你那儿用好测风塔了吗？

没有测风塔就没有风电场，这是最霸道的风电逻辑。但如何用好测风塔仍是风电开发和运维中值得关注的价值创造问题。

立它就要管它，管它就要爱它，爱它就要让它的一生都在为风电场风险控制和收益率提升护航。赵宏亮在和记者提及测风塔时表示，对风电工程师而言，测风塔是一座灯塔。

赵宏亮是北京东荣盛世科技有限公司的总经理，他旗下的公司在国内测风市场的份额超过了20%。在接受《风能》采访时，他没有拿国内风电巨头的背书来说明公司在测风领域的技术服务能力，而是向《风能》强调他对国内测风市场现状的忧虑，一个现象级的数据是，至少有50% 以上的测风塔被荒废或被拆除了，即便活下来的测风塔，有些也没有得到足够的重视，这让原本的价值创造被大打了折扣。

那么，测风行业的痛点究竟在哪里呢？

历经多个层面采访，记者将此归结为两点，一点是缺乏全生命周期的测风规划，在测风塔的树立上显得过于随意，导致测风塔成为“短命鬼”；有的测风塔仅为业主抢占风资源而来，所在位置根本就不具有代表性，成为被业主遗忘甚至抛弃的“孩子”。

另一点是测风塔维护不到位，由此导致的数据失真、丢失以及传输和处理不当，给风电场建设和运行维护带来巨大的投资风险和收益损失。

测风行业的痛点在于缺乏全生命周期的测风规划，以及测风塔维护不到位。

需要温习的是，每座风电场都要经历“宏观选址—树立测风塔—漫长的测风过程—可行性研究—工程设计—项目建设—运行维护”这般系列复杂的过程。而对于风电场开发商来说，拿到意向资源后的首笔投资就是树立测风塔，那么测风塔对于一个风电场来说究竟意味着什么呢？

远景能源相关部门负责人对《风能》这样描述测风塔市场的现状：虽然市面上出现了越来越多的中尺度数据，部分产品也能够指导投资者快速准确地初步选定风资源，也就是业内所说的宏观选址阶段，由于受限于中尺度数据的产品原理及精度，即便是目前最优秀的中尺度产品，其单点的风速误差超过0.1m/s 也是很正常的。但问题是，对于低风速风电场来说，0.1m/s 的风速误差就意味着超过2% 的投资回报率误差，而更大的风速误差甚至会影响到风电场的机组选型。

也正因此，上述负责人强调，“准确的测风塔数据是风电场投资决策不可或缺的重要依据。”也就是说，测风塔数据是风电场规划阶段的决策依据。实际上，这便是测风塔对风电场建设的基础价值创造。

然后呢？风电场建成以后，测风塔和风电场之间就形成了很亲密的关系，想想看：风电场生产运行期内，你要实现对风电场的精细化管理，那就要用生产测风塔的数据来标定整个风电场的流体模型，让机组工作得更好、让风电场和电网更加和谐。

实质性一点说，生产测风塔的数据是风电场生产阶段风功率预报和能量管理系统的初始输入，可问题是就目前来看，进行能量管理的风电场还没有形成气候，但从目前用好生产测风塔的角度看，至少有两方面的价值是可以实现的。

一方面，测风塔的实时测风数据传送至功率预测系统, 定期向电网调度上报风电场风功率预测数据。

按照《NBT 31046 －2013 风电功率预测系统功能规范》要求，风功率预报必须采用实时传输测风塔数据，比如测风塔至风功率预测系统的实时测风数据传送时间间隔应不大于5分钟；测风塔宜在风电场外1 千米至5 千米范围内且不受风电场尾流效应影响，宜在风电场主导风向的上风向，位置应具有代表性；采集量应至少包括10 米、50 米及轮毂高度的风速和风向以及气温、气压等信息，应包括瞬时值和5分钟平均值；测风塔数据可用率应大于99%。

仅从规范的要求，你就会看出生产测风塔是多么不可或缺，这也不难理解为什么有些“风电工程男”把立好测风塔看得像娶对“老婆”一样重要。

可是，实际情况有些令人失望。

有些缺乏生产测风塔的风电场其风功率预测系统往往会采用机舱风速仪数据来进行预测。但问题是，机舱风速仪安装在风轮之后，本身受到风机尾流影响和风轮扰动影响，而且机舱风速仪的精度远远不如测风塔传感器的精度，其天然的缺陷必然会导致风功率预测产生巨大的误差，那么这样的风功率预测会准吗？因此被电网方面罚款也就再正常不过了。

另一方面，测风塔可以为风电场运行后评估和闭环考核提供基准标尺。

用好测风塔至少能实现两方面价值：一是可以定期向电网调度上报风电场风功率预测数据；二是能够为风电场运行后评估和闭环考核提供基准标尺。

需要说明的是，由于受叶片转动引起的扰流影响，风机安装的测风设备并不能表征风轮前真实捕获的自由流风速，因此就需要通过生产测风塔提供的数据，建立由SCADA 采集的机舱风速与风轮前自由流风速的回归关系，从而获得校准后的风轮前风速，进而通过对能量可用率的计算，实现对各类电量损失的精确分解及管理。

那么问题来了，既然SCADA 系统的风速“不准确”，那么系统中显示的功率曲线也会跟着“失真”吗？这可是个价值不菲的问题。远景能源相关部门负责人和《风能》分享了一个案例：某风电机组厂商SCADA 系统中的机组功率曲线，其实际和理论功率曲线表现“严丝合缝”，基本没有性能损失。但通过该机组附近的生产测风塔提供的数据，按照IEC61400 －12 －1 规范对功率曲线进行标定，“从瑞利分布的计算结果来看，功率曲线在不同风速下的吻合度仅在73% 到89% 之间”，因设备性能不达标导致的平均电量损失将达到20% 以上。

“基于生产测风塔数据，可有效还原机组舱前风速，从而精确量化机组性能、可靠性等设备相关损失，以及场内外受累、限电等电量损失，及时采取应对措施。但前提是，这座测风塔必须要有足够的代表性和及时维护，而且要陪护风电场完成20 年的生命历程，即便风电场退役了，也还能守护这片风资源历史数据的完整性和真实性，迎接新风电场的诞生。”上述负责人这样描述测风塔的一生。

回到用好测风塔的问题，最为关键的一点，是要对它的代表性进行定义。远景能源相关部门负责人透露，他和同事在格林云平台上用算法逻辑就测风塔的代表性原则进行了定义。比如“范围代表”原则，通过大量项目分析经验、CFD 适用性以及运行项目的后评估验证，他和他的同事发现一个测风塔在平坦地形代表范围可以达到10 千米甚至更远，在简单山地地形可以达到4 千米至6 千米，而在复杂山地则只有2 千米至3 千米。

再如“海拔代表性”原则，测风塔应代表区域内规划机位的平均海拔，并能够完全覆盖拟布机区域的极限海拔。海拔落差过大区域，应在不同区域分别设塔进行代表。

在提及“粗糙度代表性”原则时，远景能源相关部门负责人强调，在每个粗糙度等级范围内应该分别立测风塔，或者优先将其立于区域内布置机组更多的粗糙度区域。

值得一提的是，上述负责人提到了“高度配置代表性”原则。他提醒说，立测风塔时应结合风剪切大小和拟采用机型配置，来选取测风塔高度和配置，以覆盖轮毂高度风速和风轮面风切变。

此外，这位负责人还特别提到“功能性测风塔”，比如生产塔、特殊地形测风塔等等。他解释说，考虑风电场后评估及风机舱前风速矫正，“功能性测风塔”应立在主风向无遮挡且能保证足够的自由扇区、地势变化平缓的规划机位上风向2 至4 倍风轮直径距离处。比如为评估海边风速衰减，应在近海和远海端分别立测风塔。

立测风塔时应结合风剪切大小和拟采用机型配置，来选取测风塔高度和配置，以覆盖轮毂高度风速和风轮面风切变。

远景能源相关部门负责人的“测风塔代表性”说法也得到了赵宏亮的认同，但除了测风塔方案，赵宏亮也看重测风塔的维护。他说，测风塔的价值在于收集各种数据，但由于恶劣天气、信号传输中断、仪器故障等因素的影响，都可能造成数据缺失和异常，最终会导致数据缺乏完整性，数据的质量和有效性也会随之变差，这会给风资源评估带来巨大困惑和不确定性。“要避免这类问题的发生，数据管理人员就必须实时对测风数据进行监控。”赵宏亮也能体谅公司测风塔管理和维护人员的苦衷，“面对几千座测风塔数据的下载和检查事宜，数据管理工程师要付出超量的工作负荷”，因此他也注意到格林云平台上的测风塔自动管理功能，它可以自动进行测风数据的邮箱下载，并采用代码化的缺失数据、冰冻数据、异常数据和传感器故障数据判断逻辑进行自动判断，出现任何类别的问题都会自动向管理工程师发送提醒信息或发送邮件至管理人员报修，将数据损失降到最低。

作为为测风塔安家立业的操盘者，赵宏亮格外关心测风塔的一生，无论它被荒废还是被拆除，都让他心疼和心痛。也许是对测风塔的人文关怀，远景能源相关部门负责人特别能够理解赵宏亮对测风塔的“心疼和心痛”，好在该负责人和他的同事可以在格林云平台上规划测风塔的一生，不仅要让它生好养好，还要好好回报投资人。

从技术层面看，格林云平台能够对测风塔进行全生命期的管理，当一切还没进入场地时，作为风资源工程师，你就可以基于中尺度数据选定资源较好的场址；当一座风电场的场址定了以后，你就可以快速做一个宏观选址的规划，包括安装多少台机组、大概在什么位置，那么为配合机组的机位，测风塔应立在哪里、有无足够的代表性，都可以有解。更重要的是由此延伸出一个测风方案设计，这样就能保证设计出来的测风塔不仅能代表风电场，而且能够长期测风，从风电场测风到投产运行，数据有了很好的传承。

一个有趣的问题是，在格林云平台上测风塔还能做什么？

想想看，通过测风塔的视角可以看清机组的性能，这是因为它们的数据同在一个模块，两者的相通意味着测风塔的数据可以对机组的能量利用率（EBA）进行有效的评估，而EBA恰恰反映的是风电场的整体运行水平，那么机组设备和整个风电场运行的好坏便清清楚楚。

如果你关心某个风资源区域的地形和植被变化情况，而那儿正好有测风塔可以代表到那个区域，那么你只要读懂由测风塔数据在不同分析维度拟合而成的曲线，你就知道那儿有陡坡，那儿的地表植被有多高，对潜在的风电场有个谱。

需要提醒的是，也别完全忽略了测风塔上那些有关温度、湿度、气压的装置，它们的数据对风电场的精确评估非常有帮助，你不妨试一试，数据应用和挖掘总是有益的。

所以，还是要问一句：你那儿用好测风塔了吗？