会议时间：2013年10月17日
会议地点：W105
会议主题：风电技术论坛——风资源评估与风功率预测
朱蓉：第一个演讲人是来自于法国的蒋紫虓先生，毕业于法国航空航天大学，获得双硕士学位，目前主要从事流体力学方面的研究。
蒋紫虓：我来自与法国美迪公司，今天我跟大家分享的议题是我们工作中所处理的问题，我们法国美迪公司是基于计算流体技术，从事长期以及大规模的风电场的研究和模拟。这样的工作中我们往往注意到一个问题，就是对林区的模拟问题。对于林区模拟的问题我的介绍里会涉及到，向大家分享一下我们在工作里面如何对这种森林的风流去进行建模，就是说森林对风流有怎么样的影响。
我会介绍到美迪的WT软件里面对森林建模的方法，以及参数的矫正和最后的确认工作。这是我演讲的大体的安排。首先我介绍一下应用背景，然后我会介绍一下美迪的WT的参数和方程，另外我会介绍一下改变这些参数对模拟结果产生的影响，最后我会介绍一下森林模型的矫正工作，以及最后的实际验证案例。
那么，这个森林研究的背景，我不会花太多时间去说，因为大家做这个相关的工作的时候也都会有很多的了解，主要是针对我们目前很多的风电场都是向林区越来越丰富的地区去转，由森林引起的风速和湍流的变化，对发电量的计算和风机的微观选址里面都有比较重要的影响因素。所以说在这个地方我们特别进行了森林的模拟研究。首先我们看一下如何对CFD里面如何对森林去模拟建模，首先对美迪的WT软件里面有一个森林的模型，主要是通过两个因素来实现的。第一个改变是在风流的动力方面，就是说在我们的方程里面引入一个阻力项去模拟这种森林对风流的阻碍。另外一个方面是去改变湍流耗散项的表达形式，这主要是在WT软件里面涉及到了对建模的方式。在森林的模型里边，我们涉及到不同的入口的参数。那么，在我们的模型里面我们主要有三个不同的参数。第一个是森林的高度，这反应了森林的冠层和地面的高度，第二个叫做拖拽力的系数，这主要是受森林密度的影响，树叶越多的话，对风流的阻碍作用和湍流的生成越大。第三个比较特别的概念，是叫做过渡层的概念，过渡层主要是指森林上方有一冠区域，虽然没有和森林发生实际的接触，但是也是严重的受到了林区的影响，我们管这个叫做过渡层的高度。下面我们看如何在研究里面进行调整，来改变相应的模拟的技术。
下面我们会看到WT软件对森林建模的方程，在这里我们会看到，在森林的内部，以及在森林的上方湍流强度的尺度发生了一个修整，湍流强度尺度同时也是WT软件对森林建模模拟的依据，顺便说一下，这是通过我们的特殊模型来进行模拟的，KL模型就是这边的湍流长度尺度。
下面我们可以看到在这个动量方程里面我们会引入附加的拖拽力项这样的概念。这种拖拽力是模拟形森林的树叶对风流的影响。这样的一个拖拽力的引入并不是说是一个均匀的，他实际上也是符合，随着高度有一个变化，比如说我们在这张图上可以看到，他实际上是从地面到四分之三的高度，都是一个均匀的定值，从四分之三的高度到顶端是有一个线性的减少，一直到最后。这是为了体现一般的森林越接近顶端，树叶的分布越来越稀疏这样一个现实的情况。
下面我们在一个很简单的计算的实例上研究了一下不同参数所带来的影响，那么这样的一个计算的例子是再一个平坦地形上进行计算，均匀的粗糙度，计算范围是六公里乘六公里，我们网格分辨率是水平方向25米，垂直方向是四米。下边这两张图，左侧是风速的过线的变化，右侧是湍流强度的变化，这两张图上我们所修改的参数，森林断层的高度，我们可以看到随着森林冠层的高度，他的风速和高度的分布都是有着一个很明显的趋势上的变化。
下面这四张图我们分别研究了参数的系数和改变过渡层的高度所对模型的模拟结果带来的影响。在这里我们可以看到如果说当我们改变这个拖拽力系数的时候，那么无论是风速的过限，还是说湍流强度的过限，实际上都是发生这种比较明显的一种变化，基本上是一个这种平移的效果。那么相对应的而言，针对这种改变过渡层高度的变化，我们发现其实这个风流主要是在森林的上方有一个改变，也就是说过渡层的高度实际上仅仅影响森林上方的模拟的结果，对森林内部没有太多的影响。
下面我们看到一个工作是森林模型的矫正工作，这个矫正工作实际上对于所有的以模拟方式来给结果的软件来说非常重要的。因为这种矫正实际上相当于我们找到了一个俯视的方式来进行应用。我们参考了欧洲标准中一个标准，叫做EC1，这个标准在欧洲做建筑物的风载和计算里面所参考的通用的标准，这个标准里面是基于大量的实测的观测数据，统计出来的平均风速和湍流强度，随着高度变化的函数。这个函数当然是根据地表的粗糙度给出的。这样的矫正工作的意义是使得相当于软件模拟得到的结果。在平坦的地形上和标准上的结果是一致的。这是这个软件被更多的，比如说像建筑设计上或者是其他的分工程的研究所接受的前提。
这个矫正工作里面我们实际上考虑到了刚才所提到的参数。包括了树高和树高度的比值，包括后面看到的过渡层的高度进行的比较，在矫正的过程中我们都进行了考虑，但是矫正工作的细节比较繁琐，我们最后会给出一个矫正的结果。这个矫正的结果里相当于我们对森林系数里面打三个高度，一个是树高度的比值，一个是过渡层的高度，还有是森林的密度，还有拖拽力的系数，这三个参数我们分别针对与原始的参数进行了新的更加符合标准的参数。在右边的话我们可以看到在粗糙度等于一的情况下，不同的参数配制所获得的模拟结果，以及EC1这个标准所给出的结果之间的比较。我们会看到在这种新参数的前提下，无论是风速还是说湍流强度实际上在误差的比较中都比原有的模型有了很大的改进。
所以说也是基于这样的一个矫正的工作，我们在新版本的WT的软件里面在森林模型的设置里面采用了这样一个最新的结果。最后我简单的介绍一下实际验证的案例，因为之前的研究，包括我们做的模型的介绍。包括我们做的参数的影响的介绍和矫正，实际上都是根据平坦地形上的模拟来进行实现的，因为我们实际上在矫正过程中所参考的标准是平坦地面上给出的。
下面我们看一下在一个真实的案例里面，经过我们矫正的结果是否能给出一个与实际的结果，这样一个实力，这是一个法国北部的真实的风电场去进行的。我简单介绍一下这个项目的背景包括我们模拟使用的参数。在这个项目做研究的时候，我们有一个高分辨率的粗糙度的地图。这在场区的粗糙度的变化是比较复杂的，树林的高度，从四米到三十米不等，是一个非均匀的分布。同时这个场区的地形倒不是说非常复杂，它的最大落差是160米左右，这个项目里面主要是想验证森林的影响，而不是地形的影响。
那么在模拟计算方面，我们使用了网格的分辨率仍然是水平方向25米，垂直方向四米。我在模拟上进行了假设，所有在模拟计算里边我们所使用的重叠是按照中性的重叠给出的。我们对实测的数据进行了过滤。
下面是我们看到的常去的真实的森林覆盖的清杂，左侧是谷歌提供的卫星照片，右侧是我们使用的高分辨率的图。我简单提一下我们验证过程中如何对数据进行处理，因为我们之前说过，我们在模拟的过程中采用的是中性的大气稳定度的条件进行模拟的。实际上我们在这样的模拟的假设条件下，我们也需要使实际的数据进行相应的过滤，才能使我们的模拟条件有一致的对应性。这样的话我们做了一个强风的筛选。这个强风的定义实际上是我们可以在这边做出风切片指数，或者是做出湍流强度，随风度变化的区县，当风切片指数和湍流强度不随风速进行变化的时候，这个地方我们可以定义成强风的预值，这个地方我们把七米每秒左右作为一个强风状态的预值，这个以上的样本因为风速比较大，基本上不会受到大气稳定度的影响。
换句话说，可以认为强风状态的样本里面他们都是属于一个双性重叠的分布。右边这张表格我们给出了在各个不同的方向山区上我们所获得的这个强风样本的数量。那么我们在最后的对比里面实际上采取了强风样本数量比较多的山区所形成的对比。因为样本数量越多的话有助于消除，尽量的减少实测数据的统计所带来的误差。
下面给出一个风速上对比的结果。在模拟中实际上我们把测风数据载入到了50米高度的模拟点上。通过模拟来考虑森林模型，把这样的模拟的结果，把这样一个载入的结果，给推算到其他的高度上。现在我们就可以在这个图上看到了这个实测的风速的结果，这是蓝色的标记点来进行代表。绿色的曲线是代表软件模拟出来的切片。
最后我们可以看一下分方向的风廓线的对比。可以看到可能在这些所有的方向上，除了60度方向平均的误差可能达到了5%左右，其他的方向上的平均误差在0-5%之间。
最后我们可以进行一个简单的讨论，就是说首先我们来进行这个实测案例的对比的时候，我们进行了一个强风样本的筛选，这个筛选主要是跟我们的模拟条件相一致。因为我们在模拟的时候也是用这种方式来进行比较。当然这个软件也可以做其他的稳定度的研究。下面我们可以看到，我们在模拟过程中改变了森林模拟的参数，这些参数的改变是基于我们之前所做的森林模型的矫正工作。另外就是说在这个实际项目的研究里面，我们也基于这样的一个研究的结果，实际上也有一个小小的建议。就是说在我们的实际项目研究中，有的时候可能是由于时间上的限制，可能没有办法去考虑一个真实的林区的分布，可能用一个均匀的地图。这样的做法，对于推算这种风速的扩线和湍流的扩线，尤其是考虑分方向的风速和湍流的结果的时候，可能会造成一些偏差。这种偏差实际上是由于高度的不均匀的变化所导致的，所以说在实际的项目的研究中，无论是在我们风电场的研究里面，或者是说城市的分工程计算这种监督载核的研究里面，我们的建议考虑到了上游的操作的变化不均匀性，并且把这种操作变化的不均匀性和地形变化的不均匀性耦合起来，一般的软件里面也都是可以实现这种耦合。
朱蓉:下面我们邀请来自GL的高级工程师Christian Perwake，具有12年的风电工作经验，报告的题目是热带气旋影响下的极端阵风评估。
Christian Perwake：全球对于风能越来越多的需求，导致各个地区对热带气旋进行的评估在菲律宾、日本都有很多这样的强风的情况。在评估极端阵风的情况，这是在各个地区评估风电厂的可行性的重要的因素。那么，实际上这些主要的因素在旋风的情况下，并不一定能应用。我们有一个25年的项目，通过这个25年的项目取得的经验。如果是旋风的情况下，并不一定能有。我想快速看一下在亚太地区的风能的情况。包括能源评估的融资的情况，在融资和评估的时候，还有对于这个极端风速的评估。我们是在24个国家运营，重点主要是这些地方的运作。我们在北京和上海都有办事处。在我开始之前，我想给大家看一下这个极端的气旋的情况，比如说像旋风。也又叫做热带旋风，台风，或者是飓风。在这个地方你要建一个风场或者是投资一个风场的时候，必须要考虑到气旋的情况。这里是一个地图，我们可以看到这个在哪些地方容易造成台风，在过去的36年当中，哪些地方遭受过台风，实际上很多的地方都遭受过台风的影响。但是受到影响最严重的是亚太地区，中国、日本、菲律宾是在地球上受到台风影响最严重的地区。
那么，我们不能说中国的沿海比菲律宾沿海要好一些，因为都是遭受台风的影响。我想给大家快速看一遍如何来评估台风，这是一个报纸上的文章，这上面的内容是中国的台风掀倒了17座风机。在中国南方几乎是可以肯定会看到台风，就是在这个风机的运行的寿命当中肯定会经历过台风的，有的时候台风会造成风机的损害，这是我就亲眼看到过一个风机被掀翻，损失达到了一千六百万美元。但是这并不意味着你在有台风的地方不能够建风电场。好的地方是我们现在有很多的关于台风的数据。这是一个世界地图，这是哪些地方的台风到哪些地方去的数据。现在在亚太地区有很多这样的数据，那么，我们这里所采用的数据是日本气象局的数据。我在这里给大家看的是我们在菲律宾做的一个分析。在那里有十次台风，那么，我们计算了最大的风力、风速、评估50年的风速，最主要的参数是台风确实带来了真正的风险，我们可以做非常详细的分析来了解到底有哪些风险在真正的台风袭击之前来了解。
在评估台风的最重要的一个因素是速度过限，速度的情况。这是雷达速度的情况，我们进到台风中心的时候发生了哪些变化。典型的雷达风速色定是这样的。横流是他的半径，纵轴是风速。某一点达到高峰，这一点之后风速开始下降。现在我们采用两种模型，过去几年对于旋风做了很多的研究。有两个模型，一个是对台风的路径进行跟踪，这是对现场进行跟踪和设定的，这蓝色的点是六个小时之内台风所经历的地方。我们通过这些来试图预测风速，我们用雷达的轮廓线来预测风速。这种情况下台风现在离测定点太远了，所以测定的数据是零。在近台风时候，台风靠近观测地点的时候，只有低风速然后在台风进入到这个观测点的时候，我们看风速达到最大值，现在是要使用这种雷达的预测的话，我们可以看到在地图上各种台风的跟踪，并且我们做这种分析，这是一个具体的案例。这是六个小时的数据，正好是台风经过这个地点的时候。所以很重要是要去推算一下这个台风到来之前和台风到来之间的风速。
这对于风电场的所有者来说意义巨大。方法论的一个汇总。首先我们是要在这个关注的地区搜集一些台风数据。你不能光用六小时的数据，所以你要考虑到风暴的地点和强度，以及速度。另外，使用这种雷达轮廓线的方法。一旦得到这个数据之后可以进行分析，另外一个分析是要尽可能的做精确的评估。确定阵风的因素是十米还是多少米，另外风向也是要考虑的，我们看一下地图。我给大家展示一下极端的情况下，这是南海这个地方，首先要记录一下这个台风的路线。但是你很难跟踪36年的台风的行进的路线。我们所做的是在电网当中跟踪一种台风，那么做了三千五百次的跟踪。现在还在继续研究我们的结果出来。但是研究工作呢非常有特点，我们看到这个台风经过了台湾在中国海的地方是低速的。这是对于台风来说可以看到风速逐渐的在增加。因为在这个南部的地区这些风速没有经过，经过台湾，所以我想没有太多到中国的地方，可能台湾起到了一个屏蔽的作用。
最后一点，就是说台风是不是对风场有威胁，很重要的是在选址或者是投资的时候，要对风场选址的地方进行具体的计算，如果出现极端的风的情况的话必须要考虑在内，还有一点希望大家不要忘记过往的数据。另外就是说本地的一些建筑的过往的经验。
提问：我有一个问题，我非常感兴趣，就是说你怎么样来定义他的相关的情况。就是说速度和距离，我们怎么样来考虑到相关的因素。
Christian Perwake：我们这个资料不是我们自己做的，之前有很多人做了研究了，关于旋风，旋风的话，之前我们可以在文献当中找到很多的数据。我们对文献做了回顾和研究，我们找出了对我们行业最相关的两个模式，其中一个是相对性模式，如果你有兴趣的话我可以把相关的链接发给你，在那个链接上你可以找到相关的旋风的文章和文献。
朱蓉：下面请来自中国气象局风能太阳能的高级工程师常蕊博士。
常蕊：我们这个工作主要是在中发展能源大力支持下所执行的，我们这个工作还是刚刚开始的阶段，所以还有很多地方有待完善，希望大家给出一些建议。这里大家可能知道在台上风能资源评估最最重要的是资料，但是我们现在的海上测风观测由于价格比较昂贵，而且我们现在的实况观测的资料非常少，所以高分辨率的卫星资料的应用就显得非常的关键。这种资料在应用起来到底应该在哪些方面着手，有哪些技巧，>这里给出一个简单的探讨。
这个报告主要是分为四个部分的内容，首先简单介绍一下我们所应用的同化的基础，一个基本的原理，接下来用我们中国沿海的气象站观测的实况的因素，对我们所繁衍的卫星参数进行一个简单的检验，接下来我们把这个检验的结果用再一个中尺度的数值模拟的模式中来模拟一下风场，看看模拟的情况。
我们所用的卫星资料来自于欧盟局2002年发射一个卫星，这是一个极轨的卫星，固定一点来讲分为向上扫描和向下扫描两个方位，我们所拿到的资料是欧洲近些年的近海资源评估中得到的广泛的应用。我们想探讨一下这个资料在国内近海资源评估中到底有多大的可用性。这个资料我们所拿到的这一套的分辨率大概是一公里乘一公里的，当然这套资料还有别的版本，版本的空间分辨率可以达到五百米左右。所以说分辨率是相当高的。对于风能评估在空间上的要求是完全可以达到要求的。
这种卫星繁衍资料的原理基本上简单来讲是雷达，雷达信号和海面的海浪之间相互作用会产生一个反馈的信号。这个信号我们所得到以后是以雷达的反射系数这样一个数据我们所得到的，这张图上亮度越高，表示雷达的反射系数越强，就是说我们所对应的繁衍的风速就越大，这是繁衍的原理。
我们把所能得到的卫星的系数是雷达的后项反射系数，如何得到海表风，这里我们用经验的地球物理的方程，这个方程左边是雷达的反射系数，右边这一串公式里面大U是我们所关注的十米的风速，是我们繁衍所要得到的风速，第二个是雷达入射角，另外一个是雷达入射角的角度。另外是风的强度这样计算出繁衍的风速。在繁衍的时候，繁衍原理会受到海浪和降雨的影响，繁衍过程中要把这些虚假的信号剔除掉。因此我们经过刚才的方程繁衍以后我们可以得到一个原始的卫星繁衍的风场。大家看到点点的返点比较多，这是由于我们的资料的空间分辨率特别高，大概是一公里乘一公里的在这个图上的繁衍比较高，但是在我们近海资源评估中，我们通常所关注的尺度是中尺度的，所以我们在应用中需要把它这些小尺度的信号直接滤掉，所以我们在接下来的处理中会进行一个空间上的平滑。刚才我也讲了，我们所拿到的资料是极轨卫星的观测，只有向上和向下两个观测范围。但是在时间上的密度不是特别高，这是所有卫星资料的通病，所以我们在应用中，在时间上也要稍做处理才能进行进一步的应用。
因此，这套资料我们相当于拿到了以后对它进行简单处理以后用我们中国沿海的一些气象观测产生的观测站点进行的检验，这个项目中我们选择两个区域，一个是杭州湾区域，也就是说右上角的图。还有广东沿海的区域，之所以选择这两个区域，因为这两个区域的气象观测的数据质量相对比较好，而且观测的站点比较多，我们用这两个区域进行检测。即便是这两个区域，我们可以看到卫星所扫描到的这两个区域的卫星图片的个数也是对杭州湾地区来讲，2009-2011年只有174张，下边这个的话是461张，一年的话只有60个观测的实测。
这里的话我们对卫星观测的数据进行简单的处理，首先是我刚才所说的由于繁衍的技术的问题，卫星的繁衍资料有效的风速区间大概是二到二十四之间，也就是说小与两米和大于24米的风速的虚假信号我们全部剔除掉了，另外由于分辨率必须高，由于有散点，我们把比较大的散点剔掉，同时在五乘五范围内进行空间的平滑，因为用近海风能资源评估，所以我们关注的是这个尺度的变化信号。经过这个处理以后，我们这里给出八张图，左边四张是杭州湾地区的图，右边是广州和海南沿海的，左边是最原始的图片，没有经过处理，右边是经过处理以后的卫星观测数据。经过处理以后的数据明显平滑了，在近海风能资源中具有更好的应用型，我们把它大部分的虚假信号拿掉了，对于广州和海南地区来讲同样是这个道理。
当然我们在进行检验的时候，用实况数据进行检验的时候，因为我们所拿到的实况观测的数据是逐小时的风速观测，一个小时一个观测，对于杭州湾地区我们拿的是2009-2011年，因为是有时间的对应。对于逐小时的数据，我们要跟卫星的扫描是一个固定的时刻，要进行匹配来算的话，我们就对他在时间上进行一个，我这里写的是两个小时的平均。其实对气象观测来讲，整体上观测是前比如说是两点钟观测，其实是一点五十到两点之间的十分钟的平均，所以我这里写的是两小时的平均，实际上是大概六十到七十分钟的平均，这是参考了丹麦之前做过的比较，在时间上作尺度的平均，我们也进行了这么一个平均进行比较比较合理。
我们在进行比较的时候，在空间上选择距离气象观测站点距离比较近，最近的卫星扫描点进行的观测，但是在选择距离最近的时候，有很多的技巧，我只点其中的一个，大家可以看最下面的，我们左边最下面有一个黄色的指针，这是标志着我们某一个气象观测的站点。按照距离最近的原则，可以挑出十一号，大家可以看到右下角十一号的红色气球的位置，是离卫星站点最近的地区，由于这个位置在一个岛礁上，在离建筑比较近，所以我算出来两者的相对误差可能会达到0.87，这个误差特别大，如果我们把卫星站点选择22号位置，是在海里，是受建筑物的繁衍影响比较小的话，相对误差会一下子提到到0.39，也就是说你应用卫星数据的时候，一定要把离岸较近，受建筑物影响比较大的数据剔除掉这套自来在开拓海域繁衍的资料非常高。
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。
所以现在我们实际上是要开发一个工具，这个工具被称之为叫做平衡型模拟工具。那么，这个工具今后可能将会是按小时的来做这个运营的建模。这个工作并不仅仅是预测本身，同时也要试图能够得出这个真实的错误速率。那么我们刚才前面也说到了我们是通过市场来激活的。那么市场当中包括了消费者也包括了电网的提供者。那么他们的问题是我们怎么样来去评估这个风的资源。同时怎么样去激活风能资源。那么这些问题都是我们需要帮助他们回答的。
我们现在就需要去看一下这个相关的错误次数。我们前面也提到了预测，是由丹麦的机构来提供的。我们需要把这些数据分成两个这个电网的体系，在丹麦一个是西部的电网，那么是和其他的大陆上的电网相联系的。另外是东部电网。那么是和北欧国家电网相联系的。我们需要去搜集近海的信息和陆上的影响信息。所以说一共是有四种类型。我们看到它的误差是用这样一个共识来计算的。我们用它计算误差率，我们定义了误差之后我们就来进行每个小时的这样一个分辨率。另外就是说我们有大约三百天的数据，我们也使用冬天的数据。这里面我们没有包括夏天的数据。
这些是一些例子。我们看到这里是陆上的。也可以看到这个测量和预测之间的区别。你看到区别并不是很大。所以说他是比较平滑的。而在海上的呢，那么我们对于个体的风场来说可能会出现更多的误差。你可以看到有更多的波动。我们把这些错误进行分类。然后我们要看一下他的误差值的分布。我们发现他们是平均分布的。如果你看他的公式的话，那么他是有指数性关系的。那么这种特点实际上是以平均的模型相符合的。那么我们用一些标准的方法来估测他的阿尔玛的参数。有了这样一个参数以后我们可以去模拟。
那么这是模拟和实际数据的比较。看这个趋势，在趋势的方面他们是一致的。但是我们也可以看到我们所看到在实际数据当中有一些东西是阿尔玛的模型，没有办法去追踪，所以也就是说在这一块还是有改善的空间的。为什么要改善?因为阿尔玛的参数的估测如果是时间越多的话，越长的话，就越准。通常我们需要有50个小时才能够获得比较好的参数。因此的话我们需要有另外一种方法，他不依赖于时间的长短，所以我们就选用了马尔科夫链模型。它不需要很多的持续的时间。马尔科夫链的模型的关键是我们必须要能够定义它的马尔科夫转换矩阵，如果要是在计算数据的时候，我们把它作为马尔科夫链的建模的基础。那么下面是比较模拟和实际数据。这里的数据还有阿尔玛的参数模型，他们看起来是有类似的这样一个趋势。但是，马尔科夫链是更能够追踪实际的趋势。因此我们认为马尔科夫链模型是一个更好的模型。
所以结论是我们已经看到了这个在模拟当中的IMAE值。看到了这个DA和HA在海上至少比陆上要高一倍同时我们也注意到了马尔科夫链模型是一个更好的平衡的模型。它比阿尔玛模型更好，因为它不依赖于时间序列。
朱蓉：下面请来自维斯塔斯的微观选址的经理许锋飞先生。他是工科硕士，主要是从事风资源分析有关的工作。
许锋飞：我今天要介绍的，可能大家看题目觉得很没有隐私，因为做微观选址的人都只有复杂地形才能考验我们微观选址人的能力，简单的地形有什么好处的，风资源几乎都一样。我这里有很多的案例，我相信我给大家分享以后可能会给大家带来不一样的看法。我们认为简单的地方往往是不简单的，讨厌的一个IEC标准的定义吧，什么是复杂地形吧，复杂地形也许是像这张图展示的一样，有很多的谷，但是有很多的标准，可以看你风机的周边画一个不同的圈，做出它的坡度，然你会发现你的经纬是在复杂的地方还是不复杂的地方。那么，如果我有一个这样的一个地形，那么大家可能会觉得这是很复杂的地形。那么，如果你让不同的微观选址工程师在这个山体上来布风机的话，但是相反的你可能会得到的那些点位布置是非常相似的。比如说我们第一版是这样的，76台机位。但是当我们考虑到运输条件，风资源的特性和风机的安全性以后，我们发现我们会把很多的风机渠道，因为各种各样的限制那个地方不适合装风机，如果我们考虑得更多，可能最后的不同设计人会得到不同的结论说只有这些，剩下的地方可以装不同的风机，这时有一个步骤或者是说不同的程序可以遵循的。那么，我这里有两个风场，左边一个，右边一个，一个是内陆型的，一个是近海性的。这样两个风场如果让这个屋顶子的，假设这里有二百个人，我相信会做出两百个完全不一样的方案。我们到底怎么布置呢?同样右边这个布置。很困惑。
那么我们就说我们做的一个实例，这是在我们中国甘肃的第一批的风电三峡项目，这是大家可以看到的，是一个非常平的风场，我们的客户已经懒得再竖第二个测风塔只放了一个，这个测风塔清晰的告诉我们里只有东风和西风，不管风屏还是风玫瑰。这个西南角高出一些。我们会觉得西南交的风资源会好一些，这是我们第三方的工程师，第三方的机构做了很多很多的方案来比较，因为这是一个很平的工厂，如果我们通过各种方式来减少风机和风机之间的尾流的相互影响，显然是可以提高我最后的产能的，大家可以注意我这个角落里有一个方案，然后大家可以看到他的风机的间距是变化的，也就是说他前面的两台可能很窄，突然间又扩大了。其实这是非常好理解的，因为尾流走过一定的距离以后，会需要更大的空间来恢复他的尾流，让风变得更稳定，来吹我下一台的风机，我们的设计者显然注意到了这是东风和西风的风场，他把南北项目间距相对比较小，东西向的间距比较大，我开始接触这个项目的时候，所有的工作都做完了，我们的第三方也给我们的客户推荐了我们的方案，因为方案五从同一个软件算出来它的利用小时数是最高的。然后他的这种布局大概就遵循一个5D×10D这样的，然后抽我掉了中间突然变大的两排。我们可不可以进一步优化这个风场呢?大概我用了很长的一段时间都在琢磨这个风场，随着原来的第三方的机构去思考，直到有一天我一个偶然的原因发现了这个风场其实是无论把南北项的间距扩得再大，对你减少尾流没有用的时候，也就是说在我们的核心走廊，不是东风压倒西风就是西风压倒东风的问题。所以最后的方案是我们把南北项间距压缩到了3D，东西项扩大到20D，再跟方向比较，我们发现尾流提高到了53%，因为这是一个很大的很大的风场。我们知道在这样的风场你如果能够提高1%，你的产能是非常非常多的。
然后我们来看一下最后风场建设在这个角落里，但是它周边的风场还是在用老方案。你可能会说旁边的风场好可惜，但是还有更可惜的，这周围几乎所有的风场都采用了方案五的布局，但是还有更多的空间可以提高。这是大概一个一千瓦的装机容量，如果我们想象每一个风场的产能都提高，别说5%，我们说提高1%，大家可以回去算账。我做完这个项目的时候，我发现，选址在最简单的时候，往往是最复杂的时候，这是一个可能比较哲学的讨论。然后当我看到这张图的时候，其实我昨天才看到这张图，因为我想给大家看这张张图，这张图我会觉得我一辈子也挣不出来我的主意能够带来的金钱效益。
我们回到正题。这个近海的风场变得更平了，那么我们该怎么办呢?这是第一版方案，我们可以看到其实在这个主导方向是东北风和东风。这台风机吹过来到这才有下一台风机，这是在中国非常非常常见的布机的方式，因为前排和后排相插花一样，其实这个方案是印度工程师布的。这个风场中间这台风机的尾流损失高达20%，然后我们，因为我们的边上的风机是没有被任何尾流影响的，所以我们把第一排的风机和最后一排的风机间距改变了，布了更多的风机，中间更宽松了。然后大家可以看到这个风场尾流损失最大的那台风机已经变成了86.4%，这是最后的结果。我们没有做什么，我就像一个坐在屋子里玩玩具的三岁的孩子，最后风场的产能提高了很多。
我讲了这两个案例，有一个讨论，我们知道其实海上风电大家也在讨论，也是未来中国可能发展的热点，因为对海上风电，我从来没有做过海上风大的选址，所以我不懂海上风电到底受哪些因素的限制，我只是站在风资源的角度来给大家讨论这个案例。这是一个真实的案例，这个风场马上就要被建设了。但是我有幸这个风场，我自己尝试着做了一些优化。这是一个传统的非常规则的5D×10D的布置方案，介绍完以上的两个例子以后，我们会问同样的问题，这个风场能进一步优化吗?我自己就像另一个好奇的孩子一样，我又做了一些研究。我把这里布置了更多的风机，因为风从这里来的，后面的间距变得和前面不一样了，我让沿着我们的风能来的方向尽量的变得很大。我没有做任何的比较的结果，因为我没有这个结果。但是我相信可能这里边只要是做过微观选址计算的人应该相信哪一个尾流损失更大。
通过几年微观选址我的经验告诉我这个行业是科学和艺术结合得非常完美的行业，我是指微观选址这个小行业。所以这里有很多的荧光煽动的地方需要你动脑筋，即便是拿到一个特别简单的风场，算是一点结论，在简单的地形里面你要仔细研究风玫瑰，把你所有的精力放在关注尾流上，我们业界有很多的5D，10D，做到小的像3D，6D这样的规则，我希望大家忘记这些，这些不是规则。
因为海上风电，我不知道，可能除了风资源的优化以外，海床下来会有更多的东西造成对支架的影响所以我不敢断言说尾流损失小的布局一定是最优的，但是确实对海上风电来讲，这么平的风场，整个海床都是完全一样的话，也许可以提高你的产能。
希望大家最后忘记这些所有的规则。微观选址没有规则，永远会有更好的布机方案。谢谢大家。
提问：你好，我想问一个简单的问题，您现在的维斯塔斯在布置的时候，单排布置你们可以接受的最小间距是多少，多排布置的话，五排以上的，你们推荐的间距是多少。
许锋飞：因为我们的AEC的尾流模型小于3D以后就不准了，所以非要问我维斯塔斯能够接受的最小间距是多少，我们说是3D，但是我想更进一步说的是维斯塔斯可以把风机布到2D，风机之间的尾流的影响是没有正确的模拟出来，尾流模型不适应于2D的间距，所以维斯塔斯在2D这样的分区之间，你不知道他来的尾流到底有多大的，至于你说五排以上的大风场的间距布置，我的PPT能够回答的是我可以做到任意小，也可以做到任意大，只要我最后能提高我的产能。
提问：你好，我想问一下在那种平地里面的布置，你有没有在那种像软件里面得出过你想要的结果。还有原因是什么?因为像现在的软件都可以优化布置，特别像平地资源差别不是很大的时候。
许锋飞：现在有很多的商业软件，有自动优化的一个模型。包括我接触到的，比如说像中国清华大学有一些导师带着他们的学生在做神经元等等的各种方法来优化。我没有舱室过用软件去优化，但是据我所知的，在软件里是有优化器的。但是你优化的时候，你会自己给他很多地条件。至于规则往往限制了他们。我觉得可能在这样的风场的话显然优化不出来最终的2D×3D的方案，会很乱，你虽然很平，但是每一个点位的风速应该还是有一点点的小区别。会根据，这牵扯到每个商业软件内部的优化算法是什么。所以说如果他的主意和我的大脑是一样的，可能会优化这个。
提问：我想评论一下，风机之间的距离的问题，你说得当然很对，有可能会提高这个风电场的效果，来增加这个间距，从这个认证的角度，这个认证有一个风机之间的距离的最小的要求。因为他们会产生更多的涡流，湍流。我们不能忘记这些规则。这些规则还是很重要的。但是在你布局的时候，如果你要再进一步的话可能你说的是对的。
许锋飞：我们可以把风机间距放得任意小，我们最后要不影响风机的寿命。其实我这个不管是复杂风场还是简单的风场，当我回答他的问题的时候，我的风机间距用了2D的，我是保护我的风机的安全性。这个帽子是不能丢的。即便是在简单的风场里我们还是要满足业主的风机二十年寿命。但是二十年寿命也有可能前几年的税率是很低的，也许一个风机让他前几年猛发电，最后几年不发是最好的，我特别想表达的意见是没有任何一个人是你的老师，有很多的想法是你自己的。但是正如刚才所说的，安全或者是说业主的利益，最后是经济账，业主的风场要成本最低，产能最好。
提问：您刚才做的工作里面这个开发尾流的问题，你们所用的尾流的模型是什么样的模型，或者是说你在工作中对于这种模型的适用性有没有相应的建议。
许锋飞：我们也是用商业软件做产能评估。我们没有独立的做科研机构的对模型的验证。但是我能告诉大家的是维斯塔斯还在很保守的用8.3，虽然已经有11了，但是我们觉得8.3是更稳定的，更被验证过的。
朱蓉：我们下半段的第一位演讲人是来自新疆金风科技的风资源主管胡威先生。
胡威：我讲的是风电场全生命周期风资源工作初探这样一个题目。我在八年多的风资源工作当中的一点小小的感触。那么，我想换一个角度，也就是说从更宏观的角度来看看我们风资源的工作。我经常会问一些我做风资源的朋友，你设计过多少的风电厂，到实际运行的风电场有多少次，你设计的风场和现在运行的效果怎么样，有没有经过自己的调研。实际上来说，后面两个答案是非常不理想的。就是说我们设计完工厂以后，很少有去看看我们工厂实际运行的效果和结果是如何的。
那么，我想我们用两个风电界的名人名言来说明一下我的思路，第一个，风电是一项长跑，我们风电里面从开发、建设、运行关注过程中的适应性，安全性和经济型是一个很长的链条，是一个过程。对于我们风资源控制室来说，风资源工作更像一个接力赛跑，我们只不过是其中的一棒，在交接棒的时候是非常关键的，所以我们要关注过程，也就是说今天我们所有人都在这里参与具体问题的具体讨论。
第二句话是叫做：出身决定命运。这不是为了说明血统论，而是为了说明我们的机组一旦放在某一个位置以后，它在20年生命周期里面的表现是好是坏已经决定了。你很难去把风机化腐朽为神奇，我们单纯讨论风资源设计这一个环节的话，可能对后期的运维会造成一些影响。所以我想我们应该把思路放在更长的线上去。我们先梳理一下我们风资源工作的现状。
风资源工作我们参与方有政府、科研机构，设计单位和开发商和厂家，我相信在座的各位应该是在这四各类型里面都可以找到。他们关注的点是不一样的，这里面会造成一个影响因素，关注的点不一样，那么需求是不一样的。我们在相互合作配合过程中的想法就会产生问题。有四个不同参与的机构，我们现在按照前期开发阶段，设计阶段，运行维护阶段我们细分了我们工程师可以做的有大概12项内容，那么这12项内容实际上有的是在开发商设计单位，有的是厂家，他们侧重点是不一样的。现在我们可以看到我们的风资源工程师的工作从开发、设计、运营、维护这是我们的一项很有特色的服务。
那么风资源之间是不相互独立的，是彼此之间存在着很强的递进关系。比如说我们现在宏观选址做完了以后测风塔的选址也选完了，我们在做微观选址的时候，往往会发现你宏观选址的选的测风塔没有代表性。所以实际来说我们彼此孤立的话可能会对我们的工作会带来问题。我们在风电行业里面不同的机构的主体，风资源工作的方向都有侧重，我认为是属于叫做各管一摊，是吧?但是没有形成一个整体的概念。
风电在中国发展了这么多年，我相信我们风资源也是同样的在一起，一起进步，但是我们的工作也面临着新挑战，实际上这些挑战在我们的应用层面来说，我们会发现很多的机组放在一个风场以后发现他出了很多的问题。或者是说我们的业主的风场的发电效率并不是我们评估的那么的准确。所以这就需要我们在风资源工作，在更多的方向上更细，我们的广度和深度要加大。更重要的是我认为我们的风资源技术要适应中国的风电的发展。因为中国的风电是非常复杂的一个风电市场，我们有高海拔，我们有海上，有隔壁滩，草原，有复杂的山区。我们的气候有台风、沙尘有高温，有低温，有高温和低温同时在一个场区里面都存在的现象。这些风资源的技术是否适合中国的这种风电发展。我认为可能在这一块的工作我们有很大的扩展的空间。
因此我对与风资源的工作做了一个再定义，我希望我们能够通过这种叫做全生命周期的风资源工作把我们的风资源工作的处理延伸到更长，更深，更广。另外一个让中国的风资源技术能够在国际上也有一个比较高的认可度。我认为所谓的全生命周期的风资源工作是叫做利用风资源研究和评估的方法理论应用工具，刚刚提到了一些工具。为我们风电场的需求提供应用研究和服务，我们的涵义在于我们既要用风资源的角度和视角来解决我们风资源的工作。那么将风资源深入到风电内核的综合学科，实际上如果没有风电，也就没有风资源，是吧?但是现在这个风电整个行业实际上是各个环节非常多的，但是我认为我们风资源的视角还是放在风本身，没有放在我们的开发、建设、运营整个环节里面。
第二个是我们拓展自己的领域了，第三个是说我们也要拓展我们的技术的服务对象，我们以前的服务对象是服务开发，我们现在的服务对象也是服务于运行的风场，比如说我们现在在有一些风场进行一些后评价，提供一些类似于控制策略的优化，或者是改扩建的一些建议，那么，第四项是我认为我们风资源工作要具备这种统筹考虑全生命周期的开发和运行的思想。也就是说假如说我是业主单位的前期开发人员。我在选风场的时候，选测风塔的时候，我就要考虑到我现在的这些测风塔是在评估的时候，在做微观选址的时候代表性好不好。比如说我作为厂家的风资源控制室，我在机组选型和排风设计的时候我有没有考虑到我20年业主的安全性和经济性的考虑。
那么，换做如果我们是在运行单位的话，我们如果是做风资源的话，又要考虑什么，其实也有存在很多发挥的空间。那么后面有一个具体的案例给大家说明一下。
现在我们风资源叫做全生命周期的风资源工作，具体实施是要把我们现在的工作进行分解并重组，前面我介绍了一下我们分解的情况。第二项实际上更重要的是要形成风资源规律的闭环结构。也就是说我们每做一件事情都要有一个后续的反馈，结果好还是不好，都要有反馈。来指导我以后工作更好的开展。在这里我有三个反馈环节，第一个是我前期设计的时候我反馈的是我宏观选址的情况，第二个是我风场的运行反应我设计的情况。风场运维阶段，我们提供了工程技术服务机又反馈了运行的水平情况。这是我们的反馈的结果，这是我们的思路，接下来是三个小案例给大家分享一下。第一个按整体考虑风场周期的思路。这个例子是我们做复杂地形的风场的时候是一个南方的风场，这个风场初步的选址是选择比较高的一个山梁上和主导风向和地形都是非常的匹配，而且风资源都很好。我们做这么大一个范围里面的计算的时候，我们发现在这个红色区域里面。这些地方虽然海拔高度比较低，但是风资源条件是很好的。
可是我们做这个事情是为了我们的机组载荷的安全性和我们的微观选址的排布的符合。而不是说为了选风场，但是我们这个时候，我们既然做了这样一个仿真的工作，既然反应到了这个地方的风资源条件很好，我们也是同样的可以去作为一种尽管是在建设期，我们也可以考虑我们把这些好的地方作为宏观选址的一种工作来对待。我们给业主建议在这些地区选址测风可以开发新的风场。这样的话也为业主提供了一些增容的方案。
现在我们在一些区域，发现这种增容的可能性是非常多的。以前我们关注的是在内蒙古高远的南苑这一块的风速很好。其实这个地方存在着很多的低风速的资源可以使用。我们尽管是厂家，我也可以考虑我们的业主的开发。
第二个是我们的所谓的叫做工程技术服务。这是从我们机组运行的时候的一些表现，我们在反过来看我们风资源工程师能做什么事情。因为我们中国的高海拔风场可以说是一个比较独特的风场。这些风场实际运行的效果和我们在仿真过程中，测风过程中是不是反应一致的东西呢。并不是一致的。从下面这个图表我们根据机组的实际记录下来的损失风速。我们发现在这个时间轴上面，中午十一点以后风速的变化幅度非常大。三秒或者是说七秒之内的话风速上下浮动七米，非常大。测风的时候，我们取值十分的平均，我们测算的时候，由于采样周期的不同，会把一些细微的变化平滑掉了。这会导致我们上面的机组故障，这个时候会给我们风资源工程师带来什么样的启示，我们在高海拔的地区一定要关注我们的湍流问题。一个是涉及到了我们机组安全，疲劳载荷，第二个也会影响到我们的尾流计算。
另外一个是和刚才的案例有一点类似。这是说我们在这种甘肃地区做的一个后评价，这个后评价是对于尾流的评估。那么可以看到我们有一个排布兼具达到了19D，实际上来讲他的尾流的影响和我们实际差别挺大的。因为时间关系我不再细说了。我只是说后评价的工作，对于我们现在风资源工作是具有很强的一种反馈的作用。
提问：能不能回到风资源那张图片上。这张用的是CFD仿真是吧，是仿真的环境流还是环境流和尾流一起仿真。
胡威：这个总共有五个测风塔，我们对于您所说的环境流或者是说测风的东西，都在这个考虑范围内，而且我们是一个峡谷地形，我们把大地形的考虑也考虑进去了。
这个图主要是为了讲风能分布的问题。
提问：我有一个问题，是最后一页。我们后期的尾流估算很难的，可不可以算出来这个实际尾流是什么样的。
胡威：实际中的尾流影响非常复杂，尾流最小的是第一排，尾流最大的是在第五排。这一块的尾流从发电量来看是只有第一排发电量的80%。这里面您刚刚也提到了这个地方是东风，这是西风，这个排布很有意思。尾流最小的实际上是说我们在主导风向的下风向应该来说尾流是最大的。然后最大的并不是出现在最后面的，而是相对来说中间偏前面的那一排而且在这里有一个很值得关注的是中间有一个19D这样的一个间距的排布。也就是说对应的是，这一排的发电量是最好的。尽管是中心的位置。所以这里面对于尾流的影响来说我们还是希望越大越好，而且还有一点是尾流模型里面，因为K值和咱们的湍流是很相关的，这个地方的湍流是非常小的，湍流小的话，尾流传播的距离是非常大的。就算是12D或者是19D我们也可以看到中间排的发电量差了20%。所以实际上来说我们的评估软件模型可能也存在着一定的问题。
朱蓉：下面请来自英国Zephir的Michael Harris。他获得了牛津大学物理学一级学位，主要的研发和推广激光用于风能产业的风速测定。
Michael Harris：我们主要是供应商，我们可以看到我们在北京服务的公司的图表。我会介绍一下我们公司的情况和技术，以及分析散射的光，研究湍流的速度等等。
我们这个公司已经有了很长的历史在70年代的时候，就有一个雷达的创新，但是在最近这个技术才用于风电行业。十年前我们刚开始建了一个雷达，在风机上面安装。在叶片前面有数百米叶片的风机。我们做这个资源评估在过去几年这个进展比较慢。因为要说服这个产业采用新技术。但是现在速度正在加快。我们现在也有了其他的一些生产企业的合作。我们希望能够一起来推动这些新技术在多个行业的应用。
首先大家可能会问，为什么用雷达来进行资源评估。当然，如果你要想测量一下风速的话，你必须要要用，肯定会涉及到一个非常大的结构，你你用雷达，就可以在地面上测量，而不用一个非常高的，非常大的测风塔。这样的话进行测量或者是说资源的评估就可以非常直接，可以很好的检查不同的地方，检测不同地方的风的行为表现。包括一些结冰的情况等等。
同时，雷达也可以进行校准，而且校准非常稳定。现在对于雷达的接受程度的情况，跟传统的测风塔先相比，我们在这里有一个测试场，我们的雷达现在正在接受这个最终的验证的阶段。我们可以检测雷达用GLGA，一起来检测这些雷达是从工厂出厂的时候进行了完全的矫正最后现场进行性能的检查。这里最后的验证检查有几个标准。我们至少要测试这些雷达一周的时间。然后也考虑到了当地的风速、高度、用测风塔测量的高度。我们必须要满足一定的要求。比如说这些雷达的风的风向和测风塔的风向必须要保证达到一定的标准。这张幻灯片介绍的是一些数据。通过测试几个雷达。一共是有79个300的验证地点。所以他的数据是非常一致的。我们还需要检查这些矫正在长期是否能够保持稳定。同时，确保这些雷达在一年以后能够重新检测这些雷达的性能是否保持一致。我们再看到这些基本的资源的不确定性因素方面，在测量这个LOS的速度方面，主要是有两个参数，一个是激光的波长，另外一个是样本的频率。我们是用探测器来确定的，这些都是波长和频率是比较稳定的。
当然还有其他的不确定的因素在现实情况下，所以你的假设模型是有可能会崩溃的，所以说在我们有一个机会能够验证这个雷达的校准，我们与丹麦的科学家合作，在丹麦的一个风场，这个工作是在这个风机上的叶片上进行检测。我们用风道来检测雷达的性能。这套系统是在叶片上进行修正的，就沿着这个气流的方向。它的范围比较窄，只有3.3米，非常接近于传感器。这样的话我们可以很好的进行比较，我们还就各种速度进行了测试，从每秒零米到每秒75米来确保雷达的精准。我们很高兴看到我们的通道确实保证了数据的准确性。而且让我们也很好的了解了雷达管理当中的不确定性。我相信我们要考虑在这个实际的现场工作情况下有更多的不确定性因素要考虑。可能雷达能够确认管道的校准，而不是反过来。那么在雷达的功率曲线的接受性，我们有两种方法，一个是基于地面的，一个是风机的。你把这个雷达和你的测风塔放在同一个位置。遵守这个IEC的标准规定，同时你的雷达在风机上是一个更好的选项。因为雷达可以随着风机的转动而转动，会朝着来风的方向，你可以看到在我们的系统当中也可以进行配制。配制中这两种方式既可以是配制在这个风机上面，也可以配制在地面上。我们ICE的标准实际上是允许我们使用地面的雷达的。下一个IEC的标准会允许我们使用地面雷达。
而且我们不管IEC的要求是怎么样的。我们商业用户都能够找到使用雷达的好处。我们做了一些假设，假设管理风速。我们做一个资源管理的，假设气流是一致的，像图片所示。这个东西也有可能会坏掉，我们需要处理数据来解决这些气流不一致的情况。调整雷达的数据就像你在这个测风塔上读取的风速的数据是一样的。而且我们验证了这种方法，在全球，现在也有在我们的网站上有更详细的信息。那么雷达证明是这个海上项目管理的一个非常合适的方案。那么，从2005年开始，我们就在第一个平台上使用了雷达。我们在这些图片下排中间，这是一个非常短的，客户直接在三角形的探测塔上直接装了雷达。但是雷达可以是360度旋转。所以实际上这个数据并没有受到探测塔三角形结构的影响。
还有一个可能性，就是说用这种漂移式的雷达。这个领域我们获得了更多的认可，因为大家都一致同意这种方式能够降低成本，你也可以看到这里有一些例子，就是说这种漂移式的雷达在左边是一个简单的形式，你可以看到这个雷达在漂移座上面，右边也有一些比较贵的方式。漂移式的雷达是固定在海床上的，所以更加稳定一些，所以任何不确定的要素都是要考虑的，可以减少多普勒的漂移。而且方向并不一定非要指向你原来想要的方向。使用这个雷达我们可以测量风速，因为它的敏感度非常高。它是可以测量这个二十毫秒的风速。我们还实现了，取得了非常好的结果。在实验的过程中，而且实验还在进行。我们现在相信这种漂移式的雷达会获得更好的接受。
还有风机上的雷达，我们已经做了很多的部署。从2003年开始已经有十年那么最常见的安装的方法就是说放在这个机舱上，那么通过这个叶片来测量进风，我们还有一些其他的案例，有的客户把它雷达安装旋转器上面。你可以就像这个图上可以看到雷达安装的地点。这套系统和我前面看到的，介绍的系统是一样的。
我们所做的工作是有功率曲线的评估，到风机运营的优化。主动控制，还有对于这个主动控制的意思是去预测这个风速的变化。以及其他的一些参数的变化，以便能够及时的来调整这个叶片。
我给大家举一个例子。我们可以看到左边的图是一些风速时间的情况。随着时候的范围而变的一个情况。那么，长期的这样的数据，可以被用来做功率的曲线，同时还可以来做一个比IC更小范围内的一个功率的测量。
最后一张PPT是总结一下我这篇发言的主要的内容。刚才我们分析了校准和基础上的不确定性。另外是校准所依赖的这样一些因素。我们把它指出，另外是校准的准确性。我们在一些风暴当中已经测试证明了，谢谢。
提问：你刚才提到了在把这个雷达放在站子的后来，那么是不是说雷达可以帮助你得出这个正确的上风的数据呢?
Michael Harris：可以测试在站子的附近。也可以是在这个距离站子一定的距离的地方。都可以。所以这里的雷达如果是放在机舱里面，如果和站子方向一直就可以，可以侧枝不同范围内的风速，这就使得我们可以有效的来同时的去测量风在不同范围内的风速。
提问：这就意味着如果我们用这个数据的话，我们要让它距离这个站子一定的距离，是吧?
Michael Harris：是的，这个数据告诉我们的就是这样，第一次告诉了我们站子的影响会降低这个效果。所以你可以看到这个偏角，你可以确定你要离它多大的距离，以便能够避免这个偏角。所以说这是90米的或者是说100米的，那么他的速度放缓很小。但不会太大的幅度，如果是1D的时候是这样，那么2.5D的话速度放缓是可以忽略的。
朱蓉：下面请来自于WindSim的尤扬先生。负责软件技术支持方面的工作。
尤扬：我是来自WindSim的尤扬，今天非常荣幸跟大家一起就风资源的问题进行探讨，我今天的内容是利用测风塔风廓线来提高可靠性。我们为什么要进行测风塔的交互检验和风廓线的调整。以及如何利用最大化测风塔位置模拟风廓线与实测风廓线的重合程度的方法来提高精度，以及如何利用风廓塔来提高检验的可能性。
首先我们在日常工作中对于同一个项目，不同的人使用同一个软件计算出来的结果为什么会差别很大?我认为如果网格和处理条件都设置合理的情况下，我认为最可能的原因有三种。第一是对地形数据的处理方式不同。第二是对地表粗糙度的设置。第三个是大体的温度的设置，这些都会对风流的精细产生影响，使我们的计算结果千差万别。我们如何才能避免这种有关的错误设置，避免过大过小的粗糙度的设置呢。我们可以通过调整测风塔的风廓线，使实测风廓线和模拟风廓线达到最大化的重叠程度的方法来实现。我们从而提高了我们风流模型的精度，以及改变了我们模型的质量。交互检验的目的，在于量化风流模型的不确定性，获取水平外推和垂直外推的扩差为P75和P90的计算提供可靠的依据。
刚才提到了三种因素会影响我们风流模型的精度，他们分别是地形和地表粗糙度和大气稳定度的情况。
首先看看地形条件对精度的影响，主要是上风向山体的倾性和位置关系可以影响到我们的地形对精度的影响。当然了这些因素都是反应在我们的模型的内部的。也就是说跟用户选择的软件模型的算法是有关系的，我们用户不能重新调整的。我们用户唯一可以进行调整的是尽我们最大的努力，来提高我们所输入的地形数据的质量。在我看来有三点，简单的来说就是说对于地形数据是如何进行选择，拼接，以及平滑，选择是说我们选择了网上下载的这种SRTM的数据还是说其他的数据。或者是说使用我们实测地理信息数据。下面这幅图展现了三个数据的差别，能够表现详细的地形信息的表达力。我们可以看到我们实测的测绘图表达力强于我们第二个数据，从我们的地形DM可以看到，上边是DM，下边是我们响应的DM获取的坡度图，也是同样的结果。刚才提到了是选择，而接下来我要说的是拼接。如果我们是使用SRTM和我们实测的地形图进行拼接的话，如果在投影过程中没有考虑到坐标转换引入的误差，或者是说拼接线处没有留出缓冲区的话，都会使地形产生突变，使得我们的坡度异常的增大，会对我们的精度产生影响。
第三点是对数据进行平滑。平滑会使全场的数据进行添挖量的处理，改变原始的信息。所以我们的软件是不建议使用平滑功能的。虽然我们软件也有这一项功能。
下面带谈谈地表粗糙度对风流模型的影响。使得风流模型与地面相互摩擦。改变的风速随着高度的变化。我们用户可以做的是什么?通过改变粗糙度值的大小，以及我们可以定义粗糙度的个空间的轮廓。也就是说绘制我们粗糙度图可以做到这两点。昨天上午已经大家都听到了欧洲风流协会主席所发表的报告。他提出在海上风电场我们可以使用遥感卫星技术来获取海上风电场的尾流的信息。气象局的常老师也是使用了雷达来获取我们海上风速。针对路上风电场我们可以利用遥感卫星的手段来获取资源的信息。比如说获取地表粗糙度的信息。右边这幅图是可以卖到遥感卫星的照片，右边是遥感卫星的信息。打理稳定度的影响是热力作用会改变垂直分布，以及结合地形影响温度的变化。结合地形风流所客服重力携带动能，搬运山体的动能是不一样的，也就是说大气越稳定，大家可以看到左边这幅图，大气越稳定所绕过，从山的两侧绕过的风流是越多的，大气越不稳定，越过的风流越多，大气越不稳定的时候，风流只能越过比较高的山体，而稳定性的大气情况下，风流只能越过比较低的山体。可以改变大体模型的设置。
我们用户如何才能保证我们所输入的地形数据以及粗糙度数据和大气稳定度这种数据是正确的呢?我们可以通过最大化测风塔位置模拟风廓线和实测风廓线的重合程度来完成这项工作。大家都知道我们在我们的模型内部一般风廓线是以对数风廓线模式进行建模的。对数风廓线模式是以半经验理论为基础，建立起来的风速高度变化的模型或者是改进模型。我们使用的时候需要这个Z0和L值，这是我们日常工作中很难精确获取的。所以我们需要修改测风塔点位的模拟风廓线，使风廓线的重合程度来调整我们的Z0和L值。最终将这两个值调整至模拟风廓线达到最大化重合的状态，这种情况下我们认为Z0值和L值相对来说是合理的。
下面介绍一下测风塔交互和检验的方法。首先检验和使用是某一个测风塔，高度的风速是具有时间序列来推算其他的风速层的模拟数据。对比差别来判断垂直外推的不确定性。水平外推被称作多塔交互体验。来推算目标测风塔的实现目标数据，对比模拟结果与实测值获取的误差。重复以上的操作得到测风塔之间的互推的偏差。权衡各测风塔与风机之间的距离和地形地貌相似形的差别，最终得到风电厂水平外推的不确定性。
下面就以我们之前做过一个案例来进行介绍。这个项目计算的区域海拔高差是115米，坡度是22度。厂区内共两个塔，北边的一和南边的二，之间是895米距离。一塔安装了90米高的数据和传感器，2塔安装在五个高度，温度仪安装在两个高度及可以看到这种地形地貌的照片。我们首先对两塔的实测数据进行了处理，生成了同期的时间序列数据。我们看到右上角这个图是我们同期的时间序列。我们利用同期的时间序列进行了相关性的分析。用于做什么呢?探测两个塔是否在同期中，相关性比较好的话，后续的互推的结果可能会有很高的质量
这是我们地理信息数据的处理。也就是说地形数据我们选用的是2.5米等高距的测绘图，粗糙度数据是我们通过卫星遥感手段来获取的。我们首先使用中性大气稳定度进行模拟，我们可以看到在中性情况下，各个主风险的扇区，模拟的风测线和实测差距只有八个分区，模拟值是非常好的。红色的点是我们各个扇区的实测值。为什么会出现这种情况，我们通过分析两层高度的温度数据，我们得出了结果，就是说在各个主风向扇区大气稳定性都是属于稳定型的，因此对长度值进行了调整，也通过调整粗糙度值进行测风塔的位置，模拟中扩线和实际中括线最大化的重合。蓝色线是调整的值改变了大气稳定度，使大气稳定性作为稳定性输入。可以看到蓝色这条软件模拟的风廓线和我们的实测值是拟合的非常好的。在各个的扇区都是拟合非常好的。通过最大化的测风塔模拟和实测的重合程度，我们最终得到了更加适合这个项目的长度值，以及粗糙度值这两种。
下面我们来看一下这个项目的垂直外推和水平外推的结果。首先由二塔的高度来推算其他的数据，除了十米高度受地表影响比较大的高度层以外，其他的高度层的误差都是非常小的，小于1.3。而我们水平外推的结果是使用两个塔因为互推，误差也是非常小的，我们可以通过这种误差来权衡测风塔与风机之间的距离和相似程度来判断厂区的风流模型的不确定性。
现在中国的一些项目，由于受时间的限制。很少有时间进行测风塔各个扇区的模拟风廓线和实测风廓线的处理来调整大气浓度的设置，绝大多数中国的项目都不会进行这种发电量的不确定性的分析，因此我们所做的垂直外推和多塔的水平外推，不能用于我们发电量的不确定性。以上这些是我认为都是我们目前中国风资源领域所面临的挑战。但是我相信在以后，随着我国的风电的开发进一步放缓，这些问题都会解决的。以上是我所介绍的内容。谢谢大家。
我的采样样本数是1273个，这是对特定的。
朱蓉：多长时间一个。
尤扬：十分钟。
朱蓉：下面请来自美国的3TIRE公司总经理张大为先生来做报告。
张大为：之前我讲了一段关于我们公司如何去做资源评估的，下面我花一点时间想讲讲关于功率预报的事情，因为预报都是在一起，在这里来讲。刚才已经讲过关于3TIRE公司介绍，我们现在想提提，一个是我们在国内风功率预报作为一个国家的要求，那么行业的一些具体的规定已经制定出来了。那么每一个做项目的风场的业主，他们也都在去做每一个项目的风功率的预报，从一个大范围里面，为什么要要求做这件事，那么大家实际上都已经很清楚了，那么我们总结一下，大致可能有这么几个方面，一个是说需要一种可再生能源的供应和供给之间的可靠性。另外是在于市场需要有一个很低成本来做这样一件事。再一个是现在对这个碳排量和污染的强制性的要求。这样的话就构成了这样的一种关系。大家谈到说这是一个风能的项目，这是一个可再生能源的项目的时候我觉得第一点是说和我们的传统能源究竟区别在什么地方。像所有的可再生能源的最大的特点是每一个项目是不一样的。分布的场置和能力和变更的东西是不一样的。因此在做发电和计划的时候，他会带来跟我们传统的发电有很多不一样的因素。我们如何来去看这些不一样的情况，我们先看看一个热力的电厂。一个热力电厂，第一个是一般来说都有很大的一个发电量的计划。第二个是通常来说他的发电的容量系数都是比较高的。能在70%以上，另外他的输出和去对调度的这种反馈是可以控制的，来去做这样的要求。我们再来看看像可再生能源的方面，一个方面通常来说规模是要小一些，比如说几十个兆瓦，几百个兆瓦对于风来说，太阳能会更小一些。
另外一个方面，他的容量和系数，他的真正发电的能力，也会比他的名义值要低，占25-30%这么一个数。再一个是因为他在变化的一种能源。所以说它的所有的输出的控制，以及调配在时间方面是会有难度的。因此，那么如何来根据可再生能源的情况，以及我们现在对传统意义上的一个大的电网的要求，能够做到有好的复合型，我觉得这件事就很重要。
那么我们通过对电网这个方面的要求的理解，那么对风电的期望是什么?我们可以期望作为一个发电的电源来说是可靠的。另外是可以依靠，我们确实是拿着用的，而不是弃掉了，另外一个方面根据你的需要进行调配的。这实际上是电网对我们这些风力项目的要求。我们看看我们去做不同的一个区域的预报的时候，那么他带来的误差我们可以看看。那么大概在不同的规模上40个兆瓦，400个兆瓦，4个G瓦这样的情况下做预报的时候给你的误差是类似的。这样的一点是说你可以尽量的去减少到集中的力量，集中智慧去减少大范围面积的预报的误差，实际上来得更有效一些。
我们会举一些例子如何来降低这种误差对电力系统的影响。通常来说我们大家做预报的时候，通常我们有一些概念我们做大区域的预报的时候，我是需要知道每一个项目，每一个风场的一个气候情况，知道他的风机的出利情况，把这些叠加起来获得一个总体的大区域的结果的情况。但是，我们公司做了很多这个方面的研究，也尝试过这样的方法，但是我们后来发现，是一种方法，但不是一个好方法。
我们可以看到这两张图是我们在做预报的时候，针对一个单一的风场以及对一个区域，做的时候我们可以看到实际上趋势都是很类似的。误差也是在不同的时间段上都会产生误差，这样的情况下我们也想引进的一个概念是什么?就是说我们看看这个上面的三个框图，实际上大到小不同规模的一个风场的范围。当你去做更为快速的去调度，那么快速的去计划。做这样的事情的时候，他会为你的这个整个的预报的成本会带来一个降低。为什么会说是这样的呢?我会详细的讲讲，这是一个150兆瓦的风场，我们做的是4.5小时前的一个预报。那么他这个图里显示的是下面是一个误差的情况。说你预报完了以后，那么他的绝对误差是10%。那么有40%的一个时间是都可以落在正负5%的误差范围。我们把这个作为计划的频率提高的时候，提高到1.5小时的一个频度的情况下，我们可以看到实际上在这个时候的绝对误差包括他在这个正负误差带里面占的百分比都能够得到改善。那么这个实际上是说我加快了我的预报的节奏。
另外一个方面是说我从一个150兆瓦这么大规模的一个风场，如果我去做，我能不能不单独考虑它，我去考虑一个更大范围一个区域。比如说4.5个吉瓦，这种情况下我们做完的结果可以看到实际上从10%降低到了6%的一个绝对误差。同时的话有更多的时间的百分比是落在了正负5%的一个落差带上。因此实际上这个过程非常能够说明问题，比如说我们再扩大到12个G瓦这个系统，这个系统和这个尺寸相当于我们东北电网或者是其他的电网，这是一个相当的范围或者是说区域，这个范围是频次1.5小时的预报的时候，绝对的误差是2%的水平，这样的话落在正负5%的公差带里面达到了88%的时间，这个比起来做一个单一的风场，把每一个单一的风场的预报集合在一起，你能得到的效果，大家是可以看到的。
时间关系这里就不会讲太多，但是我觉得希望大家能够记住从我们做预报的一个经验得出来的结果。第一是我们觉得在预报的时候，应该尽量的去使用中央的集中式的，或者是说区域性的预报。那么同时要去增加这种你在去做预报的时候的频度。在这个过程中，实际上没有必要去细揪每一个风场的预测的情况，把所有的这些细节的东西，去反应到一个整体里面。这样的话实践证明并不会带来个最好的结果。实际上中国现在，因为我刚才也讲了，开始这个方面的探索。以便可以得到更准确的一个预报的调度。那么因此实际上我们在这个方面是非常有幸运去为此做一些事情。通过刚才我讲的整个的这个题目，我觉得可以得出一个结论。
就是说通过这样一个区域性的区域预报的方法可以把风能作为可靠的，可以的电源进行准确性的预报，可以依赖它，可以像对待传统的能源在电网中的作用一样可以进行计划调度的一种清洁的能源，谢谢大家。
提问：请问一下这个观点有没有在比较大的风场出现过。不管是国外还是国内。
张大为：实际上这种事件活动，包括北美、印度、欧洲这些国家我们都做了很多的项目。比如说北美实际上可能和中国更有相似性，第一个国家的国土很大，也是分成了很多的区域性，区域有不同的风场的集群。那么在这个过程中，实际上我们是对这些包括单独的风场，包括区域性的面积里面，都去做预报，最后得到了这样的结论。
提问：本地是基于多长时间的预报。
张大为：实际上有不同的时间段，这只是举出一个例子。比如说一天里边或者是说一个周期里边的一个统计的误差。
朱蓉：就是说你是用模式预报。然后因为他就模式就是一个区域的平均值，所以可能会对你整体考虑可能会好一点。检验的时候你也要整体的来检验。所以相对好一点，对于复杂地区，对于小的风电场可能不一定。
张大为：您说这件事我们也做过一些实践的活动。那么实际上您说的，就是说比如说项目地自己有自己的一些自然的条件包括地形，气候的条件。那么在遇到这样的不同的，或者是说比较复杂的情况下，我们可能会对这个WT的输入会多增加一些，这样的话可能会更好的反应气候和项目之间发电量的关系，这样的话实际上它会有一些就是说并不是一视同仁的来对待它的区域，会分一些情况。
朱蓉：我们最后一个演讲，来自于GL Garrad Hassan的工程师韩韬先生。
韩韬：随着这么多年风电的发展，我们到有台风的地区，到近海去安装风机，尤其是这张图是一个全球的台风图，在中国的近海包括美国的近海，韩国，澳大利亚，日本，都有台风的威胁。所以而且如果你看现有的国际标准，不管是IEC还是GL，并没有一个针对台风的认证。所以说这一块在以前可能是一个空白，所以我当时在探讨和我GL的同事一起来大概做了一年多这样的研究。所以非常的荣幸就我们整个把所有的参数整合在一起，做出来一个全世界第一个针对台风的。大概是我要讲的内容，所以我要讲一下，因为我们做风机，所有的风都是湍流风，所以我们更关注与湍流的特性。我会简单讲一下我对湍流方面的研究。这是我们主要的贡献。然后我简单的举一个例子，关于台风的载荷和仿真的结果。
简单的说一下台风的参数，所以说你看左边这张图，是一个典型的气旋，首先根据英国这张地图可以发现尺度是非常大的，你看这张图里面整个的一半英国被覆盖进去了。但是非常幸运的是英国从来没有台风。右半边是台风的内部物流参数，所以你看接近台风眼周围风速升高很多，同时下降，伴随很大的雨流，压力下降，温度升高。这张图可以看出来，对比IEC的普通的风况。比起其他的还要差很多。假设没有参数的话，GL五包括我们建议可以根据这个来估算一个风速。这是一个非常著名的从70年代提出到现在不断的改进，所以在国际上是最权威的。我们主要是针对陆上的，陆上很少见，包括最近刚刚登陆的，登陆的时候已经减弱到了1了。因为风速是一分钟平均的，所以在风机设计里面我们要把它转换成十分钟平均的参数。很幸运国际气象组织已经有一套很成熟的标准体系，根据不同的地形的情况，有不同的参数。所以说非常简单。你只要从参数转换就可以了。关于风向，我同事之前讲了很多了，我简单讲一下，如果正好台风壁周围的风扫过的话，台风是一个单一的很大的气旋，所以不难想象在扫过的过程中，从一开始到接触会变180度，因为是一个宣传的气旋，台风外围的话风向变化就没有这个距离。所以我们建议大概如果你不知道具体的时间参数的话可以假设是30分钟左右，就是说整个台风壁扫过这个风机。关于风切，这是我们和别人搜集的数据对比。然后这条公式其实是很经典的IEC里面的分切公式，值我们稍微变了一下，根据国际气象组织的图。这个蓝线是我们根据这个公式算出来的值，和实测数据可能是大概五到十年实测统计的数据，耦合得非常好，这是小风机的图，我们风机不可能到一千米高，到一百米，包括到夜间可能到两百米非常符合那个风切的公式，所以我们可以通过这个公式把十秒平均测得的风转换到风机的高度。
下面讲一下湍流，我比较想侧重这个方面，因为所有的风机来的风都是湍流风，因为影响载流的主要是反流。首先关于湍流强度是IEC的公式，包括放大这张图，从45-50，是非常平滑，几乎是一个恒定的值，根据不同，在IEC里面，实际上是因为不同的粗糙度，所以说有不同的湍流强度，我们可以根据左边的公式来定一个均一的值，在所有的情况下，因为非常的平缓。因为是湍流，有不同的ID，所以怎么样确定ID的组成，所以要用一个值来确定，很不幸的是我在文献里找不到现有的值，所以我们就需要看一些非常基本的理论，从理论里面把它推导出来，那个上面是非常经典的模型。这个模型巧妙的进行一下简化，在高频区通过左边和右边的两个公式合并在一起，可以达到非常经典的随高度变化的公式，十米高度的话，这两个比值几乎接近为零，所以可以把这个公式简化，刚才分切那张图里面可以看到，那个边界层几乎相当于一个。我们可以进一步的简化，我们不管风速，粗糙度，所有的我们可以简化到一个唯一的值，77米，在十米的高度情况下，所以这就非常的方便使用，我们不用有太多的变化了。所以对工程师来说这是一个非常有意义的一件事。
我跟实验做了一下对比，这是在美国佛罗里达州，整个沿着海岸线测的台风。大概是四年的数据，所以你看这条虚线是我们刚才的值，尤其是比较粗糙的地形，你看和实验数据吻合得非常好，在比较平滑的地形，可能稍微偏保守一点，这个值越小，算出来的值越保守，这样的话比较好，会更偏安全一点，尤其是对于认证来说。
但是不要忘记了这是在十米的高度，但是在风机上和这个标准，我要在轮廓的高度来定义。所以我列举了传统的公式，这张图，这些点是从别人史册数据里面抓出来的。这几条陷是刚才的几个公式我们的风机大概在这个位置，所以这张图看得不是特别的清楚。但是我自己的放大一下看过之后我发现任何现有的公式拟合得都不是特别好，所以我放大进去，大概在风机的高度，我们大概经过研究讨论之后又重新的定义一条新公式，新发布的刊物里面也有这条公式。怎么样把十米，刚才定义的77米的转化到高度，因为时间关系我不详细讲了。简单列举一下史册的数据，我们没有找到太多的中国的数据，所以我大概只找到两个。因为我们知道有了这个以后，我们还要湍流的频谱，我们要把风的模型建立起来，这条黑线是实测的频谱。这个线有很多的变化，所以我加了一条线是关于IEC的，路上风机我们主要关注高频区，各条曲线都拟合得很好。对海上的风机来看我们更关注低频区，在低频区的话我们会发现有一些数字拟合得特别好。第二个数据是在上海测的，这条线更明确，黄色的线和蓝色的线几乎重合的。在高频区大家差不多，用这些都可以的，但是用正确的，不能用IEC标准，我简单定义一下，大概我只举一个例子，你看新发布的的话有三个工程，作为一个研究来说我大概举一个例子，因为我们假设在台风中我觉得电网断电是很正常的，所以今天给的值比较高，如果根据IEC的标准如果经常发生的话，可以给1.35，很简单，大概用了一个测试的机，就是说5兆瓦的风机，因为是开源的，每个人都可以得到数据，你也可以根据这些东西来做验证。因为台风在热带地区，所以我们把空气的密度降低了一点，标准是1.22，我想降到1.094，可以稍微降低一点。结果不是很满意。因为确实在台风中不难想象风速非常高，你看这条红线是1是代表了设计载荷，所以你看关于塔桶的载荷和底部的载荷都超过了设计载荷了，台风经过的话，很有可能是会倒掉的，实际上确实如此。不过这是简单的做一个测试，假设没有数据。如果具体设计的话，肯定会有更多的数据，比如说我同事刚才介绍的，可以用他介绍的详细的方法把具体的风速和风向定义出来，所以如果根据那个设计的话，我觉得会更好一些。
简单的讲一下结论。首先肯定的是通过我们研究建立一个台风模型，对于风机载荷的计算是完全可能的。相对来说在所有的频谱模型里面拟合得最好，其实陆上风机的话都是差不多。很不幸，台风经过的话它会倒掉，但是我顺便说一句，这不是一个真实的风机，只是一个开源的风机做研究的，真实的风机要具体案例具体分析。比如说我分析数据的时候我发现你的极限载荷一般是集中在当风速是从偏北30度方向来的时候，叶片的温度载荷是最高的。所以我们可以根据我们的数据分析做一些适当的改进。比如说我们可以有备用电源，我们科技让风机偏好，所以避免流体从最坏的角度过来。我做了一下简单的实验，如果有偏航的话，可以降到设计载荷之内的。其实台风的控制也是一个很空白的，很有挑战性的领域。我们以后还要在这个方面做更多的工作。
