CN103258242A - 基于大规模风电基地风电场布局的测风网络布局方法 - Google Patents

Abstract

本发明公开了一种基于大规模风电基地风电场布局的测风网络布局方法，进行测风网络初步布点，并以此布点为天气预报预报点；建立天气预报模型；根据上述建立的天气预报模型得出的预报数值和统计学得到预报点的风速和风向；基于大气边界层动力学与边界层气象理论，将上述得到预报点的风速和风向结合预报点的实际地形、地貌条件进行优化，得出预报点的风速和风向的精细化预测值；对大气环境相似、地形相似的多个预报点的测风数据进行比对分析，对上下游效应明显、相关性比较强的多个预建风电场地点进行简化，从而完成测风网络布局。从而达到了在低成本条件下，有效的进行大规模风电基地风能资源测量提供测风塔布点的目的。

Description

基于大规模风电基地风电场布局的测风网络布局方法

技术领域

本发明涉及一种基于大规模风电基地风电场布局的测风网络布局方法。

背景技术

目前，近年来，随着风力发电技术的不断成熟，风力发电行业迅速发展。国内风电机组的装机容量和上网电量所占比重不断增加, 风电场的建设规模和数量也在逐年大幅攀升。各风电开发商开始关注风资源、抢占风资源，在风资源丰富区投资设立测风塔，为将来风电场的投资建设获取第一手风能资料。

在风能资源的开发和利用过程中, 测风塔处于十分重要的位置, 主要表现在风电场前期的风资源评估、风场微观选址、风电场规划设计、风电场风况实时监测、超短期预测、数值预报模式、预报输出数据比对和数值模式参数校正等方面。测风塔技术及其应用在风能开发利用过程中的作用越来越重要。

设立测风塔的目的是能够准确反映其覆盖范围内的风资源情况。而风受大气环流、地形、水域等不同因素的综合影响，表现形式也多种多样，如季风、地方性的海陆风、山谷风等。造成了测风塔选点不具代表性、测风网络布点难等问题。由于缺少有效的理论支撑，对于整个风电基地来说，测风网络布点更是难以把握。

发明内容

本发明的目的在于，针对上述问题，提出一种基于大规模风电基地风电场布局的测风网络布局方法，以实现低成本条件下，有效的进行大规模风电基地风能资源测量提供测风塔布点的优点。

为实现上述目的，本发明采用的技术方案是：

一种基于大规模风电基地风电场布局的测风网络布局方法，包括以下步骤：

基于风电基地风电场规划布局、风电基地地形图、粗糙度图和地区风向玫瑰图资料结合上下游效应关系进行整个基地的测风网络初步布点，并以此布点为天气预报预报点，

使用天气预报系统对预报点的天气进行预报，建立天气预报模型；

根据上述建立的天气预报模型得出的预报数值和统计学得到预报点的风速和风向；

基于大气边界层动力学与边界层气象理论，将上述得到预报点的风速和风向结合预报点的实际地形、地貌条件进行优化，得出预报点的风速和风向的精细化预测值；

对大气环境相似、地形相似的多个预报点的测风数据进行比对分析，对上下游效应明显、相关性比较强的多个预建风电场地点进行简化，从而完成测风网络布局。

根据本发明的优选实施例，上述天气预报模型建立采用四维同化方法把不同时刻、不同地区、不同性质的气象资料输入计算机，通过一定的预报模式，使气象在动力和热力上协调，得到质量场和风场基本达到平衡的初始场，提供给预报模式使用。

根据本发明的优选实施例，所述四维同化方法包括:预报模式，客观分析和初始化三个步骤；预报模式先前的气象资料外推到当前的分析时刻；通过客观分析将预报模式预报的信息与当前的观测资料结合起来，内插到格点上；经过初始化将分析场中的高频重力波过滤。

本发明的技术方案具有以下有益效果：

本发明的技术方案，通过建立天气预报模型并结合当地的地形对测风塔的布局进行优化，而根据各个预报点的相关性进行优化，对相关性强的预报点选定一处进行代表，从而达到了在低成本条件下，有效的进行大规模风电基地风能资源测量提供测风塔布点的目的。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明实施例所述的基于大规模风电基地风电场布局的测风网络布局方法流程框图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

如图1所示，一种基于大规模风电基地风电场布局的测风网络布局方法，包括以下步骤：

基于风电基地风电场规划布局、风电基地地形图、粗糙度图和地区风向玫瑰图资料结合上下游效应关系进行整个基地的测风网络初步布点，并以此布点为天气预报预报点，

使用天气预报系统对预报点的天气进行预报，建立天气预报模型；

根据上述建立的天气预报模型得出的预报数值和统计学得到预报点的风速和风向；

基于大气边界层动力学与边界层气象理论，将上述得到预报点的风速和风向结合预报点的实际地形、地貌条件进行优化，得出预报点的风速和风向的精细化预测值；

对大气环境相似、地形相似的多个预报点的测风数据进行比对分析，对上下游效应明显、相关性比较强的多个预建风电场地点进行简化，从而完成测风网络布局。

其中，天气预报模型建立采用四维同化方法把不同时刻、不同地区、不同性质的气象资料输入计算机，通过一定的预报模式，使气象在动力和热力上协调，得到质量场和风场基本达到平衡的初始场，提供给预报模式使用。四维同化方法包括:预报模式，客观分析和初始化三个步骤；预报模式先前的气象资料外推到当前的分析时刻；通过客观分析将预报模式预报的信息与当前的观测资料结合起来，内插到格点上；经过初始化将分析场中的高频重力波过滤。

其具体过程如下：首先基于风电基地风电场规划布局、风电基地地形图、粗糙度图、地区风向玫瑰图等资料结合上下游效应关系进行整个基地的测风网络初步布点。并以此布点为数值天气预报预报点，通过NWP 模式（NWP即数值天气预报）预测出给定坐标位置预报点的气象信息。然后根据相似性原则，对测风网络初步布点中相似预报点进行网络优化筛选，进而形成整个风电基地的测风网络布局。首先基于风电基地风电场规划布局、风电基地地形图、粗糙度图、地区风向玫瑰图等资料结合上下游效应关系进行整个基地的测风网络初步布点。并以此布点为数值天气预报预报点，通过NWP 模式预测出给定坐标位置预报点的气象信息。然后根据相似性原则，对测风网络初步布点中相似预报点进行网络优化筛选，进而形成整个风电基地的测风网络布局。

测风塔初步布局：

风电基地规划区域内测风塔数量应根据风场规模和地形复杂程度而定。一般来说，测风塔应建在规划风电场主迎风方向2 km～3 km 处。具有均匀粗糙度的平坦地形50～100平方公里范围安装1个测风塔即可。如果场区内地表粗糙度在中间衔接发生急剧变化，测风塔应避开此类地区， 在地表粗糙度变化前和变化后分别安装测风塔；丘陵及山地地形30～40平方公里范围考虑1个测风塔。对于复杂地形，隆升地形气流在盛行风向吹向隆升地形时，山脚风速最小，山顶风速最大，半山坡的风速趋于中间，均不能代表风场的风速，应根据地形特征选在风机实际可能位置，在山顶、半山坡的来流方向安装测风塔。对于低凹地形如峡谷内，当盛行风向与低凹地形的走向一致时， 低凹地形内的气流被加速。如果盛行风向与山谷走向不一致，谷内的气流变化复杂导致湍流增大。所以，在这个地形条件下测风塔应设在低凹地形盛行风向的上风入口处， 测风数据才具有代表性。

测风塔所选测量位置的风况应基本代表该区域的风况，测风塔位置既不能选在区域的较高处也不能选择较低的位置，所选位置应能代表区域总体位置。由于气流经过障碍物时，在其下游会形成扰动区。在扰动区风速不但会降低，而且还有强的湍流。从理论上讲，扰动区的长度约为17H(H为障碍物高度)，所以在选址时，要尽量避开障碍物，一般应在10H 以上。所以测风塔附近应无高大建筑物、树木等障碍物，与单个障碍物距离应大于障碍物高度的3倍，与成排障碍物距离应保持在障碍物最大高度的10倍以上。

当气流通过丘陵或山地时，由于受到地形阻碍的影响。在山的向风面下部，风速减弱，且有上升气流；在山的顶部和两侧，风速加强；在山的背风面，风速减弱，且有下沉气流，重力和惯性力将使山脊的背风面气流往往成波状流动。山地对风速影响的水平距离，一般在向风面为山高的5～10 倍，背风面为15 倍。且山脊越高，坡度越缓，在背风面影响的距离越远，在测风塔选点时对这些均需进行考虑。

基于以上测风塔选点原则，再根据当地提供的风向玫瑰图，找出盛行风向，结合地形图、粗糙图等资料确定测风塔的具体布点位置与数量，形成初步的测风网络。

数值天气预报：

数值天气预报模型非常复杂，并且需要大量的实测数据，一般由国家气象局负责预报。一般全球模型的水平分辨率为80×80km2到40×40km2。全球模型驱动局部模型，使分辨率降低。确定预测系统的初始状态需要大量的数据。大量的气象观测站、浮标、雷达、观测船、气象卫星和飞机等负责收集数据。世界气象组织制定了数据格式和测量周期的标准。

这些资料都是不同时刻观测得到的，并且这些资料的精度一般都比常规资料差。因此，如何利用这些非常规的观测资料，把他们和常规资料配合起来，丰富初始场的信息，是个重要的问题。需要采用四维同化方法把不同时刻、不同地区、不同性质的气象资料不断输入计算机，通过一定的预报模式，使之在动力和热力上协调，得到质量场和风场基本达到平衡的初始场，提供给预报模式使用。四维同化主要有三部分组成，一是预报模式，二是客观分析，三是初始化。预报模式的作用是将先前的资料外推到当前的分析时刻；客观分析是将模式预报的信息与当前的观测资料结合起来，内插到格点上；初始化则是将分析场中的高频重力波过滤，保证计算的稳定性。

目前欧美国家使用的数值天气预报主要有下面几种。欧洲中尺度气象预报中心综合系统(ECMWF)，美国环境预报中心综合系统（NCEP）开发的T170L42预报系统，日本谱展开模式T213L30，英国统一模式UM，德国气象服务机构（DWD）开发的Lokal modell模型，中国国家气象局开发的T213L31等。

高时空分辨率的气象要素精细化预报（如风速，风向等）不可能仅仅依赖数值模式分辨率的提高来获得。这是因为，一方面受计算机性能的限制，另一方面，过高的分辨率会使数据以及模式本身的不确定性得到放大，甚至会适得其反。所以，在这种情况下，使用模式输出的数值预报产品再加上统计学或者人工智能技术就可以得到较高分辨率的预报结果。

基于大气边界层动力学与边界层气象理论，可将NWP系统输出的粗略的预测数据精细化为预报点实际地形、地貌条件下的预测值。

反映大尺度气流变化的地转风常作为联系边界层中不同位置风速、风向的桥梁，并可由地转拖曳定律建立地转风与近地面层特征量的联系，而地转拖曳定律结合对数风廓线还可以对测风数据进行外推。

据此可从数值天气预报中得到全部预报点的风速、风向、气温、气压、湿度等数据。但是数值天气预报历史数据中同样也存在一定的错误数据，需要进一步进行修正才能应用。在考虑地形、障碍物、粗糙度等因素后对预报数据进行修正后可得到最终可用的数据。

测风网络优化：

文中的上下游效应为：大气上游和下游之间在有限空间尺度和时间尺度相互作用现象），NWP预报模式：为T213L31预报模型。

地形起伏情况下, 地形对各风向平均风速的影响是不同的。在某一风向下, 地形可促使风速增大。反之, 在另外风向下, 又可使风速减弱。而风速本身的大小在一定程度上反映出地形作用的性质。尽管地形对风速的影响是复杂的, 但是地形作为固定的因素, 它对风的作用相对具有保守性。基于此，我们可以对大气环境相似（整体的区域风况相似、风的驱动力相似、大气稳定情况相似）和地形相似（地形复杂度、海拔及周边情况、背景粗糙度情况、距离粗糙度改变线的距离）的预报点的测风数据进行比对分析。对上下游效应明显、相关性比较强的多个预报点可以适当的剔除部分预报点，从而达到简化测风网络，节省成本的目的。对全部的预报点进行优化分析从而得到最终的测风网络布局。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于大规模风电基地风电场布局的测风网络布局方法，其特征在于，包括以下步骤：

基于风电基地风电场规划布局、风电基地地形图、粗糙度图和地区风向玫瑰图资料结合上下游效应关系进行整个基地的测风网络初步布点，并以此布点为天气预报预报点（以下简称预报点），

使用天气预报系统对预报点的天气进行预报，建立天气预报模型；

根据上述建立的天气预报模型得出的预报数值和统计学得到预报点的风速和风向；

基于大气边界层动力学与边界层气象理论，将上述得到预报点的风速和风向结合预报点的实际地形、地貌条件进行优化，得出预报点的风速和风向的精细化预测值；

对大气环境相似、地形相似的多个预报点的测风数据进行比对分析，对上下游效应明显、相关性比较强的多个预建风电场地点进行简化，从而完成测风网络布局。

2.根据权利要求1所述的基于大规模风电基地风电场布局的测风网络布局方法，其特征在于， 上述天气预报模型建立采用四维同化方法把不同时刻、不同地区、不同性质的气象资料输入计算机，通过NWP预报模式，使气象在动力和热力上协调，得到质量场和风场基本达到平衡的初始场，提供给预报模式使用。

3.根据权利要求2所述的基于大规模风电基地风电场布局的测风网络布局方法，其特征在于，所述四维同化方法包括:预报模式，客观分析和初始化三个步骤；预报模式先前的气象资料外推到当前的分析时刻；通过客观分析将预报模式预报的信息与当前的观测资料结合起来，内插到格点上；经过初始化将分析场中的高频重力波过滤。

Images