2020 海上风资源勘测与风电场发电量预测技术

海上风资源勘测风电场发电量预测技术目录TOC\o"1-1"\h\u72111 海上风资源勘测 3254541 测风仪 329252２ 风资源的三性 5114722 风资源评估软件应用 5187392３风资源评估误差分析 6195642４风资源评估误差量化修正技术 6174783风电场发电量预测 7307403１风电场发电量预测计算 727340１影响风电场发电量计算准确度的因素 71967２风电场发电量偏差修正 8132013２风电功率预报 8172143 风电功率预报结果评价方法 15188014 海上风电场场址勘测 2124584２海上风电场微观选址的目标 22147274 23241814 海上风电场微观选址技术 23326974 应用案例 241 海上风资源勘测1 测风仪１测风仪安装及特点在选定的风电场址，通常需要在５０～１００ｍ高测风塔，或１０ｍ高浮标上安装测风仪，并通过综合浮标测得的长期数据与测风塔测得的短期数据，再经相关性分析后评估待勘测风电场址的风资源。此外，还可以采用超声波雷达测风仪、激光雷达测风仪测风，这些测风设备只需安装在较低的流动平台上就可以测量高空的风资源。年月上海安装了当时国内首个海上测风塔该测风塔塔高１００ｍ安装有风速计风速测量分布在１００ｍｍｍｍｍ２０ｍ等个高度，同时，还能够测量１００ｍ、２０ｍ高度的风向、温度、气压及相对湿度。传统测风仪主要分为机械式和电子式两类，其中，机械式测风仪以风杯和风轮为主，由于该测风仪的转轮是可动元件，容易受到机械摩擦、泥沙灰尘堆积等影响，因此，不可靠不高、误差较大；电子式测风仪基于热传导（热线、热球）或超声波检测原理，实际应用中当在湍流环境下使用热敏式探头时，往往会受到来自各个方向的气流同时冲击，影响热元件测量结果的准确性；热传导测风仪存在稳定性差、输出为非线性不足；超声波测风仪价格昂贵。２风翼式固态测风仪（１）固态测风仪系统固态测风仪的测风装置没有旋转部件，避免了因设备磨损而引起的测量误差，可以长期使用且不影响精度，是当前世界气象组织（ＷＭＯ）推荐的测风设备。图２⁃１所示为风翼式固态测风仪系统，由测风部件、数据采集系统及上位监图２⁃１风翼式固态测风仪系统框图视系统三部分组成。如图２⁃２所示测风部件由迎风体１、连接套管２、软管３、保护套管４和底座５组成。其中，迎风体由４片相同的金属叶片呈９０°放置焊接而成，套管内装有电阻应变式压力传感器、温度传感器和湿度传感器。电阻应变式压力传感器通过连杆与迎风体相连，从而可以感受迎风体所承受的压力。传感器输出电压信号经放大器放大后送到单片机进行处理。（２）测量原理迎风体受自然风作用产生作用力，该

图２⁃２测风部件结构图１—迎风体２—连接套管３—软管４—保护套管５—底座作用力的大小与风速有关，经分解为分别作用在两个叶片上的力，通过求解这两个叶片上的力的数值，就可以获得风的作用力大小，然后，再利用风的作用力与风速的关系求得风速大小；同样，通过求解两个叶片上的力的比值就可以获得风向。电阻应变式压力传感器利用弹性体在外力作用下产生弹性形变，粘贴在其表面的电阻应变片随同发生变形，电阻应变片变形后其阻值将发生变化，再经相应的测量电路把这一电阻变化转换为电信号，就可以求得外部作用力的大小。常用的电阻应变式压力传感器采用桥式电路，在外部作用力作用下，桥式电路中应变片电阻阻值发生变化，桥路失去平衡，桥路的输出由零电位开始变化，这个变化量ΔＶ反映了压力的变化量。通过判断ΔＶ的正负即可确认作用力的方向。同理，利用两个垂直放置的电阻应变式传感器的电压输出值，可分别用于判别东西方向和南北方向的力，从而得出确切的风向。由于风作用在物体上通常为持续、微小的力，通过在固态测风仪上安装长杆及风翼，将风的作用效果转换为与其连接的金属的形变，从而引起传感器的输出电压值变化，利于提高测量灵敏度。1２海上测风塔安装位置选择通常，根据现场地形再结合地形图，初步选定可供安装风电机组的机位。测风塔安装位置确定原则为竖立在计划安装风电机组较多的地方，若遇到较复杂地形，还要分片布置测风塔；测风塔不能立在风速分离区和粗糙度的过渡线区域，即测风塔附近应无高大建筑物、树木等障碍物，地形也不宜较陡，与单个障碍物距离应大于障碍物高度的３倍，与成排障碍物距离应保持在障碍物最大高度的１０倍以上；测风塔在风电场主风向的上风向位置；测风高度应不低于风电 机组轮毂高度的２／３，一般要求在３个高度层次上测风。上海东海大桥海上风电场测风塔塔高１００ｍ，分为层测风。江苏大丰国家潮间带３００ＭＷ风电场，根据国家能源局发布的《海上风电场工程规划工作大纲》的要求，潮间带及潮下带测风塔塔高不低于７０ｍ。结合现场施工条件、风资源特点，实际设立的测风塔塔高８０ｍ，测风塔坐标为１２１２８′、３３９′，测风塔５ｍ测风塔分为层测风２０ｍｍｍｍｍｍ高度各设置两套风速仪并在２０ｍｍｍ高度设置风向标各一套２０ｍ高度设置了气温、气压、湿度传感器各一套。2 风资源评估２ 风资源的三性风资源的三性包括代表性、一致性和完整性。通过测风塔获得的测风数据的持续时间至少应保证在１年以上，相关测风资料有效数据的完整率应大于９０％。然而，在风电场实际规划中，常常是风电场场址测风设备竖立较晚，缺乏足够的现场实测风速、风向等数据，往往采取引用邻近场址或地区的实测数据进行分析计算，存在较大误差。风资源评估是风电场选址的关键步骤，其准确性对风电场将来实际运行的效益至关重要。传统的风资源评估往往通过对气象观测数据进行内插或外推处理，或在已建（待建）风电场场址安装气象观测塔观测～年的时间后再评估，评估结果往往不准确。后来，又开始采用中尺度数值模式来模拟某一地区的风况，并将模拟结果作为风资源普查的辅助资料，该方法填补了无风记录地区风资源状况的空白，同时，对风电场宏微观选址也有一定的指导作用，具有投资少、易于实施的特点。2 风资源评估软件应用风资源评估是整个风电场建设、运行的重要环节，是风电场建设取得良好经济效益的关键。目前，我国采用的常用风资源分布计算软件包括ＷＡｓＰ、Ｗｉｎｄ⁃Ｆａｒｍ、ＭＳ⁃ＭＩＣＲＯ、ＷｉｎｄＦａｒｍｅｒ和ＷｉｎｄＰｒｏ等，这些软件实际应用有局限性，例如，在坡度大于５°时，计算误差大。为了减小该计算误差，可以采用ＣＦＤ技术对各种典型地形模型进行数值模拟，在对实际结果进行比对和分析后，确认数值模拟的可信度，并分析得出各种地形的风能分布情况，评估现有风资源评估结果由于模型建立原因造成的误差，提出相适应的风资源评估量化修正方法。同时，还针对性地对我国沿海海陆风、内蒙古高空风、新疆地形风等典型情况下的风资源进行评估，经过比较和分析后分别提出相应的评估量化修正方法。例如其网络计算速度快，能够与Ｇｏｏｇｌｅａｒｔｈ（谷歌地球）同步显示，即空间视图可以在谷歌地球中显示并在运行过程中进行更新，易于将虚拟地球图像导入ＷＡｓＰ和ＷＡｓＰ图像编辑器等。该软件已有３５００多个用户，分布在１１０多个国家，主要用于风电场发电、风电场效率、风电场选址、风电场发电量计算等。2３风资源评估误差分析１）气流特性与标准模型存在偏差。风速廓线／风剪切的标准模型一般采用对数律或指数律分布，与实际气流特性存在差异。２）采用传统线性评估方法，主要包括年平均风速、威布尔频率分布的吻合度等主要的参数量化方法。３）地形图测绘水平。目前，国内风电场微观选址中使用的地形图大都为１∶１００００；而针对丘陵和低山地形进行风电场微观选址时，一般应采用１∶５０００地形图。为提高风电场微观选址的准确度，在进行风资源分布计算时，风资源分布网格图的分辨率应尽量大，一般为１０～５０ｍ。４）考虑噪声、阴影闪烁等环境因素，在布置风电机组时，为防止噪声、阴影闪烁等对附近居民的影响，环保部门一般要求风电机组距离居民区的距离应大于５００ｍ。根据实际情况，村庄处于上风向时，风电机组距村庄的距离应大于３００ｍ村庄处于风电机组的下风向时风电机组距村庄的距离应大于５００ｍ考虑阴影闪烁，风电机组在村庄的南侧时，风电机组距村庄的距离应大于５００ｍ；风电机组在村庄的北侧时，风电机组距村庄的距离应大于３００ｍ。2４风资源评估误差量化修正技术（１）坡度、粗糙度以及边界层厚度对复杂地形周围流场的影响一般来说，风能密度随坡度的增加而增大；背风面因受到漩涡以及尾流的影响，在近地面较平坦地形处风能分布差。粗糙度越小，风能分布越好，粗糙度在很小范围内变化时对风能影响不大，可以忽略。但当粗糙度变化很大时，在选择安装风电机组的位置时，就应该尽量避开摩擦力系数较大的区域。边界层厚度的选取对风速的捕获以及湍流强度的分布都有影响，对速度分布的影响更大。采用ＣＦＤ数值模拟的方法分析各种典型地形几何形状（坡度）、大气边界层特征（地表粗糙度及边界层厚度）对风能分布、风速捕捉和湍流强度的影响，并结合实际案例与现在采用的工程分析方法进行比较，评估工程分析方法存在误差的原因，并进行量化误差分析。（２）风电场数值模拟修正多数风资源评估软件，如ＷＡｓＰ、ＷｉｎｄＦａｒｍ、ＭＳ⁃ＭＩＣＲＯ、ＷｉｎｄＦａｒｍｅｒ和4 ＷｉｎｄＰｒｏ等，采用风流体线性化模型（假定只存在小的风扰动），优点是计算量小，但不适合评估复杂地形（如高山、森林、滩涂等）的风资源。例如，ＷＡｓＰ软件用于风资源评估与风电场设计已有２０多年，尤其是对于平坦地形的风资源分析结果更加准确，得到普遍认可，是世界上应用最广泛的风资源分析软件之一。但ＷＡｓ软件因采用标准线性模型模拟风电场，针对复杂地形，风资源的预测评估结果偏差较大。ＣＦＤ模拟通过将地形、粗糙度和障碍物等影响用参数表示，直接用数值方法求解流体力学方程，计算在树林等复杂环境下气流在三维方向的变化、三维粗糙度效应、三维湍流、风切变等。与现有软件如ＷＡｓＰ相比，ＣＦＤ能计算出三维风电场绕流，计算精度更高，风资源评估更准确。3风电场发电量预测风波动性强，势必引起风电场发电功率波动，给电网运行带来隐患。如果能够准确地预报风电场发电量并进行合理调度，将有助于电网安全、高效运行。3１风电场发电量预测计算１影响风电场发电量计算准确度的因素影响风电场发电量计算准确度的因素包括粗糙度、风切变、代表年风速和发电量折减。（１）粗糙度利用风电场设计软件计算风资源分布的主要依据是地表粗糙度，而粗糙度的参数设置误差较大。因此，应该利用测风塔实测数据计算风电机组轮毂高度的测风数据序列，并修正风电机组的发电量计算值。（２）风切变利用风电场设计软件计算发电量，主要依据是轮毂高度处的风速。事实上，影响风电机组发电量的因素不仅仅是轮毂高度的风速，还与分布在整个叶轮上的风速大小有关，即风速的垂直切变。即使在轮毂高度的风速相同，风切变也会不同，即一个是正切变，而另一个则为负切变。因此，实际发电量也不同。（３）代表年风速风速存在年际变化，有大小年之分。若仅仅利用测风年的数据计算发电量，不计及大小风年情况，则计算出的发电量与后期２０年运行期内风电机组的实际发电量偏差较大。目前，国内普遍采用的解决办法是利用气象站前３０年的测风数据来修正测风数据。该方法存在的问题是目前国内气象站大都建在城郊，但随着城市化建设的发展，气象站在前３０年其周围环境已发生了很大变化，同时，4也更换了测风仪，甚至有的气象站已搬迁，造成整个测风数据不统一、欠规范。因此，代表年风速修正值的可信度很低。此外，即使气象站有前３０年规范的测风数据，地形也相似，但随着全球气候的变化，气象站前３０年的风速年际变化规律也不能代表后２０年风电机组运行期的年际变化规律。可见，测风数据虽经过修正，但其可信度仍较低。（４）发电量折减风电机组的实际发电量需要用理论发电量去折减，折减项涉及空气密度、控制、湍流、尾流、场用电及损耗、叶片污染度、风电机组可利用率、气候影响等因素。通常，上述各项的折减均按照经验进行，并没有实行定量折减。另外，发电量计算值除了受到上述因素影响外，还与风速分布和风电机组的功率曲线有关。国内采用的风速分布和韦布尔分布存在一定误差，而风电场设计软件推算的风速结果都为韦布尔函数。风电机组的功率曲线反映了风速和风电机组输出功率的对应关系。但是，即使同样是１０ｍ／ｓ的风速，风电机组在夏季和冬季的输出功率也是不同的。２风电场发电量偏差修正分析引起风电场发电量偏差的原因，分别对粗糙度、风切变、代表年风速、发电量折减四大因素进行偏差修正。其中：１）粗糙度参数设置误差，利用测风塔实测数据计算风电机组轮毂高度的测风数据序列，修正风电机组的发电量计算值。２）风切变，有别于传统方法只采用轮毂高度处的风速进行计算，还考虑了分布在整个叶轮上的风速大小，即风速的垂直切变。３）代表年风速，基于风速未来发展趋势，分析风速变化的不确定性，即发电量的不确定性，采用保守和可信度高的代表风速计算发电量。４）发电量折减，为准确计算风电场的发电量，应对各折减项进行量化折减，而不仅限于当前常用的经验折减方法。3２风电功率预报１风电功率预测技术风力发电能量转换过程为将风能转换成机械能，然后再将机械能转换成电能。当风速小于切入风速时，有功功率为零；当风速大于切入风速时，风电机组投入运行，有功功率随着风速增大而增加；当风速达到额定风速时，有功功率达到最大值；当风速超过额定风速时，风力机通过变桨距机构保持风电机组的有功功率恒定为最大值；一旦风速超过切出风速时，风电机组将采取停机措施。风电机组发出的有功功率与风速满足式（２⁃１）。式中，Ｐ为风电机组的有功出力；Ｃｐ为风能转换效率；ρ为风电机组轮毂高度处的空气密度；Ａ为叶轮扫风4 面积；ｖｉｎ、ｖＮ、ｖｏｕｔ分别为风电机组的切入风速、额定风速和切出风速；ＰＮ为风电机组额定功率。

０ （ｖ≤ｖｉｎ，ｖ

＞ｖｏｕｔ）２ｐ ｉｎ Ｐ＝１Ｃ３ （ｖ＜ｖ２ｐ ｉｎ

（２⁃１） ＰＮ （ｖＮ＜ｖ≤ｖｏｕｔ）由式（２⁃１）可知，风电机组发出的有功功率主要取决于风速的大小。因此，风电机组发出的有功功率波动比较大。由于风电出力不可控，风电并网对电能质量和电网调度均产生不利影响：风电对电能质量的影响最主要的是引起电压波动、闪变以及谐波问题；风电的随机性和间歇性导致电力电量平衡和调度安排非常困难，随着风电场容量的增加，这些问题将越来越突出。当风电功率无法预测时，电网必须按比较保守的方案为风电留出足够的备用容量以平衡风功率的波动。这样，如果风电功率考虑过高，可能造成全网备用不足；反之，考虑过低，则又可能增加其他常规火电机组深度调峰容量，甚至导致火电机组被迫起停调峰，从而带来火电机组煤耗指标的大幅度上升。提高风电功率预测精度是改善含大规模风电电力系统安全经济性运行的重要措施之一。风电功率实时预报是指自上报时刻起未来１５ｍｉｎ～４ｈ的预测预报。多年来，国内外学者对风电功率预测理论做了大量研究，提出了多种预测方法。由于风电功率波动受地形、地貌、天气及风电场运行状态影响，预测算法难以准确反映风电场的输出功率波动特性，不可避免地存在预测误差。因此，如何有效评价所产生的误差，寻找能最大程度上反映风电场风电功率波动特性的预测模型，是风电功率预测中具有重要实用价值的问题。为了保障电力系统安全可靠运行，我国发布了《风电场功率预测预报管理暂行条例》（以下简称《条例》）、《风电场功率预测预报管理办法》。《条例》要求到年月日，国内所有已并网运行的风电场必须建立风电功率预测系统，以保证风电场对电网的安全运行，不达要求的将不予并网。国外早在２０世纪就开发了风电功率预测系统，例如１）２０世纪９０年代初，丹麦Ｒｉｓｏｅ国家实验室、丹麦科学技术大学率先推出Ｐｒｅｄｉｋｔｏｒ预报系统和ＷＰＰＴ。２）２０世纪９０年代中期以后，美国ＴｒｕｅＷｉｎｄＳｏｌｕｔｉｏｎｓ公司推出ＥＷｉｎｄ。３）目前，用于风能业务预报的系统还有德国的Ｐｒｅｖｉｅｎｔｏ、西班牙的Ｓｉｐｒｅｏｌｉ⁃ｃｏ和ＬｏｃａｌＰｒｅｄ、法国的ＡＷＰＰＳ、爱尔兰与丹麦的ＨＩＲＰＯＭ等。２物理预报法和统计预报法采用数值天气预报模式和风电功率统计预测模型相结合的集成系统预测风电功率，是目前国外普遍采用且行之有效的风电功率短期预测方法。4风的波动性和地势依赖性强，使得要能够准确预报风电功率难度大。因此，要准确预报风电功率，必须针对具体风电场，借助数值天气预报和统计分析，建立相应的统计预报模型。气象预报质量对最终风电功率预报精度具有重要影响，往往要求能够预报未来～天高时空分辨率的风电场气象信息（１ｋｍ或更高，数分钟）。目前，能够免费获得的预报产品，其时空分辨率远远不能够满足风电功率预报的要求。一般而言，要使用合适的中尺度数值天气模式对低分辨率模式预报产品进行降尺度处理。在使用中尺度数值天气模式时，要根据具体风电场所处的地理环境和地形地貌特点，通过敏感性试验，采用合适的模式，选择计算区域、网格嵌套和各种参数化方案等，确定最终预报方案。３风电功率预报系统如图２⁃３所示，以中尺度数值天气预报模式为基础，结合风电场测风塔的观测资料和风电功率记录资料，通过建立定量化的风电功率短期预报模型预报风电功率。图２⁃３风电功率短期预报系统框架（１）资料库建立收集至少１年的大尺度天气预报模式产品、测风塔观测资料和风电功率记录资料等。（２）确定动力降尺度方案确定模式选取、动力降尺度方案，如敏感性试验，预报区域、网格嵌套方案和各种参数化方案等。（３）风电场气象场高分辨率动力降尺度回报利用中尺度数值天气预报模式和收集到的大尺度天气预报模式产品进行动力降尺度回报，为模式输出订正模型和风电场功率短期预报模型的建立奠定基础。（４）建立模式输出订正模型将模式输出结果和实际观测资料相结合，进行预报因子和预报量之间的统计4 关系分析，建立模式输出订正模型，如多元回归与神经网络，单机法与整体法，分时与按月、按季和总体。（５）建立风电功率短期预报模型在风电场气象场短期预报的基础上，通过分析风电场区域的气象场条件和风电功率的关系，建立风电功率统计预报模型。（６）风电场风电功率预报试验及效果检验进行至少１年的预报试验，并给出相关系数、标准差、误差带等。（７）系统集成综合中尺度数值天气预报模式、模式输出订正模型和风电功率统计预报模型，建立风电功率短期预报系统。４风电功率预报系统功能实用化风电功率预报系统应包含以下主要功能：１）风电功率未来２４ｈ逐１５ｍｉｎ预报产品折线图，具有表格显示和鼠标交互提示功能；２）风电功率未来２４ｈ逐１５ｍｉｎ预报产品误差带折线图；３）整个风电场未来２４ｈ总发电量显示；４）风电功率逐１５ｍｉｎ历史预报产品及误差带折线图，具有表格显示和鼠标交互提示功能；５）风电功率逐１５ｍｉｎ历史预报产品误差带折线图；６）整个风电场历史预报２４ｈ总发电量显示；７）系统用户登录及后台用户配置；８）风电场数据库文件自动转换功能等。５风电场风电功率预报应用某已投足的风电场由７５０ｋ风电机组（总装机容量为１５０ＭＷ）组成，该风电场地处戈壁荒滩，地势开阔平坦。在该风电场区周围建立了编号分别为号和号的两座测风塔，其中号测风塔距离风电场约２０ｋｍ号测风塔距离风电场约５５ｋｍ。（１）预报风速与实测风速对比表２⁃１、表２⁃２所示分别为５号测风塔、８号测风塔预报风速与实测风速对比值。通过预报风速与实测风速的对比分析得知，模式预报的风速一般在小风速时比实测值略小，在风速稍大时则比实测值略大。此外，模式预报小时平均风速与绝对误差之间存在相对较好的一元回归关系。通过一元回归方程分别对５号和８号测风塔模式预报风速进行订正。表２⁃３、表２⁃４所示分别为订正前后预报风速与实测值相关系数统计表、订正前后预报风速的方均根误差统计表。4表２⁃１５号测风塔预报风速与实测风速对比比较项目测风时间及高度２００９年１月２００９年４月２００９年７月２００９年１０月５０ｍ７０ｍ５０ｍ７０ｍ５０ｍ７０ｍ５０ｍ７０ｍ与观测相关系数０７００７１０６７０７３０６００６１０７４０７６预报方均根误差１７１８１９13２６１５１７表２⁃２８号测风塔预报风速与实测风速对比比较项目测风时间及高度２００９年１月２００９年４月２００９年７月２００９年１０月５０ｍ７０ｍ５０ｍ７０ｍ５０ｍ７０ｍ５０ｍ７０ｍ与观测相关系数０８２０８３０７００７２０５８０６００８１０８０预报方均根误差１５１６１９124１３１４表２⁃３订正前后预报风速与实测值相关系数统计表比较项目测风时间及处理结果２００９年１月２００９年４月２００９年７月２００９年１０月前后前后前后前后５号塔５０ｍ０７００７９０６７０７７０６００７５０７４０７９７０ｍ０７３０８１０７３０８１０６１０７５０７６０８２８号塔５０ｍ０８２０８６０７００８１０５８０７７０８１０８４７０ｍ０８３０８７０７２０８２０６００７７０８００８４表２⁃４订正前后预报风速的方均根误差统计表比较项目测风时间及处理结果２００９年１月２００９年４月２００９年７月２００９年１０月前后前后前后前后５号塔５０ｍ１７０１５８１９０１４８3０1１１５５１３７７０ｍ１８４１７０1０１８１２５８２６０１７０１５６８号塔５０ｍ１５４１４５１９７１７６2６２６４１２６１１２７０ｍ１６４１５９1０２００4５３０１１４３１３０（２）风电功率预报效果２００８年全年风电功率预报结果如下：１）相关系数及误差分析。表２⁃５所列为相关系数及相对误差方均根误差。其中，逐１５ｍｉｎ风电功率预报值与风电机组输出功率记录值的相关性较显著，相4 关系数介于０～０之间逐１５ｍｉｎ风电功率预报值与风电机组输出功率记录值的误差较小，相对方均根误差介于２７６％～１２之间。表２⁃５相关系数及相对误差方均根误差月份相关系数相对误差方均根误差（％）月份相关系数相对误差方均根误差（％）１０９０６６０７０５８３８８２０７９６１６８０７７２７６３０８４６６０９０７６９５５４０７８５１７１００７１１２８９５０７８３５６１１０７４１１６０６０７８３６４１２０６２１２６０２）风电功率预报值与记录值日变化特征比较。通过比较２００８年１～１２月份每月２、６、１１、１６、２１、２６、３１日测得数值，针对部分月有关风电机组输出功率记录资料存在缺测、停机现象，则比较其他天的预报值与记录值日变化特征。风电功率预报值与风电机组输出功率记录值的日变化趋势较一致；部分时刻误差相对较大，这是因为风电机组输出功率记录资料缺测较多等，影响了风电功率预报效果。因此，若有更加完善的风电机组输出功率记录资料，便能够更好地预报风电功率的变化趋势，并可减小预报误差。９０％３）图１５ｍｉｎ风电功率预报误差带分析（９０％）结果。其中：１００％：－９１４５７８～８８６７５２ｋＷ（野点）；～ｋ（满发的以内）；～ｋＷ（满发的以内）；图２⁃４逐１５ｍｉｎ风电功率预报误差带分析4～２５０００ｋＷ（满发的以内）。3 风电功率预报结果评价方法１常规方法通常采用的预测结果的评价方法大都基于常规统计学指标，缺乏合理的评价体系来评价某特定风电场所选取预测模型的优劣。常规的预测效果评价方法包括平均相对误差（ＭｅａｎＲｅｌａｔｉｖｅＥｒｒｏｒ，ＭＲＥ）法、方均根误差（ＲｏｏｔＭｅａｎＳｑｕａｒｅｄＥｒｒｏｒ，ＲＭＳＥ）法、绝对值平均误差（ＭｅａｎＡｂｓｏｌｕｔｅＥｒｒｏｒ，ＭＡＥ）法、方均误差（ＭｅａｎＳｑｕａｒｅｄＥｒｒｏｒ，ＭＳＥ）法等。预测系统的绝对误差Ｅｉ定义为Ｅｉ＝ＰＭｉ－ＰＰｉ （２⁃２）式中，ＰＭｉ表示ｉ时刻的实际功率；ＰＰｉ表示ｉ时刻预测功率。（１）平均相对误差（）法∑ＥｉＰＭｉ如式（２⁃３）所示，ＭＲＥ法需要比较误差与对应时刻的真实值，并借此考虑系统的预测精度。ＭＲＥ法广泛应用于负荷预测及风电功率预测，但该方法针对实际并网风电场的风电功率预测效果仍有待进一步评估。由于风电场的输出功率的波动性和间歇性极强，势必引起实际风电机组出力在某一时刻可能接近０，造成Ｅ过大，∑ＥｉＰＭｉＥＭＲＥ＝ ｎ（２）方均根误差（）法

（２⁃３）Ｐ１ｃａｐ∑Ｅｉ２ｎ该方法如式（２⁃４）所示，Ｐ１ｃａｐ∑Ｅｉ２ｎＥＲＭＳＥ＝（３）绝对值平均误差（）法

（２⁃４）该方法如式（２⁃５）所示，即ＥＭＡＥ＝（４）方均误差（）法＝ 该方法如式（２⁃６）所示＝

∑ＥｉｎＰｃａｐｎＰ

（２⁃５）ＥＭＳＥ

１ｎｎｉ＝

Ｅｉ

（２⁃６）以上误差指标均为目前应用较广泛的系统误差评价依据，实际工程应用中往4 往还需要采用一种或两种组合评价指标，利用计算数值的大小判断预测系统的优良。另外，现有预测评价指标皆从误差角度出发，单一评价预测模型的优劣，并没有结合风电场实际预报需求，提出相关的指标来指导实际运行生产中发电计划的安排和实时调度。２多指标风电功率预测系统评价方法针对风电功率预测结果常规评价方法存在的不足，有学者提出将评价指标分为误差评价指标和预报考核指标两大类，通过综合误差评价指标与预报考核指标，形成了一种多指标风电功率预测系统评价方法。该方法的特点为具有系统误差分析功能，以及风电场所需的预报考核指标，使得不同地区的风电场可以根据其风电输出功率变化的特点，通过选择预测模型，合理评价风电场输出功率预测效果。（１）误差评价指标１）绝对值平均误差（），用于综合评价误差平均幅值，相对于平均相对误差（）而言，不受某一时刻风电输出功率波动的影响。２）方均根误差（ＲＭＳＥ），用于衡量预测系统误差的分散度，能够评价预测系统的整体性能。一般不单独用于衡量误差，往往通过与ＭＡＥ结合后对预测系统模型长期运行状态进行“宏观”评价。３）误差评价指标主要包含ＭＡＥ和ＲＭＳＥ，通过对比不同预测系统计算出的ＭＡＥ和ＲＭＳＥ，判断系统预测效果的好坏及误差产生原因。（２）预报考核评价指标１）准确率，如式（２⁃７）所示，式中，ｒ为预测曲线准确率；ＰＭｋｋ时段的实际平均功率；ＰＰｋｋ时段的预测平均功率；为日考虑总时段数。在风电场在实际运行中，开机容量邻随当日发电计划的变化而变化，难以准确计算，可以采用额定装机容量来替代。月（年）平均风电预测计划曲线准确率（）为日平均预测计划曲线准确率的算术平均值。ｒ＝

－ １

ＰＭｋ－ＰＰｋ×１００％ （２⁃７）１ １

ｋ＝１

Ｐｃａｐ ｒ ２）合格率，如式（２⁃８）～式（２⁃１０）所示，其中，月（年）平均风电预测计划曲线合格率（％）ｒ ＝ ＝ １ Ｎｋ＝１Ｂｋ

×１００％ （２⁃８） ＰＭｋ－ＰＰｋ１－

Ｐｃａｐ

×１００％８５％ （Ｂｋ＝１） （２⁃９） ＰＭｋ－ＰＰｋ１－

Ｐｃａｐ

×１００％８５％ （Ｂｋ＝０） （２⁃１０）4３）预报考核指标主要包括准确率与合格率，首先，判断某一预测系统是否满足实际风电场并网对预报系统预报结果的相应要求；其次，有助于结合风电场实际并网需求在不同预测模型中进行筛选，即先筛选出预测结果准确率较高的预测模型，再通过对比合格率的高低找出最优预测模型。当预测准确率普遍较低时，也可以通过以上方法实现不同预测模型间的择优。与此同时，相关部门还可以根据该指标对不同风电场是否满足并网要求进行调度。（３）风电功率预测系统评价流程采用以上两类指标对不同预测系统的预测结果进行综合评价，最终实现对预测系统的择优并提出改进意见。具体流程如图２⁃５所示。３应用举例图２⁃６所示为吉林某风电场２０１２年月～日，共计天的历史输

图２⁃５风电功率预测系统评价流程图出功率的观测数据，该序列采样时间分辨率按照国家能源局规定标准为１５ｍｉｎ／个共个点取年月日前点数据作为超短期预测模型建模域，分别采用线性回归法、建模域均值法及灰色理论法对该风电场进行提前４ｈ的超短期风电功率预测。图２⁃６吉林某风电场２０１２年１月６～３１日输出功率（１）预测误差评价指标分析图２⁃７和图２⁃８分别给出了３种方法的整日实时预测的ＭＡＥ和ＲＭＳＥ指标变化曲线；表２⁃６为该日０：００开始每隔４ｈ抽取的实时预测ＭＡＥ和ＲＭＳＥ、全天９６次及２６天实时滚动预测误差指标的平均值Ｅ、Ｅｅ。从图２⁃７、图２⁃８可以看出，采用同一种预测方法的和指标变化4 趋势基本一致。其中，基于灰色理论法的风电功率预测模型预测结果的ＭＡＥ和ＲＭＳＥ曲线幅值波动非常大，基于建模域均值法和线性回归法的误差指标变化曲线虽然形状不尽相同，但曲线波动范围大概一致。由表２⁃６可知，基于灰色理论法的预测系统在单点处预测效果不稳定，预测的误差平均幅值偏大，且误差出现点分散度大，从而影响了该方法的预测精度；基于线性回归法的预测系统误差波动范围要小于其余两种预测系统，因而该预测系统的预测精度较高。图２⁃７２０１２年１月６日不同方法的实时预测ＭＡＥ图２⁃８２０１２年１月６日不同方法的实时预测ＲＭＳＥ（２）预报考核指标分析这种方法的准确率及合格率如图２⁃９、图２⁃１０及表２⁃７所示。其中，基于灰色理论法的预测系统预报考核指标波动幅度较大，不能满足并网要求；建模域均值法及线性回归法预测系统相对稳定，且建模域均值法预测系统的预报合格率略高于线性回归法预测系统。4表２⁃６不同方法预测误差指标对比序号起始时间灰色理论法建模域均值法线性回归法ＥＭＡＥ１（％）ＥＭＡＳＥ１（％）ＥＭＡＥ２（％）ＥＭＡＳＥ２（％）ＥＭＡＥ３（％）ＥＭＡＳＥ３（％）１０：００３４７８４８４２２５３７６４１４５１２５５２４：００４１０７５１３６８７７８８３１６６８４７４１３８：００３６１１４７１０５２９１２５９４８８３１０４２４１２：０００４８３０６４９０３９３０５５８０４１７０５９１５１６：００３１２３７５２８２３４６２８８３５１６２０：００１０８０３１５２２５３８５４０３３４２４３６５７Ｅ１６１９５１９３７５４８６３２５３０９６１８８Ｅｅ１３１４１５９７６３３７４９６１１７３通过这３种预测模型的评价指标对比分析可以看出，线性回归法预测模型的实时预测效果最好，精度最高，建模域均值法预测效果次之，证明采用预测系统评价指标方法对于不同预测系统的综合评价及其择优是有效的。图２⁃９不同方法预测结果准确率图２⁃１０不同方法预测结果合格率4 表２⁃７不同方法预报考核指标对比序号起始时间灰色理论法建模域均值法线性回归法ｒ１１（％）ｒ２１（％）ｒ１２（％）ｒ２２（％）ｒ１３（％）ｒ２３（％）１０：００５１５８３７５９６５９１００９４５１００２４：００４８６３１２５９１６９１００９２５９１００３８：００９５３１００８７４１５６２５８９５８１００４１２：００９９３５１００９９４４１００９９４１１００５１６：００９６２５１００９６５４１００９６３５１００６２０：００８４７７６８７５９６９７１００９６４９１００７ｒ８０６３７３８３９３６８９３２９９３８２１９３１７８Ｒ８４０９７７７４７９９２５１５８７５７８９２７０７８７９１１4 海上风电场选址4 海上风电场场址勘测１海上风电场场址勘测的作用海上风电场场址勘测通常采用声纳计全面测量海上风电场场址和拟定送出海底电缆路线等区域的水深，绘制等水深地图，为微观选址和送出路线设计提供依据；收集场址各处的海底表层土壤数据；海底钻孔勘查，深度在～４０ｍ，了解海底地质情况；现场测量波浪、潮汐和海流等数据，用于计算风电机组的基础等水下建筑物的水动力学载荷。海上风电场场址勘测的作用如下：１）为设计风电机组的基础提供依据。海上风电场基础占整个工程成本的２０％～３０％，基础的设计与地质及地理学条件有关，涉及测海学和海洋气象学，分析结构流体动力载荷。通过场址勘测可以将因不可预测的现场自然条件引起的潜在危险降到最低。２）为评估环境的影响提供依据，涉及对自然环境、生物、社会经济和文化的影响等。２海上风电场场址地质及地理学勘测１）地质及地理学勘测包括资料收集，地质、地理初步调查，项目初步安排，编制现场调查计划，现场勘测和实验室测试等。２）资料收集来源于已有信息及分析比较现有信息。其中，已有信息包括地质地图，地质勘探数据，已建工程、电缆／管道铺设、油／气勘探，水文地理，空中摄影信息等。4３）项目初步安排，综合考虑自然条件的限制，如对比海床高度历史—时间序列，水深，并网连接，生态学限制；同时，初步布局风电场场址，如确定场址面积、风电机组布局、电缆线路等。４）现场调查计划编制，风险与成本的对比研究，为初步设计提供数据信息、数据适用范围等；气候及现场实施条件；选择承包商和施工船舶等。５）现场勘测，声纳探测，涉及风电机组及其周边区域，对于部分重要区域采用小间隔纵横交错的声纳探测，对于偏远地区则采用大间隔声纳探测，同时，还涉及打孔之间的区域，以及打孔的位置等。６）现场勘测，获得海底剖面信息；扫描声纳侧面，利用数字全球定位系统进行排列布置，提供地层剖面信息；采用地磁仪，利用数字全球定位系统进行排列布置，提供金属异物信息等；打孔采用壳钻或旋转钻探，打孔网络根据当地情况确定，针对３０～４０ｍ打孔深度，可采用自升式钻塔平台钻机等。4２海上风电场微观选址的目标如何在风电场内布置风电机组发出更多的电量，以获得最佳的经济效益，是风电场微观选址工作的重点。目前，国内风电场建设过程中的微观选址工作主要依赖电力设计院和设备供应商，大都采用丹麦国家实验室编制的风资源应用及分析软件Ｐ，分析风电场的风资源，然后运用各种风电场优化设计软件，ＷｉｎｄＰｒｏｉｎｄＦａｒｍｅｒ等优化设计风电机组的排布ＷＡｓ软件是丹麦国家实验室根据欧洲的地形特点开发的风资源应用分析软件，针对我国各地复杂地形的应用存在局限性，例如，不能够准确地计算复杂地区的风资源状况。由于国外风电技术起步早，技术相对成熟。无论是陆地上的各种风电场还是海上风电场，均有大量的统计数据作为参考，且针对各种应用软件如ＷＡｓＰ，开发者均已做过大量实验，可以根据其具体的应用场合准确地进行修正或调整参数，获得准确的计算结果。ＷＡｓＰ软件适用于平原地形，不适合