不同測風時長的數據插補對風能參數的影響研究

文 | 付淑儀

全面實現平價上網政策的出臺，引發業內的“搶裝潮”。為占得先機，投資者們一方面抓緊推進已核準項目的開工建設，另一方面，加快尋找可能的資源并上報核準。按照NB/T31147―2018《風電場工程風能資源測量與評估技術規范》的要求，進行詳細的風能資源評估至少需要1個完整年的測風數據。但實際上，投資者們無法按部就班等到立塔1年后再進行投資決策。因此，由于測風時長不夠而帶來的風能資源評估誤差是顯而易見的。

本文選取兩座測風塔為目標塔（對應的參照塔分別為三座和兩座），研究在目標塔實測時長不滿1年的情況下，與目標塔具有不同相關性的參照數據源以及不同線性回歸插補方法的選取對目標塔風速、利用小時數等參數的影響，以期為行業投資提供參考。

測風塔概況

為了評估參照塔與目標塔之間數據相關性對結果的影響，本文以兩個山地風電場為例進行介紹。

風電場A選取目標塔M1以及參照塔C11、C12、C13，測風時段為2015年9月1日―2016年8月31日，依據規范判斷所有測風塔在選取的時間段內10min有效數據完整率皆高于94%，主風向為NNE。三座參照塔距離M1分別為8.5km（東南）、12.5km（東南）、7km（西北），所在區域皆為丘陵低山，山脊較為寬闊，下墊面植被為1～2m低矮灌木叢。

風電場B選取目標塔M2以及參照塔C21、C22，測風時段為2016年7月1日－2017年6月30日，依據規范判斷所有測風塔在選取的時間段內10min有效數據完整率皆高于99%，主風向以NNE為主。兩座參照塔距離M2分別為6km（西北）、3.7km（西北），所在區域皆為高山，整體山勢較為平緩，下墊面植被以松樹為主。其中，C22與M2在同一條連續的山脊上。

研究方法

選定測風已滿1年的測風塔作為目標測風塔，分別選取其前1個月、2個月……11個月的實測數據，采用另一座參照測風塔對其進行測風數據的延長插補，最終形成1個完整年的測風數據。將其與目標塔實測的1個完整年測風數據進行對比分析。本次分別采用總體相關法和分風向相關法兩種不同的線性回歸法進行目標測風塔風速的延長插補。

表1 測風塔信息

一、總體相關法

利用目標塔與參照塔同期的所有測風數據，分別建立不同測風時長下目標塔與參照塔風速數據的一元線性回歸方程，利用該方程推算目標塔的缺測時間段風速。

以風電場A為例，目標塔M1與參照塔C11的同期測風時段為2015年年9月1日―2016年8月31日。分別對M1不同測風時長下的測風數據與C11同期數據進行相關性分析，建立總體相關方程，進而利用C11的實測數據對M1的缺測數據進行插補，最終形成11組滿1個完整年的測風數據。表2列出不同測風時長下兩塔之間的相關系數及總體相關方程。從表2中可以看出，當M1測風時長不滿3個月時，目標塔與參照塔之間的風速相關系數變化幅度較大；當測風時長為3～6個月時，兩者之間的相關系數較低；當測風時長大于等于7個月時，兩者之間的相關系數趨于穩定。

二、分風向相關法

將參照塔的風向數據平均分為16個扇區，分別建立不同測風時長下每個扇區的目標塔與參照塔風速數據的一元線性回歸方程，最終形成11組滿1個完整年的測風數據。表3給出了當目標塔M1的測風時長為6個月時，C11和M1在不同風向扇區內的相關系數及相關方程。

表2 總體相關法相關方程及相關系數

表3 分風向相關法相關方程及相關系數

三、年利用小時數計算

以WTG147-2500kW雙饋型風電機組為例，其風輪直徑為147m，單機容量為2500kW，切入風速為2.5m/s，切出風速為20m/s，是一款針對低風速區域開發的機型，功率曲線特性如表4所示。年利用小時數H的計算公式如式（1）所示，其中，理論發電量EN（單位：kWh/y）由法國美迪公司開發的Meteodyn WT軟件模擬計算得到，折減系數R按經驗值取值0.72，單機容量P為2500kW。

四、誤差分析

為了對比不同計算條件下兩種線性回歸方法的插補精度，本文采用風速序列的平均絕對百分比誤差平均風速的絕對誤差以及年利用小時數的絕對誤差AE（H）三個參數來進行評價。誤差值越小，表示插補數據與實測數據的偏差越小。

如果Tr（t）代表t時刻的實測風速值，Es（t）代表由一元線性回歸插補得到的t時刻的估算值，則將平均絕對百分比誤差定義為式（2）。

如果X代表由實測風速序列計算得到的全年平均風速或年利用小時數，Y代表由插補后風速序列計算得到的全年平均風速或年利用小時數，則將絕對誤差AE定義為式（3）。

結果分析

按照前述研究方法分別依據參照塔C11、C12和C13對M1進行數據插補，依據參照塔C21和C22對M2進行數據插補，共得到110組插補后的風速序列。考慮到當目標塔的測風時長不同時，需要插補的數據樣本量不同，為了更好地對比兩種方法的插補精確度，本文僅抽取2016年8月1日―2016年8月31日（M1）和2017年6月1日―2017年6月30日（M2）時間段內1個完整月的插補數據，進行風速平均絕對百分比誤差對比，以此繪制圖2。在此時間段內，110組插補后的風速序列樣本量基本相同，且均為插補數據。表5、表6分別給出插補后各序列的平均風速值以及年利用小時數。圖3、圖4分別給出插補后各序列的平均風速絕對誤差對比以及年利用小時數絕對誤差對比。

表4 機組功率曲線特性

從圖2可以看出在同樣的計算條件下，分風向相關法的精度總是高于總體相關法。隨著參照塔與目標塔之間相關系數的提高，插補的平均絕對百分比誤差隨之減小，且兩種數據插補方法得到的結果更接近；當兩者的相關系數達到0.96時（對應圖2中的C22兩條曲線），兩種數據插補方法得到的結果基本一致。當參照塔與目標塔之間的相關系數高于0.9時（對應圖2中的C13、C21、C22共6條曲線），隨著實際測風時長的增加，誤差沒有明顯的起伏變化；當參照塔與目標塔之間的相關系數低于0.9時，隨著實際測風時長的增加，誤差呈現出先增大再減小的變化過程，對應表2列出的相關系數，可以推斷插補后的風速序列平均絕對百分比誤差與所選取的樣本之間相關性呈相反的變化趨勢。

表5、圖3分別反映不同計算條件下的平均風速及其絕對誤差對比。可以看出，當目標塔的實際測風時長在3個月及以下時，兩種插補方法下的平均風速絕對誤差波動范圍較大；當實際測風時長滿6個月時，平均風速絕對誤差開始有下滑趨勢。另外，當測風時長大于3個月時，采用分風向相關法插補后的平均風速絕對誤差基本可以被控制在0.1m/s以內；采用總體相關法插補時，當參照塔與目標塔的相關系數小于0.9時，平均風速絕對誤差大于0.1m/s。

表5 平均風速統計（m/s）

表6、圖4分別反映不同計算條件下的年利用小時數及其絕對誤差對比。可以看出，當目標塔的實際測風時長在3個月及以下時，兩種插補方法下的年利用小時數絕對誤差波動范圍較大；當實際測風時長滿6個月時，年利用小時數的絕對誤差開始有下滑趨勢。這與平均風速的變化規律基本一致。另外，對于風電場A，當測風時長大于6個月時，采用分風向相關法插補得到的年利用小時數絕對誤差可被控制在50h以內；對于風電場B，當測風時長大于3個月時，采用分風向相關法插補得到的年利用小時數絕對誤差可被控制在55h以內。若采用總體相關法，年利用小時數的絕對誤差高于分風向相關法，隨著參照塔與目標塔之間相關系數的提高，兩者之間的差值減小，當相關系數提高到0.96時（對應于C22測風塔），兩者基本相等。

表6 年利用小時數統計（h）

結論

本文通過采用總體相關法和分風向相關法，利用不同的參照塔對不同測風時長下的目標塔進行延長插補，并分析相應的誤差，得到以下結論：

從數據序列的角度來看，分風向相關法總是優于總體相關法。隨著參照塔與目標塔之間相關系數的提高，誤差減小，且兩種線性回歸法之間的差距也減小。

當參照塔與目標塔之間的相關系數為0.8～0.9時，采用分風向相關法可以將風能資源評估的測風時長縮短至6個月；當兩者的相關系數高于0.9時，采用分風向相關法可以將風能資源評估的測風時長縮短至3個月。當測風時長在3個月以下時，插補得到的平均風速和年利用小時數誤差較大，不建議采用該數據進行風能資源評估。