水规总院刘霄：基于粒计算理论的风能资源评估

2020年10月14日-16日，2020北京国际风能大会暨展览会（CWP 2020）在北京新国展隆重召开。作为全球风电行业年度最大的盛会之一，这场由百余名演讲嘉宾和数千名国内外参会代表共同参与的风能盛会，再次登陆北京，本届大会以“引领绿色复苏，构筑更好未来”为主题，聚焦中国能源革命的未来。能见App全程直播本次大会。

在14日下午召开的风资源精细化评估分论坛上，水电水利规划设计总院高级工程师刘霄发表《基于粒计算理论的风能资源评估》主题演讲。

以下为发言实录：

刘霄：尊敬各位领导，各位专家，各位同仁，大家下午好，非常荣幸能够有这个机会能够跟大家一起分享一下对于风资源专业的一些思考，题目是基于粒计算理论的风能资源评估关注的是风资源的不确定性。

总结内容三个方面，先说一个引言，从水电水利规划设计总院1950年成立，至今70年，国家能源局设立的首批能源研究咨询基地之一，下面挖了一大堆的各种国家的科研的中心，跟咱们风资源专业相关的主要是两个，职能一个标准建设，标准的编制和规口管理，这个就是更多的指可研，初步设计的一个审查，然后在这两项职能和业务进行过程中，我做了统一，有几个比较有趣的一些数字，第一个就是2020年1到10月总共审查67个项目，这67个项目，概括21个省市区和22家设计院，我作为资源风能专业审查，做了一下简单的统计，67个项目当中，18个陆上风电场，复杂地形29，简单地形19，右边的饼图有点意思，9个没有测风塔，不满足要求的占比是50%左右，这个占比是一个非常高的一个占比，然后因此带来的不确定性相对比较高的。在我们当前的这些报告的编制过程中，主要采用的方法是一个综合折减系数的方法，66到79之间，66比较特殊，是一个西藏的一个项目，其中对于这个风资源部确定单项折减取值0%到8%，平均值3.1%，评估风资源部确定办法有两个问题，第一个方法并不完备，我们所有的风速都是一个精确的数值。观测值不一定是三米每秒，波动区间，因为各种各样的因素，第二个方法相对来说简单粗暴，然后也没有利用这个风速不确定性信息。

然后基于这两个问题，我也是做了一些思考，提出引入了一个力计算的理论，然后做了尝试，先介绍三个概念：一个是力，一个是力的层次，一个是力的结构。举一个例子，这是一个中国地图，我们比方说要分析全国范围内的一个问题，举个例子，我们人均收入问题，我可以全中国范围来分析一次，也可以以省份比方说新疆来分析新疆自治区的一个人均收入，同样可以以某一个市来分析这个人均收入问题，那么我们以某一个区域来分析问题的时候，这个区域就是一个粒，我把整个中国分为全国省份和市，这是三个粒的层次，这三个粒的层次有互相组合，这就是粒的结构，举一个例子比较容易理解一些。

分析问题的时候对整个中国的人均收入问题，通过不同的这种维度不同粒的大小，来分析同一个问题，粒计算思想以这些粒为基本单位进行计算，然后介绍一下引入粒计算理论的必要性，风速的典型特征，这里简单介绍一下，视角两个图，纵坐标看不到，横坐标就是时间，纵坐标是风速，大家平时接触过程中经常，在频率分析上的视角。这个风速是具有两个这样的视角。然后引入粒计算的可行性。

风速，一个52000多个，10分钟的数据，这个是风速划分若干子级，可分辨性和不相似性，客观存在的，引入力计算的可行性的基础。然后提了这样的框架，基于力计算分析，分为应该是4个步骤，上面这四个块，1234，粒结构建立，第二粒的划分，我们的目的评估风资源的不确定度。提出来一个框架。

下面详细介绍一下引入粒计算的尝试，首先在时域上，有几个任务，一个是粒的层次划分，一个是粒度的计算，粒的划分，粒的层次上做了一个建立，大家来尝试的话可能有不一样的结果，对于测风塔数据分为三层粒，顶层考虑随机性和模糊性，模糊性是风速只有一个观测值，之间的模糊性，然后中间层就是我只考虑观测模糊性，底层不确定性都不考虑，这个就是我们常规种的方法，就是认为它三点每米美妙，精确数字。构成顶层粒，这个是底层粒，这个在IEC的标准当中对于我风速仪的不确定度是有相应的一些公式，从这些公式，得到顶层中间层和底层，三个力度，底层中间层，底层的力度就是0.1米每秒。然后力度的划分，我采用的是用遗传算法优化，频率的视角上时间尺度寻优，规范上面有这样的思想在引入，比方说我们作求一个相关的时候，可以球逐分钟相关，逐十分钟，相关，逐日相关，逐巡相关，逐月相关，十分钟寻月日。采用交叉小波变换，小波互相关系数，交叉验证为工具，这个峰值选取原则是这个公式，取得峰值同时比前面都要高的峰值的时候，作为时间的一个尺度的作为力度，划分就是连续的划分就行。

然后力的表达，前面我们做了力的选择和划分之后，我们把不确定度引入进来，我们把每一个力，风速子级，里面若干个风速，几十上百个，这三个作为一个数字概念这个粒的数字概念特征用这三个数字概念本来反映的是不确定度，商是不确定度，超熵是不确定度的不确定度，最后粒的计算就是常规的方法也行，神经网络，这些新的方法，也都是可以的。

然后前面说的可能比较抽象，这里说一个实际做的一个过程，先是时间序列数据，这是我们搜集到的，比方说8760个个小时的时间数据，然后从两个视角上分别建立力的层次，测风塔数据三个力的层次，求取每个层次力度再进行划分，得到若干个粒，期望伤和超熵，再对若干个粒进行计算，不再对平均风速相加除以我的数量，不这么求平均风速，对粒求平均风速的概念。

我们这么做的目的就是评估它的不确定度，在整个分析计算的流程当中，前面粒结构建立，划分表达，最后做风速粒的计算的时候，这个不确定度在最开始的时候就引入了，然后再做计算的过程中，不管是神经网络，都可以把不确定度在当中进行传递，最后的结果，这个结果类型，一个平均风速，求出来一个期望值和风速的不确定度，这个思想引入到我们风资源评估中最大的一个好处跟有用的地方。

时间关系，这里举一个工程实例的验证，这个工程三座测风塔，常年代订正，我的重构的方法，就是我的粒计算多个层次多个视角，做完之后的重构方法，从两个指标来看，都是评价指标上来看，优于现有的方法，同时我的这个方法输出是包括风速的不确定度，这一步骤做完之后，这个平均风速的不确定度，6米每秒，做了垂直外推，同一个风电场，有更多评价的参数，总体上来看也是各个评价参数是优于现有的一个方法，现有方法比较简单，直接是风切变指数法，同样可以输出这一步之后的，风速不确定度，正负0.12米每秒，在评估最开始的时候，就认为它3.0米每秒，不是一个精确值，而通过一个系列的力结构力层次力的表达，划分之后，把这一个风速划分为子级子级之后用这些粒进行计算，天然的最开始之初就引入了不确定度的概念，所有的不确定度在握整个风资源评估的过程中来进行一个传递最后的结果也就是我有一个平均风速和一个风速的不确定度。

以上是我的汇报内容，非常感谢。

（根据速记整理，未经本人审核）