基于激光雷達(dá)測風(fēng)數(shù)據(jù)的復(fù)雜地形下風(fēng)力機(jī)尾流特性研究

季明彬 高曉霞

摘要 以張家口某處風(fēng)電場為實(shí)驗(yàn)場地，采用兩臺多普勒激光雷達(dá)（Wind3D 6000和WindMast WP350）分別測量風(fēng)力機(jī)的尾流和來流風(fēng)速，對全尾流、半尾流和獨(dú)立尾流3種工況進(jìn)行研究。結(jié)果表明，3種工況下隨著尾流發(fā)展尾流寬度均不斷變大，而尾流深度和速度衰減則不斷減小;全尾流和半尾流工況中，上游風(fēng)力機(jī)的存在會增加下游風(fēng)力機(jī)尾流寬度，且全尾流比半尾流的增加量大;全尾流和半尾流工況中，相較于上游風(fēng)力機(jī)，下游風(fēng)力機(jī)尾流深度和速度衰減均較小。

關(guān)鍵詞風(fēng)力機(jī);激光雷達(dá);尾流特性;尾流工況;風(fēng)電場實(shí)驗(yàn)

我國風(fēng)資源豐富地區(qū)很大一部分是山地或丘陵地形。近年來復(fù)雜地形風(fēng)電場的數(shù)量迅速增長，而復(fù)雜地形一方面能夠通過地形加速效應(yīng)增加風(fēng)速從而帶來更多的發(fā)電量，另一方面地形造成的強(qiáng)風(fēng)切變、流動分離、多變的大氣環(huán)境也會影響風(fēng)力發(fā)電機(jī)的安全高效運(yùn)行（Astolfi et al.，2018）。

根據(jù)能量守恒原理，風(fēng)力發(fā)電機(jī)從風(fēng)中吸收能量，會導(dǎo)致風(fēng)力機(jī)下游風(fēng)速降低以及湍流強(qiáng)度的增加，這一現(xiàn)象被稱作風(fēng)力機(jī)尾流（田琳琳，2011）。下風(fēng)向風(fēng)機(jī)在上風(fēng)向風(fēng)機(jī)尾流效應(yīng)的影響下，發(fā)電量減少，風(fēng)機(jī)的載荷也隨著尾流內(nèi)部湍流強(qiáng)度的增加而指數(shù)增長。研究表明，尾流效應(yīng)能夠?qū)ο掠物L(fēng)力機(jī)造成40%的功率虧損以及80%的疲勞載荷增加（Han et al.，2018;Meng et al.，2018）。

大氣底層邊界層對風(fēng)力機(jī)尾流擾動產(chǎn)生影響。氣流經(jīng)過風(fēng)力機(jī)之后速度減弱，在輪轂高度附近速度衰減最大，隨著尾流延伸，尾流寬度逐漸增大而尾流逐漸恢復(fù)（黃思訓(xùn)等，2008;吳息等，2014;吳正人等，2018）。在風(fēng)力機(jī)尾流流場中，大氣邊界層湍流強(qiáng)度將對尾流特性和尾流延伸變化及尾流恢復(fù)速度產(chǎn)生重要影響（祖繁等，2016;田偉和胡暉，2018）。丁輝等（2015）、孫玉婷等（2017）、剛蕾和楊祥生（2018）指出大氣邊界層的大氣穩(wěn)定狀態(tài)，直接影響尾流恢復(fù)速度。大氣狀態(tài)越不穩(wěn)定，湍流強(qiáng)度就越大，越有利于尾流恢復(fù);反之大氣狀態(tài)越穩(wěn)定，湍流強(qiáng)度就越小，越不利于尾流恢復(fù)。

許多學(xué)者對復(fù)雜地形下風(fēng)力機(jī)尾流特性進(jìn)行了研究。Prospathopoulos（2010）對復(fù)雜地形以及平坦地形的風(fēng)電場進(jìn)行數(shù)值模擬，發(fā)現(xiàn)平坦地形模擬結(jié)果與實(shí)際數(shù)據(jù)擬合較好，而復(fù)雜地形的模擬數(shù)據(jù)卻偏差較大。Politis et al.（2012）對同樣的復(fù)雜地形進(jìn)行了數(shù)值模擬，他們的研究表明地形效應(yīng)與尾流效應(yīng)的影響并不能用簡單的線性疊加來預(yù)測。Han et al.（2018）利用數(shù)值模擬和SCADA（數(shù)據(jù)采集與監(jiān)視控制）數(shù)據(jù)對復(fù)雜地形下尾流的發(fā)展進(jìn)行分析，研究表明在復(fù)雜地形下尾流的恢復(fù)速度更快。

除了地形加速與尾流耦合作用難以預(yù)測之外，復(fù)雜地形中多變的大氣環(huán)境以及風(fēng)力機(jī)的運(yùn)行狀態(tài)也對風(fēng)電場的流場有很大的影響。在地形上方大氣運(yùn)動水平方向不呈現(xiàn)波動形態(tài);地形復(fù)雜度越大，其對大氣運(yùn)動的影響也越大（王宇和黃思訓(xùn)，2018）。相對于平坦地形，復(fù)雜地形中的風(fēng)速、風(fēng)向、湍流強(qiáng)度等更為多變，這也就導(dǎo)致了尾流的動態(tài)變化。而風(fēng)力機(jī)根據(jù)功率曲線及來流風(fēng)調(diào)整運(yùn)行狀態(tài)（例如偏航角度、槳距角、轉(zhuǎn)速等姿態(tài)的調(diào)整），這也會使風(fēng)力機(jī)尾流特性發(fā)生改變。綜上，這些因素都會使復(fù)雜地形中風(fēng)電場的內(nèi)部流動更加復(fù)雜。

近年來，激光雷達(dá)技術(shù)的不斷提高為風(fēng)電場測風(fēng)實(shí)驗(yàn)提供了新方案（Wharton，2015;Torres et al.，2019），它可以對大氣進(jìn)行風(fēng)場進(jìn)行遙感測量，獲得高分辨率、高精度的數(shù)據(jù)。本文采用兩臺激光雷達(dá)在張家口某風(fēng)電場進(jìn)行實(shí)驗(yàn)，并對實(shí)驗(yàn)數(shù)據(jù)進(jìn)行尾流特性分析。分析了全尾流、半尾流和獨(dú)立尾流三種工況下尾流寬度、尾流深度和速度衰減的變化，并對比了三種工況分別對尾流特性的影響。

1 實(shí)驗(yàn)概況

1.1 實(shí)驗(yàn)風(fēng)場介紹

實(shí)驗(yàn)風(fēng)場位于河北省壩上地區(qū)，該風(fēng)場具有復(fù)雜的地形（圖1），裝有兩種型號的風(fēng)力機(jī)，其中風(fēng)力機(jī)的參數(shù)如表1所示，裝機(jī)總數(shù)為50臺，風(fēng)力機(jī)基本分布在風(fēng)場的海拔較高處。紅框中的區(qū)域?yàn)楸疚牡难芯繀^(qū)域，該區(qū)域具有較密的風(fēng)機(jī)排布，經(jīng)常會發(fā)生明顯的尾流相互作用現(xiàn)象，并且由于處于復(fù)雜地形從而導(dǎo)致大氣環(huán)境復(fù)雜多變，風(fēng)力機(jī)尾流特性也與平坦地形有所區(qū)別。

1.2 實(shí)驗(yàn)儀器及布置

本次實(shí)驗(yàn)采用了兩臺多普勒激光測風(fēng)雷達(dá)。其中Wind3D 6000（簡稱3D6000;圖2a）是基于光學(xué)脈沖相干多普勒頻移檢測原理，能夠?qū)崿F(xiàn)對中下層對流層（包括大氣邊界層）三維區(qū)域的精準(zhǔn)化風(fēng)速測量;WindMast WP350，簡稱WP350;圖2b）是一種“測風(fēng)塔替代型”脈沖相干測風(fēng)激光雷達(dá)，能夠?qū)す饫走_(dá)上方20～50 m 處的任意30個高度進(jìn)行風(fēng)速和風(fēng)向的測量。

實(shí)驗(yàn)布置如圖3所示，3D6000被安裝在風(fēng)向的下游來對三維區(qū)域內(nèi)的流場進(jìn)行掃描和測量。而WP350被安置在上游來測量來流風(fēng)廓線和湍流強(qiáng)度，其中在2019年3月3日在高度33 m、102 m和150 m處測量的風(fēng)玫瑰圖見圖4，這三個高度分別對應(yīng)風(fēng)力機(jī)輪轂高度上側(cè)、輪轂高度下側(cè)以及輪轂高度，從圖中可以看出實(shí)驗(yàn)期間的主風(fēng)向是西北偏北風(fēng)。

2 實(shí)驗(yàn)測量結(jié)果與數(shù)據(jù)分析

在之前的研究（高曉霞，2019）中，利用了尾流寬度、深度以及速度衰減對尾流特性進(jìn)行量化分析，其中尾流深度及寬度的定義如圖5所示，圖中為尾流下游1 D處（D指風(fēng)輪直徑）輪轂中心高度處的速度徑向分布，其中尾流寬度為速度虧損區(qū)域的徑向長度，尾流深度為速度虧損區(qū)域中最高和最低風(fēng)速的差值。

2.1 全尾流工況

圖6a為3D6000雷達(dá)之上65 m高度處風(fēng)速分布，紅色矩形表示研究全尾流工況尾流相互作用的區(qū)域，兩臺風(fēng)力機(jī)A1-4（型號AW77-1500，輪轂高度71.5 m）的海拔為1 794.1 m，A9-2（型號UP77-1500，輪轂高度為65 m）的海拔為1 800.6 m，二者的輪轂高度恰好基本處于同一海拔，A9-2風(fēng)力機(jī)完全處于A1-4的尾流之中。由于激光雷達(dá)測量嚴(yán)重依賴空氣中的粒子，當(dāng)空氣中的氣溶膠濃度過高或過低時，激光雷達(dá)則無法獲得十分連續(xù)的測量數(shù)據(jù)，因此為了提取更多的實(shí)驗(yàn)數(shù)據(jù)來驗(yàn)證實(shí)驗(yàn)的準(zhǔn)確性，圖6、8、10中尾流下游不同距離處的速度分布并未按照整數(shù)取值。根據(jù)WP350測得的數(shù)據(jù)，此時的來流風(fēng)速為7.92 m/s，湍流強(qiáng)度為5.20%。

圖7為兩臺風(fēng)力機(jī)尾流的尾流特性。兩臺風(fēng)力機(jī)尾流寬度都隨著沿下游距離的發(fā)展而增高，并且由于A9-2處于A1-4的下游，所以一開始就具有很高的尾流寬度，總體而言下游風(fēng)力機(jī)的尾流寬度更大。兩臺風(fēng)力機(jī)的尾流深度也都隨著尾流發(fā)展而降低，并且由于上游尾流帶來的湍流強(qiáng)度增高導(dǎo)致A9-2的尾流深度較小。兩臺風(fēng)力機(jī)尾流的速度衰減情況也不相同，A9-2的速度衰減相比A1-4有明顯的降低，這可能是由于在計(jì)算速度衰減時采用的來流風(fēng)速都為自由來流風(fēng)速，而實(shí)際上A9-2的來流風(fēng)速較小，并且從圖中可以看出A1-4的尾流速度衰減恢復(fù)要快于A9-2。同時也可能是風(fēng)力機(jī)A9-2的尾流恢復(fù)較快，由于上游風(fēng)力機(jī)尾流延伸，對下游風(fēng)力機(jī)大氣擾動，從而大氣狀態(tài)更不穩(wěn)定，湍流強(qiáng)度變大。

2.2 半尾流工況

由圖8a紅色方框里的風(fēng)速分布可以看出A1-4的部分尾流覆蓋A9-2風(fēng)力機(jī)，稱為半尾流工況。根據(jù)WP350測得的數(shù)據(jù)，此時的來流風(fēng)速為7.89 m/s，湍流強(qiáng)度為5.50%。

圖9為A1-4和A9-2兩臺風(fēng)力機(jī)尾流的尾流特性。由于A9-2處于A1-4的下游，所以A9-2比A1-4對應(yīng)距離具有更高的尾流寬度，并且由于A1-4的半尾流影響以及復(fù)雜地形帶來的多變的大氣環(huán)境，使得A9-2風(fēng)力機(jī)尾流寬度起伏不定，并且隨著距離的增加，上游風(fēng)力機(jī)尾流逐漸消散，而風(fēng)力機(jī)A9-2自身尾流寬度隨著尾流的發(fā)展而變大，這也是造成A9-2尾流寬度變化的原因。與全尾流工況尾流相比，尾流寬度曲線趨勢相同，但大約窄0.5 D。兩臺風(fēng)力機(jī)的尾流深度也都隨著尾流發(fā)展而降低，并且由于上游尾流帶來的湍流強(qiáng)度增高導(dǎo)致A9-2的尾流深度較小，并且尾流深度下降率小。兩臺風(fēng)力機(jī)尾流的速度衰減整體上均隨下游距離發(fā)展而下降，但A9-2的速度衰減相比A1-4較小。

2.3 獨(dú)立尾流工況

圖10a中風(fēng)力機(jī)A4-5作為獨(dú)立尾流工況。黑色區(qū)域中風(fēng)力機(jī)的尾流在風(fēng)力機(jī)A4-5上游3.5 D處的紅色線處已逐漸恢復(fù)，所以可將A4-5作為獨(dú)立尾流的風(fēng)力機(jī)。

圖11為風(fēng)力機(jī)A4-5尾流的尾流特性。風(fēng)力機(jī)尾流寬度沿下游距離發(fā)展而變大，尾流深度以及速度衰減都隨著沿下游距離的增大而增大，并且尾流特性的變化沒有全尾流和半尾流工況中的下游風(fēng)力機(jī)的尾流特性波動幅度大，這說明尾流的相互作用增加下游風(fēng)力機(jī)的尾流特性的復(fù)雜性，可能上游風(fēng)力機(jī)的尾流擾動下游風(fēng)力機(jī)大氣穩(wěn)定狀態(tài)，增強(qiáng)湍流強(qiáng)度，使得尾流特性發(fā)生變化。

3 結(jié)論與討論

采用兩臺激光雷達(dá)進(jìn)行實(shí)驗(yàn)，通過分析實(shí)驗(yàn)數(shù)據(jù)，研究了全尾流、半尾流和獨(dú)立尾流三種工況下尾流特性的變化，結(jié)論如下：

1）在風(fēng)電場運(yùn)行中，全尾流半尾流兩種工況均增加下游風(fēng)力機(jī)的尾流寬度，增加效果基本相同，但全尾流會比半尾流的增加量多大約0.5 D。

2）三種工況的尾流深度和速度衰減均隨著尾流發(fā)展而不斷下降，說明尾流深度和速度衰減均不會因工況的改變。

3）全尾流半尾流工況中下游風(fēng)力機(jī)尾流深度比上游較小，都受到上游風(fēng)力機(jī)湍流強(qiáng)度的增強(qiáng)。不同的為，三種工況尾流深度均隨著尾流發(fā)展不斷下降的過程中，半尾流工況比全尾流工況下降率小。

4）前兩種工況中，下游風(fēng)力機(jī)的速度衰減較上游風(fēng)力機(jī)有明顯的降低;半尾流工況使速度衰減下降趨勢較全尾流工況不平緩，說明上游風(fēng)力機(jī)尾流寬度不斷變化下游風(fēng)力機(jī)造成不同程度的沖擊，從而大氣狀態(tài)更不穩(wěn)定，并且會使下游風(fēng)力機(jī)尾流特性變復(fù)雜。

5）利用激光雷達(dá)對風(fēng)電場大氣環(huán)境進(jìn)行了測量，獲得了足夠多的可信數(shù)據(jù)，并對風(fēng)電場尾流特性進(jìn)行了分析，這表明激光雷達(dá)技術(shù)對大氣環(huán)境測量有很大幫助。

本文的結(jié)果可以為復(fù)雜地形下風(fēng)電場的風(fēng)力機(jī)選址提供指導(dǎo)。風(fēng)力機(jī)選址時應(yīng)考慮在盛行風(fēng)向上風(fēng)力機(jī)之間尾流相互干擾，盡量避免全尾流和半尾流工況。進(jìn)一步的工作將側(cè)重于不同復(fù)雜度下尾流相互作用以及風(fēng)力機(jī)性能。

參考文獻(xiàn)（References）

Astolfi D，Castellani F，Terzi L，2018.A study of wind turbine wakes in complex terrain through RANS simulation and SCADA data[J].J Sol Energy Eng，140（3）.doi：10.1115/1.4039093.

丁輝，牛生杰，張澤嬌，2015.利用微脈沖激光雷達(dá)探測大氣混合層高度和氣溶膠垂直結(jié)構(gòu)的初步研究[J].大氣科學(xué)學(xué)報，38（1）：85-92. Ding H，Niu S J，Zhang Z J，2015.Measurements of mixed layer height and aerosol vertical profiles using a micro pulse lidar[J].Trans Atmos Sci，38（1）：85-92.（in Chinese）.

高曉霞，王騰淵，趙飛，等，2019.基于激光雷達(dá)掃描數(shù)據(jù)的湍流強(qiáng)度影響下風(fēng)力機(jī)尾流特性研究[J].太陽能學(xué)報，40（12）：3645-3650. Gao X X，Wang T Y，Zhao F，et al.，2019.Study on influence of turbulence intensity on wind turbine wake characteristics using lidars scanning data[J].Acta Energiae Solaris Sin，40（12）：3645-3650.（in Chinese）.

剛蕾，楊祥生，2018.大氣穩(wěn)定性對風(fēng)力機(jī)尾流影響的數(shù)值模擬[J].蘭州理工大學(xué)學(xué)報，44（6）：55-60. Gang L，Yang X S，2018.Numerical simulation of the influence of atmospheric stability on wind turbine wake[J].J Lanzhou Univ Technol，44（6）：55-60.（in Chinese）.

Han X X，Liu D Y，Xu C，et al.，2018.Atmospheric stability and topography effects on wind turbine performance and wake properties in complex terrain[J].Renew Energy，126：640-651.

黃思訓(xùn)，曹小群，閔錦忠，2008.變分方法反演雙多普勒雷達(dá)低層二維風(fēng)場[J].南京氣象學(xué)院學(xué)報，31（4）：453-459. Huang S X，Cao X Q，Min J Z，2008.Retrieval of dual-Doppler radars 2-DLower level wind field using a variational method[J].J Nanjing Inst Meteor，31（4）：453-459.（in Chinese）.

Meng H，Lien F S，Li L，2018.Elastic actuator line modelling for wake-induced fatigue analysis of horizontal axis wind turbine blade[J].Renew Energy，116：423-437.

Politis E S，Prospathopoulos J，Cabezon D，et al.，2012.Modeling wake effects in large wind farms in complex terrain：the problem，the methods and the issues[J].Wind Energ，15（1）：161-182.

Prospathopouls J M，2010.CFD modelling of wind farms in flat and complex terrain[R]//European Wind Energy Conference.Warsaw：158-188.

孫玉婷，粘新悅，閔錦忠，等，2017.中國沿海風(fēng)能分布特征及其影響因子的數(shù)值模擬[J].大氣科學(xué)學(xué)報，40（6）：823-832. Sun Y T，Nian X Y，Min J Z，et al.，2017.Distribution characteristics of wind energy along the Coast of China and numerical simulation on impact factors[J].Trans Atmos Sci，40（6）：823-832.（in Chinese）.

田琳琳，趙寧，鐘偉，等，2011.基于小生境遺傳算法的風(fēng)電場布局優(yōu)化[J].南京航空航天大學(xué)學(xué)報，43（5）：650-654. Tian L L，Zhao N，Zhong W，et al.，2011.Placement optimization of wind farm based on niche genetic algorithm[J].J Nanjing Univ Aeronaut Astronaut，43（5）：650-654.（in Chinese）.

田偉，胡暉，2018.大氣邊界層對風(fēng)力機(jī)載荷及尾流特性影響的研究[M]//第十屆全國流體力學(xué)學(xué)術(shù)會議.杭州. Tian W，Hu H，2018.Research on the influence of atmospheric boundary layer on wind turbine load and wake characteristics[M]//The 10th National hydrodynamics academic conference.Hangzhou.（in Chinese）.

Torres G E，Aubrun S，Coupiac O，et al.，2019.Statistical characteristics of interacting wind turbine wakes from a 7-month LiDAR measurement campaign[J].Renew Energy，130：1-11.

王宇，黃思訓(xùn)，2018.幾種特殊地形對氣流運(yùn)動影響的解析研究[J].大氣科學(xué)學(xué)報，41（6）：743-752. Wang Y，Huang S X，2018.Analytical study of the influence of several special topographies on airflow movement[J].Trans Atmos Sci，41（6）：743-752.（in Chinese）.

Wharton S，Newman J F，Qualley G，et al.，2015.Measuring turbine inflow with vertically-profiling lidar in complex terrain[J].J Wind Eng Ind Aerodyn，142：217-231.

吳息，黃林宏，周海，等，2014.風(fēng)電場風(fēng)速數(shù)值預(yù)報的動態(tài)修訂方法的探討[J].大氣科學(xué)學(xué)報，37（5）：665-670. Wu X，Huang L H，Zhou H，et al.，2014.Discussion on dynamic corrections of numerical prediction of wind velocity in wind farm[J].Trans Atmos Sci，37（5）：665-670.（in Chinese）.

吳正人，李非，路婷婷，等，2018.風(fēng)力機(jī)尾流擾動對大氣底層邊界層的影響[J].中國電力，51（6）：144-149. Wu Z R，Li F，Lu T T，et al.，2018.Effect of wind turbine tail flow disturbance on the atmospheric bottom boundary layer[J].Electr Power，51（6）：144-149.（in Chinese）.

祖繁，樊曙先，王詠薇，等，2016.復(fù)雜下墊面風(fēng)電場風(fēng)速數(shù)值模擬及誤差特征[J].大氣科學(xué)學(xué)報，39（5）：672-682. Zu F，F(xiàn)an S X，Wang Y W，et al.，2016.Numerical simulation and error characteristics for wind speed on a wind farm over a complex underlying surface[J].Trans Atmos Sci，39（5）：672-682.（in Chinese）.

Research on wake characteristics of wind turbine in complex terrain based on lidar data

JI Mingbin1，GAO Xiaoxia2

1Shenhua New Energy Co.，Ltd，Beijing 100011，China;

2Department of Power Engineering，North China Electric Power University，Baoding 071003，China

Taking a wind farm in Zhangjiakou as the experimental site，the Wind3D 6000 and WindMast WP350 Doppler lidars were used to measure the wake and incoming wind speeds of wind turbines respectively，and three working conditions of full wake，half wake and independent wake were studied.Results show that the wake width increases with the development of the wake，while the depth and velocity decay of the wake decreases with the development of the wake under the three working conditions.Under the full wake and half wake conditions，the presence of the upstream wind turbine will increase the wake width of the downstream wind turbine，and the increase of the full wake is greater than that of the half wake.Under the full wake and half wake conditions，compared with the upstream wind turbine，the wake depth and velocity attenuation of the downstream wind turbine are smaller.

wind turbine;lidar;wake characteristics;wake condition;wind farm experiment

doi：10.13878/j.cnki.dqkxxb.20191015007

（責(zé)任編輯：張福穎）