2020年10月14日-16日，2020北京國際風(fēng)能大會暨展覽會（CWP 2020）在北京新國展隆重召開。作為全球風(fēng)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(fēng)能盛會，再次登陸北京，本屆大會以“引領(lǐng)綠色復(fù)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(fēng)資源精細化評估分論壇上，新疆金風(fēng)科技股份有限公司風(fēng)資源氣象團隊負責(zé)人劉釗發(fā)表《組合測風(fēng)技術(shù)助力風(fēng)資源精準(zhǔn)評估》主題演講。

　　以下為發(fā)言實錄：劉釗：我的報告主要分為四個方面，分別是測風(fēng)的重點問題、針對組合測風(fēng)的解決方案、組合測風(fēng)的技術(shù)解析和案例介紹。

　　

　　結(jié)合剛才劉博士2020年的數(shù)據(jù)統(tǒng)計，67個項目里面34個沒有測風(fēng)塔，或者測風(fēng)代表性不足，這個比例超過50%，和我們現(xiàn)在遇到的困境是一樣的。測風(fēng)面臨諸多挑戰(zhàn)，如在低風(fēng)速復(fù)雜地形的項目的投資收益臨界點對風(fēng)速的評估非常敏感，測風(fēng)設(shè)備管理，數(shù)據(jù)管理方面存在問題，秒級測風(fēng)沒有比較通用的標(biāo)準(zhǔn)規(guī)范等。面對測風(fēng)方面的困境，金風(fēng)科技在測風(fēng)領(lǐng)域開展過一些嘗試，如高層風(fēng)的觀測、精細化測風(fēng)項目等探索，也開展了關(guān)于氣象仿真優(yōu)化的虛擬測風(fēng)項目等，基于前面的技術(shù)的積累，我們現(xiàn)在推出了組合測風(fēng)技術(shù)。比如在前期開發(fā)項目工期緊張，還沒開展測風(fēng)或測風(fēng)表性不足，周邊測風(fēng)塔在十幾公里外，在評估資源的時候，風(fēng)速偏差可達0.6米/秒，我們的組合測風(fēng)方案是怎么樣解決的呢？

　　

　　組合測風(fēng)技術(shù)定位是解決開發(fā)周期緊的前期開發(fā)項目。組合測風(fēng)是通過開展短期的觀測，結(jié)合觀測大數(shù)據(jù)和自研算法得到完整年的時間序列數(shù)據(jù)。

　　

　　組合測風(fēng)包含測風(fēng)方案設(shè)計、數(shù)據(jù)的生產(chǎn)管理和數(shù)據(jù)應(yīng)用三部分。組合測風(fēng)的精度是什么樣的呢？依托完整測風(fēng)數(shù)據(jù)，在不同的月份，在不同的地形的情況下如圖所示。在三個月測風(fēng)的基礎(chǔ)之上，平坦、丘陵、山地區(qū)域，風(fēng)速偏差在0.2米/秒（P50）以內(nèi)。組合測風(fēng)技術(shù)，主要是從三個方面做優(yōu)化，分別是精細化測風(fēng)的技術(shù)，定制化中尺度仿真技術(shù)及算法融合。精細化測風(fēng)技術(shù)主要是解決在設(shè)備選址數(shù)據(jù)可能性，復(fù)雜地形雷達湍流可用性；定制化中尺度仿真解決當(dāng)一個測風(fēng)項目同期沒有相關(guān)性很高的中尺度數(shù)據(jù)源，針對每一個項目去定制精細的中尺度仿真結(jié)果；算法融合是基于現(xiàn)有的已經(jīng)積累的測風(fēng)數(shù)據(jù)庫中完整年數(shù)據(jù)進行挖掘及不同算法的調(diào)優(yōu)嘗試，并開展了實際測風(fēng)項目的驗證，構(gòu)成了組合測風(fēng)的技術(shù)閉環(huán)。

　　

　　首先來看精細化測風(fēng)技術(shù)。在測風(fēng)階段，有兩個重點的技術(shù)，第一個就是量化代表性分析技術(shù)，考慮到測風(fēng)數(shù)據(jù)對仿真環(huán)節(jié)的可用性和代表性，在測風(fēng)的選址階段，我們把代表性量化的分析出來，就可以很清晰的識別出來，哪里是代表性不足或存在測風(fēng)風(fēng)險。這個技術(shù)是引入了穩(wěn)定度、海拔、粗糙度以及CFD仿真模型中間參數(shù)等，通過把這些參數(shù)代表性建模，然后去進行定制化的測風(fēng)方案的設(shè)計。第二個就是我們很關(guān)注雷達在復(fù)雜地形的湍流的適用性問題，通過收集同樣有雷達設(shè)備和測風(fēng)塔設(shè)備的項目，在這種數(shù)據(jù)集的基礎(chǔ)之上，通過深度學(xué)習(xí)算法，形成了湍流矯正模型，這樣雷達可以達到更逼近于目標(biāo)測風(fēng)塔湍流的這樣的適應(yīng)性。

　　

　　中尺度仿真優(yōu)化技術(shù)是針對每一個測風(fēng)項目都進行了定制化的氣象仿真。首先是數(shù)據(jù)源模塊，采用全球的各個機構(gòu)的數(shù)據(jù)，然后包括歐美的數(shù)據(jù)源；在氣象仿真分辨率的選擇，我們選擇了精細化的地形輸入，尤其是針對復(fù)雜地形，可以有更精細的高程數(shù)據(jù)和土地利用系數(shù)；參數(shù)化方案優(yōu)選方面，針對不同省份的不同區(qū)域做了參數(shù)化方案的優(yōu)化和參數(shù)優(yōu)化；參數(shù)化方案和優(yōu)化和精細化的仿真網(wǎng)格，經(jīng)過氣象仿真各模塊的優(yōu)化，往往可以得到更精準(zhǔn)的風(fēng)向模擬結(jié)果和更優(yōu)的相關(guān)系數(shù)。

　　

　　算法模塊中融合了風(fēng)資源業(yè)務(wù)中常規(guī)應(yīng)用的8種算法及機器學(xué)習(xí)算法，并對其中優(yōu)秀的算法做了參數(shù)的調(diào)優(yōu)；地形分類也基于傳統(tǒng)的GIS分類做了周邊地形影響的優(yōu)化，形成了適合組合測風(fēng)的分類標(biāo)準(zhǔn)。算法融合的過程中，形成了參數(shù)和算法的評價體系，輸出了最優(yōu)算法表，可以應(yīng)用到每一個項目中。在項目開展短期的觀測之后，就可以選擇最優(yōu)參數(shù)，最優(yōu)算法以及它的評價去得到最后的一個精度評價。

　　

　　組合測風(fēng)技術(shù)在分散式、大基地、集中式等項目中都有應(yīng)用，通過對逐項目的定制化可以得到一個從精度和經(jīng)濟性角度都合適的選擇。通過虛擬測風(fēng)塔和雷達的結(jié)合，在三個月測風(fēng)完成的時候有一個比較正確的完整的資源評估。

　　

　　最后分享一個案例，這是一個陜西的分散式，地形比較復(fù)雜，如何規(guī)劃測風(fēng)呢？我們首先跟客戶確認這個項目的區(qū)域評估目標(biāo)選擇了代表性最好的兩個點作為激光雷達的點位，同時啟動了精細化的中尺度仿真的計算及算法尋優(yōu)。在完成測風(fēng)之后我們就形成上面右邊的這幾個表。復(fù)雜地形往往存在風(fēng)向仿真不準(zhǔn)確和威布爾分布失真的問題。這個項目組合測風(fēng)技術(shù)通過十幾種算法尋優(yōu)解決精度問題，這個最左邊沒有投出來，最上面的一個是叫做絕對風(fēng)速偏差，第二個是相關(guān)性，第三個第四個分別是A值和K值，尤其大家可以關(guān)注一下K值，不同的算法對K值的影響是非常大的，尤其是常規(guī)的LLS方法。最后一個是等效小時數(shù)偏差。綜合評估各個指標(biāo)后，優(yōu)選的算法進行數(shù)據(jù)集合，就可以得到一個多目標(biāo)尋優(yōu)后精準(zhǔn)的時間序列數(shù)據(jù)。

　　

　　最后，我想說測風(fēng)環(huán)節(jié)需要更多關(guān)注！希望有更多仿真、觀測、算法同仁一起加入到組合測風(fēng)的領(lǐng)域去進一步的去挖掘，希望中國有更多的觀測實驗場！謝謝！

　　

　　（根據(jù)速記整理，未經(jīng)本人審核）