上海电气许梦莹：微观选址评估闭环优化探讨

　　2021年10月17日-20日，2021北京国际风能大会暨展览会（CWP 2021）在北京新国展隆重召开。作为全球风电行业年度最大的盛会之一，这场由百余名演讲嘉宾和数千名国内外参会代表共同参与的风能盛会，再次登陆北京。

　　

　　本届大会以“碳中和——风电发展的新机遇”为主题，历时四天，包括开幕式、主旨发言、高峰对话、创新剧场以及关于“国际成熟风电市场发展动态及投资机会”“国际新兴风电市场发展动态及投资机会”“风电设备智能运维论坛”“碳达峰碳中和加速能源转型”等不同主题的15个分论坛。能见App全程直播本次大会。

　　

　　在19日下午召开的风资源精细化评估论坛上，上海电气集团股份有限公司风电技术部风能资源室主任许梦莹发表了题为《微观选址评估闭环优化探讨》的主题演讲。

　　

　　许梦莹：各位风电行业同仁大家下午好，我是来自上海电气的许梦莹，今天分享做微观选址评估闭环当中的工作和收获。

　　

　　发电量是影响度电成本的重要因素，发电量不确定度主要来自风速有不确定度，风速不确定度归根结底两个方面，一测风数据本身，二设计模型，主要在设计模型这个领域，近年来一个趋势从物理原理层面去更精细做区域风资源仿真，很多技术IEC技术也在各大厂商都有实践案例，精细化必然带来计算量不断提高，这显然不利于日常项目投标的，因此我们思考如何最大化利用现有技术手段，比如WT基于RANS的方式，还有另外的形式通过后评估方式，我得到了一些经验之后反哺微观评估。

　　

　　具体做什么样内容，首先从IEC端出发，尝试评估里面涉及到6大参数，影响发电量也影响风速安全，具体要做一项工作包括哪些内容，大致分为五个方面，首先刚刚那些参数评估阶段和运行阶段对比分析，然后发电量很重要，评估阶段发电量和实际发电量一个对比。在这个过程中我们发现有些机组属于低效机组，到底是不是机组问题，需要引入功率曲线复合度判断，其他的是折减系数符合度，前面主要就是大概的概念和框架。

　　

　　分析思路，首先是风速。在这边提醒一下后面所有图表灰色部分是实测数据，蓝色是WT的结果，温性结果是砖红色，平均风速来看还是比较贴合的，实际分速偏低，也将全场风速绝对偏差进行了统计，大致的一个期望就是风速绝对偏差期望大致在0.6米每秒左右，既然它是小风年，我将测风塔数据定位到小风年之后得到结果又会是怎么样的，这时风速绝对偏差期望大概在0.3米每秒左右，此时是否是意味着对于丘陵地形我现在一套标准化的微观选址流程它所导致风速不确定因素，大致在0.3米每秒左右，我们目前所做项目还相对较少，对于我们团队而言做更多项目支撑这样一个结论。

　　

　　另外看一下风频。这两张图最大的区别，WS实际都是采用最大自然法拟合威布尔参数，左边这是采用等量密度法，那边采用最大自然法，从结构可以看到，我采用相同方法之后，WT结果是比较相近的，也给我们一个提示就是，最大自然法和等量密度法所得到的威布尔参数值差异其实是很大的，尽管我们之前可能或多或少都有知道，但是在实际使用这个A、K值的时候，是不是有留心它的拟荷方法是真正，不同拟荷方法到底影响程度有多大？

　　

　　依据同一个风频分布采用不同的拟合方法得到AK值之后，再反算出一个风频分布，从结果上看出，能量和原来风频是比较贴合的，我对于全场而言，这两种方法它的差异得到AK值差异又是怎样的，对于K值而言，大家可以看到，最那边16号，17号机组的时候，他们K值最大差异达到0.6，对于A值达到0.9，目前初步结论，威布尔参数A和B在使用不同拟合方法时相差结果还是比较大的，对于全场平均场而言，自然法是小于能量法的，我只能说经过我们的一些简单分析，在未来使用AK值的时候应该要小心一点。

　　

　　三张图最上面就是风频分布，我们也对比看了一下每一台机组的情况，微观选址阶段风向与实际一致，WT和Windsim计算得到的风频基本一致，项目我们没有收集到实际湍流，但是在其他项目当中有让我评估阶段的湍流和实际湍流对比，目前我们看下来每个机会点情况各异，比较难有一个定论。

　　

　　尾流分析，上半部分是整场发电量和整场的平均尾流，就发电量而言，WT、Windsim计算出来的基本上是比较相近的，然后整场平均尾流他们两个计算方法是不一样的，Windsim计算出来的尾流折减也是比WT大的，这个行业内大家也都清楚，从整场角度而言，两个WT和Windsim它在整场尾流折减一个分布规律也是比较相近的，因为它是一个数值排布沿着山脊由北向向竖直排布的状态，而它的主风向是东风，所以这个项目不太适合做尾流模型一个对比分析，所以在这里面补充一点信息，这是一个海上项目，在这个项目里面，我们将每一种尾流模型所计算出来的尾流折减和我实际的尾流折减进行一个相关性分析，从结果上可以看到，每个方法得到的结果和实际尾流折减它的相关性比较好，而且结果也比较相近。大致的节能的话不同平台计算的结果是绝对值上的差异，并非整场分布规律上的差别。

　　

　　再看发电量过程中，有些是低效机组状态，典型的是13号机位，旁边一个相似地形的那台机组发电量比较好，我们首先看一下功率曲线，都跟合同功率曲线比较贴合的，大家可以看一下最右边一张图，高出来虚线灰色的线就是13号机组实际的风频，实际风频里面低风速占比比较高，而其他那几条线叠在一起了，11号机组实际风频和评估风频和13号机组风频，为什么会13号机组它的风频发电量偏低，我们也做了一些分析，13号机组前面有灌木从，有采用森林模型，也有采用人工修改粗糙度方式重新计算，但是结果并没有什么改善。

　　

　　下面就是在这个过程中尝试用不同分辨率研究刚刚的问题，得到的尽管有一点偏，但是也有一些收获。

　　

　　上面是WT，下面是Windsim结果，部分的是有差别的，两个软件结果都比较相似，具体我不同的网格分辨下，最大发电量和最小发电量差别到底多大，全场最大达到150兆瓦时每年，最小30兆瓦时每年，我也同样进行一个统计分析，然后这个就全场来看的话，它的一个发电量差异大致一个期望是在80兆瓦时每年的数量级，对应到满发小时数40个，对单机而言，网格分辨率越大计算得到的发电量越低的，当网格分辨率小于25之后，发电量是趋于稳定的状态。然后是网格分辨率对尾流损失计算的影响，不过多赘述了，大致得到的几个结论不同网格分辨率对尾流衰减的影响比较小，主要还是不同计算方法带来绝对值结果差异。

　　

　　大致总结所得到的收获，对于风速而言，WT与Windsim的计算结果基本一致，经过小风年订正后，仿真和实际差异大部分0.3到0.4之间。川流强度计算，软件间结果存在差异，但是也比较难有定论，网格分辨率越低，发电量越低，25米以下的结果趋于稳定，对于尾流损失的计算影响比较小，主要还是不同计算方法结构绝对值差异，然后不同威布尔参数方法得到的参数值差异比较大，未来在A、K值使用上面还是应该要小心一点。以上就是所有内容，谢谢。

　　

　　（根据速记整理，未经本人审核）