仲 炜，葛 莹，张 杰，王 冲，周靖斐，肖胜昌

（1. 河海大学 地球科学与工程学院，江苏 南京 211100；2. 中国电力建设集团 昆明勘测设计研究院有限公司，云南 昆明 650051）

0 引 言

风电场选址包括宏观选址与微观选址。宏观选址是对一个较大地区的风能、地形等条件进行考察，筛选出风能资源丰富的小区域的过程。微观选址是在宏观选址的基础上，对风力发电机组进行优化布置，使整个风电场具有良好的经济效益、社会效益的过程[1]。然而，在高海拔山区，由于复杂地形的影响，各处的风速有所不同，利用现有的风电场选址软件进行风能资源评估存在一定困难，此时的选址结果基本不可靠[2]。因此，亟需对高海拔山区风电场微观选址方法开展研究。

国内许多学者针对风电场选址做了大量的研究[3-7]。邓院昌通过对国内风电场位置进行分析，认为地形在宏观选址中起着重要的作用[8]。王娟敏提出了一种基于GIS的风电场宏观选址方法，利用GIS空间分析工具将地形因子叠加运算，找出风电场适宜区域。但由于对各地形因子只是简单叠加，其宏观选址结果的合理性还存在一些问题[9]。白绍桐以沿海城市的风电场项目为例，考虑建筑物分布、土地性质的影响，提出按盛行风向不变时的风机排列方式对风电机组进行布置[10]。洪祖兰根据云南风电场选址的实际情况，建议在高度适中的迎风向山脊地区，根据山脊的宽度选择单排或多排布置风电机组[11]。吴培华根据国内风电场建设特点，认为复杂地形下风电场微观选址需要考虑地形特征，风电机组应该顺着山脊的走势布置[12]。李良县在对复杂山区风机位置进行分析后认为，高海拔山区山脊、山顶点上的风速、风功率密度较高，适宜布置风电机组[13]。

上述研究指明了在地形复杂的山区，以山脊、山顶点作为布置风电机组的位置，提供了复杂地形下风电场微观选址的理论依据，但并未指出如何智能、快速地获取山脊线、山顶点。本文提出一种顾及地形的风电场微观选址方法，在GIS环境下，利用SRTM DEM地形数据和风能资源数据，自编python程序对研究区域进行风能资源评估，通过山脊线、山顶点的自动、快速提取，改变了传统的风电场微观选址中依靠人工判断山脊线、山顶点的方式，实现了高海拔山区风电场微观选址的智能布机。

本文第一部分总结了目前复杂地形以及高海拔山区的风电场微观选址方法；第二部分介绍了基于GIS空间分析的高海拔山区风电场微观选址方法，并在第三、四部分通过风电场项目实例对该方法的合理性和可靠性进行分析验证。

1 风电场微观选址规划过程及理论依据

复杂地形下风电场微观选址需考虑地形条件的影响。首先计算拟建风电场地区的风能资源，筛选出风能资源丰富的区域；根据地形条件确定适合布置风电机组的地形位置，要求坡度较缓；在实际地形上布置风机，一般主风向上为5～9倍风机直径，垂直主风向上为3～5倍风机直径；计算发电量及湍流强度、尾流损失等的影响，比较不同方案，选择最佳的风机间距布置风机[14]。

高海拔山区的风电场微观选址需结合地形特征进行规划。在高海拔山区，有的仅能在可放置风机的位置上布置风机；有的地方有山谷、山丘等地形组合，风机布置受多种因素的综合影响[15]；当拟建风电场位于山脊地区时，就顺着山脊线的走势，选取山脊线上的山顶点位置布置风机。选择山脊位置布置风电机组有其理论依据。根据伯努利效应，当气流通过山脊时，气流会被压缩而产生加速，当山脊走向与风向垂直时，过山脊时风速约为山脊前风速的两倍，根据风速和风功率密度的关系，风功率密度变为山脊前的8倍，因此在地形复杂的山区常把山脊作为布置风电机组的首选位置[11]。

2 基于GlS空间分析的风电场智能微观选址方法

本文按研究内容将技术路线分为4个部分：数据准备、风能资源评估、提取山脊线及山顶点、确定风机布置方式。首先编写python程序将拟建风电场地区的风速、风功率密度文本数据转化为栅格数据，利用GIS软件筛选出风能资源丰富的区域；然后在GIS环境下编写程序自动提取拟建风电场地区的山脊线和山顶点；最后在风能资源丰富的区域沿着山脊线和山顶点布置风机，提供初步的高海拔山区风电场微观选址方案。具体技术路线如图1所示。

图1 基于GIS的风电场微观选址技术路线Fig.1 Technical route of GIS based wind farm micro-site selection

2.1 数据准备

从地理空间数据云下载拟建风电场地区90m分辨率的SRTM DEM数据；准备整个拟建地区的风速、风功率密度的风能资源文本数据。

2.2 风能资源评估

高海拔山区风电场微观选址首先要考虑拟建地区的风能资源状况。利用python程序将获取的测风点位、风速、风功率密度的文本数据转化为栅格数据，在GIS软件中对风速、风功率密度栅格数据进行分类，找出风速、风功率密度值较高的风能资源丰富地区，将这些地区作为布置风电机组的候选区域。

2.3 山脊线和山顶点提取

山脊线的提取主要根据GIS的水文分析方法。采用地表径流模拟方法，通过模拟地形表面自然流水的状态，找出分水线与合水线。分水线（山脊线）即为水流的起源点，水流方向只有流出方向而不存在流入方向，经过地表径流模拟计算之后，栅格的汇流累积量为零；合水线（山谷线）即为河网，通过设置合适的汇流累积量阈值提取合水线。然而在实际提取过程中，由于DEM数据的精度问题以及洼地、平地地形的存在，提取的山脊线往往不连续，而提取的山谷线完整且连续，效果较好。针对这种情况，本文提出利用山谷线的提取原理来提取山脊线。利用反地形方法，将提取山脊线转化为反地形下提取山谷线。山脊线具体提取过程如图2所示。

图2 山脊线提取流程图Fig.2 Flow chart of extracting the ridge line

地表径流模拟过程中，水流方向的计算采用D8算法。通过计算中心栅格与邻域栅格的最大距离权落差来确定水流离开中心栅格的方向。距离权落差是指中心栅格与邻域栅格的高程差除以栅格间的距离。

式中，d为DEM的栅格像元大小。中心栅格水流流出方向的编码如图3所示。根据距离权落差判断中心栅格水流流出方向的过程如图4所示。

图3 水流流出方向的编码图Fig. 3 The coding of the water fl ow out direction

图4 中心栅格水流流出方向确定Fig.4 The direction determination of central cell outf l ow

在获取各栅格像元的水流流出方向后，将各像元的水量（1个单位）按水流流动方向累加至整个研究区域，从而获取汇流累积量栅格。最后选取合适的汇流量阈值，提取出河网。

山顶点的提取主要运用GIS邻域分析方法。山顶点是一定地域范围内的高程最大值点，因此，通过选取适宜的邻域大小，对研究区域的数字高程模型作焦点统计，找出邻域范围内的高程最大值点。需要注意的是，选取的邻域太小时，会提取出伪山顶点；邻域太大时，将漏掉一些重要的山顶点。常用的邻域分析窗口大小为11×11(cell)。山顶点具体提取过程如图5所示。

图5 山顶点提取流程图Fig.5 Flow chart of extracting the mountain vertex

3 研究区域及其数据来源

3.1 研究区概况

研究区域：三道箐风电场项目位于云南省楚雄州姚安县前场镇。前场镇位于姚安县东部，东经101°17′41″～101°21′7″，北纬25°34′21″～25°37′32″，最高海拔2364m，最低海拔1904m，平均海拔2015.5m，地貌主要是溶蚀堆积盆地。

3.2 数据来源和数据处理

数据来源：①从地理空间数据云下载90 m分辨率的SRTM DEM数据；②三道箐风电场项目的风速、风功率密度文本数据。

数据处理：①在GIS软件中，对下载的大范围的SRTM DEM数据进行裁剪，选取所需的前场镇三道箐地区的DEM数据；②对姚安县风能资源文本数据进行处理，整理出测风点位坐标、风速、风功率密度数据。

4 风电场智能微观选址结果

利用python程序将三道箐地区的风速、风功率密度文本数据转换为如图6和图7所示的GIS栅格数据。图6中红色区域风速＞6m/s，图7中红色区域风功率密度＞350W/m2，属于风能资源最丰富的区域。因此，将两图中红色区域作为布置风电机组的候选区域。

图6 风速栅格Fig.6 Wind speed grid

图7 风功率密度栅格Fig.7 Wind power density grid

运用前文所述山脊线和山顶点的提取方法，利用SRTM DEM地形数据，自动提取三道箐地区的山脊线和山顶点，如图8所示。对提取的山脊线、山顶点进行筛选，保留位于山脊线上的山顶点，将一些不落在山脊线上的山顶点删去，如图9所示。将筛选后位于山脊线上的山顶点与风功率密度栅格叠置分析，如图10所示。有很多山顶点并未落在风能资源丰富的红色区域，这些点位不满足风电场对风能资源的要求，不能作为微观选址的设计点位。进一步筛选出位于风能资源丰富区域的山顶点，如图11所示。最终将图中位于风功率密度最高的红色区域的山顶点作为布置风电机组的候选位置。

图8 山脊线和山顶点Fig.8 Ridge lines and mountain vertexes lines

图9 位于山脊线上的山顶点Fig.9 Mountain vertexes on the ridge

图10 山顶点与风功率密度Fig.10 Mountain vertexesand wind power density

图11 风功率密度较高处的山顶点Fig.11 Mountain vertexes in high wind power density

图12 微观选址设计点位与实际点位比较Fig.12 Comparison between micro-site selection points and actual points

另外，将风电场项目的实际微观选址点位展开如图12所示。图中山顶点为微观选址设计点位，黑色圆点为风电场项目实际微观选址点位。从图中可以看出，设计点位与实际点位较为接近，可以用作初步微观选址的参照。

由于下载的SRTM DEM数据精度不够，以及在数据处理过程中的投影变换导致的偏差，提取的山脊线和山顶点的位置还不够准确，筛选出的位于山脊线上的山顶点大部分都未落在风功率密度最高的区域，可选择的微观选址设计点位较少，且与风电场项目实际设计点位存在一定偏差，这样的距离偏差在初步微观选址中可以接受。对风电场微观选址工作中初步确定的风机位置，还需经过现场踏勘，考察实际地形下的安装条件、交通条件，对不适宜的风机位置进行调整，在附近找到满足安装条件且交通便利的位置布置风机。因此，高海拔山区的风电场微观选址时，在风能资源丰富的地区选取山脊线上的山顶点布置风电机组的方法是有效、可靠的。

5 结束语

本文针对高海拔、地形复杂的山区，提出了一种基于GIS空间分析的风电场智能微观选址方法。在风能资源丰富的地区，选取山脊线上的山顶点作为风机点位，相比较传统的依靠人工判断山脊线和山顶点的方法，提供了一种快速、智能的选址方法，并通过风电场项目实例对该方法进行分析验证，证明了该方法的可行性。但由于使用的地形数据精度不够及数据处理过程中产生的投影偏差，提取的山脊线、山顶点与风能资源分布情况未能完全吻合，导致在选取设计点位时有部分点位被筛选掉。如果能使用精度更高的地形数据，满足微观选址条件的点位将会更多，与实际的微观选址结果也更接近。