中國儲能網(wǎng)訊：發(fā)電量是影響風電度電成本的敏感因素，所以做得一手精準的風資源評估與發(fā)電量計算，是每一個風資源工程師的夢想。而偏偏風資源評估是一個復雜的過程，任何一個環(huán)節(jié)的誤差，往往會導致發(fā)電量評估結(jié)果出現(xiàn)較大的偏差。比如，在中低風速風場，0.2m/s的風速評估誤差，會導致150h的發(fā)電量差異，反映到度電成本，便是3分錢左右，直接影響到競價報價。
在發(fā)電量評估過程中，最重要的就是輸入可靠的數(shù)據(jù)。這也不難理解為什么測風數(shù)據(jù)和地形圖使用風險量化被遠景能源提到重要“議事日程”。
先看測風塔數(shù)據(jù)標準化處理。在很多領(lǐng)域，人們愿意相信“老把式”，這是因為經(jīng)驗對于復雜事項的評估相當重要。中國風電經(jīng)歷了快速發(fā)展的“黃金十年”,但很多工程上的做法還未來得及閉環(huán)驗證就形成了“經(jīng)驗”，不同工程師的“經(jīng)驗”對同一個項目測風數(shù)據(jù)的處理都不盡相同。
遠景能源組織業(yè)內(nèi)十余位風資源工程師對某項目進行的盲評測試也說明了這一點。不同風資源工程師對于該項目的測風塔風速數(shù)據(jù)處理的偏差達到0.2m/s至0.3m/s，有些風險到了不可接受的程度。
而格林威治平臺則將測風塔數(shù)據(jù)納入了標準化管理，包括原始數(shù)據(jù)、數(shù)據(jù)質(zhì)量篩選、數(shù)據(jù)修正、數(shù)據(jù)插補和數(shù)據(jù)長期訂正等諸多環(huán)節(jié)，并對其產(chǎn)生的風險進行了量化呈現(xiàn)。比如對于典型的風電場項目，通常要求測風塔能夠有一整年以上的測風數(shù)據(jù)。如果數(shù)據(jù)不足整年，工程師常見的做法是，利用與中尺度數(shù)據(jù)的相關(guān)性插補到一整年，在計算發(fā)電量時，再考慮一些不確定性折減系數(shù)。
那么，不同時間長度的測風數(shù)據(jù)對風資源評估到底有多大影響？為做好這一風險量化分析，遠景能源選取了1000座測風時長滿一整年且整年數(shù)據(jù)有效性超過95%的測風塔，分別摳除每一個測風塔1至11個月的數(shù)據(jù)，模擬測量時間較短的場景。采用中尺度數(shù)據(jù)對其進行插補延長處理，得到該塔12個月的風速數(shù)據(jù)，再與原有12個月風速數(shù)據(jù)進行比較，通過分析其誤差水平，看不同時長測風塔數(shù)據(jù)的評估結(jié)果與其真實的風速數(shù)據(jù)的差異。
(圖注：ME：誤差均值；MAE：誤差絕對值均值；RMSE：均方根誤差)
由上圖可見，隨著測風時長的增加，各樣本的誤差匯總結(jié)果越來越集中，雖然整體樣本評估結(jié)果的平均值沒有因為測風時長的變化而變化，但最終得到的完整年風速與真實的完整年風速之間的誤差波動越來越小。在典型情況下，3個月、6個月、9個月數(shù)據(jù)插補得到的完整年風速的均方根誤差分別為8%、6%、3%。
例如，用3個月數(shù)據(jù)推算的風資源結(jié)果為5.5m/s的風速，按照遠景能源的風險量化結(jié)果，在P90的置信水平，偏差達到±0.7m/s。這個結(jié)論給出了量化的數(shù)據(jù)，支持項目決策。
再看地形圖標準化處理。在項目初期，往往沒有測繪圖，風資源評估只能采用ASTER/SRTM等衛(wèi)星高程數(shù)據(jù)。基于格林威治平臺，遠景能源選取全國不同的地形條件，用不同地圖源分別對1：2000測繪的8個項目進行了對比評估風險設(shè)計，并以1：2000建模結(jié)果為基準，比較了不同地圖對發(fā)電量結(jié)果的影響。
上圖表明， ASTER和SRTM地圖在山地項目的表現(xiàn)誤差較大，最大發(fā)電量誤差接近10%，只有在某些地形相對平坦的項目，發(fā)電量誤差水平才可能小于2%。
為什么會這樣呢？通過詳細甄別，遠景能源發(fā)現(xiàn)在這些項目中，機位與測風塔處的測繪圖地形特征與衛(wèi)星地圖地形特征存在顯著的差異。在下面的例子里，一個普通的小山包，在衛(wèi)星地圖上就是一條等高線，而在測繪圖中它卻顯得十分陡峭，擋住了1/4的扇區(qū)。
為了解決這個問題，遠景能源采用超分辨率算法，使用多重卷積神經(jīng)網(wǎng)絡來映射衛(wèi)星地圖和測繪圖特征間的關(guān)系。在神經(jīng)網(wǎng)絡的訓練過程中，團隊使用了超算中心GPU節(jié)點陣列來進行加速，從而快速有效地提高了衛(wèi)星圖的準確性。
上圖是針對同一個項目中相同的兩個機位點在不同地形圖下計算的發(fā)電量結(jié)果，在T007機位采用SRTM、格林威治超分辨率地形圖與測繪圖的相對誤差分別為2.1%、1.1%，而T008機位采用SRTM、格林威治超分辨率地形圖與測圖的相對誤差分別為7.01%、3.2%。由此可見，機位處于地形相對簡單的T007處，SRTM和格林威治超分辨率地形圖的表現(xiàn)與測繪圖的差異并不大，但當機位處于T008這種相對復雜的地形，格林威治超分辨地形圖可以降低50%的誤差，進而減小了由地形圖帶來的發(fā)電量評估風險。
需要說明的是，即使通過超分辨率算法，衛(wèi)星圖與實際地形圖仍然有誤差。在實際項目中，如果只能采用衛(wèi)星地圖，一定要對其進行充分的甄別，尤其要對機位、測風塔處的地形特征與實際情況進行對照糾偏，進而提升地形圖質(zhì)量，以提高評估的有效性。
（特別預告：遠景能源還將討論流場模型與發(fā)電量計算中的風險，請持續(xù)關(guān)注）
