基于风电机组桨距角和功率融合的入流风速分段计算方法

《Energies》：Piecewise Calculation Method for Inflow Wind Speed Based on Integration of Wind Turbine Pitch Angle and Power Hongtao Ning, Jie Fang, Wenqi Bao, Yue Zheng, Weipeng Zhang and Li Li

　　

许多风电场目前拥有接近设计寿命的风电机组，需要进行重新供电（repowering）。利用历史运行数据进行风资源评估不仅可以降低成本，还能提高效率。然而，由于转子扰动，机舱风速偏离实际入流风速，因此在使用前需要进行修正。研究人员创新性地提出了一种基于桨距角和功率融合的分段入流风速计算（piecewise inflow wind speed calculation, PMCP）方法。该方法以额定风速为边界，将整个风速范围分为低风速区和高风速区。低风速区的入流风速通过风电机组的理论功率曲线计算，而高风速区的入流风速则通过桨距角曲线推导，利用统计方法建立入流风速与机舱风速之间的数学关系。选取两个风电场作为案例，验证该方法在不同地形下的适用性。结果表明，PMCP方法在不同地形下表现出不同的性能。在平坦地形中，时间序列风速的均方根误差（root-mean-square error, RMSE）比直接使用机舱风速降低了15.7%，精度与IEC机舱传递函数（nacelle transfer function, NTF）方法相当。此外，计算风速的威布尔分布曲线与测量风速的吻合度显著提高。在复杂地形中，虽然其误差略高于NTF方法，但精度仍比直接使用机舱风速有明显改善。PMCP方法能够准确计算全范围时间序列入流风速，提高风电机组场址风资源评估的精度，同时具有仅依赖风电机组历史运行数据、无需实测入流风速的突出优势。

**研究背景与问题意义**
随着大量风电机组逐步接近设计寿命，风电场重新供电（repowering）需求日益增长。重新供电项目需评估风资源空间分布，以优化机组选型与布局。利用机组长期积累的历史运行数据（如机舱风速、功率等）进行风资源评估，可显著降低测风成本并提升效率。然而，受转子旋转扰动和机舱外形诱导的流场畸变影响，机舱风速与实际入流风速存在较大偏差，必须对其进行校正后才能使用。现有入流风速计算方法可分为两类：基于实测入流的方法（如IEC机舱传递函数（NTF）方法）需额外部署测风设备，时间经济成本高；基于物理建模或数据驱动的方法（如叶素动量模型、神经网络等）或误差较大，或计算复杂且在高风速区精度不足。因此，建立一种仅依赖历史运行数据、无需实测入流的高精度机舱风速校正模型，成为重新供电风电场风资源评估的研究热点。本研究发表在《Energies》期刊上，提出了一种基于分段建模的入流风速计算方法（PMCP），旨在解决上述问题。

**关键技术方法**
研究人员提出PMCP方法，核心思路为：以额定风速为分界，将全风速范围划分为低风速区（≤额定风速）和高风速区（>额定风速）。在低风速区，利用风电机组理论功率曲线，通过统计历史运行数据中功率落在理论功率邻域内的样本，采用伽马累积概率分布函数取百分位H（优化后取10%）计算代表机舱风速；在高风速区，以理论桨距角曲线为中间参数，同法基于桨距角邻域计算代表机舱风速。随后，采用最小二乘法建立代表机舱风速与理论入流风速的线性回归方程，再以历史时间序列的机舱风速为输入，计算全范围时间序列入流风速。模型建立前需进行数据预处理，剔除限功率、故障、机舱风速低于切入风速且桨距角大于最小值、偏航角超出±8°以及湍流强度（turbulence intensity, TI）大于0.1的数据（验证阶段不剔除高湍流数据）。验证数据来自两个风电场：平坦地形风电场（40台2.5 MW机组，轮毂高度140 m，转子直径140 m）和复杂山地风电场（33台1.5 MW机组，轮毂高度65 m，转子直径70 m）；实测入流风速分别由地面激光雷达（距目标机组约2.8倍转子直径）和测风塔（距目标机组约260 m）获取，并依据IEC标准排除干扰扇区。

**研究结果**
**4.4 百分位H的优化**
以平坦地形风电场的目标机组T为例，设置百分位H从1%至40%的9个案例，对比计算入流风速与实测风速的均方根误差（RMSE）和平均风速。结果表明：当H在5%~20%时，计算平均风速最接近真实值；RMSE随H增加先减后增，在H=10%时达到最小值，因此确定最优H=10%。

**4.5 结果与分析**
采用H=10%建模，计算目标机组T的6个月时间序列入流风速，并与IEC NTF方法对比。以激光雷达实测入流为基准，PMCP方法的时间序列风速RMSE比直接使用机舱风速降低15.7%，平均绝对误差（MAE）降低18.6%，决定系数（R²）提高3.6%；与NTF方法相比，各项精度指标高度一致，PMCP方法误差略高（因NTF需复用实测数据）。进一步对比威布尔分布，PMCP方法计算风速的分布曲线与实测曲线吻合度显著优于机舱风速，表明该方法能有效提升风资源评估精度。

**5 PMCP模型在复杂地形风电场的适用性**
以山地风电场目标机组Q为例，使用2024年历史数据进行PMCP建模，H=10%，计算2025年1~4月入流风速，并与基于同期测风塔数据的NTF方法对比。结果显示：复杂地形下两种方法的计算误差均高于平坦地形；NTF方法因基于实测风速建模，精度和时间拟合优度略优于PMCP方法。PMCP方法计算的平均风速误差为0.41 m/s（实测平均6.76 m/s），但相比直接使用机舱风速仍有一定改善。威布尔分布比较也显示，PMCP方法能提升评估精度，但误差仍较大。误差增加的原因：复杂地形导致流场湍流加剧，削弱了机舱风速与入流风速的相关性；同时测风塔数据本身存在测量误差，降低了精度验证基准的准确性。

**6 研究结论与讨论**
研究人员提出基于运行数据的分段入流风速计算（PMCP）方法，并对关键参数百分位H进行优化，通过平坦地形和复杂地形风电场的实测入流验证了方法的精度和适用性。主要结论如下：
（1）PMCP方法依据风电机组运行特性，在不同风速区以功率和桨距角为中间参数，建立了入流风速与机舱风速之间的关系。
（2）百分位H是影响入流风速计算精度的关键参数，其最佳取值范围在0.05至0.15之间。
（3）PMCP方法适用于平坦地形风电场，其计算精度与依赖实测入流的NTF方法相当，可显著提升风资源评估精度；对于复杂地形风电场，PMCP方法误差略高于NTF方法，但相比直接使用机舱风速仍有一定改进。
（4）PMCP方法简单可行，建模过程无需机组实测入流数据，仅利用历史运行数据即可计算入流风速，能有效降低测风成本，提高风电场重新供电项目的风资源评估精度。
讨论部分指出：PMCP方法在不同地形下表现差异明显，复杂地形下的误差主要源于流场湍流和测风数据误差；未来可考虑引入湍流修正项或结合多参数模型进一步提升复杂地形的计算精度。该方法的核心优势在于完全依赖历史运行数据，避免了额外测风设备部署，为重新供电风电场提供了低成本、高效益的风资源评估手段。