• 匿名盲审
  • 学术期刊非营利性
  • 全球免费开放获取全文
  • 最新科研成果提供绿色通道

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

面向空中风力发电系统的高空风场观测

蔡彦枫 李晓宇

蔡彦枫,李晓宇. 面向空中风力发电系统的高空风场观测[J]. 南方能源建设,2024,11(1):1-9. doi:  10.16516/j.ceec.2024.1.01
引用本文: 蔡彦枫,李晓宇. 面向空中风力发电系统的高空风场观测[J]. 南方能源建设,2024,11(1):1-9. doi:  10.16516/j.ceec.2024.1.01
CAI Yanfeng, LI Xiaoyu. High-altitude wind field observation of airborne wind energy system [J]. Southern energy construction, 2024, 11(1): 1-9. DOI: 10.16516/j.ceec.2024.1.01 doi:  10.16516/j.ceec.2024.1.01
Citation: CAI Yanfeng, LI Xiaoyu. High-altitude wind field observation of airborne wind energy system [J]. Southern energy construction, 2024, 11(1): 1-9. DOI: 10.16516/j.ceec.2024.1.01 doi:  10.16516/j.ceec.2024.1.01

面向空中风力发电系统的高空风场观测

doi: 10.16516/j.ceec.2024.1.01
基金项目: 国家重点研发计划项目“大型伞梯式陆基高空风力发电关键技术及装备”(2023YFB4203400);中国能源建设股份有限公司重大科技项目“25 MW级高空风能发电技术与装备研究”(CEEC-KJZX-03)
详细信息
    作者简介:

    蔡彦枫,1986-,男,高级工程师,南京大学大气物理学与大气环境专业硕士,主要从事高空风能资源分析、评估与预测以及风能捕获装置空气动力学研究工作(e-mail)caiyanfeng@gedi.com.cn

    李晓宇,1991-,女,高级工程师,清华大学动力工程专业博士,主要从事高空风力发电设备寿命与安全研究工作(e-mail)xyli@cpecc.net

    通讯作者:

    蔡彦枫,1986-,男,高级工程师,南京大学大气物理学与大气环境专业硕士,主要从事高空风能资源分析、评估与预测以及风能捕获装置空气动力学研究工作(e-mail)caiyanfeng@gedi.com.cn

  • 中图分类号: TK89;P412.25

High-Altitude Wind Field Observation of Airborne Wind Energy System

  • 摘要:   目的  文章旨在研究空中风力发电系统(Airborne Wind Energy System, AWES)的测风需求及设备选型。  方法  以某空中风力发电示范工程为依托,开展测风激光雷达与风廓线雷达的对比观测试验,并对数据获取率、垂直廓线特征和时间变化特征进行分析。  结果  结果显示:在3 km高度范围内,测风激光雷达的数据获取率随高度递减至不足0.4,风廓线雷达的数据获取率则维持在0.98以上,具有更好的观测适应性;两种测风设备的风速、风向垂直廓线以及逐日、多日波动特征均具有一致性,并且能被再分析资料和高空气象站同期探空资料所验证。测风激光雷达观测结果的中位数、极差、标准差等统计特征与再分析资料更接近,相关性更好;风廓线雷达观测结果的极差和标准差整体偏大,测风精度不及测风激光雷达。  结论  文章研究表明,应根据项目所在地的气候状况,在空中风力发电站工程的不同设计阶段合理选择测风设备,科学设置测风方式。
  • 图  1  观测地点及对比验证资料示意图

    Fig.  1  Schematic diagram of observation location and validation data

    图  2  平均数据获取率对比

    Fig.  2  Comparison of average data acquisition rates in the whole observation period

    图  3  2022年7月4日~7日一次天气过程的天气形势

    Fig.  3  Synoptic charts for weather process from July 4 to July 7 of 2022

    图  4  2022年7月4日~7日数据获取情况对比

    Fig.  4  Data acquisition comparison between wind lidar and wind profiler radar from July 4 to July 7 of 2022

    图  5  垂直廓线特征对比

    Fig.  5  Vertical profile comparison between wind lidar and wind profiler radar

    图  6  时间变化特征对比

    Fig.  6  Temporal variation comparison between wind lidar and wind profiler radar

    表  1  测风设备技术参数对比表

    Tab.  1.   Comparison of technical information about wind lidar and wind profiler radar

    指标激光测风雷达风廓线雷达
    型号Wind3D 6000RH-A 3000
    工作波长/频率1.55 μm(红外线)1 290±5 MHz(微波)
    探测距离45~6 000 m100~5 000 m
    测量范围风速:0~75 m/s
    风向:0~360°
    风速:0~60 m/s
    风向:0~360°
    测量精度风速:0.1 m/s
    风向:≤3°
    风速:1.5 m/s
    风向:≤10°
    供电/功耗220 V/50 Hz
    <200 W(常温)
    380/220 V、50 Hz
    ≤4 kW
    工作环境温度:−40~60 ℃
    相对湿度:≤100%
    温度:−40~50 ℃
    相对湿度:≤100%
    下载: 导出CSV

    表  2  风速统计指标对比

    Tab.  2.   Comparison of statistical indicators of wind speed

    高度/m 500 1 000 1 500 2 000 2 500 3 000
    时间
    序列
    测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料
    中位数 1.00 0.94 0.94 0.93 0.92 0.92 0.93 0.95 0.94 0.94 0.96 0.93 0.97 0.99 0.95 1.02 0.97 0.95
    极差 2.64 2.73 2.98 2.58 2.74 2.12 2.42 2.75 2.38 2.32 2.56 2.25 2.30 2.39 2.29 2.24 2.66 2.21
    标准差 0.42 0.55 0.48 0.49 0.56 0.43 0.49 0.56 0.45 0.47 0.54 0.46 0.46 0.51 0.44 0.45 0.49 0.43
    峰值个
    数/个
    166 145 134 149 124 127 137 127 109 127 143 106 104 141 103 46 147 103
    相关
    系数*
    0.752 0.691/
    0.509
    0.902 0.838/
    0.787
    0.916 0.899/
    0.833
    0.908 0.921/
    0.863
    0.848 0.919/
    0.831
    0.801 0.907/
    0.796
    注:“*”第一个数值表示测风激光雷达与风廓线雷达之间的相关系数;“/”前后分别表示测风激光雷达与再分析资料,风廓线雷达与再分析资料之间的相关系数。
    下载: 导出CSV

    表  3  风向统计指标对比

    Tab.  3.   Comparison of statistical indicators of wind direction

    高度/m 500 1 000 1 500 2 000 2 500 3 000
    时间
    序列
    测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料 激光雷达 风廓线雷达 再分析资料
    标准差 0.32 0.35 0.43 0.30 0.35 0.39 0.28 0.32 0.33 0.27 0.31 0.31 0.27 0.30 0.29 0.25 0.32 0.29
    峰值个
    数/个
    194 159 137 159 133 129 146 127 114 132 137 117 98 135 114 54 151 114
    相关
    系数*
    0.496 0.394/
    0.315
    0.737 0.706/
    0.686
    0.794 0.696/
    0.666
    0.836 0.771/
    0.760
    0.793 0.894/
    0.794
    0.794 0.876/
    0.775
    注:“*”第一个数值表示激光雷达与风廓线雷达之间的相关系数;“/”前后分别表示激光雷达与再分析资料,风廓线雷达与再分析资料之间的相关系数。
    下载: 导出CSV
  • [1] CHERUBINI A, PAPINI A, VERTECHY R, et al. Airborne wind energy systems: a review of the technologies [J]. Renewable and sustainable energy reviews, 2015, 51: 1461-1476. DOI:  10.1016/j.rser.2015.07.053.
    [2] SCHMEHL R. Airborne wind energy: advances in technology development and research [M]. Singapore: Springer, 2018. DOI:  10.1007/978-981-10-1947-0.
    [3] ARCHER C L, CALDEIRA K. Global assessment of high-altitude wind power [J]. Energies, 2009, 2(2): 307-319. DOI:  10.3390/en20200307.
    [4] CANALE M, FAGIANO L, MILANESE M. KiteGen: a revolution in wind energy generation [J]. Energy, 2009, 34(3): 355-361. DOI:  10.1016/j.energy.2008.10.003.
    [5] KOLAR J W, FRIEDLI T, KRISMER F, et al. Conceptualization and multiobjective optimization of the electric system of an airborne wind turbine [J]. IEEE journal of emerging and selected topics in power electronics, 2013, 1(2): 73-103. DOI:  10.1109/JESTPE.2013.2269672.
    [6] SAEED M, KIM M H. Aerodynamic performance analysis of an airborne wind turbine system with NREL phase IV rotor [J]. Energy conversion and management, 2017, 134: 278-289. DOI:  10.1016/j.enconman.2016.12.021.
    [7] WIJNJA J, SCHMEHL R, DE BREUKER R, et al. Aeroelastic analysis of a large airborne wind turbine [J]. Journal of guidance, control, and dynamics, 2018, 41(11): 2374-2385. DOI:  10.2514/1.G001663.
    [8] 韩爽, 刘杉. 高空风力发电关键技术、现状及发展趋势[J/OL]. 分布式能源, 1-9 [2024-01-15]. http: //kns.cnki.net/kcms/detail/10.1427.tk.20231206.1329.002.html.

    HAN S, LIU S. Key technologies, current status and development trends of high-altitude wind power generation[J/OL]. Distributed energy, 1-9 [2024-01-15]. http://kns.cnki.net/kcms/detail/10.1427.tk.20231206.1329.002.html.
    [9] WEBER J, MARQUIS M, COOPERMAN A, et al. Airborne wind energy [R]. Golden: National Renewable Energy Laboratory, 2021.
    [10] SOMMERFELD M, CRAWFORD C, MONAHAN A, et al. LiDAR-based characterization of mid-altitude wind conditions for airborne wind energy systems [J]. Wind energy, 2019, 22(8): 1101-1120. DOI:  10.1002/we.2343.
    [11] SOMMERFELD M, DÖRENKÄMPER M, STEINFELD G, et al. Improving mesoscale wind speed forecasts using lidar-based observation nudging for airborne wind energy systems [J]. Wind energy science, 2019, 4(4): 563-580. DOI:  10.5194/wes-4-563-2019.
    [12] 王大鹏, 孙强, 刘俊, 等. 风廓线雷达数据误差分析评估 [J]. 气象水文海洋仪器, 2021, 38(3): 5-8. DOI:  10.19441/j.cnki.issn1006-009x.2021.03.002.

    WANG D P, SUN Q, LIU J, et al. Analysis and evaluation for data error of wind profile radar [J]. Meteorological, hydrological and marine instruments, 2021, 38(3): 5-8. DOI:  10.19441/j.cnki.issn1006-009x.2021.03.002.
    [13] 康雪, 许晨, 李愉. 用L波段探空测风雷达评估风廓线雷达测风准确性 [J]. 成都信息工程大学学报, 2021, 36(3): 293-299. DOI:  10.16836/j.cnki.jcuit.2021.03.009.

    KANG X, XU C, LI Y. Accuracy estimation of wind profile radar by L-band radar [J]. Journal of Chengdu University of Information Technology, 2021, 36(3): 293-299. DOI:  10.16836/j.cnki.jcuit.2021.03.009.
    [14] 方桃妮, 黄艳, 叶妍婷, 等. 边界层风廓线雷达资料在浙中强对流天气中的应用 [J]. 气象科技, 2022, 50(3): 369-379. DOI:  10.19517/j.1671-6345.20210006.

    FANG T N, HUANG Y, YE Y T, et al. Application of boundary wind profile radar to severe convective weather forecast in central Zhejiang [J]. Meteorological science and technology, 2022, 50(3): 369-379. DOI:  10.19517/j.1671-6345.20210006.
    [15] 吴俊杰, 方璘王昊, 张中锋, 等. 面向机场的多普勒激光雷达风场反演技术研究 [J]. 航空计算技术, 2020, 50(6): 1-4. DOI:  10.3969/j.issn.1671-654X.2020.06.001.

    WU J J, FANG L W H, ZHANG Z F, et al. Research on airport-oriented doppler lidar wind field inversion technology [J]. Aeronautical computing technique, 2020, 50(6): 1-4. DOI:  10.3969/j.issn.1671-654X.2020.06.001.
    [16] 吕明华, 闫江雨, 姚仁太, 等. 风向的统计方法研究 [J]. 气象与环境学报, 2012, 28(3): 83-89. DOI:  10.3969/j.issn.1673-503X.2012.03.015.

    LÜ M H, YAN J Y, YAO R T, et al. Study on the statistical method of wind direction [J]. Journal of meteorology and environment, 2012, 28(3): 83-89. DOI:  10.3969/j.issn.1673-503X.2012.03.015.
    [17] LUNNEY E, BAN M, DUIC N, et al. A state-of-the-art review and feasibility analysis of high altitude wind power in northern Ireland [J]. Renewable and sustainable energy reviews, 2017, 68(2): 899-911. DOI:  10.1016/j.rser.2016.08.014.
    [18] BECHTLE P, SCHELBERGEN M, SCHMEHL R, et al. Airborne wind energy resource analysis [J]. Renewable energy, 2019, 141: 1103-1116. DOI:  10.1016/j.renene.2019.03.118.
    [19] SCHELBERGEN M, KALVERLA P C, SCHMEHL R, et al. Clustering wind profile shapes to estimate airborne wind energy production [J]. Wind energy science, 2020, 5(3): 1097-1120. DOI:  10.5194/wes-5-1097-2020.
    [20] ONEA F, MANOLACHE A I, GANEA D. Assessment of the black sea high-altitude wind energy [J]. Journal of marine science and engineering, 2022, 10(10): 1463. DOI:  10.3390/jmse10101463.
  • [1] 赵业彬, 任建宇, 乐丛欢.  风荷载对全潜式浮式风机拖航运动响应的影响 . 南方能源建设, 2024, 11(1): 176-184. doi: 10.16516/j.ceec.2024.1.18
    [2] 郭江涛, 陈烁, 曾瑞斌, 黄丽玲, 张一丰.  风电机组惯量响应与一次调频能力研究 . 南方能源建设, 2023, 10(4): 82-90. doi: 10.16516/j.gedi.issn2095-8676.2023.04.008
    [3] 郭江涛, 陈烁, 黄丽玲.  基于改进网侧控制策略的半直驱风电系统FFRT研究 . 南方能源建设, 2023, 10(1): 146-153. doi: 10.16516/j.gedi.issn2095-8676.2023.01.019
    [4] 杜东明, 谭灿燊, 张翔宇.  1 000 MW机组烟风煤粉管道节能降耗探讨 . 南方能源建设, 2021, 8(1): 87-92. doi: 10.16516/j.gedi.issn2095-8676.2021.01.013
    [5] 卢斯煜, 郑敏嘉, 吴伟杰, 周保荣, 姚文峰.  风电并网下含核电受端电力系统调峰问题研究 . 南方能源建设, 2021, 8(1): 100-109. doi: 10.16516/j.gedi.issn2095-8676.2021.01.015
    [6] 黎景辉, 李敏生.  输电线路历年规程与新荷载规范风荷载对比 . 南方能源建设, 2020, 7(3): 102-106. doi: 10.16516/j.gedi.issn2095-8676.2020.03.013
    [7] 辛文成, 姚森敬, 陈浩敏, 于力, 席禹.  PSAT应用于风电系统暂态稳定性研究 . 南方能源建设, 2020, 7(4): 41-47. doi: 10.16516/j.gedi.issn2095-8676.2020.04.006
    [8] 葛文澎, 吴迪, 苗得胜, 刘怀西, 李岩.  基于CFD的复杂地形风电机组机位微地形风资源数值模拟研究 . 南方能源建设, 2020, 7(1): 59-64. doi: 10.16516/j.gedi.issn2095-8676.2020.01.009
    [9] 邱金鹏.  基于SA-PSO的风电消纳经济性动态规划分析 . 南方能源建设, 2019, 6(3): 92-97. doi: 10.16516/j.gedi.issn2095-8676.2019.03.016
    [10] 阮峻, 陶雄俊, 刘东甲, 张晨.  输电线路多旋翼无人机激光雷达点云数据自动分类技术研究及应用 . 南方能源建设, 2019, 6(2): 89-93. doi: 10.16516/j.gedi.issn2095-8676.2019.02.016
    [11] 阮峻, 陶雄俊, 韦新科, 李红盛.  基于固定翼无人机激光雷达点云数据的输电线路三维建模与树障分析 . 南方能源建设, 2019, 6(1): 114-118. doi: 10.16516/j.gedi.issn2095-8676.2019.01.020
    [12] 李敏生, 王振华.  中国输电线路规范的风荷载计算比较 . 南方能源建设, 2018, 5(3): 89-93. doi: 10.16516/j.gedi.issn2095-8676.2018.03.014
    [13] 王凯.  山地风电项目开发与建设管理探讨 . 南方能源建设, 2018, 5(2): 67-70. doi: 10.16516/j.gedi.issn2095-8676.2018.02.009
    [14] 王丙乾, 董剑敏, 关前锋.  基于调峰能力分析的电网弃风评估方法及风电弃风影响因素研究 . 南方能源建设, 2018, 5(2): 71-76. doi: 10.16516/j.gedi.issn2095-8676.2018.02.010
    [15] 张力, 黄文贺.  浅谈海上测风塔工程EPC总承包风险管理 . 南方能源建设, 2017, 4(S1): 168-173. doi: 10.16516/j.gedi.issn2095-8676.2017.S1.032
    [16] 王东甫, 范亮.  利用地面激光雷达与无人机技术制作大型古塔立面正射影像图 . 南方能源建设, 2016, 3(4): 107-112. doi: 10.16516/j.gedi.issn2095-8676.2016.04.022
    [17] 马兆荣, 刘晋超, 元国凯.  珠海桂山海上风电场风电机组基础设计 . 南方能源建设, 2015, 2(3): 72-75. doi: 10.16516/j.gedi.issn2095-8676.2015.03.014
    [18] 陈东, 雷金勇.  南方电网风电功率预测系统应用扩展研究 . 南方能源建设, 2015, 2(3): 28-33. doi: 10.16516/j.gedi.issn2095-8676.2015.03.005
    [19] 王荣鹏, 王干军, 吴毅江.  侧向横风作用下角钢输电塔的动力响应研究 . 南方能源建设, 2015, 2(1): 88-91. doi: 10.16516/j.gedi.issn2095-8676.2015.01.017
    [20] 李聪, 马兆荣, 刘晋超, 刘东华.  海上测风塔整体耦合风荷载计算 . 南方能源建设, 2015, 2(3): 86-90. doi: 10.16516/j.gedi.issn2095-8676.2015.03.017
  • 加载中
图(6) / 表 (3)
计量
  • 文章访问数:  775
  • HTML全文浏览量:  1250
  • PDF下载量:  652
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-01-03
  • 修回日期:  2023-03-12
  • 网络出版日期:  2023-06-06
  • 刊出日期:  2024-01-10

面向空中风力发电系统的高空风场观测

doi: 10.16516/j.ceec.2024.1.01
    基金项目:  国家重点研发计划项目“大型伞梯式陆基高空风力发电关键技术及装备”(2023YFB4203400);中国能源建设股份有限公司重大科技项目“25 MW级高空风能发电技术与装备研究”(CEEC-KJZX-03)
    作者简介:

    蔡彦枫,1986-,男,高级工程师,南京大学大气物理学与大气环境专业硕士,主要从事高空风能资源分析、评估与预测以及风能捕获装置空气动力学研究工作(e-mail)caiyanfeng@gedi.com.cn

    李晓宇,1991-,女,高级工程师,清华大学动力工程专业博士,主要从事高空风力发电设备寿命与安全研究工作(e-mail)xyli@cpecc.net

    通讯作者: 蔡彦枫,1986-,男,高级工程师,南京大学大气物理学与大气环境专业硕士,主要从事高空风能资源分析、评估与预测以及风能捕获装置空气动力学研究工作(e-mail)caiyanfeng@gedi.com.cn
  • 中图分类号: TK89;P412.25

摘要:   目的  文章旨在研究空中风力发电系统(Airborne Wind Energy System, AWES)的测风需求及设备选型。  方法  以某空中风力发电示范工程为依托,开展测风激光雷达与风廓线雷达的对比观测试验,并对数据获取率、垂直廓线特征和时间变化特征进行分析。  结果  结果显示:在3 km高度范围内,测风激光雷达的数据获取率随高度递减至不足0.4,风廓线雷达的数据获取率则维持在0.98以上,具有更好的观测适应性;两种测风设备的风速、风向垂直廓线以及逐日、多日波动特征均具有一致性,并且能被再分析资料和高空气象站同期探空资料所验证。测风激光雷达观测结果的中位数、极差、标准差等统计特征与再分析资料更接近,相关性更好;风廓线雷达观测结果的极差和标准差整体偏大,测风精度不及测风激光雷达。  结论  文章研究表明,应根据项目所在地的气候状况,在空中风力发电站工程的不同设计阶段合理选择测风设备,科学设置测风方式。

English Abstract

蔡彦枫,李晓宇. 面向空中风力发电系统的高空风场观测[J]. 南方能源建设,2024,11(1):1-9. doi:  10.16516/j.ceec.2024.1.01
引用本文: 蔡彦枫,李晓宇. 面向空中风力发电系统的高空风场观测[J]. 南方能源建设,2024,11(1):1-9. doi:  10.16516/j.ceec.2024.1.01
CAI Yanfeng, LI Xiaoyu. High-altitude wind field observation of airborne wind energy system [J]. Southern energy construction, 2024, 11(1): 1-9. DOI: 10.16516/j.ceec.2024.1.01 doi:  10.16516/j.ceec.2024.1.01
Citation: CAI Yanfeng, LI Xiaoyu. High-altitude wind field observation of airborne wind energy system [J]. Southern energy construction, 2024, 11(1): 1-9. DOI: 10.16516/j.ceec.2024.1.01 doi:  10.16516/j.ceec.2024.1.01
    • 近年来,国际上出现了1种新型风力发电形式——空中风力发电系统(Airborne Wind Energy System, AWES)[1]。AWES系统采用系留型飞行器,飞行或悬浮于空中捕获风能并转化为电能,突破了现有风力发电机组的塔架高度限制,可以开发300 m高度以上乃至整个大气边界层的风能资源[2-3],并且具有占地面积小、噪声污染小、风能储量大等特点,从而引起了广泛关注。目前,全球已有超过50家研发公司与数十个研究机构从事相关研究工作[4-6],形成了系留风筝式、系留滑翔机式、系留浮空器式3种技术路线,并衍生出多型样机[7-9];另外国内外均出现了空中风力发电站示范项目。

      对于空中风力发电站工程而言,无论采用何种形式的AWES系统,在前期规划和可行性研究阶段均需要对项目所在地的高空风资源进行观测与评估;在后期调试与投运阶段则需要对运行高度范围内的高空风场进行连续监测,以确保系留型飞行器的安全。因此,开展面向AWES系统的测风设备选型研究十分必要。现有的高空风场观测手段主要有:测风雷达(无线电探空,利用探空气球作为示踪物)、系留汽艇搭载螺旋桨式测风仪、测风激光雷达、风廓线雷达等,而具备不间断连续观测能力的主要设备为最后两种遥测设备。其中,测风激光雷达已应用于国内外的高空风资源观测和评估中[10-11],研究结果显示其数据获取率随着高度升高而降低,雨、雾、云等天气条件会限制激光的探测距离与能力。风廓线雷达在国内外气象领域广泛应用,在监测中小尺度天气系统中发挥了重要作用,研究结果显示其数据获取率基本不受天气条件影响,测风精度则会随着降水强度不同而发生变化[12-14]

      目前,国内尚未出现针对AWES系统运行高度范围的测风设备选型研究成果,因此,本文以中国能源建设集团参与建设运营的国内某空中风力发电站示范工程为研究对象,针对该项目中AWES系统获批的运行高度范围(3 km以下),开展测风激光雷达与风廓线雷达的对比观测试验,分析不同测风设备的数据获取率、垂直廓线特征和时间变化特征,并对今后空中风力发电站工程全生命周期内的测风设备选型提出建议。

    • 测风激光雷达的生产厂家为青岛某公司,采用脉冲相干多普勒激光雷达体制(Coherent Doppler Lidar, CDL),具体型号为Wind3D 6000,激光波长1.55 μm,最大探测距离6 km。风廓线雷达来自广州某公司,采用相控阵天线与固态全相参体制,具体型号为RH-A 3000,工作频率L波段,最大探测高度5 km。两种测风设备的详细技术参数如表1所示。

      表 1  测风设备技术参数对比表

      Table 1.  Comparison of technical information about wind lidar and wind profiler radar

      指标激光测风雷达风廓线雷达
      型号Wind3D 6000RH-A 3000
      工作波长/频率1.55 μm(红外线)1 290±5 MHz(微波)
      探测距离45~6 000 m100~5 000 m
      测量范围风速:0~75 m/s
      风向:0~360°
      风速:0~60 m/s
      风向:0~360°
      测量精度风速:0.1 m/s
      风向:≤3°
      风速:1.5 m/s
      风向:≤10°
      供电/功耗220 V/50 Hz
      <200 W(常温)
      380/220 V、50 Hz
      ≤4 kW
      工作环境温度:−40~60 ℃
      相对湿度:≤100%
      温度:−40~50 ℃
      相对湿度:≤100%
    • 图1所示,两种测风设备并排布置在项目现场的空地处,四周空旷无遮挡。对比观测时段为2022年6月27日0时~7月27日0时,测风设备均由互联网授时,不间断连续观测。两种测风设备均采用五波束扫描方式,分别沿东、南、西、北以及垂直等5个方向依次发射倾斜的探测波束并接收回波,根据返回信号的多普勒频移形成径向速度结果。其中,测风激光雷达的波束倾斜角(与垂直方向的夹角)为21.27°,得到0.17~6.00 km高度范围内共102个垂直分层的径向速度,垂直分辨率约55 m。风廓线雷达的波束倾斜角为15°,得到0.1~4.9 km高度范围内共54个垂直分层的径向速度,垂直分辨率为50 m(低、中模式)和100 m(高模式)。

      图  1  观测地点及对比验证资料示意图

      Figure 1.  Schematic diagram of observation location and validation data

    • 两种测风设备均在其信号处理软件中内置了DBS风场反演方法[15],将各个垂直分层的五波束径向速度反演为相同高度上的水平风速V、风向D和垂直速度W,并形成时间序列V(t)、D(t)、W(t)输出;其中,测风激光雷达输出逐次扫描的反演结果,风廓线雷达输出每5 min平均的反演结果。本文进一步采用算术平均法,将V(t)和D(t)处理为10 min平均结果和1 h平均结果,分别用于测风设备之间对比,以及测风设备与再分析资料之间对比。风向在进行算术平均时考虑“过零”修正[16]

      在进行两种测风设备的全高度层风速廓线形态对比,以及相同高度层的时间变化特征对比时,水平风速均进行无量纲化处理,得到无量纲风速廓线V'(z)和无量纲风速时间序列V'(t)。

      V'(z)定义为:

      $$ V'({\textit{z}}) = \dfrac{{V({\textit{z}})}}{{V_{1\;500}}} $$ (1)

      式中:

      V(z)——测风设备在任意垂直层z上的水平风速(m/s);

      V1 500——距离大气边界层顶特征高度(1 500 m)最近的垂直层上水平风速(m/s)。

      V'(t)定义为:

      $$ V'(t) = \dfrac{{V(t)}}{{{V_{{\rm{mean}}}}}} $$ (2)

      式中:

      V(t) ——某一高度层上任意平均时段t内的水平风速(m/s);

      Vmean ——相同高度层全时段平均的水平风速(m/s)。

    • 对两种测风设备在相同高度层的无量纲风速时间序列V'(t)与风向时间序列D(t)进行统计,得到中位数、极差、标准差、峰值个数、相关系数等一系列统计参数,开展时间变化特征对比分析。其中,峰值个数的定义如下:把时间序列看作一维数组,每个时次的观测结果看作数组中的一个样本,峰值个数看作一维数组中的局部最大值个数,即数值大于其左、右相邻样本的样本个数。相关系数则包括两种测风设备之间的相关系数,以及两种测风设备分别与2.3节所述的同期ERA5再分析资料之间的相关系数。

    • 图1所示,距离观测地点最近的高空气象站站号为58457,收集观测期间内该站的无线电探空资料对两种测风设备的全高度层风速廓线和风向廓线形态进行验证。验证资料具体包括每日08时与20时的风速和风向记录,高度层为地面层、1 000 hPa、925 hPa、850 hPa和700 hPa;本文所用高空气象站资料均来自中国气象数据网(http://data.cma.cn)的公开资料。

      为了弥补高空气象站定时观测资料的不足,利用能够提供逐时全气象要素结果的中尺度再分析资料,对两种测风设备的风速和风向时间变化特征进行验证。本文所利用的再分析资料来自欧洲中期天气预报中心(ECMWF)的ERA5再分析数据集,该数据集经过实测资料的广泛验证,能够提供全球范围内逐小时、空中不同气压层的风、温、压、湿结果,空间分辨率0.25°×0.25°,在国外被用作区域高空风资源分析研究的基础资料[17-20]。本文选择观测期间内ERA5再分析资料距离观测地点最近格点(118.75°E,30.25°N),1 000 hPa、975 hPa、950 hPa、925 hPa、900 hPa、875 hPa、850 hPa、825 hPa、800 hPa、775 hPa、750 hPa和700 hPa共12个气压层的风速、风向序列。

      另外,为了分析测风设备探测距离随天气状况的变化情况,同步收集观测期间内中央气象台(http://www.nmc.cn)每日发布的地面天气图、850 hPa高空天气图。

    • 数据获取率定义为剔除缺测数据后的有效数据与全部观测数据之比。根据雷达测风原理,测风激光雷达或风廓线雷达在获取径向速度结果时,还同步记录回波的信噪比。两种测风设备均有预设的信噪比阈值,当测量的信噪比低于阈值时,径向速度结果被认为无效,则输出文件中记为缺测。实际测量中,回波强度可能随着探测距离与天气情况的差异出现下降,导致信噪比低于阈值,则数据获取率通常小于1。根据本次观测试验的测风设备各自预设的信噪比阈值,全时段数据获取率对比如图2所示。

      图  2  平均数据获取率对比

      Figure 2.  Comparison of average data acquisition rates in the whole observation period

      图2可知,当从地面升至1 500 m高度时,蓝线所示的测风激光雷达数据获取率从0.98逐步递减至0.9;与参考文献[6]的同类型雷达(最大探测距离4 km)相比,本文所用测风激光雷达在大气边界层范围内的数据获取率有一定幅度提升。可能原因在于激光光源功率更大,随着激光脉冲能量的提升,返回信号抗衰减性能更优,最大探测距离提升至6 km;并且随着信号检测技术的改进,相同探测距离内可以取得更高的数据获取率。而在大气边界层之上,数据获取率迅速下降,到达3 000 m高度时,数据获取率已不足0.4,其成因与云和气溶胶的形成、分布有关。一方面,随着高度上升,气温下降,水汽饱和凝结,具备成云条件,灰线所示的平均云量(ERA5再分析资料)开始增多;随着探测距离增大,测风激光雷达回波途经云层时,能量衰减剧增,信噪比下降明显。另一方面,测风激光雷达主要依赖空气中气溶胶粒子对激光波束的后向散射形成返回回波,因此,探测能力通常与气溶胶浓度呈现反相关关系;由于气溶胶粒子集中在大气边界层,在大气边界层顶之上的自由大气,气溶胶浓度急剧降低,则测风激光雷达向更高高度的探测能力受到天然限制。值得注意的是,红线所示的风廓线雷达数据获取率在全高度层均维持在0.98以上,其背后的物理机制在于风廓线雷达采用的电磁波对云或降水具有一定的穿透能力,既能在晴空条件下获取大气湍流散射回波,又能在多云或降水天气下获取云和降水粒子的散射回波,从而维持高信噪比和稳定的数据获取率。

      进一步,选择7月4日至7月7日的一次天气过程进行两种测风设备的数据获取率差异分析。首先分析该时段内的天气形势,如图3(a)所示,2203号热带气旋“暹芭”登陆后其残余势力继续深入湖南、湖北境内,而2204号热带气旋“艾莉”即将登陆和影响日本;因此蓝线所示的海平面气压场出现两个低压中心,一个结构松散,影响我国华中和华东大部分地区并逐渐缓慢北抬,对应“暹芭”的残余环流;另一个结构紧密,即将横穿日本本岛,覆盖范围较小,对应“艾莉”的台风中心。如图3(b)所示,接近1 500 m高度的850 hPa等压面上,“暹芭”残余环流外围出现了紫色所示的6级以上西南大风,不断引导海上暖湿气流北上。

      图  3  2022年7月4日~7日一次天气过程的天气形势

      Figure 3.  Synoptic charts for weather process from July 4 to July 7 of 2022

      该时段内两种测风设备的观测结果如图4所示,测风激光雷达在此期间因天气影响出现了多个时段的数据空缺:7月4日~5日,观测地点受“暹芭”残余环流的低压系统外围影响,出现短时雷雨,降雨结束后出现轻雾,因此造成测风激光雷达出现全高度范围内的缺测;7月6日~7日,随着低压中心北抬,高空的西南大风区覆盖观测地点,天气转为多云,则1 km之上的高空出现缺测。而风廓线雷达则完整地记录了随着地面低压中心和高空西南大风区的移动,高空风动量下传,使得边界层内风速先增大后减小,地面到3 km高度的风向由南风偏转为西南风的风场转变全过程。总的来看,风廓线雷达对各类天气条件的适应性更好。

      图  4  2022年7月4日~7日数据获取情况对比

      Figure 4.  Data acquisition comparison between wind lidar and wind profiler radar from July 4 to July 7 of 2022

    • 对两种测风设备在全观测时段内平均的风速、风向垂直廓线进行对比,如图5所示。由图可知,就无量纲风速廓线而言,两种测风设备在全高度层均呈现基本一致的统计结果,大气边界层内风速随高度上升而增大;大气边界层上风速随高度上升先增大后减小,出现类似低空急流的形态。上述廓线形态被再分析资料所再现,另外高空气象站同期的风速廓线统计结果在大气边界层内与两种测风设备基本重合,验证了雷达反演风速的有效性。在2 000 m高度以上,高空气象站与两种测风设备的V'(z)形态出现偏离;1 000 m高度以下,再分析资料的V'(z)形态也逐渐出现偏离,可能原因在于本次收集的高空气象站资料在大气边界层上只有700 hPa一层,对1500~3000 m高度范围内的风速廓线形态描述不够精细;加之本次观测地点位于皖南山区,0.25°×0.25°的再分析资料对区域内小尺度地形的刻画不够准确,导致再分析资料中的低层风速偏小。

      图  5  垂直廓线特征对比

      Figure 5.  Vertical profile comparison between wind lidar and wind profiler radar

      另外,就风向随高度的变化而言,将两种测风设备的风向结果按照每10°扇区进行出现频率统计,取频率最高的风速扇区进行比较。如图5所示,随高度升高,两种测风设备均出现主导风向轻微偏转的现象:1 000 m以下的低空主要为220°偏西南风,1000~1500 m逐渐右偏,大气边界层之上基本稳定240°~250°偏西风,高空风向比低空风向大致右偏了20°;上述特征与高空气象站、再分析资料吻合,从而验证了雷达反演风向的有效性。另外,500~2500 m高度范围内的相同高度上,两种测风设备之间,以及测风设备与高空气象站、再分析资料之间的风向偏差普遍小于20°,与已有研究成果基本一致。

    • 以1 500 m高度为例,对两种测风设备的风速、风向时间变化特征进行对比,如图6所示。由图可知,两种测风设备呈现基本一致的逐日、多日波动特征和整体变化趋势,并且与再分析资料相吻合。观测期间因天气系统生消、移动引起的风速、风向突变时段在不同设备的观测结果以及再分析资料中均能相互印证。值得注意的是,在某些时段内,风廓线雷达反演结果出现持续振荡的形态,可能与大气湍流活动以及本文所用风廓线雷达的信号处理算法有关。其他高度层的对比结果相似。

      图  6  时间变化特征对比

      Figure 6.  Temporal variation comparison between wind lidar and wind profiler radar

      进一步,对测风激光雷达和风廓线雷达结果取1 h平均后,与再分析资料结果一同统计一维时间序列的相关统计参数,取500 m、1000 m、1500 m、2000 m、2500 m和3000 m作为特征高度,统计结果如表2表3所示。就风速而言,以中位数、极差、标准差、相关系数对比,在1000 ~2500 m高度之间,测风激光雷达的统计特征与再分析资料更接近,中位数、极差、标准差之间的一致性更高,并且与再分析资料之间的相关性更好。风廓线雷达的差距主要表现为极差和标准差等两个指标整体偏大,这源于图6所示的持续振荡现象,同时也造成时间序列中的峰值个数偏多,反映出本次风廓线雷达反演风速结果中可能包含了更高频的信号或者噪声,使用前需要进行滤波,观测稳定性不及测风激光雷达。但两种测风设备之间相关系数维持在0.84以上,具有较高的同步性。在其他高度上,两种测风设备之间的偏差有所增大,相关系数下降,原因在于500 m低空时风廓线雷达观测受到近地面较旺盛湍流的影响,回波信号中包含更多干扰,导致反演结果可能偏离真实值。而3 000 m高空时测风激光雷达观测获取率降低,用于对比的样本数显著减少,导致统计指标可能出现偏差。就风向而言,同样表现为测风激光雷达的统计特征与再分析资料更接近,但两种测风设备之间,以及与再分析资料之间的相关系数不及风速。

      表 2  风速统计指标对比

      Table 2.  Comparison of statistical indicators of wind speed

      高度/m 500 1 000 1 500 2 000 2 500 3 000
      时间
      序列
      测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料
      中位数 1.00 0.94 0.94 0.93 0.92 0.92 0.93 0.95 0.94 0.94 0.96 0.93 0.97 0.99 0.95 1.02 0.97 0.95
      极差 2.64 2.73 2.98 2.58 2.74 2.12 2.42 2.75 2.38 2.32 2.56 2.25 2.30 2.39 2.29 2.24 2.66 2.21
      标准差 0.42 0.55 0.48 0.49 0.56 0.43 0.49 0.56 0.45 0.47 0.54 0.46 0.46 0.51 0.44 0.45 0.49 0.43
      峰值个
      数/个
      166 145 134 149 124 127 137 127 109 127 143 106 104 141 103 46 147 103
      相关
      系数*
      0.752 0.691/
      0.509
      0.902 0.838/
      0.787
      0.916 0.899/
      0.833
      0.908 0.921/
      0.863
      0.848 0.919/
      0.831
      0.801 0.907/
      0.796
      注:“*”第一个数值表示测风激光雷达与风廓线雷达之间的相关系数;“/”前后分别表示测风激光雷达与再分析资料,风廓线雷达与再分析资料之间的相关系数。

      表 3  风向统计指标对比

      Table 3.  Comparison of statistical indicators of wind direction

      高度/m 500 1 000 1 500 2 000 2 500 3 000
      时间
      序列
      测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料 测风激光雷达 风廓线雷达 再分析资料 激光雷达 风廓线雷达 再分析资料
      标准差 0.32 0.35 0.43 0.30 0.35 0.39 0.28 0.32 0.33 0.27 0.31 0.31 0.27 0.30 0.29 0.25 0.32 0.29
      峰值个
      数/个
      194 159 137 159 133 129 146 127 114 132 137 117 98 135 114 54 151 114
      相关
      系数*
      0.496 0.394/
      0.315
      0.737 0.706/
      0.686
      0.794 0.696/
      0.666
      0.836 0.771/
      0.760
      0.793 0.894/
      0.794
      0.794 0.876/
      0.775
      注:“*”第一个数值表示激光雷达与风廓线雷达之间的相关系数;“/”前后分别表示激光雷达与再分析资料,风廓线雷达与再分析资料之间的相关系数。
    • 综上所述,测风激光雷达与风廓线雷达各有优势与不足。测风激光雷达测风精度较高,在晴空时段可以获得3 km高度范围内的完整观测结果;但微米波长的激光能量容易受到大气中的云滴、雨滴衰减,因此,对天气变化较为敏感,数据获取率随着观测高度的升高出现下降趋势。风廓线雷达的分米波长穿透性更强,对各类天气条件的适应性更好,最大探测高度持续稳定在3 km甚至更高,但风廓线雷达在低空观测时包含更多干扰,测风精度不及测风激光雷达。因此,在空中风力发电站工程的前期规划和可行性研究阶段,可以根据工程地点的气候状况,在干旱、半干旱地区以测风激光雷达为主要测风设备开展周年的高空风资源调查,充分发挥测风激光雷达晴空观测优势,获取现场较为精确的测风资料;在湿润、多雨地区则以风廓线雷达为主,在观测之前用测风激光雷达对风廓线雷达进行标定,控制风廓线雷达的测风精度。在后期调试和投运阶段,可以以风廓线雷达为主,或者风廓线雷达与测风激光雷达联合观测,确保AWES系统在空中运行期间实时获得全高度范围内的风速、风向廓线,以更好地支持空地协同控制与恶劣天气下的紧急回收。

      另一方面,AWES技术对测风设备的测风精度和数据获取率均有较高要求,红外线或微波等单一电磁波段的测风设备难以兼顾全部的测风需求。在下一步的研究中可以选择兼顾测风准确性与雨雾穿透性的毫米波开发新型测风雷达;也可以考虑研制多电磁波段的新型观测设备,在同一设备中整合不同波段的优势,避免不同设备之间的系统性偏差及额外的采购、运维成本。

    • 近年来,高空风力发电技术已经成为国内外工程实践以及科学研究的热点。2023年,国家重点研发计划项目“大型伞梯式陆基高空风力发电关键技术及装备”立项,将推动我国千米级高空风能发电原创技术策源地建设和产业发展。本文以某高空风能发电示范工程为研究对象,针对该项目中AWES系统获批的运行高度范围(3 km以下),开展测风激光雷达与风廓线雷达的对比观测试验,分析不同设备的数据获取率、垂直廓线特征和时间变化特征,取得如下结论:

      1)大气边界层内,测风激光雷达全时段内的平均数据获取率随高度升高逐步递减至0.9,在大气边界层之上,数据获取率迅速下降,到达3 000 m高度时已不足0.4;风廓线雷达在全高度层的平均数据获取率均维持在0.98以上,具有更好的观测适应性。

      2)测风激光雷达和风廓线雷达在全观测时段内平均的风速、风向垂直廓线具有一致性,均表现为大气边界层内风速随高度上升而增大,大气边界层上风速随高度上升先增大后减小,出现低空急流形态;1000 m以下的低空主要为220°偏西南风,1000 ~1500 m逐渐右偏,大气边界层之上基本稳定240°~250°偏西风,高空风向比低空风向大致右偏了20°;上述廓线形态被再分析资料和高空气象站同期探空资料所验证。

      3)测风激光雷达和风廓线雷达的反演结果呈现基本一致的逐日、多日波动特征和整体变化趋势,在1000~2500 m高度之间,测风激光雷达的统计特征与再分析资料更接近,中位数、极差、标准差之间的一致性更高,并且与再分析资料之间的相关性更好;风廓线雷达的极差和标准差等两个指标整体偏大;500 m低空时风廓线雷达观测受到近地面较旺盛湍流的影响,回波信号中包含更多干扰,导致反演结果可能偏离真实值,测风精度不及测风激光雷达。

      4)在高空风能电站工程的不同阶段,应根据项目所在地的气候状况与具体的观测需求,合理选择测风设备,科学设置测风方式。

参考文献 (20)

目录

    /

    返回文章
    返回