张双益;胡非
【摘 要】The meteorological factors in Atmospheric Boundary Layer (ABL) have profound influences on wind turbines' status and performance during the operating process.The Light Detection And Ranging (LiDAR) equipment is used in this paper to carry out meteorological observation in a large scale wind farm,and the wind turbines' power performance under different turbulence,wind shear,diurnal variation and precipitation conditions are studied.The study results indicate that:high turbulence can increase or decrease the wind turbines' power curve around the cut-in and rated-power wind speed section,and can also increase output power scatters' dispersion;high wind shear can increase the wind turbines' power curve both around the cut-in and rated-power wind speed section,and can also decrease output power scatters' dispersion;ABL's meteorological factors,including turbulence and wind shear,have significant diurnal variations,and the wind turbines' power curve and output power scatters' dispersion are accordingly impacted,showing day/night diff
erences;compared to the non-precipitation weather,the precipitation weather can increase both the wind turbines' power curve and output power scatters' dispersion.This paper's study results can provide references for business works like wind power projects' energy assessment and wind farms' output power forecasting.%边界层气象因素对运行过程中的风电机组性能和表现具有重要影响.文章利用激光雷达设备对某大型风电场开展了气象观测,针对不同湍流、风切变、日变化和降雨情况下风电机组的功率特性进行了研究.研究结果表明:高湍流在切入风速和额定风速左右会提升或降低机组的功率曲线,并增大输出功率的离散性;高切变在切入风速和额定风速左右均会提升机组的功率曲线,并减小输出功率的离散性;边界层的湍流和风切变等气象要素存在显著的日变化规律,并影响风电机组的功率曲线和输出功率的离散性,表现出日夜不同;降雨天气与非降雨天气相比,总体上提升了机组的功率曲线,并增大了输出功率的离散性.文章的研究结果可为风电项目评估发电量、风电场功率预报等工作提供参考. 【期刊名称】《可再生能源》
【年(卷),期】2017(035)003淄博柴油机总公司
【总页数】10页(P427-436)
【关键词】大气边界层;风电机组;激光雷达;功率曲线;离散性
【作 者】张双益;胡非
【作者单位】中国科学院大气物理研究所大气边界层物理与大气化学国家重点实验室,北京100029;中国科学院大学,北京100049;中国三峡新能源有限公司,北京100053;中国科学院大气物理研究所大气边界层物理与大气化学国家重点实验室,北京100029
2012江苏数学
【正文语种】中 文
【中图分类】TK83;TM614
随着风电行业的发展，我国风电装机容量迅猛增长，已成为全球首屈一指的风电大国。根据全球风能理事会统计，2015年我国风电新增装机容量达到3 050万kW，占全球市场份额的48.4%[1]。风电机组安装在大气边界层的底部，主要吸收利用地面30～200 m高度的风能资源[2]，[3]。边界层的风特性是影响风电机组出力的重要决定因素。
“风力发电机组功率特性测试”（GB/T 18451.2-2012）要求构建风电机组轮毂高度的10 min平均风速和机组输出功率的函数关系 （即功率曲线）[4]。功率曲线是表征风电机组发电能力的重要指标，也是沟通连接风-电转化过程的重要桥梁，在风电场工程实际和具体业务中被广泛应用[5]。在风电场设计阶段，采用风能资源分析与应用软件，根据风电场内测风塔的观测数据，结合风电机组的功率曲线，评估出风电场的年发电量水平[6]。在风电场运行阶段，利用数值天气预报工具，根据风电场的风速、风向等模拟数据，结合风电机组或风电场的功率曲线，可预报风电场未来的功率和出力[7]。
alzheimer虽然标准工况下的理论功率曲线表现为风速-功率的一一对应关系，但是风电机组在自然环境与气候条件下运行，边界层的风场结构特征、各类气象要素和不同时间空间尺度的天气过程及现象等因素，都可直接或间接影响风电机组的性能和表现[8]～[10]。 文献[11]，[12]研究了湍流和风切变对风电机组功率曲线的影响。文献[13]，[14]认为，温度、湿度和气压发生变化后，空气密度随之改变，从而影响机组的功率曲线。文献[15]，[16]指出，降水和覆冰现象会影响叶片翼型和空气动力学特征，导致机组功率曲线发生变化。
目前，虽然关于气象因素影响风电机组功率特性的研究已有多篇文献报道，但是其中大部
分均关注功率曲线的本身，即风速-功率散点的平均状态和简化关系。在实际工况下，机组输出功率在平均值左右的波动范围较大，存在较高的离散性。该特性使风-电转化过程存在较大的不确定性，特别是在评估风电项目发电量、风电场功率预报等工作中，对已有的风速不确定性产生了放大效应，并对最终发电量和功率预报结果的精度产生至关重要的影响[17]，[18]。因此，输出功率的离散性是风电机组功率特性的重要方面，有待更加深入地研究和探索。
激光雷达设备与常规测风塔相比，具有成本低廉、移动方便、可观测高层风速等优势，被广泛应用于边界层的风速、风向、温度等要素的观测中[19]，[20]。为学习和认识边界层气象因素对现代大型风电机组功率特性及风-电转换过程的作用和影响，本文利用激光雷达设备在吉林省西部某大型风电场开展了气象观测，针对不同湍流、风切变、日变化和降雨情况下风电机组的功率曲线及输出功率的离散性进行了研究，以期为风电项目评估发电量、风电场功率预报等工作提供参考，有助于提高风能资源的利用效率、增加风电场的运行效益。大学生录像后扶人
本文选取的风电场案例位于吉林省西部平原地区，场内地型平坦、起伏很小，地表覆盖为
低矮草地，近似于均匀下垫面，满足“风力发电机组功率特性测试”中关于场地的要求[4]。风电场的总装机容量为20万kW，测试机组为安装在风电场内的水平轴、三叶片、变速变桨、双馈型2.0 MW风电机组。机组的轮毂高度为85 m，叶轮直径为104 m，额定功率为2 000 kW，切入风速为3 m/s，额定风速为10 m/s，切出风速为22 m/s。
本文采用的气象观测设备为ZephIR 300型激光雷达。该设备向上发射激光脉冲，遇到空气中的气溶胶粒子时发生反射，进而根据回波的多普勒频移来计算各高度层的风速和风向，其性能和参数见表1。该设备可输出10 min的平均风速、最大风速、最小风速、风速标准差和风向。激光雷达测量10 min平均风速、风向的精度与机械式风杯风速计精度基本相当。ZephIR 300型激光雷达的数据有效率达到了95%以上；与测风塔风速、风向的相关系数达到了0.99以上；与测风塔风速、风向的平均偏差均在1%以下[21]。目前，国内外已有利用该设备开展风电机组功率特性测试的成功案例；但测量10 min风速标准差和湍流强度具有一定误差，不适合于精确观测，本文用其划分高低不同的湍流强度，可基本满足要求[22]～[24]。
测试风电机组位于风电场的南部边缘，激光雷达安装在测试机组的东南侧，两者水平距离
为245 m（叶轮直径的2.36倍）。测试机组和激光雷达在风电场中的位置见图1。观测时段为2015年6月4日～7月9日，超过30 d。测试期间盛行风向为南风、西南风，盛行风向上无其他风电机组或障碍物产生干扰。
测试机组的输出功率数据来源于功率变送器，同时在出口电缆位置安装3台电流互感器对每相电流分别进行测量。气象数据来源于激光雷达，观测 10，30，40，50，80，85，90，135 m 共 8 层的风速和风向，覆盖了从叶轮下沿（33 m）到叶轮上沿（137 m）的完整高度。激光雷达上安装了小型自动气象站，观测1 m高度的温度、湿度和气压数据；同时收集中央监控系统（SCADA）的机组状态信号记录，用于剔除非正常发电状态的数据。与风电场直线距离约22 km的气象站的天气记录，用于分类不同天气状况。窄告
soa 案例参照功率特性测试要求，下列情况视为无效数据，在数据库中进行剔除[4]：①激光雷达、功率采集设备及其他测试系统故障或异常产生的数据；②测试机组的状态信号处于停机、故障、限电等未正常发电的数据；③邻近风电机组和障碍物对测试机组和激光雷达产生干扰影响的数据，具体受影响风向为 0～84.12 °和 265.48～360 °。
采用文献[25]提出的方法，将小型自动气象站1 m高度的温度、湿度和气压数据标准化到轮
毂高度85 m；根据标准化后的温度、气压和湿度计算轮毂高度85 m的空气密度；并将轮毂高度85 m的风速标准化到测试期平均空气密度1.18 kg/m3的风速。
按照功率特性测试的要求，采用区间法构建测试机组的功率曲线[4]。把标准化后的风速按照0.5 m/s间隔划分成若干区间，每个区间的中心值为0.5 m/s的整数倍。计算出第i个风速区间的标准化后风速平均值Vi、输出功率平均值Pi和风能利用系数 Cp，i：
式 中 ：Vn，i，j，Pn，i，j 分 别 为 第 i 个 风 速 区 间的数组 j的标准化后的风速和输出功率；Ni为第i个风速区间的数组的数目；A为机组叶轮面积。
对于每个0.5 m/s风速区间，采用机组输出功率的标准差（SD）表征绝对离散程度；功率相对标准差（RSD）表征相对离散程度。对于全风速段，采用加权平均方法计算绝对离散性（AD）和相对离散性（RD）。若AD和RD的数值越低，表示机组输出功率在全风速段的离散性越小，则风-电转化过程中的不确定性越低，有利于风电项目评估发电量、风电场功率预报的精度和准确性，反之亦然。AD和RD的计算公式如下：
式中：Pσ，i为机组输出功率的功率标准差。
风电机组功率特性测试结果见图2。数据库中风速≤2.5 m/s和≥15.5 m/s区间的采样数据少于30 min，予以剔除；最终数据库包含采样数据的总时间为380 h；风速区间覆盖范围为3～15 m/s（切入风速到额定功率85%所对应风速的1.5倍风速区间），满足功率特性测试的完整性要求[4]。
由图2可见：①功率曲线和风能利用系数呈现出典型的变桨型风电机组特征。风速为3 m/s时，输出功率为21.7 kW；风速增大到11.5 m/s时，输出功率上升到1 989 kW；随风速继续增大，输出功率一直在额定功率2 000 kW左右。风能利用系数的变化是先升高后降低。②输出功率的标准差SD随风速先升高后降低，相对标准差RSD随风速增大而单调降低。总体上看，风速越高，风-电转化过程的不确定性越低。根据式（6），（7）计算出全风速段的绝对离散性AD为145.2 kW，相对离散性RD为23.5%。
风电机组作为一种能量吸收转化装置，通过叶轮吸收风能，并转化为电能。应用动量方程可推导出机组输出功率的计算公式[26]：
式中：P为风电机组的输出功率；ρ为空气密度；R为风电机组的叶轮半径；V为风速；λ为叶尖速比；β 为桨距角；Cp（λ，β）为风能利用系数，是关于λ和β的函数。
由式（8）可见，风电机组的输出功率P由叶轮面的风能总量 0.5ρπR2V3和风能利用系数Cp（λ，β）共同决定。当给定风电机组后，则叶轮半径R已定，叶轮面的风能总量项0.5 ρ π R2V3受空气密度ρ和风速V的影响。其中，空气密度ρ已统一标准化为测试期平均空气密度1.18 kg/m3，因此，风电机组的输出功率P主要考虑风速V，即风场结构特征的影响。
