2020年10月14日-16日,2020北京國(guó)際風(fēng)能大會(huì)暨展覽會(huì)(CWP 2020)在北京新國(guó)展隆重召開(kāi)。作為全球風(fēng)電行業(yè)年度最大的盛會(huì)之一,這場(chǎng)由百余名演講嘉賓和數(shù)千名國(guó)內(nèi)外參會(huì)代表共同參與的風(fēng)能盛會(huì),再次登陸北京,本屆大會(huì)以“引領(lǐng)綠色復(fù)蘇,構(gòu)筑更好未來(lái)”為主題,聚焦中國(guó)能源革命的未來(lái)。能見(jiàn)App全程直播本次大會(huì)。
在14日下午召開(kāi)的風(fēng)資源精細(xì)化評(píng)估分論壇上,新疆金風(fēng)科技股份有限公司風(fēng)資源氣象團(tuán)隊(duì)負(fù)責(zé)人劉釗發(fā)表《組合測(cè)風(fēng)技術(shù)助力風(fēng)資源精準(zhǔn)評(píng)估》主題演講。
以下為發(fā)言實(shí)錄:劉釗:我的報(bào)告主要分為四個(gè)方面,分別是測(cè)風(fēng)的重點(diǎn)問(wèn)題、針對(duì)組合測(cè)風(fēng)的解決方案、組合測(cè)風(fēng)的技術(shù)解析和案例介紹。
結(jié)合剛才劉博士2020年的數(shù)據(jù)統(tǒng)計(jì),67個(gè)項(xiàng)目里面34個(gè)沒(méi)有測(cè)風(fēng)塔,或者測(cè)風(fēng)代表性不足,這個(gè)比例超過(guò)50%,和我們現(xiàn)在遇到的困境是一樣的。測(cè)風(fēng)面臨諸多挑戰(zhàn),如在低風(fēng)速?gòu)?fù)雜地形的項(xiàng)目的投資收益臨界點(diǎn)對(duì)風(fēng)速的評(píng)估非常敏感,測(cè)風(fēng)設(shè)備管理,數(shù)據(jù)管理方面存在問(wèn)題,秒級(jí)測(cè)風(fēng)沒(méi)有比較通用的標(biāo)準(zhǔn)規(guī)范等。面對(duì)測(cè)風(fēng)方面的困境,金風(fēng)科技在測(cè)風(fēng)領(lǐng)域開(kāi)展過(guò)一些嘗試,如高層風(fēng)的觀測(cè)、精細(xì)化測(cè)風(fēng)項(xiàng)目等探索,也開(kāi)展了關(guān)于氣象仿真優(yōu)化的虛擬測(cè)風(fēng)項(xiàng)目等,基于前面的技術(shù)的積累,我們現(xiàn)在推出了組合測(cè)風(fēng)技術(shù)。比如在前期開(kāi)發(fā)項(xiàng)目工期緊張,還沒(méi)開(kāi)展測(cè)風(fēng)或測(cè)風(fēng)表性不足,周邊測(cè)風(fēng)塔在十幾公里外,在評(píng)估資源的時(shí)候,風(fēng)速偏差可達(dá)0.6米/秒,我們的組合測(cè)風(fēng)方案是怎么樣解決的呢?
組合測(cè)風(fēng)技術(shù)定位是解決開(kāi)發(fā)周期緊的前期開(kāi)發(fā)項(xiàng)目。組合測(cè)風(fēng)是通過(guò)開(kāi)展短期的觀測(cè),結(jié)合觀測(cè)大數(shù)據(jù)和自研算法得到完整年的時(shí)間序列數(shù)據(jù)。
組合測(cè)風(fēng)包含測(cè)風(fēng)方案設(shè)計(jì)、數(shù)據(jù)的生產(chǎn)管理和數(shù)據(jù)應(yīng)用三部分。組合測(cè)風(fēng)的精度是什么樣的呢?依托完整測(cè)風(fēng)數(shù)據(jù),在不同的月份,在不同的地形的情況下如圖所示。在三個(gè)月測(cè)風(fēng)的基礎(chǔ)之上,平坦、丘陵、山地區(qū)域,風(fēng)速偏差在0.2米/秒(P50)以?xún)?nèi)。組合測(cè)風(fēng)技術(shù),主要是從三個(gè)方面做優(yōu)化,分別是精細(xì)化測(cè)風(fēng)的技術(shù),定制化中尺度仿真技術(shù)及算法融合。精細(xì)化測(cè)風(fēng)技術(shù)主要是解決在設(shè)備選址數(shù)據(jù)可能性,復(fù)雜地形雷達(dá)湍流可用性;定制化中尺度仿真解決當(dāng)一個(gè)測(cè)風(fēng)項(xiàng)目同期沒(méi)有相關(guān)性很高的中尺度數(shù)據(jù)源,針對(duì)每一個(gè)項(xiàng)目去定制精細(xì)的中尺度仿真結(jié)果;算法融合是基于現(xiàn)有的已經(jīng)積累的測(cè)風(fēng)數(shù)據(jù)庫(kù)中完整年數(shù)據(jù)進(jìn)行挖掘及不同算法的調(diào)優(yōu)嘗試,并開(kāi)展了實(shí)際測(cè)風(fēng)項(xiàng)目的驗(yàn)證,構(gòu)成了組合測(cè)風(fēng)的技術(shù)閉環(huán)。
首先來(lái)看精細(xì)化測(cè)風(fēng)技術(shù)。在測(cè)風(fēng)階段,有兩個(gè)重點(diǎn)的技術(shù),第一個(gè)就是量化代表性分析技術(shù),考慮到測(cè)風(fēng)數(shù)據(jù)對(duì)仿真環(huán)節(jié)的可用性和代表性,在測(cè)風(fēng)的選址階段,我們把代表性量化的分析出來(lái),就可以很清晰的識(shí)別出來(lái),哪里是代表性不足或存在測(cè)風(fēng)風(fēng)險(xiǎn)。這個(gè)技術(shù)是引入了穩(wěn)定度、海拔、粗糙度以及CFD仿真模型中間參數(shù)等,通過(guò)把這些參數(shù)代表性建模,然后去進(jìn)行定制化的測(cè)風(fēng)方案的設(shè)計(jì)。第二個(gè)就是我們很關(guān)注雷達(dá)在復(fù)雜地形的湍流的適用性問(wèn)題,通過(guò)收集同樣有雷達(dá)設(shè)備和測(cè)風(fēng)塔設(shè)備的項(xiàng)目,在這種數(shù)據(jù)集的基礎(chǔ)之上,通過(guò)深度學(xué)習(xí)算法,形成了湍流矯正模型,這樣雷達(dá)可以達(dá)到更逼近于目標(biāo)測(cè)風(fēng)塔湍流的這樣的適應(yīng)性。
中尺度仿真優(yōu)化技術(shù)是針對(duì)每一個(gè)測(cè)風(fēng)項(xiàng)目都進(jìn)行了定制化的氣象仿真。首先是數(shù)據(jù)源模塊,采用全球的各個(gè)機(jī)構(gòu)的數(shù)據(jù),然后包括歐美的數(shù)據(jù)源;在氣象仿真分辨率的選擇,我們選擇了精細(xì)化的地形輸入,尤其是針對(duì)復(fù)雜地形,可以有更精細(xì)的高程數(shù)據(jù)和土地利用系數(shù);參數(shù)化方案優(yōu)選方面,針對(duì)不同省份的不同區(qū)域做了參數(shù)化方案的優(yōu)化和參數(shù)優(yōu)化;參數(shù)化方案和優(yōu)化和精細(xì)化的仿真網(wǎng)格,經(jīng)過(guò)氣象仿真各模塊的優(yōu)化,往往可以得到更精準(zhǔn)的風(fēng)向模擬結(jié)果和更優(yōu)的相關(guān)系數(shù)。
算法模塊中融合了風(fēng)資源業(yè)務(wù)中常規(guī)應(yīng)用的8種算法及機(jī)器學(xué)習(xí)算法,并對(duì)其中優(yōu)秀的算法做了參數(shù)的調(diào)優(yōu);地形分類(lèi)也基于傳統(tǒng)的GIS分類(lèi)做了周邊地形影響的優(yōu)化,形成了適合組合測(cè)風(fēng)的分類(lèi)標(biāo)準(zhǔn)。算法融合的過(guò)程中,形成了參數(shù)和算法的評(píng)價(jià)體系,輸出了最優(yōu)算法表,可以應(yīng)用到每一個(gè)項(xiàng)目中。在項(xiàng)目開(kāi)展短期的觀測(cè)之后,就可以選擇最優(yōu)參數(shù),最優(yōu)算法以及它的評(píng)價(jià)去得到最后的一個(gè)精度評(píng)價(jià)。
組合測(cè)風(fēng)技術(shù)在分散式、大基地、集中式等項(xiàng)目中都有應(yīng)用,通過(guò)對(duì)逐項(xiàng)目的定制化可以得到一個(gè)從精度和經(jīng)濟(jì)性角度都合適的選擇。通過(guò)虛擬測(cè)風(fēng)塔和雷達(dá)的結(jié)合,在三個(gè)月測(cè)風(fēng)完成的時(shí)候有一個(gè)比較正確的完整的資源評(píng)估。
最后分享一個(gè)案例,這是一個(gè)陜西的分散式,地形比較復(fù)雜,如何規(guī)劃測(cè)風(fēng)呢?我們首先跟客戶(hù)確認(rèn)這個(gè)項(xiàng)目的區(qū)域評(píng)估目標(biāo)選擇了代表性最好的兩個(gè)點(diǎn)作為激光雷達(dá)的點(diǎn)位,同時(shí)啟動(dòng)了精細(xì)化的中尺度仿真的計(jì)算及算法尋優(yōu)。在完成測(cè)風(fēng)之后我們就形成上面右邊的這幾個(gè)表。復(fù)雜地形往往存在風(fēng)向仿真不準(zhǔn)確和威布爾分布失真的問(wèn)題。這個(gè)項(xiàng)目組合測(cè)風(fēng)技術(shù)通過(guò)十幾種算法尋優(yōu)解決精度問(wèn)題,這個(gè)最左邊沒(méi)有投出來(lái),最上面的一個(gè)是叫做絕對(duì)風(fēng)速偏差,第二個(gè)是相關(guān)性,第三個(gè)第四個(gè)分別是A值和K值,尤其大家可以關(guān)注一下K值,不同的算法對(duì)K值的影響是非常大的,尤其是常規(guī)的LLS方法。最后一個(gè)是等效小時(shí)數(shù)偏差。綜合評(píng)估各個(gè)指標(biāo)后,優(yōu)選的算法進(jìn)行數(shù)據(jù)集合,就可以得到一個(gè)多目標(biāo)尋優(yōu)后精準(zhǔn)的時(shí)間序列數(shù)據(jù)。
最后,我想說(shuō)測(cè)風(fēng)環(huán)節(jié)需要更多關(guān)注!希望有更多仿真、觀測(cè)、算法同仁一起加入到組合測(cè)風(fēng)的領(lǐng)域去進(jìn)一步的去挖掘,希望中國(guó)有更多的觀測(cè)實(shí)驗(yàn)場(chǎng)!謝謝!
(根據(jù)速記整理,未經(jīng)本人審核)