分析风能转化影响因素

短期风电功率预测的物理方法是在数值天气预报输出的风速、风向、气温、湿度、气压等气象要素的基础上，考虑风电场地形地貌、风力发电机组排布等信息，建立风电场内气象要素量化模型，结合风力发电机组技术参数进行发电功率预测。

采用物理方法建立短期风电功率预测模型的关键环节包括中尺度模式短期预报、场内气象要素精细化预报、风电转化模型建立，基于物理方法的短期风电功率预测的算法如图5-3所示，主要步骤如下：

图5-3　基于物理方法的短期风电功率预测的算法示意图

（1）收集风电场地理信息、风力发电机组性能参数、风力发电机组排布信息。

（2）利用中尺度数值天气预报模式，预报风速、风向、气温、湿度、气压等气象要素。

（3）结合风电场地理信息及风力发电机组性能参数，对数值天气预报结果进行精细化释用，建立风电场气象要素量化模型。

（4）基于风力发电机组性能参数、风电场气象数据及运行数据，建立风电转化模型。

（5）将风电场气象要素量化结果输入风电转化模型，输出风电功率预报结果。

5.4.1.1　风电场内气象要素影响因素分析

本书第2章已经阐述，因受地表粗糙度、地形、尾流效应等多种因素影响，风能在风电场内的空间分布不均匀，导致场内风力发电机组的发电功率存在差异。中尺度数值模式在空间和时间分辨率上都有着一定的限制。目前发展情况显示，中尺度数值模式的水平空间分辨率一般不超过1km，垂直方向上在近地面100m内一般只有一到两层，因此无法精确模拟出风电场区域内风机轮毂高度的风速，为了得到符合功率预测要求的气象要素预报，需要将大尺度、低分辨率的数值模式输出结果转换为精细化的气象要素预报结果，这个过程称为预报结果的降尺度。

当气流从一种粗糙度表面过渡到另一种粗糙度表面的过程中，新下垫面将影响原有的风廓线和摩擦速度，高层的风廓线维持不变，而近地面层的风速由于受到新的地表粗糙度的影响发生改变，整个风廓线表现为一种拼接关系，近地面风廓线主要应用于垂直方向上的风速插值。

风电场的地形起伏对气流也会产生明显影响。气流通过丘陵或者山地时，受地形影响，在山的向风面下部风速减弱，且有上升气流。在山顶和山的两侧，因为流线加密而风速加强；在山的背风面，因流线辅散，风速将急剧减弱，且有下沉气流，由于重力和惯性力的作用，使山脊的背风面气流形成波动流动。针对这一问题，应采用流体力学计算得到精细化预报。

风经过风力发电机组时，部分能量会被风力发电机组吸收，速度会随之下降。因此，在风电场中，下风向的风力发电机组风速会受到上风向风力发电机组的影响，风力发电机组相距越近，上风向风力发电机组对下风向风力发电机组的风速影响越大，这种现象称为尾流效应。尾流效应对风速的影响与风力发电机组的风能转换效率、风力发电机组排布、风电场地形特点、风的特性等多种要素有关。针对这一问题，应采用风电场尾流建模得到精细化预报。

综合考虑风电场具体信息的气象要素预报方法很多，风电场气象要素量化建模既可以采用流体力学计算模型，也可以采用风力发电机组机头数据与测风塔数据之间的统计关系。实际应用时，需根据风电场实际状况和计算资源情况采用合适的方案。

5.4.1.2　风电转化影响因素分析

风能通过风力发电机组转化为电能，标准工况下风力发电输出功率随风速变化的曲线称为风力发电机组标准功率曲线，是衡量风力发电机组风电转化能力的重要技术指标。在实际运行中，风力发电机组的运行功率曲线与标准功率曲线有明显区别，因此，在建立风电转化模型时，需要考虑风力发电机组的实际运行条件。

国际标准《Wind turbine generator systems-Part 12：Wind turbine power performance testing》（IEC 61400-12-1：2005）规定了在风力发电机组功率特性测试时的测试设备、气象条件、场地要求、数据处理方法等。机组生产商在向用户提供设备时，均会提供机组的标准功率曲线，如图5-4所示。

图5-4　某风机的标准功率曲线

从图5-4中可以看出，风速是影响风力发电机组／风电场输出功率的重要因素，在功率曲线较陡的区域，较小的风速变化会引起较大的功率变化，风速介于6～11m／s时功率随风速变化非常显著，其余风速段功率变化则较为缓慢。(www.xing528.com)

（1）风力发电机组功率曲线与风向的关系。风力发电机组的偏航装置根据轮毂高度处的风速计和风向计使风机对准来风方向。但是风力发电机组的偏航装置有一定的滞后，导致风机与来风方向存在一定的偏差，图5-5为风偏差角度与风力发电机组效率损耗对比，展示了风偏差造成风力发电机组效率下降的情况，进而影响风力发电机组的实际运行功率曲线。

（2）风力发电机组功率曲线与空气密度的关系。空气密度与海拔、温度正相关，与气压、湿度负相关，空气密度的大小关系到风机捕获风能的多少，图5-6为FD77B型风发电机组的功率曲线，显示不同空气密度下的风力发电机组功率曲线。因此，在风电功率预测中必须充分考虑空气密度的影响。

图5-5　风偏差角度与风力发电机组效率损耗对比

图5-6　不同空气密度下FD77B型风力发电机组功率曲线

5.4.1.3　风电功率预测建模

目前，较为普遍的一种风电场功率预测方法是基于NWP气象因子预报，考虑风电场地形地貌特征、风机类型及排布信息，采用CFD计算各台风力发电机组处的气象要素，结合风力发电机组功率曲线，计算每台机组的出力预测结果，累加而成风电场全场功率预测结果。但是，风电场中的风力发电机组由于受到排列布局、地形特征、尾流效应等诸多因素的影响，导致利用CFD计算风机轮毂处的气象要素时，模型复杂、计算量大、误差来源众多。

一般而言，风电场内风机总出力存在平滑效应，多台风机作为一个整体的总出力比单台风机出力的波动性小。基于风电场地形条件、各台风机的历史运行数据和气象监测数据，分析每台风机的发电特性，将风力发电机组划分为若干片区，以片区内风力发电机组总出力作为预测对象，再进行加和得出风电场预测结果。由于较小区域内空气密度相对稳定，而不同风向的来风会影响片区内的风能分布，所以片区功率预测首先根据空气密度选取相应的功率曲线，再量化风向对片区出力的影响程度，建立风电转化模型。

风电场片区划分和风向效率系数计算是建模的重要环节，风电场片区可以根据风能在风电场内的分布进行划分。对于有历史积累数据的风电场，可以利用各台风机的历史运行数据和气象监测数据，分析风电场风机发电功率分布特征，将特性相对一致的风力发电机组划分为一个片区。对于新建场站，可以利用流体力学模拟风电场内的风能分布，选取风能丰富度相似的区域作为一个片区。最终以片区内风力发电机组总出力作为预测对象，再进行加和得出风电场总的预测结果，图5-7为华北某风电场的片区划分示例。

图5-7　华北某风电场的片区划分示例

针对风向对风电场发电的影响，采用风电场风向效率系数进行量化建模，定义风电场的风向效率系数η：

式中　Pm——风电场实测输出功率；

Pf——不受尾流影响的风电场输出功率，可以根据风功曲线计算，η越大，风电场出力受尾流影响越小。

图5-8展示了某风电场在不同风况下的风向效率系数对比，可以看出，针对这个风电场，风速较小时，风向效率系数偏小；风速越大，风向效率系数越大。

图5-8　某风电场在不同风况下的风向效率系数

在每个片区内寻找若干代表性风力发电机组，并对该风力发电机组轮毂中心处的气象要素量化建模，结合风向效率系数，对片区进行功率预测建模，最后累加为全场功率预测。