再分析資料在風速數據插補延長中的應用方法研究

高潔 胡己坤 劉雨佳 袁紅亮 劉瑋

風電場建設前要對擬建區域的風能資源進行評估，評估的主要依據是現場所立測風塔或測風儀器獲取的實際觀測資料。但由于現場一般較為偏遠，在測風期間可能出現故障或其他情況，從而導致測風數據完整率不能滿足《風電場風能資源評估方法》GB/T18710-2002要求。為準確評估現場的風能資源，需要對測風塔測風數據進行插補延長。在測風數據完整率不足的情況下，可根據附近長期測站的觀測數據對測風數據進行插補訂正，但在實際工程中多數情況下需要采用再分析數據作為參考，因此采用中尺度再分析資料作為插補參考的可行性成為重要的研究方向。目前已有學者分析了采用中尺度數據進行插補延長的幾種方法，并在地形較為平坦的內蒙古地區進行了驗證。但對多種地形條件進行分析討論的研究相對不足。

本文針對不同地形條件對比研究了7種插補延長方法的可行性，分析得到不同地形、不同條件下最適宜的插補延長方法，對實現風能資源的精細化評估具有較高的工程指導意義。風速數據插補延長方法

當目標地點的風速和參考點同期測量的數據之間具有較好的相關關系時，就可利用參考點數據插補延長目標地點風速數據的空白，目前主要的風速插補延長方法包括以下7種。

一、線性最小二乘法（LLS.Iinear 1east squares）

線性最小二乘法所得到的擬合線性曲線y=mx+b計算方法如下：這種方法與“線性最小二乘法”的不同之處在于，它最小化的誤差項是每一個測量的數據點與最佳擬合直線之間垂直距離的平方和。

三、風速分類法（ss.speedsort）

風速分類法同樣是建立y=mx+6的線性曲線。在風速分析中，風速排序是唯一的，在進行線性曲線擬合前，先對目標風速和參考風速進行排序，然后設定擬合曲線與風速的偏差值為一個固定值或采用長期平均參考風速的一半，最后使用正交最小二乘法進行擬合，通過擬合的結果得到目標地點的風速。

四、垂直切片法（VS.verticalsfice）

垂直切片法是利用從目標風速和參考風速的散點圖上得到的分段線性曲線來進行風速預測的。為了獲得每一段的線性曲線，首先將目標風速與參考風速的散點圖沿著x軸分成n個大小相同的切片（垂直切片），分別計算每個切片里的平均目標風速值。然后，在每個切片中指定一個點，該點的x值是切片的x值中點，y值是切片里的平均目標風速。垂直切片法的分段線性曲線就是由這些點通過直線連接得到的。

五、平方差比方法（vR varianceration）

用線性模型審=mx+b從參考風速來預測目標風速：

六、矩陣時間序列法（MTS.matrix time series）

該方法的基本思想是利用目標風速和參考風速的完全二維聯合概率分布來生成目標風速數據。首先，建立百分比時間序列。采用同時刻的目標風速和參考風速建立聯合概率分布，從中選擇相應的參考風速列，并構建目標風速的累積分布函數。其次，從時間序列累積分布函數中計算出與觀測到的目標風速相對應的百分比值。結合百分比時間序列數據，使用內置的空白填充算法，綜合考慮時間序列的季、月、日變化填補百分比時間序列的空白段。最后，與第一步構建百分比時間序列相反，引用聯合概率分布和累積分布函數，通過給定的百分比時間序列計算對應的預期目標風速。

七、威布爾分布法（W F.weifull fit）

風速數據插補延長結果對比

本次共收集到新疆、陜西、河南的4座測風時間滿一年的測風塔原始數據。數據缺測少、完整率高，滿足風能資源評估要求，故本次不對數據作修正分析。為進行風速數據插補延長結果對比，分別選取其中測風時長為三個月、六個月、九個月的實測風速數據作為原始測風數據，采用MERRA數據作為再分析資料對其進行插補延長得到完整一年的數據，然后通過平均風速偏差、平均風速檢驗、均方根誤差3項指標對得到的插補結果與實測完整年測風數據進行對比。指標中的平均風速偏差、均方根誤差越小表示插補延長得到的結果精確度越高，平均風速檢驗與1越接近，則結果越準確。3種檢驗參數的計算公式如下：

本次收集了各測風塔位置處的再分析資料100m高度的近30年數據，以此為依據建立相關方程。測風塔信息見表1，測風時長為一年，測風塔100m高度實測數據統計值見表2。

各測風塔數據與MERRA數據的相關系數統計見表3。

由于MERRA數據為擬合數據，所以測風塔與MERRA數據相關性總體看來一般，相關系數在0.59～0.73之間，2#、3#測風塔相關系數高于1#、4#測風塔。

當測風塔與中尺度MERRA數據相關系數越高時，測風塔插補延長后的測風數據均方根誤差越小。當相關系數達到0.7以上時，測風塔插補延長后的數據誤差明顯較低，低于0.3。

由此可知，當測風塔與再分析數據相關系數大于0.7時，采用再分析數據對實測數據進行插補延長可以得到較為準確的風速結果。

一、三個月數據插補結果

采用7種風速插補方法將測風塔三個月的數據插補延長為一年的結果與實測值進行比較，統計結果見表4，插補后逐月風速統計結果見圖1。

從插補延長后的年平均風速偏差及檢驗結果看，總體最小二乘法（TLS）可以得到與實測值最為接近的風速值，7種方法的年平均風速偏差在0.05～0.56m/s之間，差距較大。從插補延長后的均方根誤差來看，對于相關性較好的測風塔，線性最小二乘法（LLS）和風速分類法（ss）插補結果較為準確：對于相關性較差的測風塔，威布爾分布法（WF）插補結果較為準確。同時通過分析得到測風塔實測數據與再分析數據相關系數越高，插補延長后的逐月風速與實際風速年際變化越接近。

二、六個月數據插補結果

采用7種風速插補方法將測風塔六個月的數據插補延長為一年的結果與實測值進行比較，統計結果見表5，插補后逐月風速統計結果見圖4。

從插補延長后的年平均風速偏差及檢驗結果看，總體最小二乘法（TLS）和風速分類法（ss）可以得到與實測值最為接近的風速值，各方法年平均風速的偏差在0.01～0.48m/s之間，差距較大。對于相關性較好的測風塔，線性最小二乘法（LLS）與風速分類法（ss）插補結果較為準確：對于相關性較差的測風塔，總體最小二乘法（TLS）插補結果較為準確。偏差值較大的方法為垂直切片法（VS）。從插補延長后的均方根誤差來看，風速分類法（ss）的誤差值在幾種方法中均為最小。同時可以得到測風塔實測數據與再分析數據相關系數越高，插補延長后的逐月風速與實際風速年際變化越接近。

三、九個月數據插補結果

采用7種風速插補方法將測風塔九個月的數據插補延長為一年的結果與實測值進行比較，統計結果見表6，插補后逐月風速統計結果見圖7。

從插補延長后的年平均風速偏差及檢驗結果看，風速分類法（ss）可以得到與實測值最為接近的風速值，各方法年平均風速的偏差在0.02～0.32m/s之間，差距較大，但與三個月及六個月數據相比，各方法的年平均風速誤差逐漸縮小。偏差值較大的方法為垂直切片法（VS）。從插補延長后的均方根誤差來看，對于相關性較好的測風塔，威布爾分布法（WT）和風速分類法（ss）插補結果較為準確：對于相關性較差的測風塔，威布爾分布法（WT）插補結果較為準確。同時通過分析得到測風塔實測數據與再分析數據相關系數越高，插補延長后的逐月風速與實際風速年際變化越接近。

結論

本文利用4座位于不同區域、不同地形條件下的測風塔完整一年實測數據，基于再分析數據對7種風速插補延長方法（線性最小二乘法、矩陣時間序列法、總體最小二乘法、風速分類法、平方差比法、垂直切片法、威布爾分布擬合法）進行研究，得到以下結論：

（1）在不同的地形條件下，再分析數據與測風數據的相關性越好，插補延長得到的風速偏差越小，插補結果越準確。

（2）對于測風塔三個月樣本數據，各方法均不能得到較準確的插補延長結果;對于測風塔六個月樣本數據，在與再分析數據相關性一般的情況下，總體最小二乘法（TLS）能夠得到相對準確的插補延長結果，相關性較好的情況下，線性最小二乘法（LLS）和風速分類法（ss）能夠得到相對準確的插補延長結果;對于測風塔九個月樣本數據，威布爾分布法（WF）和風速分類法（ss）能夠得到相對準確的插補延長結果。而垂直切片法（VS）不論數據樣本長短，插補延長得到的結果均與實際結果偏差較大。

（3）測風數據實測時間越長，插補延長得到的風速結果偏差越小。