風電場宏觀選址階段風能資源評估方法研究.pdf

1、在風電開發(fā)中，風電場場址選擇是其中一個重要環(huán)節(jié)，包括宏觀選址和微觀選址。宏觀選址工作在前期的規(guī)劃階段進行，是指在一個較大的地區(qū)內，通過對若干場址的風能資源和氣象、地形、交通條件等其它建設條件的分析和對比，確定風電場建設地點的過程。在宏觀選址中，風能資源是最重要的考察因素，風電場建設的經濟效益在很大程度上取決于風電場的風能資源，所以準確、有效的風能資源評估是宏觀選址的前提。同時，宏觀選址階段風能資源評估中計算出來的反映風電場長期水平的風速

2、數(shù)據(jù)，也是后續(xù)微觀選址的基礎。本文從不同角度對風電場宏觀選址階段的風能資源評估方法展開研究，取得如下成果:
　　代表年法是我國普遍采用的風電場風能資源評估方法。論文采用8個氣象站20年間的逐小時風速和風向數(shù)據(jù)從長期平均風速、平均風功率密度等四個方面對代表年風能資源評估方法的誤差以及各種參數(shù)對誤差的影響進行了系統(tǒng)的分析。為了進一步提高代表年法的準確性，提出了改進代表年風資源評估法。在相關方法方面，采用簡化主軸線性回歸法，由于簡化主軸

3、法假設自變量和因變量都存在誤差，更符合實際情況;在數(shù)據(jù)訂正方面，采用風向相關和風速相關相結合的數(shù)據(jù)訂正方法，充分考慮了風速的季節(jié)變動。算例仿真表明:改進算法整體減小了評估誤差，在某些算例中可將長期平均風速相對誤差降低40.8％。
　　基于神經網(wǎng)絡的風能資源評估方法的基本出發(fā)點是利用神經網(wǎng)絡的非線性擬合能力，建立風電場和參考氣象站風速之間的非線性關系。針對神經網(wǎng)絡法容易陷入局部最優(yōu)解的問題，提出了基于自適應粒子群優(yōu)化神經網(wǎng)絡的風能資

4、源評估方法。將神經網(wǎng)絡訓練得到的權值和閾值作為自適應粒子群的一個位置信息再進行訓練，利用粒子群算法在收斂階段的精英學習策略，改善全局搜索能力。仿真結果表明:經過自適應粒子群優(yōu)化后的算法具有更小的誤差，最大可將逐小時風速相對誤差減小11.26％，同時使其相關系數(shù)提高23.2％。
　　從風速的概率分布角度出發(fā)，提出了一種基于離散隨機變量聯(lián)合概率分布的風資源評估算法。算法中將風電場和參考氣象站的逐小時風速看作是離散隨機變量，利用離散隨機

5、變量的聯(lián)合分布律和條件分布律來計算風電場長期風速的概率特性。由于該方法不需要預先假設風速的概率分布模型，因此適用范圍更廣。仿真結果表明:離散變量聯(lián)合概率分布法的性能優(yōu)于傳統(tǒng)線性回歸法。
　　在風資源評估中，風向也是一個重要的因素，風向對于風力發(fā)電機組在風電場中的布局排列起到關鍵作用。一般情況下，對風向的預測都是獨立于風速預測的。論文對比分析了線性回歸法、矩陣法和直接法三類風向預測方法，采用Chi-square擬合度作為誤差評價指標

6、，分析結果表明:矩陣法的誤差最小，Chi-square擬合度均在0.04以下，但只能獲得各風向區(qū)間風向出現(xiàn)的頻率，直接法的誤差大于矩陣法，而線性回歸法的誤差最大，該結論可為實際應用提供參考。
　　以韓國為例分析了氣候變化對風電出力和五十年一遇最大風速的影響，分析發(fā)現(xiàn)風電場生命周期內的風速變化可能明顯改變風電場風資源條件和風電出力。當前根據(jù)歷史觀測數(shù)據(jù)進行風電場風資源評估的方法，未能考慮未來氣候變化的影響，存在誤差。為了減小氣候變化