向資料，對8546#測風塔80m高度的風速作長期代表性訂正。

一、化德氣象站與8546#測風塔風速對比

（一）氣象站風速年際變化對比

化德氣象站10m高度近30年（1986年－2015年）的累月平均風速為3.51m/s，有較明顯的下降趨勢；近20年（1996年－2015年）的累月平均風速為3.31m/s，年際變化趨勢不明顯。

測風同期（2014年12月19日－2015年12月18日），化德氣象站的月平均風速為3.56m/s，大于近30年和20年的累月平均風速。參見圖2。

（二）氣象站與8546#測風塔風速月際變化對比

化德氣象站10m高度近30年和近20年的月平均風速變化趨勢基本一致，夏季6－9月風速較小，8月風速最小。

測風同期，除11月外，其他月份化德氣象站月平均風速較累年月平均風速大；化德氣象站與8546#測風塔月平均風速變化趨勢基本一致，但8546#測風塔的月平均風速變化幅度明顯較大。參見圖3。

（三）氣象站與8546#測風塔風向變化對比

化德氣象站近30年和20年風向頻率接近一致。

相對于長期風向頻率而言，測風同期化德氣象站WNW風向頻率較少，偏南和偏西南方向的（WSW、SW、SSW、S）風向頻率明顯較大。

測風同期，8546#測風塔的風向玫瑰圖相對化德氣象站有明顯的偏轉，以WNW－NW－NNW為主導風向，SSW－S次之。參見圖4。

二、長期代表性訂正

（一）GB/T18710-2002風電場風能資源評估方法

圖1 匯德風電場8546#測風塔、化德氣象站、MERRA-1點地理位置示意圖

圖2 化德氣象站近30年（1986年-2015年）年平均風速直方圖

按照《GB/T18710-2002風電場風能資源評估方法》，作風電場測風塔與對應年份的長期氣象站各風向象限的風速相關曲線，將風電場短期測風數據訂正為代表年風況數據。

化德氣象站數據為1h平均風速。風電場8546#測風塔數據為10min平均風速，將其平均為1h時距，使兩者時距保持一致。分16個風向扇區，對8546#測風塔風速（y）與化德氣象站風速（x）進行線性相關性分析y=kx+b。得到二者相關性判定系數R2、k參數、b參數，以及不同風向扇區多年與測風年氣象站風速差對應的8546#測風塔的訂正值，見表2。

利用化德氣象站近30年和近20年的數據對8546#測風塔80m高度的風速數據進行長期代表性訂正，訂正之后得到8546#測風塔近30年和近20年的長年平均風速分別為9.53m/s和9.08m/s。

（二）全扇區相關性訂正方法

對8546#測風塔風速（y）和化德氣象站風速（x）測風同期的全扇區風速數據進行線性相關性分析（二者風速相關性判定系數R2為0.507），以公式y=kx+b，由氣象站近30年和近20年的長年平均風速，求得8546#測風塔80m高度的近30年和近20年的長年平均風速分別為9.47m/s和9.20m/s。

此方法不區分風向扇區，僅訂正測風塔長期年平均風速，且只用來粗略地檢驗長期代表性訂正（一）中的結果。本節訂正結果和長期代表性訂正（一）的結果比較接近，30年長期訂正結果相對更接近。

圖3 化德氣象站與8546#測風塔月平均風速變化對比

圖4 化德氣象站與8546#測風塔的風向變化對比

表2 化德氣象站與8546#測風塔的分扇區相關性分析

基于MERRA-1再分析數據對8546#測風塔數據作長期相關性預測

一、MERRA-1再分析數據與8546#測風塔數據對比

（一）MERRA-1點風速年際變化對比

MERRA-1點50m高度近30年（1985年12月19日－2015年12月18日）和近20年（1995年12月19日－2015年12月18日）的小時平均風速分別為7.13m/s和7.12m/s，相差不大；年平均風速近30年和近20年均呈減小趨勢；2003年起年際變化幅度較大。

測風同期（2014年12月19日－2015年12月18日）MERRA-1點的小時平均風速為6.90m/s，小于近30年和近20年的小時平均風速。參見圖5。

（二）MERRA-1點與8546#測風塔風速月際變化對比

MERRA-1點50m高度近30年和近20年的月平均風速變化趨勢一致，夏季6－9月風速較小，8月風速最小。風速月際變化趨勢與氣象站較一致，但變化幅度較氣象站大。

測風同期，MERRA-1點月平均風速7、8、11月較累年月平均風速明顯小，5、10、12月較累年月平均風速大，與氣象站同期的月平均風速有明顯的差異；MERRA-1點與8546#測風塔的月平均風速變化趨勢較一致，變化幅度也較接近；參見圖3和圖6。

（三）MERRA-1點與8546#測風塔風向變化對比

MERRA-1點近30年和近20年的風向頻率一致。

測風同期，MERRA-1點的風向頻率與累年風向頻率相比變化不大，與8546#測風塔的風向頻率也較接近，但與氣象站同期的風向頻率有較大差異。參見圖4和圖7。

二、長期相關性預測

（一）MTS矩陣法

MTS（Matrix Time Series）矩陣法是一種較新的測量相關預測MCP（Measure Correlate Predict）方法，是對傳統矩陣法的改善。在風向方面，每個扇區細化參考風向與目標風向的相關關系。在風速方面，建立測風同期參考風速和目標風速之間完整二維聯合概率分布，并建立目標風速綜合季節變化、日變化和自相關變化的風速百分率時間序列。綜合風向和風速，結合聯合概率分布和風速百分率時間序列，由參考點歷年的風向風速序列預測得到目標點歷年的風向風速序列。

圖5 MERRA-1點近30年（1986年－2015年）年平均風速直方圖

圖6 MERRA-1點與8546#測風塔月平均風速變化對比

圖7 MERRA-1點與8546#測風塔的風向變化對比

采用Windographer軟件，分析測風同期MERRA-1參考點數據和8546#測風塔數據相互變化的相關性和時間偏移，分16個風向扇區和每1m/s風速段，以MTS矩陣法由MERRA-1參考點數據對8546#測風塔數據進行長期相關預測。得到二者風速、風向的判定系數R2分別為0.624和0.896，由MERRA-1點近30年的逐小時歷史（1985年12月19日－2015年12月18日）風速風向數據序列預測得到8546#測風塔近30年（1985年12月19日－2015年12月18日）的逐小時風速風向數據序列。長期相關性預測得到的8546#測風塔80m高度近20年和30年的長年平均風速均為9.68m/s。

（二）MTS矩陣法預測成果的檢驗

1. 測風同期8546#測風塔預測與實測風速數據的對比分析

通過以下四種參數對比分析預測與實測風速數據：

平均絕對誤差（Mean Absolute Error）：

均方根誤差（Root Mean Squared Error）：

參數公式中Fi為預測風速，Yi為實測風速；平均誤差、平均絕對誤差和均方根誤差三個公式中的i為時間序列；分布誤差公式中的i為風速段序列。

統計測風同期8546#測風塔80m高度預測與實測1h平均風速的平均誤差、平均絕對誤差和均方根誤差分別為0.008m/s、0.62m/s和0.95m/s，分布誤差為0.58%；各扇區的均方根誤差參見表3。

圖8 測風同期MERRA-1點與8546#測風塔的二維風速聯合概率分布和風向相關性示意圖

表3 測風同期8546#測風塔實測與預測1h風速數據之間均方根誤差RMSE的分扇區分布

8546#測風塔80m高度預測與實測風速數據序列的相關性很好，判定系數R2為0.9513，可見由MERRA-1再分析數據對8546#測風塔測風同期進行長期相關性預測的結果準確。參見圖9。

2. 檢驗同期8546#測風塔預測與實測風速數據的對比分析

以測風同期8546#測風塔與MERRA-1點的相關性，由MERRA-1點的風速數據預測檢驗同期8546#測風塔的風速，并與實測風速作對比分析。

檢驗同期，8546#測風塔80m高度實測1h平均風速為11.25m/s，由MERRA-1點相關性預測得到的1h平均風速為11.36m/s，二者相差較小。經統計，檢驗同期8546#測風塔預測與實測1h平均風速的平均誤差、平均絕對誤差和均方根誤差分別為0.11m/s、2.45m/s和3.09m/s，分布誤差為2.23%；檢驗同期8546#測風塔預測與實測風速數據序列的相關性判定系數R2為0.479，二者相關性一般。見圖10。可見由MERRA-1點相關性預測得到的檢驗同期的平均風速與實測結果相差較小，但是其逐點風速與實測結果相差較大，可能是由于再分析數據點的風速精度較低造成的。

結論

1. 基于化德氣象站10m高度近20年和近30年的數據，按照《GB/T 18710-2002風電場風能資源評估方法》對匯德風電場8546#測風塔80m高度的風速進行長期代表性訂正：

（1）得到8546#測風塔近20年和近30年的長年平均風速分別為9.08m/s和9.53m/s，可見長期數據期間不同，訂正得到的測風塔代表年平均風速差別較大；風電場代表年的數據序列為一個完整年度的風速風向序列，無法對其進行檢驗；

圖9 測風同期8546#測風塔80m高度預測風速與實測1h平均風速的相關性

圖10 檢驗同期8546#測風塔預測與實測風速數據序列的相關性

（2）多數氣象站位于城鎮近郊，受環境影響明顯，且在不同風向扇區上的環境影響與風電場相比有較大變化，故當氣象站測風同期與長年的風向頻率相差較大時，簡單以長年平均風速的差別訂正各個風向扇區，會帶來較大的偏差。

2. 基于MERRA-1參考點50m高度近20年和近30年的數據，采用MTS矩陣法對8546#測風塔進行長期相關性預測：

（1）得到8546#測風塔近20年和近30年的長年平均風速均為9.86m/s；進一步對比檢驗預測結果，表明基于MERRA-1參考點的長期預測結果相對較合理；

（2）采用MTS矩陣法可預測得到目標測風塔的長期風速、風向數據序列，由此能追算出長年的年發電量變化趨勢，進而得到年均發電量的最大值、最小值和標準偏差，對風電場的收益預測有一定的指導作用；

（3）MERRA再分析資料的網格尺度較大（1/2緯度×2/3經度），盡管在一定程度上對風能資源分析有借鑒意義，但對復雜地形風資源的代表性有限。如能構建中小尺度的適宜當地地理氣候的氣象再分析基礎資料，對風資源評估會有較大的幫助。

3. 運用科學的技術和方法評估測風塔長年的風資源水平和變化，對風電場投資、建設和運行有現實的意義。由于資料所限，本文僅對比了GB/T 18710-2002長期代表性訂正和MTS矩陣法長期相關預測，后續將進一步探討多種相關預測方法。

（作者單位：燕志婷，呼津華：北京風宜科技有限公司；鄒振軍：內蒙古化德縣匯德風力發電有限責任公司）