引言

风能是自然界存在的无污染、可再生能源, 20世纪70年代中期以后, 由于常规能源短缺问题严重, 加之常规能源导致的环境问题日益加剧, 风能资源的开发与利用在全球范围内得到了重视^[1]。目前, 我国已成为世界第二大能源消费国, 合理开发使用风能这一绿色资源对我国的环境保护与经济的可持续发展具有长远意义。我国是世界上风能资源较为丰富的国家之一, 根据中国气象科学研究院绘制的全国平均风功率密度分布图, 我国陆地10 m高度层的风能总储量为32.26×10⁸ kW, 实际可开发的风能资源储量为2.53×10⁸ kW, 近海风场的可开发风能资源是陆上的3倍, 据此, 我国可开发的风能资源约为10×10⁸ kW, 风力发电在我国拥有广阔的应用前景^[2]。利用风能资源发电是补充能源不足的重要手段, 也是我国今后能源建设的重点, 对于国民经济发展具有十分重要的意义^[3]。随着我国风力发电事业的发展, 开展风能资源评估工作也日趋重要。

屠其璞等^[4]曾利用全国165个测站资料对我国风能资源作了初步研究, 分析了风能特征量的分布规律。薛桁等根据全国900余个气象台站实测资料作出的多年年平均风能密度分布图, 首次完整细致地估算出各省及全国地面10 m高度层上的风能资源储量, 证实了我国具有巨大的风能资源开发潜力^[5]。相关研究多从不同角度或针对不同地区的风能资源进行有效评估, 为风能资源的开发提供科学依据^[6-10]。

江苏省现有67个基本气象站, 分布间距约20~50 km, 部分地区因缺少观测资料而未能体现风能资源的丰富性。随着各地自动气象站的布设, 将自动站风速资料与基本站资料结合使用, 可以得到空间分辨率更高的风能参数分布。与常规观测相比, 自动站观测具有受人为干扰因素少、时间分辨率高等特点^[11-12], 但是自动站资料时间序列较短。根据《风能资源评价技术规定》^[13], 评估风能资源需使用3个代表年的风速资料, 因此, 探讨将自动站风速资料订正到各代表年的短序列订正方法具有重要的应用意义。

屠其璞等^[14]曾对风速超短序列订正问题进行研究, 指出平均风速订正的基本思路是:从局地小气候差异相对稳定性出发, 将考察资料与邻近基本站同期资料对比, 求出两地风速的相互关系, 根据大范围环境背景下 (用基本站某一种风向表示), 相邻测站平均风速的比值相对稳定这一观测事实, 估计各风向下考察点与基本站在考察月份的平均风速比值, 再由基本站各风向频率应用全概率公式求出基本时期内考察点平均风速的累年订正值。该订正方法是针对小尺度山区地形提出的, 而本文研究的江苏地区地势较平坦, 因此结合实际情况探讨了一种风速的短序列订正方法。

1.   数据来源与处理

本研究所用数据来源于江苏省气候中心提供的67个基本气象站和51个自动气象站的2005年逐时测风资料, 以及基本站在3个代表年的逐时测风资料。按照文献[13]技术要求, 气象资料的处理方法为:首先根据各气象站1971-2000年共30年的气象整编资料, 选取各气象站的3个代表年。代表年的确定方法为:根据地面气象资料1971-2000年整编成果, 选择年平均风速等于或接近30年年平均风速v₃₀的年份, 定义为平均风速年; 选择年平均风速值最大的年份, 定义为最大值年; 选择年平均风速值最小的年份, 定义为最小值年。若存在多个年平均风速等于或接近v₃₀的年份, 则选择最靠近2000年的年份。根据上述方法选出的3个年份统称为代表年。

2.   风能参数订正方法

2.1   年平均风速订正

文献[14]的订正方法是针对小尺度山区地形提出的。山区地形由各种地形单体组成, 有海拔高度、坡向、坡度、起伏程度等的差异, 地形差异是形成风速分布的主导因子。因此相邻两点间的平均风速可以相差很大, 但它们之间却保持着某种平均联系, 即平均风速的比值相对稳定^[15-16]。而本文讨论范围为整个江苏地区, 该区域尺度较大, 地势较平坦, 故由边界层气象学可知相邻测站风速比值受湍流强度和下垫面粗糙度差异影响。根据观测事实得到 (图 1):相邻测站逐时风速比值随基本站风速增大而逐渐减小, 并趋于稳定, 即风速越大, 相邻两站受地转风影响越大, 局地地形影响越小, 两地风速值越接近; 风力越小, 地转风影响越小, 局地地形影响越大, 两地风速差异越大。

图  1  自动站与基本站逐时风速比值 (a) 宿迁洪泽农场气象站-泗洪, (b) 连云港东辛农场-连云港, (c) 苏州市相城区气象局-昆山, (d) 南通通州石港-南通县

Figure  1.  The hourly wind speed's ratio of automatic station and manual station (a) Hongze farm automatic station in Suqian-Sihong, (b) Dongxin farm in Lianyungang-Lianyungang, (c) meteorolgical administration in Suzhou Xiangcheng-Kunshan, (d) Tongzhou stone harbour in Nantong-Nantong country

下载: 全尺寸图片 幻灯片

根据自动站与基本站同期资料, 以K_i记为自动站逐时风速v_0i与基本站逐时风速v_1i的比值, K_i=v_0i/v_1i, i=1, 2, …, n(n为总样本数)。将v_1i分成v_1i=0和v_1i > 0两个区间。

① v_1i=0, 即基本站为静风条件下, 大范围流场很弱, 自动站平均风速通常是一个很小的值。因此求出对应v_1i=0时刻自动站风速平均值v₀。

② v_1i > 0, 通过各种形式拟合试验得出结论:以逆函数形式拟合平均风速比值与基本站风速相关关系效果最佳, 即K_i=a+b/v_1i(a, b为经验系数, 可通过两站同期测风资料求得)。将代表年基本站逐时风速v′_1i代入拟合方程, 便得到自动站同期逐时风速v′_0i的模拟值。

综合以上两种情况, 应用权重函数求得自动站代表年平均风速为

式 (1) 中, N为代表年基本站逐时风速的总样本数, S为其中值为0的样本数。

2.2   年平均风功率密度订正

通过单位截面积的风所含的能量称为风功率密度, 它是决定风能潜力大小的重要因素。年平均风功率密度表达式为^[13] :

式 (2) 中, n为计算时段内风速序列个数; n_{k, i}为第k个月的观测小时数; v_{k, i}为第k个月 (k=1, …, 12) 风速序列; ρ_k为月平均空气密度 (单位:kg/m³), k=1, 2, …, 12, 计算公式如下^[13] :

式 (3) 中, p为平均气压; e为平均水汽压; t为平均气温。

式 (2) 定义的年平均风功率密度是指设定年内逐小时风功率密度的平均值, 不可用年平均风速直接计算。风速的随机性很强, 逐时风速的订正精度不高, 将其直接代入式 (2) 会导致年平均风功率密度的计算误差增大。因此考虑先订正得到年平均风速值, 再由年平均风速与D_wp的统计关系求出年平均风功率密度。

从理论上说, D_wp应视为ρ, v两个随机变量的函数, 但是, 对一个指定地点而言, ρ随气压和温度而变化, 其随机性并不大, 通常将其视为普通常量。因此D_wp的随机变化主要是由v³随机变化引起的^[16]。本研究中自动站与基本站距离相近, 可认为两站空气密度相同, 所以仅需订正。

一般认为, 风速的概率分布通常用维泊尔 (Weibull) 分布拟合^[17], 根据文献[13], 认可全国范围内用Weibull分布进行风速拟合, 因此可引用这个理念推导出年平均风速与D_wp的统计关系。

式 (4) 中, k和c为维泊尔分布的两个参数, k( > 0) 称作形状参数, 是无因次量, c( > 0) 称作尺度参数, 其量纲为速度v的单位。与式 (4) 相应的风速v的分布函数为:

v的数学期望和方差分别为:

上式中, 为Γ函数。

所以

而

令

据式 (10) 可知M仅与形状参数k有关, k体现了风速的频次分布特征, 理论上取决于不同天气系统的活动频次。根据同期自动站与基本站的风速资料可以求出各自的M值, 分别记为M₀和M₁。由于风速大小与影响天气系统及地形有关, 距离相近的两气象站相同时期所受的天气系统相同, 因此它们的风速差异由地形差异导致。令α=M₀/M₁, 可以认为该比值反映了自动站与基本站的地形差异。而地形差异是相对稳定的, 故可令α=M′₀/ M′₁(M′₀, M′₁分别表示自动站与基本站在代表年的M值)。根据式 (11)、(12) 可求得自动站某代表年逐时风速立方的平均值。其中, M′₁由基本站该代表年测风资料计算得到, α由两站同期数据 (2005年) 求得, 自动站该代表年年平均风速的三次方由式 (1) 求得年平均风速后再求三次方即可得到。

因此年平均风功率密度计算公式可用式 (13) 表示:

3.   江苏省风能参数订正结果检验

3.1   2005年年平均风速订正精度分析

本研究所获资料中自动站与基本站同期数据为2005年测风资料, 为检验年平均风速订正效果, 故将2005年基本站数据代入式 (1), 求得自动站2005年年平均风速订正值, 再与自动站观测值进行比较, 结果表明:51个自动站年平均风速订正误差最大为9.11%, 最小为0.00%, 平均误差百分率为3.38%(表 1)。

表  1  2005年江苏省部分自动站年平均风速订正结果

Table  1.  The revised results of average wind speed of some automatic stations in Jiangsu Province in 2005

下载: 导出CSV 

| 显示表格

对51个自动站年平均风速订正误差作统计 (表 2), 结果显示自动站订正误差为0.1 m/s的站占54.9%, 近1/3的自动站订正误差为0.0 m/s, 订正结果较好。

表  2  2005年51个自动站误差统计

Table  2.  The statistical error of 51 automatic stations in 2005

下载: 导出CSV 

| 显示表格

3.2   代表年风能参数订正精度分析

为检验风能参数短序列订正方法的可靠性, 从江苏省67个基本站中选取距离接近且含同期观测资料的8对基本站, 将其中一个站作为假设自动站进行订正。即用2005年资料得到两站风速相关关系, 再将假设自动站风功率密度订正到邻近基本站的某一代表年 (假设自动站的3个代表年包含该年份), 通过与实测资料对比, 检验订正效果 (表 3)。

表  3  基本站年平均风功率密度订正结果

Table  3.  The revised results of annual average wind power density of manual stations

下载: 导出CSV 

| 显示表格

由表 3可知, 将假设自动站资料订正到代表年后, 所得年平均风速与观测值的最大误差为0.29 m/s, 最小误差为-0.05 m/s, 平均误差百分率为7.13%, 除太仓、宜兴误差百分率分别为10.94%和14.57%外, 其余6个站均小于10%。翁笃鸣^[15]曾用绍兴-嵊县等48对测站48个月的订正结果验证屠其璞等提出的风速资料超短序列订正方法, 其风速订正的误差最高为0.4 m/s。本研究中年平均风功率密度误差百分率绝对值小于22%, 8个站中有4个站的误差百分率低于10%, 最小为4.46%, 平均误差百分率为13.26%。考虑风速的随机性很强, 能够得到这样的结果从目前研究水平上讲比较理想。以上结果说明本研究所使用的订正方法效果较好, 能较好地拟合江苏省自动站与基本站风能参数之间的关系。

4.   加入自动站资料对年平均风功率密度分布影响

江苏省67个基本站均匀分布于全省, 站间距离较远, 平均约为40 km, 且东部沿海仅有西连岛、燕尾港及吕泗3站 (图 2a), 根据这些基本站测风资料绘出的1971-2000年年平均风功率密度分布图 (图 3a) 不能全面反映全省特别是沿海地区的风功率密度精细分布情况。图 3a显示以西连岛为中心有一个风能较大区, 中心风功率密度为208.12 W/m²。东部沿海一线风功率密度大于40 W/m², 江苏省其他地区风功率密度平均为20 W/m²。图 3b给出了增加51个自动站数据后风功率密度的空间分布情况。由图 3b可知, 风能资源丰富区范围有所扩大, 除以西连岛为中心存在风能较大区外, 如东一带沿海地区也是风能较大区, 风功率密度最高为220.79 W/m²。苏州的东部及南部地区风功率密度在40 W/m²至80 W/m²之间, 这两个地区的风功率密度偏高主要受到阳澄湖及太湖的影响, 水面宽阔, 所以风速偏大。自动站测风资料的引入, 缩短了测站间的距离, 提高了风能资源分布的空间分辨率。由图 2b可知自动站大部分位于江苏省南部, 因此增加测站后该地区风能资源分布情况比仅用基本站得出的分布情况更为清晰。苏中苏北地区由于缺少自动站资料, 故增加测站数据前后变化不明显。

图  2  江苏省基本站与自动站的地理分布 (a) 基本站, (b) 基本站及自动站

Figure  2.  The distribution of automatic and manual stations in Jiangsu Province (a) manual stations, (b) automatic and manual stations

下载: 全尺寸图片 幻灯片

图  3  1971-2000年江苏省总体平均风功率密度分布 (单位:W/m²)(a) 基本站, (b) 基本站及自动站

Figure  3.  The average wind energy density distributing from 1971 to 2000 in Jiangsu Province (unit:W/m²)(a) manual stations, (b) automatic and manual stations

下载: 全尺寸图片 幻灯片

5.   结论

本文通过求取2005年自动站与临近基本站风速的相关关系, 运用权重函数对风速进行延长订正, 再由年平均风速与风功率密度的统计关系求出代表年平均风功率密度。得出结论:

1) 该方法对风速订正的误差约为10%, 最小误差达2.66%, 风功率密度订正误差在22%以内, 订正效果理想。

2) 用订正后自动站风功率密度及基本站风功率密度绘制的全省风能资源分布图较精细地反映了资源分布情况。以西连岛及如东为中心存在两个风能资源丰富区域。增加自动站数据后大大提高了风功率密度分布的空间分辨率, 为将风能资源参数插值到细网格奠定基础。