风电技术论坛之风资源评估与风功率预测——北京国际风能大会展中报道

这里我们给出一个对比的结果，左边这张图是杭州湾所有站点的实况观测和卫星繁衍的散点图，右边是广东的散点图，大家可以看到这是比较均匀的分布，分布的一致性比较高，这是相对的风向的玫瑰图，也就是说卫星繁衍和我们风向也是结合度非常高。另外我们计算了参数的分布，计算了我们会发现拟合出来的参数结果比较接近，如果在资源评估中三到十二秒米的关注范围的话，我们可以看到红线就是说卫星拟合的风能参数，蓝线是实况观测的参数，也就是说三到十二秒风速关注的区域内，用卫星计算出来的发电量比实际稍微大一点，这是统计的结果，如果我们把卫星和卫星繁衍的风速和实际的风速进行对比的话，我们所拿到的所有的站点风速进行对比中，这个红色的标出来的站点的误差相对比较大，其他的误差还是小于35%，还是可以用的，其中有10个站点的相对误差小于10%，精度还是比较高的。

我们把这套资料作为一个同化源数据，我们会发现同化之前和同化之后的模拟的相关系数有18个站点，22个站点中有18个站点的相关性有明显的提高，15个站点的相对标准差有明显的提高，而且相对误差也有一个显著的改善。也就是说如果我用中尺度的数值模式来模拟近海风速的风场的话，把卫星的资料按照一个比较合理的方法同化以后可以改善近海风场的效果。

这是我们模拟出来的一个，模拟同化之后的对抗杭州湾地区，模拟还是非常不错的，这里我们给出一个简单的结论，我们拿到的这个卫星资料，在近海资源和实况性相关性比较高，在近海风能资源中有比较好的应用及可以直接应用到评估中的，另外如果把这套资料放在一个中尺度的模式中，对于风能资源的模拟和评估都是具有很好的效果的。是具有比较广阔的应用前景，可以弥补我们近海风能资源评估中的实况观测数据不足的缺点，基本上这么多，谢谢大家。

提问：我这里有一个问题，咱们这个海上测风平常的造价挺高的，一个测风塔要上千万，按照您这套研究成果的话，咱们可不可以完全替代原来普通的测风，如果按照您的这套研究成果，咱们的总的造价大概是多少呢?有没有一个大概估算。

常蕊：我们做这套资料是因为海上的测风观测昂贵，拿到实况的观测很昂贵，我们就拿到了卫星的反演资料来替代，这个唯一的缺点是时间上的分辨率不够高，做近海资源评估的话，可以把时间往长了拉，拿到足够多的样本和扫描图片以后，可以基于那个扫描图片做出来的卫星拼合的数据结果的话，我觉得在一定程度上是可以做风能资源评估的。当然如果你有那个数值，如果能做那个模拟的话把这套资料作为同化的中尺度的模式中进行模拟的话，这是效果最好的一个应用。

提问：还有测风，这个周期是多长时间，如果要建一个新的风电厂的话，时间不允许太久。

常蕊：我们这套资料是欧盟局2002年发生的卫星，理论上来讲2002年到现在的扫描图像都有，应该有十几年了，从统计的角度来讲是应该可以做评价用了。

提问：是马上可以做出来的，是吧?

常蕊：是。

提问：您好，我想问一下你这个是用在近海的，那么和海浪的近海反射，这个能不能用在陆上。

常蕊：这个用在海上的本身是海上的繁衍的结果，基本上没有陆上的，都是海上的。

提问：这种方法不能用在陆上还是。

常蕊：因为我们这套资料只是针对海表风的繁衍，没有针对陆上的。

提问：除了这套的话还有没有其他的针对海上。

常蕊：也有，但是时间和空间的分辨率不如这个好。那个空间分辨率大概有25公里，50公里都很粗糙，所以在沿海拿不到几个点，这个是一公里的，分辨率特别高。

提问：那么单测的扫描，扫描类似于横切面大概多少公里。

Christian Perwake：您说这张图是吧，我这里给了一张图，这上面写的是495公里。但是它有的时候是因为你那个卫星所在那个位置的点点点不是特别的严格是这个宽度。有的时候关注的区域可能只扫描一点点，有的可能全部都覆盖了，就看扫描的位置是什么位置了。

提问：我想问一下海上的话风资源和波浪有相关性，就是风浪流的联合概率分布这一块。

常蕊：我没有做过这个方面的研究。

提问：现在有很多则风资源的，还有测风浪的，不在时空上的同一个点上去做，之间的相关性我们没法做到，对于载荷计算的话是不够的，我不知道您这一块有没有做相关的一些研究。

常蕊：我暂时没有涉及到这个方面的内容，不好意思。

朱蓉：下面请来自美国的张大为先生，张大为先生常驻北京，负责管理3TIRE的中国区。对当今中国可再生能源面临的区域性事项和挑战具有深刻督导的认识。

张大为：我代表3TIRE公司去介绍一下关于从科学方法到气象科学的方法用到气象评估的方面。

很高兴见面的三位同仁介绍了气象学的方法，讲了关于近海的一些介绍，那么这些实际上是比较早期的都可以用在，这个方法用在比较大的区域，中尺度的区域，今天我会跟大家可能介绍的多一点的是这个方法同样的也可以把他带到项目这个层面上，陆地的层面上去做一些应用。

先简单介绍一下3TIRE公司。实际上3TIRE是一个气候方面研究更关注与可再生能源的公司。我们的总部是在美国，现在在包括中国、印度、西班牙、巴拿马和英国都有自己的办公室。我们也是在风的预报方面第一个把气象的方法去应用在这个方面的。那么另外的话，我们在做风能的资源评估方面也是为全世界的各地的包括项目的开发商和投资的人去做很多这个方面的技术支持。

回到今天要讲的主题来说，我们知道在建一个风场之前，我们会去做可研，在建设之前做很多关于资源方面的评估。那么评估的这个方面设计的时候对资源评估的效果如何呢?实际上在后来的运营的风电场建好了以后，运营一段时间会得到一个引证的。那么这个引证会来去帮助你发现你前面做的可研分析是否合理和准确。

这方面实际上我们也是做了很多的研究。这张图显示，实际上结果是什么样?当一个风场建好以后，一年之后我们会发现在这个图里面实际上是一个设计的发电量，和实际的发电量的比值了，所以既然是一个比值，你都接近一个1的情况下，那么实际上是你做的最准的情况。无论是高还是低，那么他都是有差别的。我们会发现这些所选择的项目点，这些圆点比较多的是落在这个一的下面。那么他的意思是说有很多的项目是属于低表的。那么这个统计我们可以看到，实际上它是一个比较大的数量，而且跨的年度也是从比较早的一个2011年开始，一直到去年的一个时间。那么这是很说明问题的一个情况。

那么大家可能会问为什么这种很难预测准，有没有其他的颁发把前期的设计做得更准一些呢。我们可以去先讲讲为什么说这个事情是比较难。因为一个是你想预测的资源的情况，气候的情况，那么实际上是要去看20年的一个情况，那么这里面的话每一年的资源都是变的，在国内的话我们都会说有大风年，小风年是吧。我们会体会到这样每一些年的变化，这个过程中会有不确定的因素。这些就使得恐怕没有一个人能够真正的把这二十年的每一年，每一天的一个情况描述得清楚。那么如果说真有这么一个人的话，我们说他可能今天就不会在这个地方了。

现在我们确实在应用很多的，包括方法和软件去争取把这个事情能够做得更准确。能够更好的分析这些变量以及不确定的因素。这些方法实际上现在我们也开始可以用到一些气候相关的科学方法，我们用这样的方法能够比较好的来去做这些很难的问题的分析。

这是我们这个演讲的一个宗旨，就是说当你的风电厂开启运行了以后，这是一个开始的时间去看看你所用的模型，还有你所是不是可以长期修整的一个发电量的一个预测。在这里我讲一个例子，这实际上是一个印度的一个例子，印度像CLP是一个注册在香港的公司，实际上是在印度有很大的投资。当一个大的投资的人会去做一个投资的时候，整个的组合，会存在着很多的不确定的因素。这些不确定的因素就带来了很多的投资上的风险。因此当你去融资的时候，那么他会有很高的利息。那么这个利息经常使你背负很长的时间，给你带来很大的一个成本。

如何去降低这个成本?我们这个例子里面想说的是经过你的后评估，经过运行以后的风场的情况，我们可以去看到说我前面做的，我现在已经经过了和前面的设计的阶段的资源评估的对比，我可以在后评估的阶段可以更准确的去知道和修正我整个对长期资源的一个评估。那么这样的话，就是降低了他的不确定性。那么同时也是降低了给这个投资人带来不确定性的风险。可以拿到很低的一个利息。这样的话就拿这个利息去还到以前高利息所能占的一个投资了。很快的话可以把资本进行回收，投入到新的项目当中去。

实际上这个过程在国际上应用得还是很哈，他想说明的问题是说，如果你能够把比如说像资源的情况分析得很清楚，那么能够增加投资者的信心的话，那么这一块是可以给你降低很多的成本的。

项目建成以后，我们所说的并不意味着这个评估的完成，实际上我们是可以在接下来的时间里去看，像一整年以后你本来设定的容量系数，在中国用的比较多的是等效小时数，就是说这种小时数的话是不是可以达到你原来设计的标准。是不是可以按照以前做过的方法重新的来去做一下能量的评估。但是这里结合了很多你运营以后的数据，这样的话使得可能有的时候你看到发电的水平，可能比你原来做设计的时候还高，那么这对于设计来说，也并不一定是一件好事。是吧?可能你需要去看为什么高?是不是只是这一年是比较幸运，风比较高造成的。经过这一年的运转以后，整个的项目，作为这个一个风电厂的项目不确定性会大大的降低了，这个时候你也可以很好的理解在项目地的气候的情况。使用长期的参数可以对其他的进行一个更好的控制。那么这张图是想告诉你可以看到一个P50一直到P70，P90，P95，P99从一年到十年，二十年一个变化。国内用P50这个概念比较少，所以我稍微多解释一下，在这里是所谓的P50是说你达到一个你设计一个发电的产量，能达到这个产量的一个概率大概是一个什么样的百分比。P50是50%可以达到这么一个水平。P90就是说可能有90% 的可能性达到这个水平这里国外用得比较多是因为再融资的时候，投资者可能不会愿意为很低的可能性做投资，因为这里的不确定性和风险太高了。他更愿意为你的P90这样的值去相信这样的数据。我们也可以看到一个长期的分析，当然这个问题是说真正运营一个风场以后，这里可能给你的都是一些典型的和标准的数字。但是并不是真实的发生的，今年是什么样，明年是一个什么样的真实数字，所以这是有区别的。通过像这个气象科学的方法，我们可以找到，你可以看到这里的每一年的，随着时间的变化，一个风速和能量的变化的过程波动的情况。

因此，它不是一个典型的，也不是一个标准的你应该是一个什么值，是一个实际你可以来对得上的哪一天，哪一个月，哪一个年的值，有了这样的值你想想你真正可以反推回去把你在运营的时候的数据结合进去以后，可以有很多的去拟合的东西。和实际发生的东西拟合的东西。这是气象科学在这个方面很重要。

所以整个的后评估的方法，总体来说，就是说它为什么有这样的一个威力，因为本身作为风来说，实际上已经实际上模拟了40年，甚至是40年以上的一个如实的模拟的数据。这样的话可以把模拟在你的每一个测风塔包括每一个风机的位置的风况通过模拟的方法能够模拟出来。这样的话他也可以通过类似的方法去做像容量，发电量的分析，把这样的去结合一些风机的功率体现这样的一些指标的时候，可以去做一个发电量的计算，因此这样的一套方法，如果他去结合了这个实际的现场的数据以后，可以带来更为准确的确定性更高的一个方法。

这个图主要是想展示一下这是在之前作为估算时候的一个产能，每一年我看我的变化。以及实际上用这个方法实际发生的情况的拟合情况是怎么样的。当然这里可以做得最好的，可以完全做一个拟合了。

那么这里也是想举一个例子，是说比如说再一个项目上第三方的一个评估，对这个每一年的发电量做一个评估。真正的头一年也有一个最后运营的时间，根据这些方法，当然我们还会得出一个我们随之而言的长期的运行的发电场的评估。这样的话就可以能够知道真实的这个一些第三方评估以后的误差是多少。他的原因又是什么?在这样的方法之后就可以得到了。

整个的过程是要复杂一些，时间有限就不再介绍了。总之，通过这样的一个方法可以降低不确定的因素。我们可以看到它实际上提升了像P95，P75这个数值，这是起到这么一个作用。因此的话降低了一个成本的因素。

提问：我想请教一下你们做这个常年的数据拟合的时候，用的是什么方法?因为据我所知一般的来讲的话，不管是委托哪一个单位做评估的话，都会把历史上的数据搜集来做一些拟合以后出来一个评估结果。那么你刚才说是您可以来用你们这个方法评估的结果可以去验证第三方的评估结果。那么我在想如果这个方法也是通过一种离合的方法出来的结果的话，用哪些，通过哪个标准来去评估第三方的一个结果呢?或者是说这个方法比别人优势在什么地方。

张大为：除了我们现在用的，我们公司用的这种气候科学的方法，还有什么其他的方法?第一个是线性的方法，还有一个是像流体力学的方法，CFD这些的方法。那么像这样的方法，实际上和我们的方法，本身这些方法是不一样的。

常蕊：所以我想具体请教一下您现在用什么方法。

张大为：像线性的方法，同差来说都是给你一个软件，你需要往里面去输入你所知道的这些值。是吧?那么，包括CF也需要去输入这些值，然后你才能得出一个东西。你输入的东西的本身也是说体有没有，以及质量如何也是变得很重要的。不一样的是我们的方法是说我已经有了一个比如说作为风板，我已经有了一个很大的数据库。这个数据库已经有了四十年，五十年的一个关于气象的数据了。包括风速和风向。这个数据实际上是覆盖了整个的，不光是一个时间上40年，50年，实际上在空间上也是覆盖了整个的一个地球的。所以说你可能没有给我数据，这个时候我已经有很多很多的数据了。你明白吧。但是我的数据说跟你现在项目地的情况怎么样可以放在一起这是我讲的拟合，我们会把项目地里测风的信息，这些信息放在里边降低了我的大模型的一个公差，这样的话它就带来了很高的一个分辨率。但是传统的方法，你的问题是什么，传统的方法是说你所测的时间，观测的时间，通常来说的话是有限的，一年，两年，但是你拿它推演一个长期的二十年一个发电量来说，肯定有很多，很模糊的地方，你用了我们的方法，可以有很多可以去很确定的趋势。

常蕊：就是说您拿到了气象局所有的数据，是吧?

张大为：不是气象局，是国际组织的。

常蕊：是欧洲一些的。

张大为：对。

常蕊：好，谢谢。

朱蓉：下面请来自丹麦科技大学风能系的Marisciel litong Palima。他在日本东京大学获得信息学博士学位，拥有菲律宾大学的物理学硕士。

Jeffrey Lerner：我们和中国科学院也进行了合作。那么，另外还有丹麦的八所大学，我们的研究的团队，主要是做可再生能源的研究。那么，我所展现的这个工作有一部分是我在做博士论文的时候所做的研究。今天的这样一个发言，我会给大家首先简单的介绍一下这个我们想解决的问题，然后来给大家介绍一下我们具体的工作目标，然后再跟大家谈一下错误模型。最后我来谈一下马尔科夫链。

所以现在我们要解决的一个最基本的问题，就是说在产生能量的方面，大家知道风能如果太少的话，那么就会缺乏发电量。如果说风能太多的话，也会导致电网的瘫痪。同时，风的变化很大，因为他每秒钟，每个小时，每天的风都会发生变化。那么，在一周之内，或者是说在不同的季节，也会有变化。这会导致很多的不平衡，也有可能会导致电网当中的可靠性受到影响。因此要想来解决这些挑战，那么最好的办法是预测，预测产量。但是这个预测必须要放在一个地点这样一个背景之下，在我们的丹麦的体系中，生产是由一个市场来决定的。因此，在这个运营期间是通常来说在每天的运营当中都会有记录。那么记录的话都会提供相关的资料。但是我们也知道每天中午的十二点到每天夜里24点开始运营的时候，之间有12小时的视察。那么我们在这个工作中主要的目标是说要能够进行这样一个预测。通过这个预测我们就可以真正的了解到它的误差或者是说错误。那么什么时候我们要进行预测，我们知道与预测方法相关的错误在哪?我们就能够更准确的来预测风能的供应。对这个方法来说非常重要的是我怎么样来对这个错误或者是说误差来建模。

所以我们就打算使用这个回归及马尔科夫链的模型。那么，我们这里谈的错误或者是说误差实际上是预测与实际之间的误差，我们建模之前我们要看一些数据。数据是由丹麦的机构为我们提供的。他们给我们提供了一些相关的预测。他们有他们自己的内部的预测工具。那么，对于我们来说，我们知道对于风机的管理者来说，他们需要保持平衡。那么，这个工作并不是在这个控制室展开的。而是说可以在未来的规划当中使用到的一些数据。我们希望能够通过公式来反应真正的不平衡的情况，以及真正的风能供应的情况。