2020年10月14日-16日，2020北京國際風能大會暨展覽會（CWP 2020）在北京新國展隆重召開。作為全球風電行業(yè)年度最大的盛會之一，這場由百余名演講嘉賓和數(shù)千名國內(nèi)外參會代表共同參與的風能盛會，再次登陸北京，本屆大會以“引領(lǐng)綠色復蘇，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。

　　

　　在14日下午召開的風資源精細化評估分論壇上，中國船舶集團海裝風電股份有限公司風資源工程師劉靜發(fā)表《測風數(shù)據(jù)插補對發(fā)電量的影響》主題演講。

　　

　　以下為發(fā)言實錄：劉靜：非常榮幸受邀參加此次風能大會風資源評估論壇，跟大家一起來學習交流。測量數(shù)據(jù)差補對發(fā)電量的影響。

　　

　　第一個部分測風數(shù)據(jù)插補方法，第二示例說明，測風數(shù)據(jù)插補方法，我認為測風數(shù)據(jù)作為風資源評估的靈魂，一直扮演著非常重要的一個角色，但是作為風資源工程師，我們在日常工作中經(jīng)常思考一些問題，像三個月六個月數(shù)據(jù)這么少到底可不可以用插補完整，該如何插補，插補之后該如何去評判它的不確定度。基于以上的這些它的一個問題，尋找了一些示例的測風塔，不同的插補方法，插補一個完整年，與真實的情況進行風速和發(fā)電量的對比。首先我先介紹一下插補方法。

　　

　　首先介紹的是線性最小二乘法，LLS兩種形式。第二種是總體最小化乘法，TLS，與LLS，很類似，做了一些輕微的修改，它的斜率的計算會更加的復雜一些。第三種是方差比方法，簡稱VR，它的些率是等于目標風速與標準偏差的一個比值。接下來介紹的是矩陣時間序列法，將我們時間序列的平均風速轉(zhuǎn)化為一個完全二維聯(lián)合概率分布，將我們每一個參考風速的風速段，做一個目標風速的一個累計分布函數(shù)，通過目標風速值和查找的累計分布函數(shù)值，將我們目標風速轉(zhuǎn)化為百分比的時間序列，然后我們?nèi)眰?cè)誰的部分的風速，百分比時間序列，內(nèi)置法談蟲完整，百分比時間序列，通過查找我們剛剛構(gòu)建好的累計分布函數(shù)再轉(zhuǎn)化成我們的時間序列的目標風速，這樣我們的矩陣時間序列法MTS就插補完成了，這個是插補的圖。

　　

　　接下來介紹的是風速比法，簡稱BSR，y等于mx。威布爾擬合法，風速排序法，重新進行一個排列，排列好的數(shù)據(jù)也是進行一個散點圖的繪制。當然是選取他們兩者當中較小的那個值作為這個拐點，拐點以上按照排序好的數(shù)據(jù)做最好化乘法，連接成線，連接成的折線我們最后風速排序法的最佳預測線。

　　

　　垂直切片法，簡稱VS，將我們正常的SY散點圖分成N個切片，每一個切片的平均值就是我們的拐點，拐點連接成一個折線，這個折線就是最后的預測線。通過以上插補方法的研究，我們尋找了5座示例的測風塔，都是2017年，完整率比較好，有平原有山低，有低海拔，有高海拔，是從四米七八到七米九七，我們將它們分成四個月，五個月，六個月，再插補完整年這樣的過程。

　　

　　再看一下我們選取的參考的長期數(shù)據(jù)，我們選了四種參考長期數(shù)據(jù)，分別是CFSR，ERA-5，MERRA-2，WRF。WRF分辨率是一個小時，數(shù)據(jù)源是ERA-5輸入。通過對插補方法的研究，每一個插補方法都會有插補的一個設(shè)置，那如何進行這些設(shè)置，我們做了測試性的研究，首先來看一下線性最小二乘法的測試結(jié)果，隨著X軸的增加的話，我們的時間和數(shù)據(jù)量是增加的，粉紅色這條線就是我們的預測后的K值，粉紅色這條線是預測的K值，淺藍色預測后的風速，隨著時間和數(shù)據(jù)量的增加，這個波動預測的波動是越來越小的，它的預測的不確定性也是越來越低的，并且再看到這個橫坐標否表示的兩種形式，1表示的不分散區(qū)，6表示不分散區(qū)，預測的K值與實際的K值更為接近的。

　　

　　從五個測風塔的測試結(jié)果來看，都是我們最后采用的是10分16個扇區(qū)是能夠更好的預測風速K值和發(fā)電量。接下來再看一下總體最小二乘法，TLS的設(shè)置，這種方法在零點出現(xiàn)一些風速突變，分成了兩種情況，下面這張圖風速突變的情況，數(shù)據(jù)量比較少，突變也是有可能發(fā)生的，分成兩種，目標風速只有三個月的時候，數(shù)據(jù)量比較少。接下來幾種的插補方法都是一個默認的設(shè)置，值得注意的就是每一種設(shè)置，分一些數(shù)據(jù)級，這個數(shù)據(jù)級的數(shù)據(jù)量，是需要我們在工作中日常去注意的，如果數(shù)據(jù)量過低，擬合的函數(shù)會失真。

　　

　　第三個部分是結(jié)果與分析。

　　

　　通過對插補方法的研究以及剛剛插補的測試，我們可以分析得到，我們對于測風數(shù)據(jù)延長插補的不確定分析來源三個部分，第一部分插補的數(shù)據(jù)源，我們與不同的數(shù)據(jù)源進行插補相關(guān)性越好相對來說是越可靠的，第二個部分就是同期數(shù)據(jù)量，數(shù)據(jù)量越多的話，相對來說不確定性也是越小的，第三個部分是插補方法，插補后的不確定性也是更小的。

　　

　　接下來看這張突隨著橫坐標的增加，藍色的這條線是越來越大的。來越我們相關(guān)性，兩條黑色的實線風速的規(guī)化變量，隨著相關(guān)性增加，我們插補后的風速與實際是更為接近，就是插補的不確定性是越小，但也不是必然的，是相對趨勢，插補的不確定性有三個方面，并不是相關(guān)性一定越好，它的插補的不確定性越小，受三個方面的制約。

　　

　　我通過了我們這個示例風電場，發(fā)現(xiàn)有一些少部分出現(xiàn)異常，這些異常的部分我們進行一個分析，這個原因，左圖是我們的日變化圖，右圖是月變化圖，三個月的數(shù)據(jù)，橙色這條線擬合程度是比較好的，不管日變化還是月變化與其他三個數(shù)據(jù)，CFSR、ERA、MERRA-2相反，與其他三個數(shù)據(jù)插補的結(jié)果都出現(xiàn)風變，風速值非常的異常，反映出來我們在進行前期的插補的時候，我們只看行管性的話，會比較片面，我們也要考慮它的日變化和月變化的擬合程度，通過對我們插補延長后的數(shù)據(jù)我們分成三個月六個月九個月，插補后它的一千多個數(shù)據(jù)的整合，我們來看一下它風速度偏差，三個月六個月九個月，數(shù)據(jù)，風速偏差在3%2%，和1%，表格中顯示的是最大偏差。我分成三個檔次，根據(jù)相關(guān)性來分，最大偏差風速比法最大偏差相對來說比較低的，相關(guān)性比較好0.6到0.8%，LLS，最大偏差是非常有優(yōu)勢的。

　　

　　接下來看一下發(fā)電量的偏差和平均偏差，發(fā)電量三個月六個月九個月，平均的偏差在6%，4%和2%，表格中顯示的是最大偏差，最大偏差發(fā)電量的偏差與風速的偏差類似，其次是TLS，值得注意的也是在相關(guān)性比較好的情況下最小化乘法，TLS的優(yōu)勢是比較顯著的。

　　

　　除了我們看了一下偏差之外，我們還測試了一下他們的一個穩(wěn)定性就是偏差的RMSE插補成一個完整年，相對來說都是最低的，發(fā)電量也是如此，其次是TLS，總體最小二乘法相對比較低。

　　

　　這個其實也就說明了我們穩(wěn)定性是插補之后穩(wěn)定性會更好一些。通過以上的研究，總結(jié)出了以下五點，首先第一點相對的相關(guān)性越高插補結(jié)果越可靠，同期數(shù)據(jù)量越多，插補結(jié)果越可靠，第二點是VS垂直切片法，因為它的并的設(shè)置會比較敏感，容易導致數(shù)據(jù)量過少，所以暫時還沒有推薦采用。第三點是在進行插補的時候我們不僅要看相關(guān)性的大小，看月變化和小時變化的粘合程度。第四點在相關(guān)性R方0.2到0.6，建議采用BSR風速比較和TSS總體最小二乘法進行插補，這一點可以應用在我們?nèi)粘９ぷ髦械模热缯f我們遇到風電場有參考塔，它的相關(guān)性其實都是比較高的，我們在進步插補延長的最小二乘法，最大偏差都會有一些優(yōu)勢。第五點在進行三個月，六個月，九個月數(shù)據(jù)插補完整年的時候，BSR風速比較的偏差RMSE較低，表現(xiàn)比較穩(wěn)定。

　　

　　以上就是我分享的全部內(nèi)容，謝謝大家。

　　

　　（根據(jù)速記整理，未經(jīng)本人審核）