测风数据代表年订正方法的研究

MERRA数据格点的下垫面与风电场地形地貌更为相似，时间序列相关性更高，观测数据更为真实可靠。 在对缺少气象站资料的风电场进行测风数据代表年订正时\"匕方法可以作为参考。关键词：风资源评估；相关性分析；同倍比放大；代表年订正中图分类号:TM624 文献标识码：A

文章编号：1674-9944(2019)16-0051-041引言风能资源的准确评估是风电场开发建设的先决条 件。风资源情况能决定风场的发电量以及项目的收益。 风资源评估一般需要先收集风场内实测至少满一年的

3资料与计算方法例证风电场位于湖北省广水市境内野人岗山上，风 电场长8 km,宽3 km,海拔高度170 m~480 m,山脊较 为连续，规划装机容量62 MW。观测数据，对其中无效数据进行插补后，再结合附近具 有代表性的长期参证气象站数据进行订正，最终处理得

3.1测风塔概况例证风电场内设有80 m/90 m高度测风塔各一座，

对风速、风向、气压和温度等参数进行观测。两塔观测

到一套能代表风场所在区域长期平均水平的数据进行 风资源分析。作为参证气象站需要具备以下条件:①距

均已满一年，记录数据为10 min的平均值、标准差、最 大值及最小值等。两测风塔基本情况见表1。离风场较近；②有30年及以上可靠的观测数据;③同期 时间序列相关性较好;④下垫面条件类似。受场地条件，风电场一般都位于距离城镇较远

表1场内测风塔基本情况因素

海拔高度/m的地区，而气象站大多位于市区或者近郊，两者之间距 离较远，下垫面环境等也有一定程度的差异，导致风场

-测风塔名称实测数据与气象站长期观测数据的相关性普遍不高，利

T3113240T7402392地理坐标记录通道高度/m纬度用气象站数据对测风塔数据进行长期订正也存在一定 的不确定性。经度风速本文以湖北某山地风电场为例，分别利用MERRA 数据及气象站观测数据对测风塔实测数据进行了相关 性分析及代表年订正，并对结果进行了分析，论证采用

风向气温气压31°45'20. 48\"113°42/27, 94\"90/80/70/50/3090/301031°46‘46. 34\"113°41f42. 42\"80/70/50/30/1080/10108MERRA数据作为参证气象数据的可行性，为今后风资

源评估提供参考。记录时间起止仪器安装方位82014-11-032015-11-02SE/ NW2013-06-102015-11-02SE/ NW2 MERRA数据介绍MERRA(The Modern Era Retrospective — analysis for Research and Applications)数据是由美国国家航空 航天局戈达德航天飞行中心(Goddard Space Flight Center)下属的全球建模和同化办公室(Global Model­ing and Assimilation Office)制作并发布的再分析气象

资料,具有参考格点数量多和包含气象要素多的特点。

3.2参证气象站概况距离例证风电场最近的国家气象站为广水气象站， 可作为本风场的常规参证气象站。场址附近MERRA 数据格点的地理坐标为东经114°,北纬32°,可将该格点

视作一个具有长期MERRA观测数据的“气象站”，作 为本风场的特殊参证气象站。两站的基本情况及地理 位置不意图见表2、图1 „MERRA数据从1979年开始记录，覆盖全球陆地及离 岸50km内的区域，水平方向分辨率为1/2维度X 2/3 经度，时间分辨率为1 h,垂直方向可分为72层，向上可 延伸至0. 01 hPa。收稿日期=2019-06-10作者简介:李晓明(1990—),男，工程师，硕士，主要从事风资源评估工作。由以上图表可见，广水气象站位于城区附近，与测 风塔周边环境差异较大，城镇建筑物可能会对观测环境

造成一定影响，给测量结果带来误差；MERRA格点的 地理位置虽然距离测风塔相对较远，但与测风塔的海拔

51李晓明，等：测风数据代表年订正方法的研究高差较小，地表下垫面也与风场区域较为相似。表2参证气象站基本情况站名海拔高与 T3U3与 T7402测风高步长环境破度/m距离/km距离/km度/m/min坏程度广水9018211060轻微MERRA17038375060无0' •农电線站比图1参证气象站与测风塔的地理位置示意广水气象站和MERRA数据长年代统计直方图见

图2。■厌懲・平曲號ME涸

y年愣

广水％彖站■幌進 ■乎均倩S初T(2) MERRA图2参证气象站长年代风速变化由图2可知，广水气象站数据近23年(1993-2015

年)来，2000年平均风速最大，为2. 45 m/s,2015年平 均风速最小，为1.35 m/s0近23年的多年平均风速为2. 02 m/s,测风塔测风年(2014.11 — 2015.10)的平均风速为1. 35 m/s,测风年为小风年。MERRA数据近30年(1986〜2015年)来,2013年 平均风速最大，为4.953 m/s,2014年平均风速最小，为4. 332 m/s。近30年的多年平均风速为4. 571 m/s,测风塔测风年(2014. 11 — 2015. 10)的平均风速为4. 350 m/s,测风年为小风年。52自然与生态3.3订正方法介绍3.3. 1 分风向扇区相关关系法将测风塔实测数据订正为代表年参数的方法如下。(1) 相关性分析。每22.5°为一个风向扇区,分扇区

对测风塔和参证气象站风速进行相关性分析，共得到

16个分扇区一阶线性相关方程。(2) 求出订正量。按各风向扇区，将参证气象站多

年的年平均风速与测风塔同期观测的年平均风速分别

带入线性方程，然后在纵坐标轴上找到对应的实测数据 的两个风速值，并求这两个值的差值，即各个扇区的风

速订正量。(3) 订正实测数据。将各个扇区测风数据均加上对

应的风速订正量，即可获得订正后的代表年参数。也有不分风向扇区直接进行相关性分析及代表年

订正的方法，一般称之为全扇区法。3.3.2 分时段同倍比放大法该方法借鉴了水文学中设计洪水过程线的计算方

法。将其应用于风速代表年订正中，步骤如下。(1) 求平均风速。求参证气象站多年月平均风速,

及与测风塔同期月平均风速。(2) 确定放大倍比。计算①所得月平均风速的比 值,确定观测年各月风速所需放大倍比(共12个)。(3) 订正测风数据。对测风数据按每月分时段同倍

比放大(缩小)，即可计算得订正后的代表年测风数据。4订正计算4.1相关性分析对广水气象站和MERRA数据与测风塔最高高度 的逐时刻测风数据进行分扇区相关性分析，结果如表3 所示。各参证气象站与测风塔风速序列的相关性均一

般，各扇区的相关系数均低于0.8,全扇区的相关系数 也均低于0.7。这是由于山地风场的地形较为复杂，海 拔高差较大,下垫面影响因素较多，造成风能资源分布 极为不均，不同地点间的风速相关性也普遍较弱。表3参证气象站与测风塔分扇区及全扇区相关性结果T3113

T7402

MERRA广水MERRA广水N0. 310.520. 390. 75NNE0.060.700.110. 74NE0.180. 670.440. 68ENE0. 220. 0. 330. 69E0.440.730. 320. 49ESE0. 260. 420. 230. 27SE0. 080.200.130. 49SSE0. 060. 360.030. 59S0.170.0. 290. 75SSW0. 330. 800. 570. 79SW0.490.710. 650. 39WSW0. 660.270.420. 42W0. 600. 430. 630. 42WNW0. 660. 440. 730. 56NW0. 670.620. 520.66NNW0. 160. 620. 240. 69全扇区0.460. 630.480. 67 2019年8月绿色科技第16期从分扇区和全扇区相关性结果来看，MERRA数据 与测风塔风速序列的相关性较好（0. 63-0. 67），广水气 速。各月风速倍比关系见表4。确定长年代与测风年的各月倍比关系后，将测风数

象站的相关性较差（0.46〜0.48）。这是由于MERRA 数据格点与测风塔处的地表下垫面较为相近，海拔高差 相对较小，二者均位于山区，局地小气候相似，风速逐时 刻相关性也较好。据分时段进行同倍比放大，再按时间进行排序，即可得 到订正后的代表年测风数据。表4长年代与测风年分月倍比关系

月份广水气象站

m/s倍比4.2分时段倍比关系分析将广水气象站和MERRA气象数据与测风塔同期 的月平均风速序列进行倍比分析，由图2看出，各参证

气象站测风年与长年代月风速变化趋势基本一致，说明

MERRA长年代测风年

长年代测风年倍比长年代年内风速变化较为规律。广水气象站测风年内 各月风速均明显小于长年代月平均风速；MERRA数据12345671. 972.071.191.451.661.421.352. 242. 252. 141.661. 571. 304.394. 594. 4. 804. 3. 1. 374. 263. 6. 044. 181.434. 594. 765.135.160. 960. 960. 0. 930. 930. 970. 971. 030. 862.082. 202.081. 991. 731,821.1011121.361.341. 361. 500. 931.191.341. 651.531.4.694. 2. 504.144. 234. 114. 584. 701.531.331.860. 980.911. 041.531.424. 885订正结果及分析⑴广求吒姬姑■与制讥塔岡■期円屮均恥漏5.1分风向扇区相关关系法综合考虑各分扇区相关性及全扇区相关性大小，广

水气象站采用全扇区相关方程（1个）对测风数据进行 代表年订正，MERRA数据采用分扇区相关方程（16 个）对测风数据进行代表年订正。5.2分时段同倍比放大法参考水文中由典型洪水过程线推算设计洪水过程 线的方法，将测风数据按照参证气象站长年代风速与测

风年的倍比进行放大，推求测风塔年代风速水平。图3参证气象站测风年及长年代月风速变化订正结果见表5。表5两种方法订正结果

方法m/sT7402测风塔订正前站名 广水-T3113测风塔订正前订正后差值订正后差值A5. 735. 735. 735. 736. 08+0.38+ 6 19+ 3. 015.435.795.6& 285.71MERRAB广水5. 5.435.435.43+ 0.36+ 0.17+ 2.85+ 0.28MERRA& 746. 03+ 0.3注:A：分风向扇区相关关系法;B：分时段同倍比放大法由表5可知，采用分风向扇区相关关系法，利用广 水气象站订正时，两测风塔代表年比测风年平均风速分

约是利用MERRA数据增幅的10倍。两种方法将广水

气象站作为参证站时代表年订正均明显偏大，原因是随 着城镇化的进行，受周边高楼的遮挡，以及测量仪器的

别增大0. 38 m/s、0. 36 m/s,利用MERRA数据进行订 正时，两测风塔分别增大0. 19 m/s、0. 17 m/s；采用分 时段同倍比放大法时，利用广水气象站订正的代表年风 速比测风年增大3. 01 m/s,2. 85 m/s,利用MERRA数

变更等影响，气象站历年实测风速呈不断减小趋势。此 时若将广水气象站数据作为参证长年代序列，将会对代

表年水平严重高估。采用MERRA数据作为参证气象 站时，MERRA数据和测风塔风速序列的相关性要显著

据订正的风速偏大0.30 m/s。0.28 m/s。两种方法订正时，利用广水气象站作为参证站均比

优于气象站数据，两种方法订正值均较为合理，偏保守

利用MERRA数据增幅更大。采用分风向扇区相关关 系法时，利用广水气象站约是利用MERRA数据增幅 的2倍;采用分时段同倍比放大法时，利用广水气象站

起见，本文优先推荐利用MERRA数据,采用分风向扇 区相关关系法订正结果为风场代表年水平。53李晓明，等：测风数据代表年订正方法的研究自然与生态「4]潘晓春.风电场测风数据订正方法的比较研究口].电工文摘，2009

6结论以湖北某山地风电场为例，采用当地气象站及

(3)：65〜70.[5] 于兴杰，孙金丹.风电场风资源代表年分析法[J].中国勘察设计，

2012(1)：62〜.[6] 张双益，王益群，吕宙安，等.利用MERRA数据对测风数据进行

代表年订正的研究[J]・可再生能源，2014,32(1)：58〜62.[7] 朱凤霞，林 浩.浅谈ASTER GDEM和MERRA数据在山地风

电场选址中的应用[J1风能，2015(11)：66〜69.MERRA数据对测风塔实测数据进行了代表年订正，得

出主要结论如下。(1) 采用MERRA数据对测风数据进行代表年订正的

结果合理可信，在缺少合适参证气象站时可采用此方法。(2) 气象站一般位于城郊附近,山区分布较为稀疏，且

观测环境受城镇化影响会有所破坏，导致观测结果部分失

真，记录数据与山区风电场的测风塔数据相关性较差;

[8] 赵佳莹，徐海明•中国区域探空资料与再分析资料风速场的对比分

析[J]•气候与环境研究，2014(5) ： 587-600.[9] 杜燕军，冯长青.风电场代表年风速计算方法的分析[J]・可再生能

源,2010,28(1):105〜10&[10] 王有禄，沈檬•风电场代表年风速系列计算方法的探讨口]・电

力勘测设计,2008(6)=69-76.MERRA数据的覆盖范围广、记录年份长、拥有高精度的

时间及空间分辨率，可选取地理位置与风电场接近、地表

下垫面与风电场相似的参考数据格点，所以MERRA数据 和场内测风塔风速序列的相关性相对较好。参考文献：口]国家质监总局•风电场风资源评估方法:GB/18710-2002 [S].北

京：国家质监总局,2002.口叮谢今范，刘玉英，于 莉，等•二参数Weibull分布在风能资源参

数长年代订正中的应用探讨[J]•太阳能学报,2015,36(11):2830 〜2836.[12] Laslett D,Creagh C, Jennings P. A simple hourly wind power simula­

tion for the South-West region of Western Australia using MERRA

M任 律，李丽平.国家自然科学基金委员会地球科学部南京信息工

程大学大气资料服务中心资料通讯——MERRA卫星分析资料介 绍[J].大气科学学报,2010(2):253-256.[3]张雪婷，陈正洪，许杨，等.复杂山地下测风塔缺失测风数据插补

订正方法的比较分析[J]•风能，2015(1):82〜86.data [J]. Renewable Energy,2016(96) ：1003〜1014.[13] Largeron Y, Guichard F, Bouniol D, et al. Can we use surface

wind fields from meteorological reanalyses for Sahelian dust emis­sion simulations? [J]. Geophysical Research Letters, 2015, 42 (7):2490〜2499*Research on the Representative Year Correction Method for Wind Measurement DataLi Xiaoming,Chen Ling,Zhang Shanlin{Central Southern China Electric Power Design Institute Co. Ltd of China Power Engineering

Consulting Group , Wuhan , Hubei, 430071, China)Abstract: Wind resource assessment requires a set o£ wind data that reflects the long-term level of the wind farm. Based on wind resource assessment of one mountain wind farms in Hubei province» wind data from local meteorologi­cal station and local MERRA data are both used to correct error of representative year of one—year wind measure­ment data from anemometer tower, by Sector correlation method of dividing direction and Time—division equal—rati- o amplification method. Results show that MERRA data meets the requirements of reference meteorological data. Compared with meteorological station data, the underlying surface of MERRA data is more similar to the wind farm topography； the correlation between MERRA data and measurement data series is also better than that of meteoro­logical station data, and the observation data is more reliable. The method in this paper can be used as a reference for revising the representative year of wind measurement data of other wind farms without suitable adjacent meteorologi­cal stations・Key words: wind resource assessment； correlation analysis； equal—ratio amplification；representative year correction method(上接第50页)

大多数介于0.1〜0.2；样点间Maglef物种丰富度指数 变化大，与杂草出现的频度对应。参考文献：[1]张庭廷，陈传平，何梅，等.几种高等水生植物的克藻效应研究

□1.生态学杂志，2007,24(4):32〜36.「2]郁青.浅谈水生植物在城市河道的净化功能m.中国园艺文摘，

Maglef物种丰富度指数介于5. 0〜14。4结语取样生态河道浅水域由沉水植物、挺水植物和漂浮 植物组成，其中，挺水植物占50%,本土物种和外来物

2014(8):98〜99.[3] 杨小红，赵 文，林 陶.人工植物塘对河道N、P的去除效果[J].

湖北农业科学，2015, (14)： 3376-3383.种各占50%。水盾草、水苦荚出现的频度最高，与其他 水生植物种间相遇率高;挺水植物大狼把草和外来植物 南美天胡荽岀现频度最小，与其他水生植物种间相遇率

[4] 吴兵.城市河道滨岸带生态修复技术研究[D].合肥:安徽建筑

大学,201&低。杂草重要值最大为水苦荚，其次为水盾草；大狼把 草和南美天胡荽由于出现频度小，杂草重要值小。样点

[5] 周贝贝，耿世洲.立体生态浮床用于城市河道污染修复的探讨[J].

武汉勘察设计，2018(5)：46〜49,61.间Shannon生物多样性植物存在差异性，但多数介于

[6] 渠晓东，余 杨，张 敏，等.城市河流沉水植物与大型底栖动物群

落的关系[J1环境科学,2018,39(2):783〜791.0. 2~0. 3；样点间Shannon均匀度指数差异不明显，极