2021年10月17日-20日，2021北京國際風能大會暨展覽會（CWP 2021）在北京新國展隆重召開。作為全球風電行業年度最大的盛會之一，這場由百余名演講嘉賓和數千名國內外參會代表共同參與的風能盛會，再次登陸北京。

　　

　　本屆大會以“碳中和——風電發展的新機遇”為主題，歷時四天，包括開幕式、主旨發言、高峰對話、創新劇場以及關于“國際成熟風電市場發展動態及投資機會”“國際新興風電市場發展動態及投資機會”“風電設備智能運維論壇”“碳達峰碳中和加速能源轉型”等不同主題的15個分論壇。能見App全程直播本次大會。

　　

　　在19日下午召開的風資源精細化評估論壇上，上海電氣集團股份有限公司風電技術部風能資源室主任許夢瑩發表了題為《微觀選址評估閉環優化探討》的主題演講。

　　

　　許夢瑩：各位風電行業同仁大家下午好，我是來自上海電氣的許夢瑩，今天分享做微觀選址評估閉環當中的工作和收獲。

　　

　　發電量是影響度電成本的重要因素，發電量不確定度主要來自風速有不確定度，風速不確定度歸根結底兩個方面，一測風數據本身，二設計模型，主要在設計模型這個領域，近年來一個趨勢從物理原理層面去更精細做區域風資源仿真，很多技術IEC技術也在各大廠商都有實踐案例，精細化必然帶來計算量不斷提高，這顯然不利于日常項目投標的，因此我們思考如何最大化利用現有技術手段，比如WT基于RANS的方式，還有另外的形式通過后評估方式，我得到了一些經驗之后反哺微觀評估。

　　

　　具體做什么樣內容，首先從IEC端出發，嘗試評估里面涉及到6大參數，影響發電量也影響風速安全，具體要做一項工作包括哪些內容，大致分為五個方面，首先剛剛那些參數評估階段和運行階段對比分析，然后發電量很重要，評估階段發電量和實際發電量一個對比。在這個過程中我們發現有些機組屬于低效機組，到底是不是機組問題，需要引入功率曲線復合度判斷，其他的是折減系數符合度，前面主要就是大概的概念和框架。

　　

　　分析思路，首先是風速。在這邊提醒一下后面所有圖表灰色部分是實測數據，藍色是WT的結果，溫性結果是磚紅色，平均風速來看還是比較貼合的，實際分速偏低，也將全場風速絕對偏差進行了統計，大致的一個期望就是風速絕對偏差期望大致在0.6米每秒左右，既然它是小風年，我將測風塔數據定位到小風年之后得到結果又會是怎么樣的，這時風速絕對偏差期望大概在0.3米每秒左右，此時是否是意味著對于丘陵地形我現在一套標準化的微觀選址流程它所導致風速不確定因素，大致在0.3米每秒左右，我們目前所做項目還相對較少，對于我們團隊而言做更多項目支撐這樣一個結論。

　　

　　另外看一下風頻。這兩張圖最大的區別，WS實際都是采用最大自然法擬合威布爾參數，左邊這是采用等量密度法，那邊采用最大自然法，從結構可以看到，我采用相同方法之后，WT結果是比較相近的，也給我們一個提示就是，最大自然法和等量密度法所得到的威布爾參數值差異其實是很大的，盡管我們之前可能或多或少都有知道，但是在實際使用這個A、K值的時候，是不是有留心它的擬荷方法是真正，不同擬荷方法到底影響程度有多大？

　　

　　依據同一個風頻分布采用不同的擬合方法得到AK值之后，再反算出一個風頻分布，從結果上看出，能量和原來風頻是比較貼合的，我對于全場而言，這兩種方法它的差異得到AK值差異又是怎樣的，對于K值而言，大家可以看到，最那邊16號，17號機組的時候，他們K值最大差異達到0.6，對于A值達到0.9，目前初步結論，威布爾參數A和B在使用不同擬合方法時相差結果還是比較大的，對于全場平均場而言，自然法是小于能量法的，我只能說經過我們的一些簡單分析，在未來使用AK值的時候應該要小心一點。

　　

　　三張圖最上面就是風頻分布，我們也對比看了一下每一臺機組的情況，微觀選址階段風向與實際一致，WT和Windsim計算得到的風頻基本一致，項目我們沒有收集到實際湍流，但是在其他項目當中有讓我評估階段的湍流和實際湍流對比，目前我們看下來每個機會點情況各異，比較難有一個定論。

　　

　　尾流分析，上半部分是整場發電量和整場的平均尾流，就發電量而言，WT、Windsim計算出來的基本上是比較相近的，然后整場平均尾流他們兩個計算方法是不一樣的，Windsim計算出來的尾流折減也是比WT大的，這個行業內大家也都清楚，從整場角度而言，兩個WT和Windsim它在整場尾流折減一個分布規律也是比較相近的，因為它是一個數值排布沿著山脊由北向向豎直排布的狀態，而它的主風向是東風，所以這個項目不太適合做尾流模型一個對比分析，所以在這里面補充一點信息，這是一個海上項目，在這個項目里面，我們將每一種尾流模型所計算出來的尾流折減和我實際的尾流折減進行一個相關性分析，從結果上可以看到，每個方法得到的結果和實際尾流折減它的相關性比較好，而且結果也比較相近。大致的節能的話不同平臺計算的結果是絕對值上的差異，并非整場分布規律上的差別。

　　

　　再看發電量過程中，有些是低效機組狀態，典型的是13號機位，旁邊一個相似地形的那臺機組發電量比較好，我們首先看一下功率曲線，都跟合同功率曲線比較貼合的，大家可以看一下最右邊一張圖，高出來虛線灰色的線就是13號機組實際的風頻，實際風頻里面低風速占比比較高，而其他那幾條線疊在一起了，11號機組實際風頻和評估風頻和13號機組風頻，為什么會13號機組它的風頻發電量偏低，我們也做了一些分析，13號機組前面有灌木從，有采用森林模型，也有采用人工修改粗糙度方式重新計算，但是結果并沒有什么改善。

　　

　　下面就是在這個過程中嘗試用不同分辨率研究剛剛的問題，得到的盡管有一點偏，但是也有一些收獲。

　　

　　上面是WT，下面是Windsim結果，部分的是有差別的，兩個軟件結果都比較相似，具體我不同的網格分辨下，最大發電量和最小發電量差別到底多大，全場最大達到150兆瓦時每年，最小30兆瓦時每年，我也同樣進行一個統計分析，然后這個就全場來看的話，它的一個發電量差異大致一個期望是在80兆瓦時每年的數量級，對應到滿發小時數40個，對單機而言，網格分辨率越大計算得到的發電量越低的，當網格分辨率小于25之后，發電量是趨于穩定的狀態。然后是網格分辨率對尾流損失計算的影響，不過多贅述了，大致得到的幾個結論不同網格分辨率對尾流衰減的影響比較小，主要還是不同計算方法帶來絕對值結果差異。

　　

　　大致總結所得到的收獲，對于風速而言，WT與Windsim的計算結果基本一致，經過小風年訂正后，仿真和實際差異大部分0.3到0.4之間。川流強度計算，軟件間結果存在差異，但是也比較難有定論，網格分辨率越低，發電量越低，25米以下的結果趨于穩定，對于尾流損失的計算影響比較小，主要還是不同計算方法結構絕對值差異，然后不同威布爾參數方法得到的參數值差異比較大，未來在A、K值使用上面還是應該要小心一點。以上就是所有內容，謝謝。

　　

　　（根據速記整理，未經本人審核）