(内蒙古工业大学土木工程学院 内蒙古 呼和浩特 010051)

引言

现阶段是我国风电规模化发展的重要时期，在2015年全国并网运行风机年总发电量超过190TW.H[1]。目前已有的大量风资源评估工作都是对10-30年为时间段的风资源分布进行描述[2]。与当前风力发电，风电并网等与电力相关的各个领域的深入研究相比，在风资源实时估计方面的研究则相对较少。因此建立有利于研究人员理解与应用的刻画风资源实时分布情况的数学模型变得尤为重要，这将为风电出力、调度等各方面研究提供基础信息。

一、基于统计规律的风资源分布估计方法

(一)区域风资源的相关性分析。风电场输出相关性是影响风电特性的一个主要因素，特别是集群风电的输出量，已经被很多学者关注，其中主要被应用的为相关性随距离增加而减弱的规律。2015年，Hasche等人以实测数据为例，拟合得到了风场出力相关系数与距离之间的指数函数关系[3]。利用此规律基于地理距离推算出相关系数。风资源的相关性是风电出力相关性的主要影响因素，在实际应用中，这一特点多被应用于测风塔数据的校正中[4]。

(二)基于风资源相关性的测风塔分组方法。实际风电场中测风塔分散在整个区域，并受风电场地形影响，风电场整体区域地形特点类似，地形平坦，每台测风塔位置处的风资源数值大小以及波动特点也存在差异。为了避免具有不同特性的测风塔对进一步的分析造成影响，对已知测风塔进行分组是最为重要的任务。

目前，最短距离聚类法在分组聚类方法中最为常用[5]。2016年，乔颖等人结合甘肃酒泉地区实际的风资源特点，介绍了该方法[6]。首先，构造待聚类的m个元素的距离矩阵，然后在原来的m×m距离矩阵的非对角元素中找出两组距离最近的对象Gp和Gq并且归并为一新类Gr，然后按计算公式

drk=min{dpk,dqk}(k≠p,q)

(1)

计算原始各个类别与新类别之间的距离，得到新的(m-1)阶的距离矩阵；再从该矩阵中选出最小者dij，把Gi和Gj归并成新类；继而计算每个类别与新类别之间的距离，直至类别的数量达到预定值为止。

(三)风资源分布的实时估计方法。风资源数据研究中，反距离加权法作为一种简单易行的插值方法得到了广泛的应用。反距离加权差值法便是以待求点到已知点距离的函数作为权重函数，对已知点的数据进行加权得到待求点的估计值。例如，权重函数W(r)为：

(3)

式中：r为未知点与已知点之间的距离；R为影响半径，表示距离超过该半径的已知点对未知点的数据没有参考价值；m是大于1的整数。显然，在这种插值方法中，已知点离未知点越近，则权重越大。

二、风能资源评估的特征参数参数

风能资源评估的主要特征参数包括:风速统计概率分布、风向、平均风功率密度、风能、有效风能、可利用小时数等。

(一)风速统计概率分布。通过对风速v概率统计得出的分布特性是能够衡量一个地方风能资源分布情况，一般采用weibull分布曲线来拟合不同地区或不同高度风速概率分布[7]，其表达式为：

(4)

式中:k为形状参数，k值越大说明风速波动越小，越适合风力发电。λ为尺度参数，用来决定风频曲线峰值大小。

(二)平均风功率密度。风能密度是衡量一个地区风能大小和风能储量最有价值的参考量。风功率密度是气流在单位时间内垂直流过单位截面积中所具有的能量，计算公式[8]为

(5)

(三)有效风能。对于风能转换装置而言可利用的风能是在切入风速到切出风速之间的风速段这个范围的风能即有效风能，该风速范围内的平均风功率密度即有效风功率密度有效风功率密度计算式[9]为

(6)

(四)可利用小时数。风电场容量系数的高低由可利用小时数决定可利用小时数越高则说明风电场的投资回报率也越高统计代表年测风序列中的有效风速的风能可利用小时数计算式[10]为

(7)

式中N为统计时段的总时间h其中可利用风能资源储量是通过有效风功率密度、风电场面积和风能利用率之间的关系计算得出的

三、风能资源评估方法发展方向

针对上述不足,未来风能资源评估的发展方向如下:

(1)用大数据与云计算技术为风能资源评估提供更有参考价值的平台。

(2)改进现有机组曲线评估模型增加气象要素和实际运行曲线模型研究。

(3)当前风电场总装机容量和单机容量的不断增大，应深入研究尾流叠加模型和湍流扰动模型。