深远海漂浮式风电场对海事雷达回波的衰减仿真研究*

王　倩　俞晓峰　谢　磊　江建平　李子林　施岐璘

(1.上海电力实业有限公司　上海 200001;2.武汉理工大学智能交通系统研究中心　武汉 430063)

0　引　言

深远海漂浮式风电场能够充分利用深远海域更加丰富的风能资源，对我国清洁能源产业的进一步发展具有非常重要的意义。但是，作为一种分布比较集中的海上大型障碍物群，海上风电场的建设也带来了一些比较突出的问题[1]。其中，由于风机的分布比较集中，其对雷达信号的阻挡，会在不同程度上影响雷达的探测性能和范围，使得雷达的阴影区变大。而风机多次反射雷达信号，使得雷达的跟踪性能和方位分辨力下降。虽然多径效应在特定情况下能提高雷达的检测性能[2]，但是却会降低雷达的其他一些参数精度[3]。

国外非常重视海上风电场对雷达工作性能的影响，据《纽约时报》报道，美军为了避免风电场对雷达的性能影响，推迟或否决了多达9 000 MW的风电场项目，这相当于美国5年的建设总量[4]。英国国防部同样极力反对大量修建风力发电站，以避免风力发电机的叶片干扰军方雷达[5]。而英国能源部为此不得不与英国国防部一起出资，专门研制了一种新型的雷达系统以解决风电场影响雷达工作性能的问题[6]。

我国对海上风电场的建设投入很大，近年来对于风电场影响雷达探测性能的问题也越来越重视。经过长期的跟踪研究，研究人员认为风电场对电磁波设备的影响主要来自风机建筑结构对电磁波的反射和遮挡[7]，且风电场的不利影响会降低雷达的成像清晰度、探测概率和虚警概率[8-9]。为了解决这一问题，其中一项研究就是对风机的雷达散射截面(RCS)进行建模，从而分析风机在雷达中的成像，并为风机的雷达图像模拟奠定基础。L.S.Rashid等[10]通过对分析形状结构的分析，建立了风机的RCS计算模型，并定性对比分析了模型结果与测量结果。O.Karabayir等[11]在分析了风机结构及合成孔径雷达(SAR)图像中风机影像的基础上，建立了风机RCS模型。张连迎等[12]基于有限宽度屏蔽绕射模型，仿真计算了风机绕射损耗，并分析了损耗对雷达漏警率和虚警率的影响。王树武等[13]提出了一种基于矩形屏蔽绕射模型的风机损耗计算方法，并将其应用到了东海大桥近海风电场对附近海事雷达影响的研究分析。Xie L等[14]通过将实测的风电场环境下雷达波功率与理论计算的雷达波功率对比，得到了风机对雷达波附加损耗值，并讨论了测量数据中噪声消除方法。

随着计算机技术的发展，计算机的计算能力不断提高，系统建模与仿真技术在各行各业都开始得到应用，因此，研究人员可以根据海上风电场水域的雷达波衰减模型，模拟相应的雷达图像，从而在海上风电场选址阶段对相关水域的船舶航行安全进行评估。目前，雷达图像模拟技术已被广泛应用到了雷达模拟器的研制中，很多学者都对其进行了大量研究，并利用数字高程图(DEM)进行雷达图像模拟。其中，顾振杰等[15]针对SAR雷达的需求，基于DEM数据，采用距离时域相干法，对目标回波进行了仿真。赵宏宇等[16]通过建立雨雪例子二维分布模型，给出了雨雪杂波振幅的计算方法，并将其用于雷达模拟器，模拟结果具有较高的真实性。

笔者研究了深远海漂浮式风电场环境下雷达回波所受到的干扰情况，根据相应的环境和风机损耗模型，实现了海事雷达衰减的模拟和仿真，将上述方法应用到了上海市深远海海域海上风电场场址方案的比选中，根据相关海域的实际情况，对多种方案下可能对航行安全造成的影响进行了说明，从船舶航行安全的角度为深远海海域海上风电场选址方案的确定提供了技术支持。

1　海上风电场水域的雷达回波衰减研究

为了更好地仿真风电场水域的海事雷达回波衰减特征，需要依次模拟出当前的海洋环境和风机分布所带来的雷达衰减，然后才能描述出雷达衰减区的总体分布和衰减程度，进而有针对性的提出相应的安全保障措施。整个过程包括以下3个模型。

1.1　雷达信号的自由传播衰减模型

雷达波在穿透任何介质时都会有损耗，其中，电磁波在空气中传播时的能量损耗满足自由空间损耗模型，该损耗可根据电磁波在雷达和目标之间的传输过程换算出来。对于各向同性的雷达天线，综合考虑发射机损耗、接收机损耗、大气损耗、多路径因子，可将雷达接收天线接收回波信号的功率表示为

(1)

式中：Pr为接收到的雷达回波功率；Pt为发射机功率；Gt为发射天线的增益；σ为目标的雷达截面积；Gr为接收天线的增益；L为系统和传播损耗；R为目标与雷达的距离。

1.2　海洋环境引起的雷达回波衰减模型

雷达在海洋环境下进行探测，往往会受到2方面的干扰：①雷达波在富含水蒸气的空间进行传播，由于水蒸气的吸收与散射，会造成雷达波一定的损耗；②雷达波照射到水面上，被水面前向反射出去，然后回到雷达天线处，由于这种方式传播的电磁波相位与直射波不同，因此两者之间会产生矢量叠加效果，也称为多径干扰。对上述2种干扰，一般需要借助大气损耗因子(lR或lc)和多径因子mp来描述雷达回波的衰减情况。

大气损耗因子与很多因素有关，包括：降水类型、降水量多少、降水量范围、雷达波长、雷达波极化方式等。由于实际情况下，雷达与目标之间全程的降水量可能不一样，不可能全部测量，实际计算过程中往往选取某测量站测量的降水量作为损耗计算的参考。在雷达系统性能评估时，常常假设全程都有较高的降水量。降水的衰减值为

lR=10[c+dlg(r+0.000 01)]dB/km

(2)

式中：r为降雨量，mm/h；c,d为常数，取值与雷达频率有关。

在晴朗天气中，虽然大气中没有小水珠和雾气的影响，但是氧气分子和水蒸气分子也会吸收电磁波影响雷达探测。这个影响与雷达频率相关，一般用氧分子因子(p)和水分子因子(q)表示。空气中的含水量(W)与温度(t)有关，温暖的天气空气中含水量相对较多，一般可选取经验公式进行计算，见式(3)。

W≈5.25+0.13t+0.023t2g/m3

(3)

晴朗天气的衰减(lc)与氧气(因子p)和水蒸气吸收分量(因子q)的关系可用式(4)表示。

(4)

式中：H为相对湿度。

多径因子与雷达的干涉区域和衍射区域有关。干涉区域是离雷达发射点距离较近的区域，到达目的地的信号被直接的和间接的射线之间的干涉修正。在干涉区域，几何光学可以精确描述雷达波传播过程；在衍射区域，几何光学不能精确该传播过程，只能由波动力学描述。干涉区域和衍射区域的分界不明显且随机，一般可以选择下式计算干涉区域的转变距离RA。

(5)

式中：RA为干涉区域到衍射区域的转换距离；H为雷达天线高度；h为目标高度；λ为雷达工作波长。

多路因子的数值是直接射线加上间接射线的合成矢量与直接射线能量之比，计算见式(6)。

(6)

式中：mp为多径因子；ρ为间接射线在反射点的发射系数；gdif为间接射线的归一化能量；φ为间接射线与直接射线的相位差。

1.3　风机遮挡引起的雷达回波衰减模型

由于雷达工作在微波波段，雷达波在传播过程中如果遇到大型障碍物会产生遮挡及绕射现象。障碍物阻挡了电磁波的正常传播，会在其身后形成回波阴影区域。由于电磁波具有一定的绕射能力，在阴影扇形区域的边缘，仍然能够探测到具有一定反射能力的目标，但回波的强度明显减弱，一些小目标将会漏失；在阴影扇形区域中心，雷达波被完全阻挡不能到达，探测不到任何目标，这就是雷达的盲区。

绕射现象产生的基本原因是当雷达发射的电磁波波长远小于障碍物的尺寸时，电磁波能够越过障碍物传播。根据障碍物拓扑结构的不同，电磁波的绕射可分为刃峰绕射、圆顶峰绕射、小坡度连续地面绕射等。一般来说，可以认为当雷达天线所辐射的电磁波通过空间传播到目标点时，凡进入发射点和目标点之间第一菲涅尔区的地面、山峰、建筑物及树木等障碍物，都会对电磁波产生“遮挡”效应，影响目标点的雷达波场强。

第一菲涅尔区的范围如图1所示，设定发射点至接收点的距离为d，由发射点发出的电磁波至空间的任一点，再折向传播到接收点时所经历的路程长度为dr=d1+d2，满足以下条件所构成的空间曲面，即为第一菲涅尔区的边界。

(7)

图1　第一菲涅尔区示意图Fig.1　Schematic diagram of the first Fresnel zone

理论可以证明，这是一个以发射点至接收点连线为长轴的椭球面，发射点和目标点处于椭球面的2个焦点上。该椭球的长短轴分别为

(8)

式中：a为长轴半径；b为短轴半径；d为二点间的直线距离。椭球面上任一点至长轴的垂直距离被称为第一菲涅尔区半径。

在考虑雷达波传输损耗时，需要根据障碍物所构成的第一菲涅尔区，计算雷达波的绕射及遮挡。通过与实际测试数据的对比分析，选用了基于矩形屏蔽绕射模型的风机损耗计算方法，见图2，记矩形屏蔽所在平面为XOY面；以雷达T和目标R的连线为Z轴；Z轴与XOY面的交点为原点，建立空间直角坐标系。

图2　矩形屏蔽绕射模型示意图Fig.2　Schematic diagram of diffraction model for rectangular screen

由图2可见，记矩形屏障4个方向的刀刃位置为x1，x2，y1，y2，并假设雷达波平行于Z轴传播，雷达T和目标R两者离屏蔽面的距离分别为d1和d2，则目标上的雷达回波场强为

es=1-ea

(9)

式中：ea为穿过矩形屏蔽到达目标上的场强，其计算见式(10)～(11)。

ea(x1,x2,x3,x4)=0.5(CxSy+SxCy)-

j0.5(CxCy-SxSy)

(10)

(11)

式中：C(ν)和S(ν)是菲涅尔积分，ν为几何参数，与障碍物所在处第一菲涅尔半径F1有关，其中λ为电磁波波长，h为刀刃形绕射中的高程，其定义见式(12)～(14)。

(12)

(13)

(14)

2　已建成海上风电场的实例分析

借助前文所开展的理论研究，可以通过仿真来模拟深远海风电场水域的海事雷达回波衰减情况。但是，相关风电场目前仍处于前期论证阶段，尚未真正建成，无法通过现场测试来验证仿真结果的准确性。为了确保仿真的准确性，笔者以已建成的上海东海大桥风电场为对象，现场测试了小洋山雷达站的海事雷达在风电场环境下的回波衰减情况，并与仿真数据进行对比，以验证相关仿真处理方法的准确度。之后，还对仿真模型进行了线性回归，进一步提高了仿真的精度。

上海东海大桥风电场是我国海上风力发电行业发展初期的大型示范项目之一，位于上海浦东新区临港新城至洋山深水港的东海大桥两侧，周边水域的航道纵横交错，属水上交通船舶流密集的区域，且船舶流动向复杂。针对该风电场的地理特征，研究人员在风电场周边及内部水域开展了雷达回波实测实验，现场测试小洋山雷达站的雷达回波场强。所测得的数据被分为两类，其中，在没有受到风电场遮挡的水域所测得的数据，命名为自由传播场强数据，这些数据反映了雷达波在开阔水域传播过程中正常衰减的情况；在风电场内部以及背面明显受到遮挡的水域所测得的数据，命名为实测场强数据，这些数据反映了雷达波在风电场水域传播过程中异常衰减的情况。最后，在合成了雷达信号自由传播衰减模型、海洋环境引起的雷达回波衰减模型及风机遮挡引起的雷达回波衰减模型之后，通过仿真得到的模拟数据，命名为合成场强数据。按照测试点与雷达的实际距离，可以将这3批数据归并后绘制成折线图，见图3。

由图3可见，实测场强数据和合成场强数据相对比较接近，而自由传播场强数据则表现出明显的偏离。

为了定量分析这3批数据的关联程度，笔者以实测场强数据为基准，采用灰色关联法分别计算了自由传播场强数据、合成场强数据与实测场强数据的关联度。经过计算可以发现：实测场强数据与自由传播场强数据的关联度r=0.583 1，这表明2条折线的关联程度一般，两者间不具备相关性。但是，实测场强数据与合成场强数据的关联度r=0.760 3，明显高于实测场强数据和自由传播场强数据的关联程度。显然，笔者通过模拟得到的雷达回波衰减仿真模型比较接近真实数据，仿真的结果是有效的。

为了进一步修正雷达回波衰减仿真模型，笔者以实测场强数据为因变量，以合成场强数据中的环境衰减因子和风机遮挡衰减因子为自变量，对合成场强数据进行了二元线性回归修正。

Er=Ef+a·Eb+b*Et+c

(15)

式中：Er为实测场强数据；Ef为合成场强数据；Eb为环境衰减因子；Et为风机遮挡衰减因子;a，b，c为线性回归修正系数。

结果显示常数项c为-20.34 dBm，环境衰减因子和风机遮挡衰减因子的系数a，b分别为0.70和-0.74。修正后合成场强数据与实测场强数据的相对误差大部分落入在-10%～10%之间，相对误差的平均绝对值为5%。

3　上海市深远海海域海上风电场选址方案评估及优化

通过上述实测数据对比，可以认为所采用的海事雷达回波衰减仿真计算方法是比较准确的。在此基础上，进一步把该仿真处理算法应用到了上海市深远海域海上风电重大示范工程的选址方案评估中。上海市深远海域海上风电重大示范工程位于上海崇明横沙岛东侧海域，风电场初步场址共2个方案，分为5个区域。方案一规划总装机容量为85万kW，包括1#，2#，3# 3块水域。方案二规划总装机容量为280万kW，包括4#，5# 2块水域。5个风电场初选场址位置如图5所示。由图5可见，方案一的选址区域紧邻北港航道，而方案二的4#规划区则夹在长江口内航路和中航路之间。

图5　风电场初选场址位置(方案一、方案二)Fig.5　Preliminary geographical location of wind farm(Scheme I and II)

从雷达监管的情况来看，上海VTS系统由横沙雷达站(北纬31°18′08″，东经121°50′49″)、长兴雷达站(北纬31°22′05″，东经121°42′56″)、吴淞口雷达站(北纬31°23′35″，东经121°30′30″)、吴淞TVS分中心(北纬31°22′30″，东经121°29′44″)和鸡骨礁雷达站(北纬31°10′25″，东经122°22′56″)组成，见图6。其中，鸡骨礁雷达站距离上述风场最近，因此，在风场建设及运营期间，将主要依赖于鸡骨礁雷达站来保障风场周边航道的航行安全。

图6　上海市深远海海域海上风电场附近的雷达站分布Fig.6　Distribution of radar stations near the offshore wind farms of deep sea in Shanghai city

通过前述仿真模型，可以模拟鸡骨礁雷达站在方案一和方案二2个风电场选址水域的衰减区分布，分别见图7和图8。其中，鸡骨礁雷达站所在位置用星号标识，雷达衰减分布则由黑-白色标识其数值大小，越接近黑色，干扰值越大，越接近白色，干扰值越小。当干扰值小于1 dB时，不予渲染。

图7　方案二中的鸡骨礁雷达站衰减区Fig.7　Attenuating areaof Jigujiao radar stationcaused

由图7可见，方案一的3个场址规划区恰好遮挡了鸡骨礁雷达站对北港航道的监管，其雷达衰减区几乎完全覆盖了航道，这对船舶交管带来了较大的影响；方案二的5#规划区对长江口外航路有一定影响，但是该航路范围较广，影响程度有限，但是4#规划区的雷达衰减区明显影响到了长江口中航路，这会对船舶航行监管形成遮蔽，并对船舶避让形成干扰。

针对上述模拟结果，可以看出方案二要比方案一更加合理。同时，通过实际调查，研究人员对方案二4#区域的位置做了进一步的优化，得到了6#区域，见图8。

图8　方案二优化后的风电场场址位置Fig.8　Geographical location ofwind farm in optimized Scheme II

对优化后的方案二进行模拟，得到雷达波衰减分布见图9。显然，该方案的雷达衰减区与航道的距离更远，能够更好的保障该水域的航行安全。

图9　方案二优化后的鸡骨礁雷达站衰减区Fig.9　Attenuating areaof Jigujiao radar stationcaused by optimized scheme II

由于上海市深远海域海上风电重大示范工程尚未开始建设，风电机组的布设情况也没有最终确定。因此，上述雷达模拟图中的风机密度暂定与上海东海风电场一致。但是，对于深远海域来说，更远的位置也就意味着更加广泛的海域，因此,其风机密度可以适当降低。如果优化后的方案二所采用的风机密度降低至1/4，其雷达波衰减分布则见图10。显然，此时的雷达回波的衰减程度和衰减范围都明显得以降低。

图10　风机密度降低后的鸡骨礁雷达站衰减区Fig.10　Attenuating areaof Jigujiao radar stationcaused bylow density wind turbine

4　风电场干扰分析及相应措施

通过上述雷达模拟图像，可以直观地看出海上风电场对雷达监管的影响程度。方案一中的3个规划区与雷达站和航道的距离都太近了，不仅给雷达波带来较强的衰减，而且也导致部分航道落入衰减区内，对船舶交管带来了较大的影响；方案二虽然距离雷达较远，影响相对较小，但是4#规划区恰好被两条航道夹在中间，其雷达衰减区仍然会影响到航道中的船舶航行安全；优化后的方案二，即5#和6#规划区域所在海域，其对海事雷达的干扰有限，能够确保鸡骨礁雷达站保持正常的监管能力。此外，如果适当降低风机密度，将进一步减少雷达波的衰减程度。

5　结束语

深远海海域海上风电场的选址，可能会影响到风电场周边海域的通航安全，在风电场建设之前对风电场的场址进行论证，并尽可能定量地分析其对海事雷达的干扰情况，有助于减少上述不利影响。通过雷达模拟图像，可以向相关工程技术人员提供直观的雷达衰减区域分布情况，以及相应的雷达衰减程度，从而为相关选址决策提供技术支持，这对保障该海域的水上交通安全具有非常重要的意义。

参考文献References

[1]WYATT L R, ROBINSON A M, HOWARTH M J. Wind farm impacts on HF radar current and wave measurements in Liverpool Bay[C]. OCEANS 2011 IEEE-Spain, Santander, Spain: IEEE,2011.

[2]周志增,刘 朋,顾荣军.多径对雷达探测性能的影响分析[J].太赫兹科学与电子信息学报,2013,11(5):736-740.

ZHOU Zhizeng, LIU Peng, GU Rongjun. Analysis of radar detection under multipath effect[J]. Journal of Terahertz Science and Electronic Information Technology,2013,11(5):736-740. (in Chinese)

[3]JACKSON C A. Windfarm characteristics and their effect on radar systems[C]. The Institution of Engineering and Technology International Conference on Radar Systems,Edinburgh, United Kingdom:IET,2007.

[4]AULD T, MCHENRY M P, WHALE J. US military, airspace, and meteorological radar system impacts from utility class wind turbines: implications for renewable energy targets and the wind industry[J]. Renewable Energy,2015,55(55):24-30.

[5]HARRISON D. Impact of operational wind farms in the United Kingdom on weather radar products[C]. 7thEuropean Conf. on Radar in Meteorology and Hydrology, Toulouse, France:ERAD,2012.

[6]MATTHEW J C G, PINTO J, SARNO C. Stealth solutions to solve the radar-wind farm interaction problem[C]. LAPC 2007: 3rdLoughborough Antennas and Propagation Conference, Loughborough, United Kingdom: IEEE,2007.

[7]吴 彪,沈国勤,周 宁.风电场对雷达性能影响问题研究[J].中国无线电,2013(10):60-62.

WU Biao, SHEN Guoqin, ZHOU Ning. Study of the effect of wind farm on radar[J]. China Radio,2013(10):60-62.(in Chinese)

[8]SHEN C. Wind turbine radar clutter statistics and probability of detection[C].2015 IEEE International Radar Conference, Arlington, VA, United States: IEEE,2015.

[9]都兴霖,潘谊春,王振华,等.绕射对雷达对抗侦察接收机检测概率的影响分析[J].空军预警学院学报,2014,28(5):335-338.

DU Xingling, PAN Yichun, WANG Zhenhua, et al.Analysis of diffraction on detection probability of radar countermeasure reconnaissance receiver[J].Journal of Air Force Early Warning Academy,2014,28(5):335-338.(in Chinese)

[10]RASHID L S, BROWN A K. RCS and radar propagation near offshore wind farms[C].2007 IEEE Antennas and Propagation Society International Symposium,Honolulu, HI, United States: IEEE,2007.

[11]KARABAYIR O, YUCEDAG S M, YUCEDAG O M, et al. Investigation of deteriorating effects of wind farms on SAR imaging[C].2014 22ndSignal Processing and Communications Applications Conference, Trabzon, Turkey: IEEE,2014.

[12]张连迎,李川川.风机绕射损耗估算方法及对电子系统影响的分析[J].现代电子技术,2014,37(3):35-37.

ZHANG Lianying, LI Chuanchuan. Analysis of the estimation method of diffraction loss over windmilland its influence to electronic system[J].Modern Electronics Technique,2014,37(3):35-37.(in Chinese)

[13]王树武,谢 磊,曹 臻,等.近海风电场障碍下海事雷达绕射损耗估算方法[J].船海工程,2016,45(4):72-76.

WANG Shuwu, XIE Lei, CAO Zhen, et al. Estimation method of diffraction loss over offshore wind farm obstacles on maritime radar[J]. Ship & Ocean Engineering,2016,45(4):72-76.(in Chinese)

[14]XIE L, WANG S W, YAN X P, et al. Additional attenuation detection and correction of radar wave within the interior region of offshore wind farm[C]. 2ndInternational Conference on Offshore Renewable Energy, Lisbon, Portugal:CORE,2016.

[15]顾振杰,刘 宇.SAR雷达目标回波模拟系统构建方法研究[J].舰船电子工程,2016,36(8):103-106.

GU Zhenjie, LIU Yu. Construction method of sar radar target echo simulation system[J].Ship Electronic Engineering, 2016,36(8):103-106.(in Chinese)

[16]赵宏宇,刘克中,杨 星,等.航海雷达模拟器中雨雪杂波图像的模拟仿真研究[J].系统仿真学报,2013,25(10):2359-2366.

ZHAO Hongyu, LIU Kezhong, YANG Xing, et al. Simulation of precipitation clutter image on navigation radar and arpa simulator[J]. Journal of System Simulation,2013,25(10):2359-2366.(in Chinese)

[17]张永贺,宋 芳,王 番,等.雷达图像模拟方法分析[J].海洋测绘,2008,28(2):75-78.

ZHANG Yonghe, SONG Fang, WANG Fan, et al. The analysis of synthetic aperture radar image simulation[J]. Hydrographic Surveying and Charting,2008,28(2):75-78.(in Chinese)

[18]李 业,任鸿翔,朱耀辉.一种改进的雷达模拟器回波图像生成算法[J].大连海事大学学报,2016,42(3):123-128.

LI Ye, REN Hongxiang, ZHU Yaohui. A modified algorithm of radarsimulator echo images generation[J]. Journal of Dalian Maritime University,2016,42(3):123-128.(in Chinese)