2020年10月14日-16日，2020北京國際風(fēng)能大會(huì)暨展覽會(huì)（CWP 2020）在北京新國展隆重召開。作為全球風(fēng)電行業(yè)年度最大的盛會(huì)之一，這場由百余名演講嘉賓和數(shù)千名國內(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”為主題，聚焦中國能源革命的未來。能見App全程直播本次大會(huì)。
在14日下午召開的風(fēng)資源精細(xì)化評估分論壇上，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《組合測風(fēng)技術(shù)助力風(fēng)資源精準(zhǔn)評估》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，分別是測風(fēng)的重點(diǎn)問題、針對組合測風(fēng)的解決方案、組合測風(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)沒有測風(fēng)塔，或者測風(fēng)代表性不足，這個(gè)比例超過50%，和我們現(xiàn)在遇到的困境是一樣的。測風(fēng)面臨諸多挑戰(zhàn)，如在低風(fēng)速復(fù)雜地形的項(xiàng)目的投資收益臨界點(diǎn)對風(fēng)速的評估非常敏感，測風(fēng)設(shè)備管理，數(shù)據(jù)管理方面存在問題，秒級(jí)測風(fēng)沒有比較通用的標(biāo)準(zhǔn)規(guī)范等。面對測風(fēng)方面的困境，金風(fēng)科技在測風(fēng)領(lǐng)域開展過一些嘗試，如高層風(fēng)的觀測、精細(xì)化測風(fēng)項(xiàng)目等探索，也開展了關(guān)于氣象仿真優(yōu)化的虛擬測風(fēng)項(xiàng)目等，基于前面的技術(shù)的積累，我們現(xiàn)在推出了組合測風(fēng)技術(shù)。比如在前期開發(fā)項(xiàng)目工期緊張，還沒開展測風(fēng)或測風(fēng)表性不足，周邊測風(fēng)塔在十幾公里外，在評估資源的時(shí)候，風(fēng)速偏差可達(dá)0.6米/秒，我們的組合測風(fēng)方案是怎么樣解決的呢？
組合測風(fēng)技術(shù)定位是解決開發(fā)周期緊的前期開發(fā)項(xiàng)目。組合測風(fēng)是通過開展短期的觀測，結(jié)合觀測大數(shù)據(jù)和自研算法得到完整年的時(shí)間序列數(shù)據(jù)。
組合測風(fēng)包含測風(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。組合測風(fēng)的精度是什么樣的呢？依托完整測風(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）以內(nèi)。組合測風(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)測風(fēng)項(xiàng)目同期沒有相關(guān)性很高的中尺度數(shù)據(jù)源，針對每一個(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)積累的測風(fēng)數(shù)據(jù)庫中完整年數(shù)據(jù)進(jìn)行挖掘及不同算法的調(diào)優(yōu)嘗試，并開展了實(shí)際測風(fēng)項(xiàng)目的驗(yàn)證，構(gòu)成了組合測風(fēng)的技術(shù)閉環(huán)。
首先來看精細(xì)化測風(fēng)技術(shù)。在測風(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)，考慮到測風(fēng)數(shù)據(jù)對仿真環(huán)節(jié)的可用性和代表性，在測風(fēng)的選址階段，我們把代表性量化的分析出來，就可以很清晰的識(shí)別出來，哪里是代表性不足或存在測風(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，通過把這些參數(shù)代表性建模，然后去進(jìn)行定制化的測風(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題，通過收集同樣有雷達(dá)設(shè)備和測風(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)是針對每一個(gè)測風(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，并對其中優(yōu)秀的算法做了參數(shù)的調(diào)優(yōu)；地形分類也基于傳統(tǒng)的GIS分類做了周邊地形影響的優(yōu)化，形成了適合組合測風(fēng)的分類標(biāo)準(zhǔn)。算法融合的過程中，形成了參數(shù)和算法的評價(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)目開展短期的觀測之后，就可以選擇最優(yōu)參數(shù)，最優(yōu)算法以及它的評價(jià)去得到最后的一個(gè)精度評價(jià)。
組合測風(fēng)技術(shù)在分散式、大基地、集中式等項(xiàng)目中都有應(yīng)用，通過對逐項(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。通過虛擬測風(fēng)塔和雷達(dá)的結(jié)合，在三個(gè)月測風(fēng)完成的時(shí)候有一個(gè)比較正確的完整的資源評估。
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)劃測風(fēng)呢？我們首先跟客戶確認(rèn)這個(gè)項(xiàng)目的區(qū)域評估目標(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題。這個(gè)項(xiàng)目組合測風(fēng)技術(shù)通過十幾種算法尋優(yōu)解決精度問題，這個(gè)最左邊沒有投出來，最上面的一個(gè)是叫做絕對風(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，我想說測風(fēng)環(huán)節(jié)需要更多關(guān)注！希望有更多仿真、觀測、算法同仁一起加入到組合測風(fēng)的領(lǐng)域去進(jìn)一步的去挖掘，希望中國有更多的觀測實(shí)驗(yàn)場！謝謝！
（根據(jù)速記整理，未經(jīng)本人審核）
