风电场测风数据长期相关预测方法探讨

2017-11-04 06:55燕志婷呼津华邹振军
风能 2017年8期
关键词:测风塔扇区气象站

文 | 燕志婷,呼津华,邹振军

风电场测风数据长期相关预测方法探讨

文 | 燕志婷,呼津华,邹振军

风电场风能资源评估中需要参考附近有代表性的长期气象资料,利用可靠的技术方法对短期测风数据进行长期相关预测,以准确评估测风塔处的长期风能资源水平和变化。目前风能资源评估工作中常用的长期气象资料有两类,一是风电场附近气象站的实际测风资料,二是气象模型生成的气象再分析资料。自然风极易受环境影响发生变化,相关性分析不可避免会引起误差,客观地检验测风数据长期相关预测结果,也是风能资源评估工作中的现实需求。

依据《GB/T 18710-2002风电场风能资源评估方法》风电场短期测风数据订正为代表年风况数据的方法,用附近气象站数据订正得到的风电场代表年的数据序列作为一个完整年度的风速风向序列。由于气象站与风电场之间的气候差异,测风仪器、计量方法(如时距)、测风位置和高度的变化,以及气象站周围的人工建筑影响等,在风能资源评估中仅参考气象站测风资料会有诸多困难,其订正结果易引起较大的不确定性。

随着气象模型技术的进步,许多学者在风能资源评估过程中已开始应用气象再分析资料。由气象再分析资料进行长期相关预测可得到测风塔长年(如30年)的风速风向序列。目前常见的相关预测技术方法有线性最小二乘法(Linear Least Squares)、矩阵法(Matrix Time Series)、正交最小二乘法(Total Least Squares)、风速分类(SpeedSort)法、方差比法(Variance Ratio)、分段线性法(Vertical Slice)、威布尔拟合法(Weibull Fit)、比值法等,且划分不同的风向扇区。不同国家和地区常用的相关性预测技术方法有所不同,也有机构开始利用人工神经网络(ANN)进行测风数据的长期相关预测。

本文采用化德气象站数据对内蒙古化德县汇德风电场8546#测风塔80m高度的测风数据进行代表年订正(按照GB/T 18710-2002方法),同时用MERRA再分析气象数据(用矩阵法)对其进行长期相关性预测,并对两种方法的结果进行对比和检验。以此为例,探讨长期参考资料选取、相关预测方法和预测成果的检验,以期有助于精细化风电场风能资源评估。

化德县汇德风电场数据资料简况

内蒙古化德县汇德风电场中心位置约为北纬42°01′00″、东经114°10′00″,场址为复杂低山地形,海拔高差260余米,荒漠、草原、林地交错分布。

一、风电场测风数据

汇德风电场8546#测风塔邻近风电场最高处,海拔高度1681m,已获得一年多80m高度的10min风速、风向数据。2014年12月19日-2015年12月18日(下文简称“测风同期”,用来进行长期代表性订正和长期相关性预测)期间的10min平均风速为9.66m/s;2015年12月19日-2016年2月29日(下文简称“检验同期”,用来进行长期相关性预测结果的检验)期间的10min平均风速为11.25m/s。

二、化德气象站数据

风电场8546#测风塔西南方向约23km的化德气象站位于化德县城关镇,观测场海拔高度约1480m,观测高度10m。参考《GB/T 18710-2002风电场风能资源评估方法》,化德气象站与风电场距离较近,二者地形条件和海拔高度也相近,是比较理想的参证气象站。

表1 MERRA-1网格点数据的基本概况

三、附近的MERRA气象再分析数据

美国航空航天局(NASA)利用先进的GEOS-5资料同化系统和气象模型生成的MERRA再分析资料(Modern-Era Retrospective Analysis for Research and Applications),有1/2纬度×2/3经度的全球空间分辨率、1小时时距、距地面50m高度、长期(1979年至今)的风向风速数据序列,可用于风电场风能资源评估。

经对比分析,选取8546#测风塔西偏南方向16.7km的MERRA-1网格点数据(见表1)进行长期相关性预测工作。

汇德风电场8546#测风塔、化德气象站、MERRA-1点的地理位置见图1。

基于化德气象站数据对8546#测风塔作长期代表性订正

利用化德气象站10m高度1954年-2014年的各月平均风速和风向频率,及2014年11月1日-2015年12月18日的逐小时平均风速、风向资料,对8546#测风塔80m高度的风速作长期代表性订正。

一、化德气象站与8546#测风塔风速对比

(一)气象站风速年际变化对比

化德气象站10m高度近30年(1986年-2015年)的累月平均风速为3.51m/s,有较明显的下降趋势;近20年(1996年-2015年)的累月平均风速为3.31m/s,年际变化趋势不明显。

测风同期(2014年12月19日-2015年12月18日),化德气象站的月平均风速为3.56m/s,大于近30年和20年的累月平均风速。参见图2。

(二)气象站与8546#测风塔风速月际变化对比

化德气象站10m高度近30年和近20年的月平均风速变化趋势基本一致,夏季6-9月风速较小,8月风速最小。

测风同期,除11月外,其他月份化德气象站月平均风速较累年月平均风速大;化德气象站与8546#测风塔月平均风速变化趋势基本一致,但8546#测风塔的月平均风速变化幅度明显较大。参见图3。

(三)气象站与8546#测风塔风向变化对比

化德气象站近30年和20年风向频率接近一致。

相对于长期风向频率而言,测风同期化德气象站WNW风向频率较少,偏南和偏西南方向的(WSW、SW、SSW、S)风向频率明显较大。

测风同期,8546#测风塔的风向玫瑰图相对化德气象站有明显的偏转,以WNW-NW-NNW为主导风向,SSW-S次之。参见图4。

二、长期代表性订正

(一)GB/T18710-2002风电场风能资源评估方法

图1 汇德风电场8546#测风塔、化德气象站、MERRA-1点地理位置示意图

图2 化德气象站近30年(1986年-2015年)年平均风速直方图

按照《GB/T18710-2002风电场风能资源评估方法》,作风电场测风塔与对应年份的长期气象站各风向象限的风速相关曲线,将风电场短期测风数据订正为代表年风况数据。

化德气象站数据为1h平均风速。风电场8546#测风塔数据为10min平均风速,将其平均为1h时距,使两者时距保持一致。分16个风向扇区,对8546#测风塔风速(y)与化德气象站风速(x)进行线性相关性分析y=kx+b。得到二者相关性判定系数R2、k参数、b参数,以及不同风向扇区多年与测风年气象站风速差对应的8546#测风塔的订正值,见表2。

利用化德气象站近30年和近20年的数据对8546#测风塔80m高度的风速数据进行长期代表性订正,订正之后得到8546#测风塔近30年和近20年的长年平均风速分别为9.53m/s和9.08m/s。

(二)全扇区相关性订正方法

对8546#测风塔风速(y)和化德气象站风速(x)测风同期的全扇区风速数据进行线性相关性分析(二者风速相关性判定系数R2为0.507),以公式y=kx+b,由气象站近30年和近20年的长年平均风速,求得8546#测风塔80m高度的近30年和近20年的长年平均风速分别为9.47m/s和9.20m/s。

此方法不区分风向扇区,仅订正测风塔长期年平均风速,且只用来粗略地检验长期代表性订正(一)中的结果。本节订正结果和长期代表性订正(一)的结果比较接近,30年长期订正结果相对更接近。

图3 化德气象站与8546#测风塔月平均风速变化对比

图4 化德气象站与8546#测风塔的风向变化对比

表2 化德气象站与8546#测风塔的分扇区相关性分析

基于MERRA-1再分析数据对8546#测风塔数据作长期相关性预测

一、MERRA-1再分析数据与8546#测风塔数据对比

(一)MERRA-1点风速年际变化对比

MERRA-1点50m高度近30年(1985年12月19日-2015年12月18日)和近20年(1995年12月19日-2015年12月18日)的小时平均风速分别为7.13m/s和7.12m/s,相差不大;年平均风速近30年和近20年均呈减小趋势;2003年起年际变化幅度较大。

测风同期(2014年12月19日-2015年12月18日)MERRA-1点的小时平均风速为6.90m/s,小于近30年和近20年的小时平均风速。参见图5。

(二)MERRA-1点与8546#测风塔风速月际变化对比

MERRA-1点50m高度近30年和近20年的月平均风速变化趋势一致,夏季6-9月风速较小,8月风速最小。风速月际变化趋势与气象站较一致,但变化幅度较气象站大。

测风同期,MERRA-1点月平均风速7、8、11月较累年月平均风速明显小,5、10、12月较累年月平均风速大,与气象站同期的月平均风速有明显的差异;MERRA-1点与8546#测风塔的月平均风速变化趋势较一致,变化幅度也较接近;参见图3和图6。

(三)MERRA-1点与8546#测风塔风向变化对比

MERRA-1点近30年和近20年的风向频率一致。

测风同期,MERRA-1点的风向频率与累年风向频率相比变化不大,与8546#测风塔的风向频率也较接近,但与气象站同期的风向频率有较大差异。参见图4和图7。

二、长期相关性预测

(一)MTS矩阵法

MTS(Matrix Time Series)矩阵法是一种较新的测量相关预测MCP(Measure Correlate Predict)方法,是对传统矩阵法的改善。在风向方面,每个扇区细化参考风向与目标风向的相关关系。在风速方面,建立测风同期参考风速和目标风速之间完整二维联合概率分布,并建立目标风速综合季节变化、日变化和自相关变化的风速百分率时间序列。综合风向和风速,结合联合概率分布和风速百分率时间序列,由参考点历年的风向风速序列预测得到目标点历年的风向风速序列。

图5 MERRA-1点近30年(1986年-2015年)年平均风速直方图

图6 MERRA-1点与8546#测风塔月平均风速变化对比

图7 MERRA-1点与8546#测风塔的风向变化对比

采用Windographer软件,分析测风同期MERRA-1参考点数据和8546#测风塔数据相互变化的相关性和时间偏移,分16个风向扇区和每1m/s风速段,以MTS矩阵法由MERRA-1参考点数据对8546#测风塔数据进行长期相关预测。得到二者风速、风向的判定系数R2分别为0.624和0.896,由MERRA-1点近30年的逐小时历史(1985年12月19日-2015年12月18日)风速风向数据序列预测得到8546#测风塔近30年(1985年12月19日-2015年12月18日)的逐小时风速风向数据序列。长期相关性预测得到的8546#测风塔80m高度近20年和30年的长年平均风速均为9.68m/s。

(二)MTS矩阵法预测成果的检验

1. 测风同期8546#测风塔预测与实测风速数据的对比分析

通过以下四种参数对比分析预测与实测风速数据:

平均绝对误差(Mean Absolute Error):

均方根误差(Root Mean Squared Error):

参数公式中Fi为预测风速,Yi为实测风速;平均误差、平均绝对误差和均方根误差三个公式中的i为时间序列;分布误差公式中的i为风速段序列。

统计测风同期8546#测风塔80m高度预测与实测1h平均风速的平均误差、平均绝对误差和均方根误差分别为0.008m/s、0.62m/s和0.95m/s,分布误差为0.58%;各扇区的均方根误差参见表3。

图8 测风同期MERRA-1点与8546#测风塔的二维风速联合概率分布和风向相关性示意图

表3 测风同期8546#测风塔实测与预测1h风速数据之间均方根误差RMSE的分扇区分布

8546#测风塔80m高度预测与实测风速数据序列的相关性很好,判定系数R2为0.9513,可见由MERRA-1再分析数据对8546#测风塔测风同期进行长期相关性预测的结果准确。参见图9。

2. 检验同期8546#测风塔预测与实测风速数据的对比分析

以测风同期8546#测风塔与MERRA-1点的相关性,由MERRA-1点的风速数据预测检验同期8546#测风塔的风速,并与实测风速作对比分析。

检验同期,8546#测风塔80m高度实测1h平均风速为11.25m/s,由MERRA-1点相关性预测得到的1h平均风速为11.36m/s,二者相差较小。经统计,检验同期8546#测风塔预测与实测1h平均风速的平均误差、平均绝对误差和均方根误差分别为0.11m/s、2.45m/s和3.09m/s,分布误差为2.23%;检验同期8546#测风塔预测与实测风速数据序列的相关性判定系数R2为0.479,二者相关性一般。见图10。可见由MERRA-1点相关性预测得到的检验同期的平均风速与实测结果相差较小,但是其逐点风速与实测结果相差较大,可能是由于再分析数据点的风速精度较低造成的。

结论

1. 基于化德气象站10m高度近20年和近30年的数据,按照《GB/T 18710-2002风电场风能资源评估方法》对汇德风电场8546#测风塔80m高度的风速进行长期代表性订正:

(1)得到8546#测风塔近20年和近30年的长年平均风速分别为9.08m/s和9.53m/s,可见长期数据期间不同,订正得到的测风塔代表年平均风速差别较大;风电场代表年的数据序列为一个完整年度的风速风向序列,无法对其进行检验;

图9 测风同期8546#测风塔80m高度预测风速与实测1h平均风速的相关性

图10 检验同期8546#测风塔预测与实测风速数据序列的相关性

(2)多数气象站位于城镇近郊,受环境影响明显,且在不同风向扇区上的环境影响与风电场相比有较大变化,故当气象站测风同期与长年的风向频率相差较大时,简单以长年平均风速的差别订正各个风向扇区,会带来较大的偏差。

2. 基于MERRA-1参考点50m高度近20年和近30年的数据,采用MTS矩阵法对8546#测风塔进行长期相关性预测:

(1)得到8546#测风塔近20年和近30年的长年平均风速均为9.86m/s;进一步对比检验预测结果,表明基于MERRA-1参考点的长期预测结果相对较合理;

(2)采用MTS矩阵法可预测得到目标测风塔的长期风速、风向数据序列,由此能追算出长年的年发电量变化趋势,进而得到年均发电量的最大值、最小值和标准偏差,对风电场的收益预测有一定的指导作用;

(3)MERRA再分析资料的网格尺度较大(1/2纬度×2/3经度),尽管在一定程度上对风能资源分析有借鉴意义,但对复杂地形风资源的代表性有限。如能构建中小尺度的适宜当地地理气候的气象再分析基础资料,对风资源评估会有较大的帮助。

3. 运用科学的技术和方法评估测风塔长年的风资源水平和变化,对风电场投资、建设和运行有现实的意义。由于资料所限,本文仅对比了GB/T 18710-2002长期代表性订正和MTS矩阵法长期相关预测,后续将进一步探讨多种相关预测方法。

(作者单位:燕志婷,呼津华:北京风宜科技有限公司;邹振军:内蒙古化德县汇德风力发电有限责任公司)

猜你喜欢
测风塔扇区气象站
分阶段调整增加扇区通行能力策略
珠峰上架起世界最高气象站
一种自安装海上测风塔的运输和安装稳性分析
心灵气象站
U盘故障排除经验谈
测风塔法在弃风电量评估中的应用
台风“威马逊”影响广东期间近地层风特性
基于贝叶斯估计的短时空域扇区交通流量预测
自动气象站应该注意的一些防雷问题
重建分区表与FAT32_DBR研究与实现