金风科技敖娟 ：GOLDWRF虚拟测风塔技术在分散式风资源评估中的应用

2018年10月17日-19日，由中国可再生能源学会风能专业委员会、中国循环经济协会可再生能源专业委员会、全球风能理事会、中国农业机械工业协会风力机械分会、国家可再生能源中心和中国电子信息产业发展研究院（赛迪集团）六大权威机构联合主办的2018北京国际风能大会暨展览会（CWP 2018）在北京新国展隆重召开。能见App全程直播本次大会。

金风科技风电设计研究院主任工程师（博士）敖娟女士出席本次大会，在分散式风电开发技术论坛作“GOLDWRF虚拟测风塔技术在分散式风资源评估中的应用”的主旨演讲。

以下为发言实录：

敖娟：

开始今天的议题之前先做一个小调查，在场的嘉宾，做投资开发相关的工作请举手示意一下，做风资源相关工作的，请举手示意一下。不是特别多啊，好的谢谢大家。因为我的报告偏专业一些，所以想先了解一下大家的技术背景。

那我就开始今天的议题，我的报告包含四个方面的内容，首先介绍一下我们现在风电开发过程中遇到的一些业务痛点，其次是为了应对这些痛点，我们所面临的技术挑战，第三部分就是详细介绍一下GoldWRF虚拟测风塔技术，第四部分是GoldWRF的应用案例。

先来看第一部分业务痛点，这里我列举了三个目前比较常见的业务痛点。第一个就是分散式开发过程中没有测风塔，却需要进行比较精准的风资源评估；第二个就是在一些复杂项目上测风塔代表性不足，却想要进行比较好的风机布局，想要最优的发电量；第三个就是在一些疑难项目，风速位于投资临界点，需要决策这个项目上还是不上。

下面我分别来说。针对无塔分散式项目，我们现在的做法是怎么样的呢？因为现在分散式项目通常没有塔，那只好选择项目周围其他的测风塔，放到软件里面进行计算；如果项目周围连测风塔都没有，就会选择下载我们能够获取到的中尺度数据代入进行计算。左边这张图给出的是一个后评估的项目，测风塔位于这个位置，两边的机组离测风塔的距离在三公里以上，红色圈里面，大家可能看不清楚这个值，这个值是软件计算的发电量与机组实际发电量的差异，当距离超过3公里的时候，软件的偏差在这个项目上超过30%。也就是说，如果我们在进行分散式开发时，选择距离比较远的测风塔代入计算时，软件仿真的偏差是我们需要特别关注的一个方面。右边这张图给出的是内蒙古的一个项目，市面上常用的中尺度数据的偏差，平均风速差了1.2m/s，这会导致发电量差到700h左右。

对于测风塔代表性不足的项目，这个项目有两座塔，蓝色区域里面代表性比较好，风机发电量都在1800h以上，红色区域由于测风塔的代表性不够，海拔低了100m，发电量却差了1000h左右。我们可以看到，测风塔代表性不足，会造成大片的低效机组，形成低效资产。

这是一个客户想做这个区域的开发，想基于中尺度的数据选择一些比较好的点位，但是其实这个中尺度数据跟测风塔的偏差就有0.7m/s，也就是说，如果用这个数据来做投资决策，是会直接导致投资失误的。

下面我给大家看一下，现在我们的风资源评估流程中面临哪些技术难题技术挑战。这是风资源工作的业务流程，从宏观选址到测风，到流场仿真，再到定制化选型，其实每一个过程里面都有很多的技术难题需要解决。那图中红色框出来的这些问题都是和中尺度技术相关的一些难题。但是我给大家看一下，现在中尺度技术应用困境又是什么。目前我们中国中尺度技术的开发，缺乏对中国的风电开发区域做物理模型的本地化，物理模型在风电开发区域的适应性并没有做非常深入的研究。同时，中尺度数据的模拟结果，需要使用大量精确的观测数据来进行校正，但是观测数据缺乏，观测数据并不来自于风电场，观测数据没有进行很好的质量控制，都会影响中尺度数据的准确性。另外，现有中尺度模型的底层数据比较粗糙，在一些山区地形数据的偏差非常大，这些都会导致没有办法给出一个比较精确的模拟结果。最后一个就是中尺度数据的使用，很多使用中尺度数据的人不清楚这个数据的偏差，不注重不确定度的分析，或者即使知道数据不准确，也没有办法，只能硬着头皮用已有的中尺度数据。

那么我们市面上的中尺度数据实际精度又是个什么水平呢？我们选择内蒙古区域十座数据完整性比较好的测风塔进行验证，大家常用的中尺度数据，平均风速的偏差绝对值，10座塔里有7座高于0.5m/s，5座高于1m/s。也就说我们日常在使用的中尺度数据，其实数据偏差是比较大的，这是现状，那我们有什么解决办法没有？

下面我给大家介绍一下GoldWRF虚拟测风塔技术。GoldWRF的运算流程，简单来说就是，输入全球模式的数据作为驱动，结合当地的物理过程和地形条件，如果有观测资料进行资料同化和后处理，最后还可以进行模式集合，就能够得到你所要的区域或者所需点位的时间序列数据。那么我们GoldWRF在开发上做了哪些自主研发或者优化呢？

我们主要的优化包含五个步骤。第一步我们采用了更加精细的地形，左边这一列是WRF模式默认的最高分辨率，右边这一列是我们GoldWRF开发的一套更加精细的下垫面数据，可以看到这一套数据和默认的数据相比更加精细，包含了地形更多的变化细节。

第二步是对物理过程的优化，WRF模式最主要物理过程的排列组合有230多万种，从这么多种方案里面，选择最适合当地的物理过程，来模拟这个地方流场的变化，叫做模型的本地化。这一部分的研究，我们做了很长时间，除了默认方案外，我们还获得了若干优选的方案，来实现对风电开发区域物理模型的本地化。

第三步我们做了大量的资料同化试验，寻找能够更好利用风电场观测资料的方法。

第四步是后处理算法库的建立，我们选择多种人工智能的算法，结合金风已有的五千多座测风塔的观测数据来进行后处理，降低模型的偏差。

第五步是进行模式集合，从图上我们可以看到，集合的结果优于每一次单一试验的结果。

我们GoldWRF定制优化的五步分别是，采取更精细的地形，选择适合风电场当地的物理过程，结合风电场的观测资料进行同化，采用人工智能算法进行后处理，最后进行模式结合。

最后给大家看几个案例。第一个案例是分散式项目，我们验证了河南省五个区域虚拟测风塔的偏差，最低的是0.04m/s，最高是0.2m/s，河南区域的偏差还是比较小的。

那河南区域地形比较平坦，在复杂地形GoldWRF的效果怎么样呢？这是四川的一个复杂项目，这个项目客户是让做盲测，客户手里有这两座测风塔的数据，但没有给我们。当时大部分厂家用的就是常规的中尺度数据，当然也有用自己平台数据的。中尺度数据的偏差在北边这座塔是0.5m/s，南边的塔是1.5m/s，我们用GoldWRF得到的风速偏差分别是0.25m/s和0.4m/s。这是去年做的盲测项目，今年我们拿到了这个项目更多的实测数据，又做了一下对比。这五座测风塔，常规中尺度数据与测风塔的偏差在0.57～2.37m/s，而GoldWRF的偏差是在0.06～0.53m/s。

最后一个案例，是一个后评估项目，这个区域一共有100多台机组，是很多厂家的。东西两道山梁，水平距离差了1km左右，海拔高度只差了60m左右，发电量却差了900～1900个小时。为什么这个项目会出现这种情况，我们尝试用GoldWRF进行模拟，结果惊喜的发现，GoldWRF能够模拟出东西两道山梁上风速的差异，东西部风速差了1.2～2.5m/s。如果当时我们能够用到这个方法来做投资决策，就不会在这道山梁上布这么多台风机，也就避免了这么多低效资产的产生。

最后给大家看一下GoldWRF应用案例的统计，目前我们的虚拟测风塔技术已经在60余个项目上进行了应用，基于我们的统计，平坦地形的偏差能够控制在0.3m/s之内，复杂地形能够控制在0.6m/s之内。

这个网页是我们开发的一个中尺度计算平台，网址是goldwrf.goldwind.com.cn，这个平台将集成我们GoldWRF已有的开发模块和优化算法。这个平台目前还在开发过程中，如果大家感兴趣，之后也可以开放给大家使用。

最后想说一点感想和展望。我们风电领域有很多的数据，我相信大家都听到过很多种，大家经常抱怨说数据不准，这个图谱不准，那个数据不好，但即使你知道了它不好，也不能做些什么，因为你只是在拿这个数据用而已。我们什么时候，能把adopt数据变成born数据，这个born包含了孕育还包含了成长，那可能是风电数据的一次进化。另外一个就是不确定度这个问题，做技术的人，经常说不确定度，什么都是有风险的，做投资的人，特别不喜欢听到不确定度这个词，你究竟有没有一个准。这个行业从不了解不确定度到了解，再到不确定度的分析，是在不断的进步。但是，除了分析不确定度之外，我们能不能做些什么来降低不确定度？我觉得这才是对技术来说更大的挑战。做到这些，才有可能实现风电技术从basic到advanced的进化。这是我的一点感想。谢谢大家！

（发言为能见APP整理，未经本人审核）