受净零目标驱动，可再生能源正在快速发展[1]。作为最具前景的可再生能源之一，风能因其低生命周期排放和广泛的环境效益，在现代能源系统中发挥着重要作用。根据国际能源署的数据，预计到2030年风能将供应全球15%的电力需求，到2050年这一比例将上升至25%[2]。
随着风能的快速发展，风能科学与工程领域面临诸多挑战，其中之一就是与风电场相关的流体物理学问题[3]。为了保持对投资者和消费者的经济吸引力，风能成本（尤其是海上风电场的成本）必须持续下降，以与化石燃料发电竞争。在大型风电场中，仅升级单个涡轮机已无法满足降低成本的需求[4]，因此风电场方面的技术创新也具有重要意义。对于大型风电场而言，优化微选址和涡轮机控制策略已被证明是提高总发电效率和电力系统可靠性的有效途径[5],[6]，这需要准确评估风电场在复杂内部流动和变化大气条件下的性能[7]。在这种背景下，风能科学与工程领域的一个重大挑战是加深对风电场运行关键区域大气流动物理特性的理解。然而，当前的尾流评估方法在应用于大型风电场时存在局限性，主要是因为它们无法考虑风电场内部风向的不一致性。
风电场的流动物理特性大致可分为两个相互耦合的部分：涡轮机尾流和不稳定背景风场。一方面，尾流效应会导致额外的功率损失和疲劳负荷增加；另一方面，时变背景风场直接影响每个涡轮机的性能，使涡轮机尾流的演变更加复杂。
大型风电场中涡轮机尾流的负面影响是不可忽视的。当风穿过运行中的涡轮机叶片时，风能从来流中提取，因此涡轮机尾流的典型特征是风速降低和湍流强度增加。根据相关文献，风电场中的尾流效应会导致40%的功率损失和80%的疲劳负荷增加[8]。此外，尾流效应还会加剧风电场流动物理特性的复杂性，在多变的大气环境中进一步降低风电系统的可预测性，同时降低风电场的可靠性，从而不利于电力系统的稳定运行[9]。因此，实现更准确、更快速的尾流效应评估始终是研究重点。
分析型涡轮机尾流模型是评估风电场尾流效应的有效方法。Jensen模型[10]是一种基于动量守恒的经典尾流模型，假设涡轮机尾流横截面内的速度亏损分布均匀，该模型已成功应用于多种商业软件，如WAsP[11]、WindPRO[12]、WindSim[13]等。基于动量守恒和质量守恒，Frandsen提出了另一种具有钟形分布和线性扩散特性的经典尾流模型[14]。后来，高斯分布被引入尾流模型中，以更好地描述尾流风速分布。代表性的高斯尾流模型可见于Bastankhah和Porté-Agel[15]、Xie和Archer[16]、Gao等人[17]以及Ishihara[18]等的研究。此外，基于横向动量守恒，分析型尾流模型也被扩展到偏航条件，相关研究可见于Jiménez等人[19]、Gebraad等人[20]、Bastankhah等人[21]和Qian等人[22]等的研究中。
除了单个涡轮机尾流的分析模型外，叠加尾流模型也是快速模拟风电场流场的重要组成部分。这些叠加模型的主要区别在于尾流速度亏损的参考标准和叠加方法。在Lissaman等人的研究中[23]，尾流速度亏损的参考标准是自由来流，叠加方法是线性叠加。Katic等人[24]也采用自由来流作为参考标准，但叠加后的速度亏损是通过计算多个涡轮机尾流速度亏损的平方和的平方根得到的。在Voutsinas等人的研究[25]和Niayifar等人的研究[26]中，尾流速度亏损的参考标准是上游涡轮机的风速，叠加后的速度亏损是通过解线性叠加并取平方和的平方根得到的。总体而言，分析型尾流模型能够高效准确地预测尾流速度亏损。
风电场的不稳定背景风场是流动物理特性的另一个部分，其具有复杂的时空分布。由地球表面不均匀加热和地球自转的科里奥利力共同作用形成的风具有复杂的特性[27]。特别是在四种特定情况下，风场情况极为复杂：首先，局部地形对风能分布有显著影响[28]，迎风坡面的升力和峡谷效应会显著提高风速；其次，在不同地形交界处，多种气象因素的叠加使得风速分布难以预测，一个典型的例子是位于海边且靠近山丘的风电场[29]；第三，具有显著热效应的区域会导致大气稳定性的剧烈变化[30]，例如海上区域和沙漠地区；第四，随着降低成本的需求增加，“超大型涡轮机”和“超大型风电场”成为风能利用的重要形式，在这些情况下，甚至不能忽略中尺度流动的作用[31]。因此，风场中的风场表现为强不稳定流动，风向和风速的空间分布也不均匀。
结合来流设置、分析型尾流模型和涡轮机性能曲线，可以得出风电场的总发电性能[32]。大气环境对风电发电的影响一直是研究热点[33]，但现有研究主要集中在统计特性上，无法保证评估结果的实时准确性。现有的尾流效应评估方法通常假设整个风电场的来流是均匀的[34]，没有考虑由不稳定和不均匀背景风场引起的风向和风速的不确定性，这限制了尾流效应的评估效果。因此，需要合理考虑大气环境的复杂特性，以揭示实际情况下的尾流分布和演变情况。
本研究提出了一种可操作的、可复制的程序，通过结合基于SCADA的风电场内部来流异质性分析和尾流建模来量化尾流引起的功率损失，而不是假设来流均匀。该框架应用于中国广东的两个海上风电场，使用了多个月的10分钟SCADA数据记录。与现有的基于SCADA的尾流损失估算框架相比，该方法不假设整个风电场的来流均匀，而是利用SCADA测量数据表征涡轮机级别的来流异质性，并根据尾流重叠和关键风向差异识别受尾流影响的涡轮机对。然后沿来流方向对这些涡轮机对进行分组，以更符合物理规律的方式评估尾流引起的功率损失。结果表明，风电场内部的流动异质性对尾流评估有显著影响，在实际应用中应予以重视。本研究为优化风电场布局和制定控制策略时考虑复杂内部流动提供了坚实的概念基础。
本文的其余部分安排如下：第2节介绍两个测试风电场、SCADA数据集及相应的数据分析；第3节介绍传统的尾流评估方法和考虑风电场内部来流异质性的SCADA信息方法；第4节将这两种方法应用于两个风电场，并进一步评估所提出框架的可靠性；最后，第5节总结主要结论并讨论当前的研究局限性和未来工作方向。
