用于风电场气候特征模拟的密度依赖型风机参数化方法与流程

本发明属于气象数据分析与处理，涉及一种用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法，尤其涉及一种基于风机发电、叶轮扫风扰动和机械电力损耗等能量平衡关系而建立的密度依赖型风机参数化方法。

背景技术：

1、大型风电场气候特征模拟仿真，是风能开发和利用的重要技术手段，主要包括风电场的风资源评估、风电场的微气候效应分析、风电场的气候响应机理研究等方面。其中，风电场的微气候效应，不仅影响风电场的发电效率和寿命，也影响风电场周边的气象环境和生态系统。因此，针对风电场尾流效应的模拟评估，不仅是老旧风电场提质增效及拟建风场选址设计的技术核心，也是风电场气候特征模拟仿真的重要内容。

2、风电场尾流效应是指风机从大气中提取动能后，叶轮扫风区域内风速降低、湍流增强、压力升高的现象，以及这些现象对下游风机和周边气象环境的影响。风电场尾流效应的模拟评估，需要考虑风机的结构参数、运行状态、风场布局、地形地貌、大气稳定度等多种因素，是一项复杂的数值模拟问题。

3、早期针对风电场气候特征的数值模拟研究大多通过增加地表动力学粗糙长度的方式(简称为z0方案)对风机进行数值参数化，模拟结果在一定程度上可以再现地表风速减弱、表面潜热通量增加、2m气温升高等微气候特征。但由于数值模式贴地层的气象条件被直接进行了修改，相关的陆-气状态参数(如模式最低层高度及热力学粗糙长度等)变化直接依赖于预设的地表粗糙度，而不是对风机发电和叶轮扫风扰动的物理反馈，造成z0方案模拟的近地层气象变量的变化幅度与观测结果偏差较大。

4、近年来，在大涡模拟和观测资料分析基础上，fitch等研究者通过动量汇(momentum sink)和湍流源(turbulence source)对风机发电和叶轮扫风扰动物理过程进行显式的数值参数化，为定量开展风电场气候特征的数值模拟工作奠定了基础。fitch风机模型主要通过风机推力系数(平均风速的函数)对每个格点处风机从大气中提取的动能进行解析计算，借助水平风速趋势项实现对水平风速、平均动量和湍流动能等物理要素的传递。可见，fitch方案将风机的动量汇和湍流源直接作用于叶轮扫风高度(离地约40-150m)，由此产生的尾流及其对贴地层气象变量的影响是通过中尺度气象模式的边界层物理过程来模拟计算的，且模拟结果与观测特征更接近。因此，fitch风机模型被广泛应用于北美、欧洲、亚洲的陆上及海上风电场气候特征模拟研究中。

5、尽管如此，fitch风机模型仍具有很大的优化空间：(1)模型中采用单一空气密度下的风功率曲线计算风机发电量，且将该电量等同于风电场的实际发电量，忽略了风机的运行效率和电网的输送损耗，与现实差异较大；(2)叶轮扫风范围内不同高度风速推算均采用线性插值，与近地层相似理论存在较大偏离，无法准确反映风速的垂直分布；(3)模型中假设风机从大气中捕获的动能一部分转化为电能，剩余部分全部转为湍流动能，导致湍流动能系数显著偏大，无法考虑风机的功率系数和尾流的扩散过程；(4)模型中未考虑风机的机械和电力损耗，如叶轮的阻力、齿轮箱的摩擦、发电机的磁阻等，这些损耗会影响风机的发电效率和尾流的动能。上述不足极大地限制了该模型对风电场气候响应机理的科学认识，也影响了风电场气候特征模拟仿真的精度和可靠性，是亟待解决的技术问题。

技术实现思路

1、(一)发明目的

2、针对现有数值参数化方法中所存在的上述技术问题，本发明提出了一种用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法，包括大型风电场多源观测数据预处理；根据观测的风廓线计算叶轮扫风面内的等效风速；利用空气密度、等效风速和风电功率曲线簇计算理论发电量；引入风电场实测发电量，修正发电系数，并利用该系数及风机捕获的大气动能对风机的实际发电量进行数值参数化；确定湍流动能占比系数，根据该系数对叶轮扫风扰动引起的湍流动能进行数值参数化；根据风机捕获的大气动能、风机的实际发电量和湍流动能，通过残差计算的方式，对风机的机械和电力损耗进行数值参数化。基于上述步骤而建立的密度依赖型风机参数化方法，为大型风电场气候特征仿真模拟，尤其是风电场尾流效应模拟提供了一种新方法，且模拟方法具有较强的普适性。采用该数值参数化方法，既可以对已建风电场的气候特征进行模拟仿真，也可以对拟建风电场的尾流效应开展预评估，为风电场选址及风机排布提供优化建议。

3、(二)技术方案

4、本发明为解决参数化方法问题、实现上述发明目的所采用的技术方案为：

5、一种用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法，所述参数化方法基于大型风电场的气候特征仿真模拟而开展，其特征在于，所述方法至少包括如下步骤：

6、ss1.大型风电场多源观测数据预处理：

7、采集并对原始观测数据进行质量控制并确保仿真模拟所需数据的质量和可靠性，所述原始观测数据至少包括风机scada数据、测风塔梯度观测数据及风机基本参数资料，剔除超过合理阈值的虚假值和连续多个时次固定不变的僵值；对于风机scada数据，至少根据风机的运行状态和发电功率，筛选出有效的风速数据；对于测风塔梯度观测数据，根据风速的垂直分布和风向的水平分布，至少筛选出代表风电场区域的风廓线数据；

8、ss2.根据观测的风廓线计算叶轮扫风面内的等效风速：

9、利用风电场区域测风塔的多层风速观测资料，根据近地层相似理论，拟合最优风切变指数；并至少根据风切变指数、风机轮毂高度风速、风机轮毂高度及风机叶片长度，推算叶轮扫风面内自下而上n个高度层的风速并进行加权平均，得到叶轮扫风面内的等效风速；

10、ss3.利用空气密度、等效风速和风电功率曲线簇计算理论发电量及理论发电系数：

11、将风机的风电功率曲线簇整理成随空气密度和平均风速变化的两维度对照表；根据实测或模拟的空气密度和等效风速，对标风机的风电功率曲线簇，在风机功率曲线对照表中，插值计算风机理论发电量；通过风机理论发电量与风机捕获的大气动能之比，计算得到风机的理论发电系数；

12、ss4.利用修正后的发电系数对风机的实际发电量进行数值参数化：

13、对比风电场实测发电量与步骤ss3中的理论发电量的差异，对理论发电系数进行修正，得到修正后的发电系数，并利用该修正后的系数及风机捕获的大气动能，对风机转动产生的实际发电量进行数值参数化；

14、ss5.确定湍流动能占比系数，根据该系数对叶轮扫风扰动引起的湍流动能进行数值参数化：

15、通过实测或理论假设的方式，对叶轮扫风扰动产生的湍流动能占比系数进行估计；在此基础上，通过风机捕获的大气总动能及上述占比系数，对叶轮扫风扰动引起的湍流动能进行数值参数化；

16、ss6.通过残差计算的方式，对风机的机械和电力损耗进行数值参数化：

17、基于能量平衡，从风机捕获的总动能中扣除转化为电能的部分及转化为湍流动能的部分，余下的部分即为风机旋转产生的机械和电力损耗，并通过残差计算的方式对风机的机械和电力损耗进行数值参数化。

18、优选地，上述步骤ss1中，对于风机scada数据，除了根据风机的运行状态和发电功率以筛选出有效的风速数据外，还至少根据包括风机周围大气的温度、湿度、压力在内的环境参数筛选出符合实际气象条件的风速数据，以提高风速数据的可靠性和准确性。

19、优选地，上述步骤ss1中，对于测风塔梯度观测数据，除了根据风速的垂直分布和风向的水平分布，筛选出代表风电场区域的风廓线数据外，还根据风速的时空变化趋势筛选出稳定性较高的风廓线数据，以减少风速数据的随机性和不确定性。

20、优选地，所述步骤ss1中，对原始观测数据进行质量控制时，首先通过各个变量的气候阈值剔除原始观测数据中的超过合理阈值的虚假值，之后进行时空一致性检查，对于连续多个时次的探测值固定不变的僵值，通过计算式|ut+1-ut|＜ε比较相邻时刻的探测值是否在一定范围内波动进行筛选和剔除，其中，ut+1表示t+1时刻的探测值，ut表示t时刻的探测值，ε表示允许的波动范围并根据实际观测数据的统计特征或者专家经验赋值。通过上述方式对原始观测数据进行质量控制，可进一步减少风速数据的随机性和不确定性，提高风速数据的稳定性和可信度。

21、优选地，所述步骤ss2中，利用测风塔的多层风速观测资料及所在高度，拟合最优风切变指数α，其计算公式为：

22、

23、式中，α为风切变指数，z1，z2为离地高度，v1，v2为高度z1，z2处的平均风速；

24、根据上述风切变指数α、风机轮毂高度风速vh、风机轮毂高度h及风机叶片长度l，推算叶轮扫风面内自下而上n个高度层的风速vk，n≥3，其计算公式为：

25、

26、式中，vk为叶轮扫风面内第k个高度层的风速，δz为高度层间隔；

27、之后，通过如下公式将其进行加权平均，获得叶轮扫风面内的等效风速：

28、

29、式中，v为叶轮扫风面内的等效风速，γk为叶轮扫风面内第k个高度层风速的加权系数并通过专家打分法或风电场运行实践经验赋值。

30、优选地，上述步骤ss2中，利用风电场区域测风塔的多层风速观测资料，除了根据近地层相似理论拟合最优风切变指数α外，还根据风速的垂直廓线拟合最优风速廓线函数f(z)，其计算公式为：

31、f(z)＝vh×g(z)α

32、式中，f(z)为风速廓线函数，vh为风机轮毂高度风速，g(z)为风速廓线形状函数，α为风切变指数，z为离地高度，并根据风速廓线函数f(z)，推算叶轮扫风面内自下而上n个高度层的风速vk，其计算公式为：

33、vk＝f(h-l+k×δz)

34、式中，δz为高度层间隔并取10m左右。该技术方案的目的是更准确地反映风速的垂直变化规律，提高风速数据的精度和适应性。

35、优选地，所述步骤ss3中，引入随空气密度变化的一组风电功率曲线簇，将其整理成随空气密度和平均风速变化的两维度对照表，根据实测或模拟的空气密度和等效风速，对标上述风电功率曲线簇，在风机功率曲线对照表中，插值计算风机理论发电量ep，其计算公式为：

36、ep＝p(ρ,v)

37、式中，ep为风机理论发电量，p(ρ,v)为风机的风电功率曲线簇，是空气密度ρ和平均风速v的函数；

38、最终，通过风机推力系数、空气密度和等效风速，计算风机捕获的大气动能rke，进而通过风机理论发电量ep与风机捕获的大气动能rke之比，计算得到风机的理论发电系数ce，其计算公式为：

39、

40、式中，v为叶轮扫风面内的等效风速，s为叶轮扫风面积，ρ为空气密度，ct为风机的推力系数。

41、优选地，所述步骤ss4中，引入风电场风机scada发电量数据，通过scada实测发电量与步骤ss3中的理论发电量之比，通过如下公式计算得到风力发电修正系数及修正后的发电系数：

42、

43、式中，cp为修正后的发电系数，ce-corr为风力发电修正系数，es为风电场实测发电量，ep为风机理论发电量；

44、利用该修正后的发电系数cp及风机捕获的大气动能rke对风机转动产生的实际电能ee进行数值参数化，其计算公式为：

45、ee＝cp×rke

46、式中，ee为风机转动产生的实际发电量，rke为风机捕获的大气动能，cp为修正后的发电系数。

47、优选地，所述步骤ss5中，若风电场内设有湍流动能的观测设备，则直接利用场内观测的湍流动能与风机捕获的大气动能之比，确定湍流动能占比系数，其计算公式为：

48、

49、式中，ctke为湍流动能占比系数，tkeo为风电场内观测的湍流动能，rke为风机捕获的大气动能；

50、若风电场内无湍流动能观测资料，则采用如下经验公式确定湍流动能占比系数，即：

51、ctke＝0.25×(ct-cp)

52、式中，ctke为湍流动能占比系数，ct为风机的推力系数，cp为修正后的发电系数；

53、在此基础上，再通过湍流动能占比系数乘以风机捕获的大气动能的方式对叶轮扫风扰动引起的湍流动能进行数值参数化，其计算公式为：

54、tke＝ctke×rke

55、式中，tke为叶轮扫风扰动引起的湍流动能，ctke为湍流动能占比系数；rke为风机捕获的大气动能。

56、优选地，所述步骤ss6中，风机从大气中捕获的总能量rke可分解为风转电的能量ee、湍流动能tke和机械电力损耗mel三部分，因此通过如下残差计算的方式对风机的机械和电力损耗进行数值参数化：

57、mel＝rke-ee-tke

58、式中，mel为风机的机械和电力损耗；rke为风机捕获的大气动能；ee为风机转动产生的实际发电量；tke为叶轮扫风扰动引起的湍流动能。

59、(三)技术效果

60、同现有技术相比，本发明的用于大型风电场气候特征仿真模拟的密度依赖型风机参数化方法，其有益效果为：

61、(1)本发明基于风机发电、叶轮扫风扰动和机械电力损耗等能量平衡关系而建立的密度依赖型风机参数化方法，能够根据不同的空气密度和风速条件，对风机的理论发电量、实际发电量、叶轮扫风湍流动能和系统损耗等关键物理参量进行数值参数化，从而更准确地反映风机的能量转化效率和叶轮扫风对大气的影响。该方法为大型风电场气候特征仿真模拟，尤其是风电场尾流效应模拟提供了一种新方法，有利于风电场的选址、设计和运行管理。

62、(2)本发明的参数化方案采用显式完备的技术方法对叶轮扫风面上的等效风速进行解析，即利用风电场区域测风塔的多层风速观测资料，根据近地层相似理论，拟合最优风切变指数和风速廓线函数，推算叶轮扫风面内不同高度层的风速，避免了使用经验公式或者统计方法的不确定性和局限性，能够更精确地计算风机捕获的大气动能，为风机的能量转化效率和风电场尾流效应的评估提供了可靠的输入数据。

63、(3)本发明的技术方案在观测约束下，引入空气密度、发电修正系数、湍流动能占比系数、机械电力损耗等关键参数对风机的实际发电量、叶轮扫风湍流动能和系统损耗等关键物理参量进行数值参数化，降低了参数化方法的时空依赖性，提升了普适性。采用该数值参数化方法，既可以对已建风电场的气候特征进行模拟仿真，也可以对拟建风电场的尾流效应开展预评估，为风电场选址及风机排布提供优化建议。