金风科技风能研究院刘晓亚：平价时代风电场测量创新技术最佳实践

2019年10月21-24日，2019北京国际风能大会暨展览会（CWP2019）在北京隆重召开，大会主题“风电助力‘十四五’能源高质量发展：绿色、低碳、可持续”。自2008年首次在北京举办以来，已连续举办11届，成为北京金秋十月国内外风电行业争相参与的年度盛会。

10月22日下午股份有限公司风能研究院精细化测风主管刘晓亚发表了题为《平价时代风电场测量创新技术最佳实践》的主旨演讲。

以下为发言内容：

刘晓亚：谢谢宋总的介绍，各位风电的同仁还有前辈，大家好，我是来自金风科技风能研究院的刘晓亚，我现在主要负责测风相关的一些工作，今天汇报的工作是两个方面，先从当前平价时代下面，其实对于我们整个测量，包括我们测风与测绘一些工作的要求出发，然后我来介绍一下金风它在精细化测风，还有我们在勘测的上面做了哪些技术的储备和实践。

我们先说平价背景大家都比较清楚，在现在平价要求下，我们每一个风电厂的开发已经从原来内部收益率的计算转化为我们度电成本的计算，关于度电成本的话，其实它影响的方面非常多，这个公式非常多，总结下来需要我们从发电量的提升，怎么样提升我们的发电量，怎么样去把我们的建设成本和运维成本降低？得到我们更优LCOE的度电成本。那从风资源角度我们应该怎么做呢？你想要去提升这样一个LCOE竞争水平的话，其实我们就需要最佳选址以及最佳的选型，那怎么样做？其实依赖于我们准确的风资源评估，依赖于我们做风资源评估一些模型的输入，而这个模型最根本就是风数据和地形数据的输入。

但是在这样的前提下，我们需要去把它做精准化，我们现在面临很多的问题，我们现在前期因为工作环节，可能开发和我们后续的一些研究或者说风资源的业务工作不是一个环节，所以导致很多单位的测风工作其实没有那么重视，包括我们前期出的方案都是有问题的，以致于我们后期我们拿到测风数据的时候，它的完整力或者有效力是完全达不到我们要求，给我们增添了很多的困难。其次一旦出现这样的不足或者说风险的时候，我们怎么样把它补救起来，可能在一些手段和技术上面大部分场景还是有一些难度。

同时在我们地形数据上面来讲也存在很多问题，尤其像现在大功率项目这么多，怎么快速完成大型地形的抽取、拼接以及敏感点，也就是我们居民区、噪音区这样的计算对我们来讲都会有一些限制？那我们怎么应对这样一些方案？我觉得平价时代来临的就是从四个方面，就是多快好省，要用多重的手段，用更好或者更精准的方式把风或者地形得到更加准确，我们要争取快速，这个手段或者说这个方法一定是高效的，而且能够更加的省钱，我们从源头或者成本上节省我们前期的投入，这个省钱当然不是说为了省而省，要保证我们的效果是ok的。

先说我们风这一块，我们精细化测风技术金风是怎么做的？我们说整个测风在风资源评估阶段是处于非常前期的工作，但是我们细细剖析测风的话，其实它也是分为几个阶段，我们先去测风前期的时候我们应该怎么做？我们经常讲代表性，到底代表性是什么？怎么把它量化，搭建这样一个模型，其实我觉得是整个行业里面大家都非常知道的，我们也是基于这样的测风方案的设计，前期做测风方案的时候要保证它的准确性，保证它在未来给我的风电厂设计的时候给一个更好的指导，那我要机遇这个代表性去做，当然这个更多是指空间的代表性，因为时间上代表性其实还是随着年级变化我们没有办法去给它一个，比如说制定你这一年才能测风这样的问题。

其次就是说我们在测风执行的阶段，我们为了避免我们有浪费的投资或者说我后续导致我测风缺失，然后造成一些低效资产或者一些问题项目，我们在做整个测风方案的时候我们也建议把常用或者说现在行业里面经常用的测风组合，去给它界定出来，我们可以先用虚拟测风的服务，快速实现我们在某一个厂区资源禀赋的确认，我适不适合开发？进一步做我们测风工作，有没有一些风险区，如果有的话，我们用快速短期的测风设备，把风险区识别，做进一步的资源普查，当前两步都确定之后，再上这个观察网，一能保证我测风点位是ok的，进一步验证我的方案设计是没有问题的，二是观测网数据或者是准确度是非常高的，在我后期工作里面是非常有益的。

其次当我测风执行以后怎么把这个数据应用起来？就是测风塔的数据的应用我们说有很多规范，包括标准的依据，但是很多像这种短期的测风数据我们怎么样去有，怎么把它插补或者订正，或者说我真的要去短期测的话，那我到底测哪个月份？这个里面，我们也是做了大量的分析，包括我们应该用什么样的方法分析我们这个数据，我们都做了很多的积累。

下面每一块详细说一下，第一个我们先说测风方案的设计，我们风资源的变化是由于大气，包括我们整个地理环境的变化导致的，我们用这样的风数据或者一些数值的模型表征出我们风资源到底是什么样一个情况？其实我们要做的这个测风方案就是有最好的代表性，能保证我这个方案是最好的，尽可能用少的测风点位，带来的效果的是让我在整个，数据结果在空间上外推的时候它的偏差是最小的，基于这样的目标怎样去做？因为现在的测风方案大部分是靠工程师的主办经验来判断的，就是我要依据以我对于这个场区判断，然后对它气象条件的判断，然后我猜测它未来可能哪儿布机对吧！或者怎么样去做这样我这样一个测风方案，但是每个人做出来效果都不一样，然后你也没有评判到底谁的好或者谁的不好，所以我们基于这样一个想法，我们把它做成一个全自动化的，也就是标准的，靠你只要输入我们的厂区，我们自动会在里面做地形识别，然后基于很多技术的一些信息的服务，我们会把一些敏感区，比如说生态红线，包括一些居民区等等全部替掉，然后我们去优化未来要布机或者说开发的一个自然区域，然后再去做我们的自动排布，就是把我们机组的自动排布，包括测风点位的自动排布全做到，然后这样完了之后我们再去基于我们自动排布的结果去计算代表性，当然这个代表性计算的话，这边也列了一下，我们基于我们地形的复杂度、粗糙度、水平距离，高×差以及气象的相关性给出这样一个量化的值，最后我们是通过内部的迭代优化，把最优的方案输出。其实现在的结果就像中间一样，我们能够输出二维和三维这样一个图谱，它类似于像我们风资源图谱一样，但是它是代表性图谱，就是你颜色越深越偏红其实是我们代表性越好的一个区域，非常直观我们能建立统一的标准去评价当前的测风方案是不是ok的，需要去调整的？然后我们在一些已经运行以及做过仿真的项目上做过验证，其实我们在右边图上可以看到，当我们颜色比较深的区域我们偏差非常小，风速的偏差可能只是在0.02左右，但是当我颜色偏绿，就是我的代表性其实相对差一点的时候，我们偏差能达到0.1，也就是说其实前期搭建的这个模型和我们理论实践是能够保持一致的。

在整个三步走模式里面把刚才讲了一下，我们在做的时候我们是基于虚拟测风这样的服务，我们快速去判断当前的目标的厂区或者我们要开发的区域，它是不是存在一些比如说我们资源不好，然后我们风险区有很大的问题，如果说有的话或者说我们会上激光雷达，做进一步做资源的确认和风险的验证，然后通过短期比较快速的一个方式，找出我们我们厂区一些点位或者需要我们关注的地方，当前两步完成之后，我们再结合我们的测风方案，去执行我们第三步观测网，然后去做长期的测风，然后用于我们后期的可研包括风资源评估的一些使用。

在这里面其实我要呼吁一下，我觉得测风的手段是非常常见的，但是另外一个阶段，我们确定了每一步怎么走我们确定点位之后我们还需要怎么做？我们要关注的是我们设备的测风精度。大家也应该会遇到过，就是不同的设备，它虽然价格差距很大，但测量的精度差距也很大，我们说有的设备可能偏差在0.1，有的能达到0.5，所以我们说0.5风度偏差的话对于我们这个风资源评估是非常致命的。其次的就是我们还要注意我们采集的这个频率，我们说现在常规大家可能用都是10分钟这样一些时间分辨率的一些数据结果，但是对于我们去还原很多过程当中它其实不够的，然后在新的IC标准里面也提到了很多像EOG、ECD这种极端的模型，那我们想怎么做的话，需要我们把测风的精度进一步给它降低，测量的时间风电率进一步降低，放到秒级或者毫米这样一些级别，还原我们更多的这样一个风过程，也希望能引起大家的关注。

这个是我们青海大基地上，我们做了一些实践或者应用的工作，第一步也是用虚拟测风的服务，把整个青海资源分布的情况做了一个模拟。然后在这个里面我们发现海南州，因为它本身地形的一些影响，它处于一个峡谷加速的末梢，是一个封闭的区域，所以发现它整体的资源状况非常差或者是差距非常大，能从6米4到一个5米出头这样一个区间，包括它北边的靠近山体这样一个区域，风速非常小。我们为了进一步验证我们通知相应开发商或者负责单位，去做一些区域调整的时候，或者说我们机位调整的时候，我们也是用激光雷达去做进一步的验证，实际上验证的结果大家也能看到，跟我们前期初步的这样一个手段去评判的偏差是非常小的，基本上都是在0.1、0.05、0.15这样一个区间内，也就是说我们进一步发现，确实是初步去通过我们宏观的手段验证我们的资源区域，然后再去把这个风险区把控一下，其实在后期能够避免很多低效资产和无效资金的投入，给我们所谓的LCOE也好去给它做进一步的控制。

其实这张图更多想跟大家讲测风数据应用的情况，短期的数据怎么应用大长期，它到底是怎样的一个水平？我们其实基于100多万的数据，去做了很多的算法的一个验证，我们发现其实想要去短期测风的话，这个水平要是能保证你差补的数据结果偏差不大，单从偏差来讲至少测到3到4个月以上，如果说你想要保证你的这个偏差非常接近或者差补的这一段数据结果非常非常小的，可能要至少要达到8个月以上。其次就是我们说测量月份不一样的时候，我们在差补的算法上本身就有很多，大家有八种以上的算法来支撑我们差补工作，到底每一种应该怎么算？其实我们做了很多的偏差，如果测风只有两个月、三个月、四个月，五个月、六个月的时候，其实你测的月份不一样，你需要用不一样的算法来执行，不然你的这个风速偏差最后可能达到0.2，这是我们得到的一些验证结果，包括我们说短期的测量，这个风参往全年推算的时候是没有办法做的对吧！这个时候我们也是基于很多联合的一些概率分布，我们看随着时间，包括我们的风速的和湍流，包括切变的它这个变化规律是什么样子的，然后去找出比如说我只测了短期之后，那我这个它到底是处于一个什么样的水平，然后得到全年的一个认知。在不同的设备上面，我们说激光雷达的设备其实有国内国外很多品牌，哪一种测量原理也不一样，哪一种适合哪样呢？我们也做了大量的统计，发现其实不同的品牌，在不一样的地形下表现是不一样的，然后在同一种地形下同一种品牌也是不一样的，所以希望大家在用这些东西的时候希望大家提前去了解它们的适用性，去得到一个更准确的一个使用效果。

其次在数据管理的层面，为了保障更多的数据进入我们风险评估的环节那怎么做呢？在测风期间我们建议把大家数据的管理做起来，通过互联网相关的技术，基于这样一个实时收取，我们做到了设备故障自动预警，我们只要设计相关的规划我们就能判断，快速的通知我们厂商，做设备或者数据的维修工作，保证的数据能够以一个非常高的水平来进行维持，基于这样一个数据收取的阶段，我们在整个测风期间，会定期定时完成我们的报告。

以上就是我们在整个测风这部分做的工作，从前期的设计到中期用到底应该用什么样的手段去测风，怎么样去管理我们的测风环节，然后再到我们最后数据应用，其实沉淀了非常多一些结果。接下来看一下勘测这一块，也就是整个测绘其实需要一些什么样的工作，我们说测绘这个工作它的重要性大家应该都很清楚，我们说在整个前期的风资源评估，包括我们在工程设计的时候，其实对我们整个测绘的一个需求都非常大，但是我们说这个测绘的偏差也好或者说影响，除了我们导致我们方案可能会出错或者说地方出错，对于我们工程量以及成本影响是非常大的。

其实从金风角度来讲，我们也是积极进入了一些信息，然后到我们整个测绘的环节，我们也是做了很多像卫星摇杆的一些数据，包括影像数据的一些应用以及无人机测绘，到三维建模，实时还原风电场这样的一些工作。从卫星和影像遥感数据来讲，其实它是有不同数据精度的，有的能到两米精度，其实它的精度非常小。还有一些低精度它能在9米或者偏差非常小的倾向下，然后像高分辨卫星影像数据，对我们做一些地物识别来讲，能够保证精度非常小，而且它的更新速度非常快，然后在整个的应用上其实我们，因为它这个数据获取成本比较低，而且周期也是比较短的，所以我们整个在大致的一个基础上，我们把这个数据用的非常多，它能快速完成我们去做无缝的拼接以及地形的抽吸，然后去做我们整个地物识别，然后去辅助大GB的一个设备这样的一个工作，然后整个成本能能降低到90%以上，速度非常快。

在无人机测绘这块，现在无人机应用也会非常广泛的，现有无人机成本相对而言也是比较低，它对于一些地形非常复杂的区域，我们去做这样一些测绘工作，效果是非常好的，除了传统1：2000的这种，我们需要去做这样地形图以外，它还能生成出这种精度能达到10厘米这样一些模型的数据。这个也是我们在山东丘陵的一个地方，大概是196平方公里，除了做1：2000全要素地形图以外，还做10厘米精度三维模型，用它做现场的还原。整个时间周期节省30%，价格节省20%以上，去做这样一些风电场的辅助工作。讲了这么多不管测风还是测绘我们都有大量的手段包括一些新的技术进入到我们风电评估里去，但是每一个技术都有自己的限制，怎么最优化发挥它的长处也是我们要做的一些工作，也希望大家和我们进行交流，把准确度变的更高，今天我的汇报就这么多，谢谢大家。

（根据演讲速记整理，未经演讲人审核）