基于ERA5气候数据和发电数据,为海上风电场的农场级别基准评估构建一个气候信息框架
《Ocean Engineering》:A climate-informed framework for farm-level benchmarking of offshore wind power using ERA5 and generation data
【字体:
大
中
小
】
时间:2026年09月23日
来源:Ocean Engineering 6.3
编辑推荐:
• 该时间感知框架对来自40个海上风电场的57条发电迹线进行了基准测试。
• 除了风速之外,风向是最具可重复性的预测因子。
• 风 gust 在两种预测方法中提供了较小的补充增益。
• 固定速度-方向-风 gust 模型将每小时的NRMSE降低了4.86%/5.15%
• 该时间感知框架对来自40个海上风电场的57条发电迹线进行了基准测试。
• 除了风速之外,风向是最具可重复性的预测因子。
• 风 gust 在两种预测方法中提供了较小的补充增益。
• 固定速度-方向-风 gust 模型将每小时的NRMSE降低了4.86%/5.15%。
• 预测因子的排名在不同的验证和预处理选择下保持稳定。
**引言**
由于迫切需要减少温室气体排放和限制气候变化(联合国气候变化框架公约,2015年;政府间气候变化专门委员会,2023年),向低碳能源系统的转型正在加速。在这一转型过程中,海上风电因其强大且相对稳定的风资源、较高的容量系数以及相对于陆上风电更少的土地使用限制而成为可再生电力的主要来源(Pérez-Canosa等人,2023年)。全球海上风电装机容量迅速增长,2023年新增装机容量达到11吉瓦,并预计在未来几十年内将继续大规模发展(全球风能理事会,2024年)。随着海上风电基础设施不断扩展到不同的海域、海岸线和气候条件下,开发出能够在不同地点一致评估风电场性能的稳健且可扩展的方法变得日益重要(Warder和Piggott,2025年;Xu等人,2026年)。
在风电场层面,海上风电的变异性不能仅通过风速来解释。除了风速外,大气和环境因素如风向(Porté-Agel等人,2013年;Zameer等人,2017年)、空气密度(Jung和Schindler,2019年)、温度和压力(Jung和Schindler,2022年)以及大气稳定性(Hansen等人,2012年;Bardal和S?tran,2017年)可能通过方向暴露、涡轮机运行条件、尾流相互作用和边界层过程影响总发电输出。最近的研究进一步强调了湍流强度(Bempedelis等人,2023年)、边界层高度(Abkar和Porté-Agel,2013年)以及稳定性依赖的流动结构(Abkar和Porté-Agel,2015年;Jin等人,2023年)在塑造海上风电变异性和尾流发展中的作用。这些发现表明,仅基于风速的农场级统计关系可能会忽略系统性和物理上有意义的变异性来源,特别是在需要在不同气候条件下运行的风电场之间进行比较评估时。
尽管在海上风电研究方面取得了显著进展,但现有文献大多仍侧重于机制研究或特定地点的分析。许多研究集中在数值模拟、尾流解析分析或基于SCADA的涡轮机或单个风电场规模的研究(Janssens等人,2016年;Ding,2019年;Lin和Liu,2020年)。这些方法对于理解局部流动物理和运行行为是不可或缺的,但它们往往难以以透明和可重复的方式推广到大规模的多风电场样本,部分原因是SCADA数据很少公开可用,且各研究之间的建模假设往往不同。因此,关于如何将公开可用的风电场级发电记录与一致的气象信息结合起来以支持区域范围内的海上风电场基准测试的证据仍然有限。这一限制在欧洲尤为重要,因为那里的海上风电发展跨越了多样化的海洋环境,而开放的电力数据为比较分析创造了新的机会。
再分析产品提供了空间和时间连续的气象场,因此在风能研究和应用中发挥着越来越重要的作用(Rose和Apt,2015年;Olauson,2018年)。其中,由欧洲中期天气预报中心(ECMWF)开发的ERA5再分析数据集因其长时间覆盖范围、全球一致性和广泛的变量可用性而成为风能资源评估、功率估算和基于气候的分析中最广泛使用的数据集之一(Olauson,2018年;Gualtieri,2021年)。然而,最近的验证研究表明,ERA5的准确性在空间上并不均匀,在海上风电应用中应谨慎解释。总体而言,ERA5在海上和其他相对均匀的环境中表现更好,但在海岸过渡带,由于陆地-海洋对比、边界层结构和未解决的中尺度过程的影响,仍可能发生显著误差(Gualtieri,2022年;Soares等人,2020年)。更广泛地说,基于ERA5的风能研究中的不确定性可能来源于有限模型分辨率、物理参数化、观测约束以及网格化大气场与实际风电场条件之间的代表性不匹配(Wang等人,2026年;Hayes等人,2021年)。当从再分析变量推断涡轮机运行高度的风况时,垂直插值和稳定性依赖的风切变可能会引入额外的不确定性,尤其是在强烈分层的海洋边界层条件下(Gualtieri,2021年)。这些限制并不妨碍使用ERA5进行海上风电评估;相反,它们强调了在使用再分析进行比较农场级分析时需要透明的预处理、谨慎的解释和外部一致性检查。
最近的研究提高了对海上风电变异性、ERA5性能以及气候相关因素对风电影响的理解,但仍然存在重要的方法论空白。特别是,目前很少有研究开发出一种可重复的框架,该框架能够同时(i)利用公开可用的风电场级发电记录,(ii)实现跨多个风电场数据集的比较分析,(iii)明确考虑影响跨地点可比性的预处理选项,以及(iv)确定除风速之外的其他大气变量是否提供可重复的增量预测信息。解决这些挑战至关重要,因为可扩展的农场级基准测试不仅需要一致的数据整合,还需要透明地处理不确定性来源并进行时间上合理的验证。因此,现有文献在如何识别和解释超出风速主导影响的气候信息方面仍提供有限的指导。
在此背景下,本研究开发了一个基于气候信息的统计框架,使用公开可用的ENTSO-E发电记录和ERA5再分析来比较分析欧洲海上风电场的性能。该框架不是替代涡轮机级别的SCADA或基于物理的分析,而是解决一个补充性问题:即可以从协调的公共发电和大气数据中提取多少关于农场级功率性能的可重复信息,以及大气状态的哪些组成部分提供了超出风速本身的信息。该框架结合了滚动容量预处理程序和两种独立实现的非参数估计方法——K近邻(KNN)和加性乘核(AMK)回归。候选大气变量通过嵌套的时间感知阻断验证进行评估,从而将特征选择、模型调整和最终性能评估分开。这种设计使得可以基于共同的保留观测数据来评估每个变量的增量贡献,而不是通过边际相关性或样本内拟合。补充分析检查了对验证和预处理选择的敏感性,考虑了同一风电场内多条发电迹线之间的依赖性,并描述了与风向预测贡献相关的场地依赖的方向结构。
利用来自40个海上风电场的57条每小时发电迹线,本研究有三个目标:(i)建立一个透明且可重复的工作流程,将公共风电场级发电记录与ERA5大气描述符协调起来,包括对ERA5与海岸观测数据的外部一致性评估;(ii)识别超出风速之外的简化大气信息层次结构,并使用独立非参数估计方法量化其在样本外的贡献;(iii)研究所得方向信息在不同风电场之间的变化及其在农场级观测和再分析数据范围内的解释方法。该框架为基于气候的基准测试提供了可扩展的基础,同时明确区分了预测信息和直接物理归因。
**数据集**
本研究使用了两个主要数据源:海上风电场发电数据(第2.1节)和ERA5再分析数据集(第2.2节)。ERA5数据场的一致性还通过沿海气象站的观测数据进行了额外验证,完整结果见补充信息的第2节。
**方法**
本节介绍了一个非参数框架,用于量化气候变量在农场级功率建模中提供的增量信息。时间不被用作预测因子;相反,在模型验证中明确保留了时间顺序,以获得现实的样本外估计。K近邻(KNN)模型用于主要特征选择分析,而加性乘核(AMK)模型提供了一个独立实现的非参数方法。
**气候变量结构与风速基线**
我们首先研究了候选气候变量与标准化农场级功率输出之间的依赖结构。图4a总结了迹线均等均值之间的成对相关性及其相应的跨迹线标准差,变量通过层次聚类进行分组(Johnson,1967年)。风速与标准化功率输出之间的线性关联最强(r=0.88,标准差=0.02)。一些风强度和边界层变量,包括风 gust...
**讨论**
本节从预测信息的组织、方向贡献的物理意义以及对农场级风电功率分析的影响等方面解读了基于气候信息的框架的主要发现。特别强调了(i)为什么风速、风向和风 gust 的紧凑层次结构捕获了可用大气描述符中的大部分可重复预测信息,(ii)方向信号如何反映两者之间的关联...
**结论**
本研究开发了一个基于气候信息的框架,用于使用公共发电记录和ERA5再分析来比较评估海上风电场的性能。通过结合协调的预处理、嵌套的时间感知验证和两种独立实现的非参数估计方法,该分析从40个欧洲海上风电场的57条发电迹线中区分了可重复的增量气候信息与边际大气变异性。主要结论如下:
**作者贡献声明**
Zhikun Dong:撰写——原始草案、可视化、验证、方法论、调查。
Yulun Zhou:监督、方法论、概念化。
Xiaowei Deng:监督、资源。
Zhaolong Han:撰写——审阅与编辑、概念化。
Kun Yang:方法论。
Yaoran Chen:撰写——审阅与编辑。
Linye Song:撰写——审阅与编辑。
**利益冲突声明**
作者声明他们没有已知的竞争性财务利益或可能影响本文工作的个人关系。
**致谢**
计算工作使用了香港大学信息技术服务部门提供的研究计算资源。作者感谢中国国家重点研发计划(2024YFE0208600)、研究资助委员会通过RGC/CRF(C7038-20GF、C6029-23GF)、RGC/GRF(17204122、17212624、17208926)、RGC/RIF(R1006-23)和RGC/TRS(T22-501/23-R)的财政支持。
Zhikun Dong | Yulun Zhou | Xiaowei Deng | Zhaolong Han | Kun Yang | Yaoran Chen | Linye Song
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号