2020年10月14日-16日，2020北京國(guó)際風(fēng)能大會(huì)暨展覽會(huì)（CWP 2020）在北京新國(guó)展隆重召開(kāi)。作為全球風(fēng)電行業(yè)年度最大的盛會(huì)之一，這場(chǎng)由百余名演講嘉賓和數(shù)千名國(guó)內(nèi)外參會(huì)代表共同參與的風(fēng)能盛會(huì)，再次登陸北京，本屆大會(huì)以“引領(lǐng)綠色復(fù)蘇，構(gòu)筑更好未來(lái)”為主題，聚焦中國(guó)能源革命的未來(lái)。能見(jiàn)App全程直播本次大會(huì)。

　　

　　在14日下午召開(kāi)的風(fēng)資源精細(xì)化評(píng)估分論壇上，中國(guó)船舶集團(tuán)海裝風(fēng)電股份有限公司風(fēng)資源工程師劉靜發(fā)表《測(cè)風(fēng)數(shù)據(jù)插補(bǔ)對(duì)發(fā)電量的影響》主題演講。

　　

　　以下為發(fā)言實(shí)錄：劉靜：非常榮幸受邀參加此次風(fēng)能大會(huì)風(fēng)資源評(píng)估論壇，跟大家一起來(lái)學(xué)習(xí)交流。測(cè)量數(shù)據(jù)差補(bǔ)對(duì)發(fā)電量的影響。

　　

　　第一個(gè)部分測(cè)風(fēng)數(shù)據(jù)插補(bǔ)方法，第二示例說(shuō)明，測(cè)風(fēng)數(shù)據(jù)插補(bǔ)方法，我認(rèn)為測(cè)風(fēng)數(shù)據(jù)作為風(fēng)資源評(píng)估的靈魂，一直扮演著非常重要的一個(gè)角色，但是作為風(fēng)資源工程師，我們?cè)谌粘９ぷ髦薪?jīng)常思考一些問(wèn)題，像三個(gè)月六個(gè)月數(shù)據(jù)這么少到底可不可以用插補(bǔ)完整，該如何插補(bǔ)，插補(bǔ)之后該如何去評(píng)判它的不確定度?；谝陨系倪@些它的一個(gè)問(wèn)題，尋找了一些示例的測(cè)風(fēng)塔，不同的插補(bǔ)方法，插補(bǔ)一個(gè)完整年，與真實(shí)的情況進(jìn)行風(fēng)速和發(fā)電量的對(duì)比。首先我先介紹一下插補(bǔ)方法。

　　

　　首先介紹的是線性最小二乘法，LLS兩種形式。第二種是總體最小化乘法，TLS，與LLS，很類(lèi)似，做了一些輕微的修改，它的斜率的計(jì)算會(huì)更加的復(fù)雜一些。第三種是方差比方法，簡(jiǎn)稱(chēng)VR，它的些率是等于目標(biāo)風(fēng)速與標(biāo)準(zhǔn)偏差的一個(gè)比值。接下來(lái)介紹的是矩陣時(shí)間序列法，將我們時(shí)間序列的平均風(fēng)速轉(zhuǎn)化為一個(gè)完全二維聯(lián)合概率分布，將我們每一個(gè)參考風(fēng)速的風(fēng)速段，做一個(gè)目標(biāo)風(fēng)速的一個(gè)累計(jì)分布函數(shù)，通過(guò)目標(biāo)風(fēng)速值和查找的累計(jì)分布函數(shù)值，將我們目標(biāo)風(fēng)速轉(zhuǎn)化為百分比的時(shí)間序列，然后我們?nèi)眰?cè)誰(shuí)的部分的風(fēng)速，百分比時(shí)間序列，內(nèi)置法談蟲(chóng)完整，百分比時(shí)間序列，通過(guò)查找我們剛剛構(gòu)建好的累計(jì)分布函數(shù)再轉(zhuǎn)化成我們的時(shí)間序列的目標(biāo)風(fēng)速，這樣我們的矩陣時(shí)間序列法MTS就插補(bǔ)完成了，這個(gè)是插補(bǔ)的圖。

　　

　　接下來(lái)介紹的是風(fēng)速比法，簡(jiǎn)稱(chēng)BSR，y等于mx。威布爾擬合法，風(fēng)速排序法，重新進(jìn)行一個(gè)排列，排列好的數(shù)據(jù)也是進(jìn)行一個(gè)散點(diǎn)圖的繪制。當(dāng)然是選取他們兩者當(dāng)中較小的那個(gè)值作為這個(gè)拐點(diǎn)，拐點(diǎn)以上按照排序好的數(shù)據(jù)做最好化乘法，連接成線，連接成的折線我們最后風(fēng)速排序法的最佳預(yù)測(cè)線。

　　

　　垂直切片法，簡(jiǎn)稱(chēng)VS，將我們正常的SY散點(diǎn)圖分成N個(gè)切片，每一個(gè)切片的平均值就是我們的拐點(diǎn)，拐點(diǎn)連接成一個(gè)折線，這個(gè)折線就是最后的預(yù)測(cè)線。通過(guò)以上插補(bǔ)方法的研究，我們尋找了5座示例的測(cè)風(fēng)塔，都是2017年，完整率比較好，有平原有山低，有低海拔，有高海拔，是從四米七八到七米九七，我們將它們分成四個(gè)月，五個(gè)月，六個(gè)月，再插補(bǔ)完整年這樣的過(guò)程。

　　

　　再看一下我們選取的參考的長(zhǎng)期數(shù)據(jù)，我們選了四種參考長(zhǎng)期數(shù)據(jù)，分別是CFSR，ERA-5，MERRA-2，WRF。WRF分辨率是一個(gè)小時(shí)，數(shù)據(jù)源是ERA-5輸入。通過(guò)對(duì)插補(bǔ)方法的研究，每一個(gè)插補(bǔ)方法都會(huì)有插補(bǔ)的一個(gè)設(shè)置，那如何進(jìn)行這些設(shè)置，我們做了測(cè)試性的研究，首先來(lái)看一下線性最小二乘法的測(cè)試結(jié)果，隨著X軸的增加的話，我們的時(shí)間和數(shù)據(jù)量是增加的，粉紅色這條線就是我們的預(yù)測(cè)后的K值，粉紅色這條線是預(yù)測(cè)的K值，淺藍(lán)色預(yù)測(cè)后的風(fēng)速，隨著時(shí)間和數(shù)據(jù)量的增加，這個(gè)波動(dòng)預(yù)測(cè)的波動(dòng)是越來(lái)越小的，它的預(yù)測(cè)的不確定性也是越來(lái)越低的，并且再看到這個(gè)橫坐標(biāo)否表示的兩種形式，1表示的不分散區(qū)，6表示不分散區(qū)，預(yù)測(cè)的K值與實(shí)際的K值更為接近的。

　　

　　從五個(gè)測(cè)風(fēng)塔的測(cè)試結(jié)果來(lái)看，都是我們最后采用的是10分16個(gè)扇區(qū)是能夠更好的預(yù)測(cè)風(fēng)速K值和發(fā)電量。接下來(lái)再看一下總體最小二乘法，TLS的設(shè)置，這種方法在零點(diǎn)出現(xiàn)一些風(fēng)速突變，分成了兩種情況，下面這張圖風(fēng)速突變的情況，數(shù)據(jù)量比較少，突變也是有可能發(fā)生的，分成兩種，目標(biāo)風(fēng)速只有三個(gè)月的時(shí)候，數(shù)據(jù)量比較少。接下來(lái)幾種的插補(bǔ)方法都是一個(gè)默認(rèn)的設(shè)置，值得注意的就是每一種設(shè)置，分一些數(shù)據(jù)級(jí)，這個(gè)數(shù)據(jù)級(jí)的數(shù)據(jù)量，是需要我們?cè)诠ぷ髦腥粘Ｈプ⒁獾?，如果?shù)據(jù)量過(guò)低，擬合的函數(shù)會(huì)失真。

　　

　　第三個(gè)部分是結(jié)果與分析。

　　

　　通過(guò)對(duì)插補(bǔ)方法的研究以及剛剛插補(bǔ)的測(cè)試，我們可以分析得到，我們對(duì)于測(cè)風(fēng)數(shù)據(jù)延長(zhǎng)插補(bǔ)的不確定分析來(lái)源三個(gè)部分，第一部分插補(bǔ)的數(shù)據(jù)源，我們與不同的數(shù)據(jù)源進(jìn)行插補(bǔ)相關(guān)性越好相對(duì)來(lái)說(shuō)是越可靠的，第二個(gè)部分就是同期數(shù)據(jù)量，數(shù)據(jù)量越多的話，相對(duì)來(lái)說(shuō)不確定性也是越小的，第三個(gè)部分是插補(bǔ)方法，插補(bǔ)后的不確定性也是更小的。

　　

　　接下來(lái)看這張突隨著橫坐標(biāo)的增加，藍(lán)色的這條線是越來(lái)越大的。來(lái)越我們相關(guān)性，兩條黑色的實(shí)線風(fēng)速的規(guī)化變量，隨著相關(guān)性增加，我們插補(bǔ)后的風(fēng)速與實(shí)際是更為接近，就是插補(bǔ)的不確定性是越小，但也不是必然的，是相對(duì)趨勢(shì)，插補(bǔ)的不確定性有三個(gè)方面，并不是相關(guān)性一定越好，它的插補(bǔ)的不確定性越小，受三個(gè)方面的制約。

　　

　　我通過(guò)了我們這個(gè)示例風(fēng)電場(chǎng)，發(fā)現(xiàn)有一些少部分出現(xiàn)異常，這些異常的部分我們進(jìn)行一個(gè)分析，這個(gè)原因，左圖是我們的日變化圖，右圖是月變化圖，三個(gè)月的數(shù)據(jù)，橙色這條線擬合程度是比較好的，不管日變化還是月變化與其他三個(gè)數(shù)據(jù)，CFSR、ERA、MERRA-2相反，與其他三個(gè)數(shù)據(jù)插補(bǔ)的結(jié)果都出現(xiàn)風(fēng)變，風(fēng)速值非常的異常，反映出來(lái)我們?cè)谶M(jìn)行前期的插補(bǔ)的時(shí)候，我們只看行管性的話，會(huì)比較片面，我們也要考慮它的日變化和月變化的擬合程度，通過(guò)對(duì)我們插補(bǔ)延長(zhǎng)后的數(shù)據(jù)我們分成三個(gè)月六個(gè)月九個(gè)月，插補(bǔ)后它的一千多個(gè)數(shù)據(jù)的整合，我們來(lái)看一下它風(fēng)速度偏差，三個(gè)月六個(gè)月九個(gè)月，數(shù)據(jù)，風(fēng)速偏差在3%2%，和1%，表格中顯示的是最大偏差。我分成三個(gè)檔次，根據(jù)相關(guān)性來(lái)分，最大偏差風(fēng)速比法最大偏差相對(duì)來(lái)說(shuō)比較低的，相關(guān)性比較好0.6到0.8%，LLS，最大偏差是非常有優(yōu)勢(shì)的。

　　

　　接下來(lái)看一下發(fā)電量的偏差和平均偏差，發(fā)電量三個(gè)月六個(gè)月九個(gè)月，平均的偏差在6%，4%和2%，表格中顯示的是最大偏差，最大偏差發(fā)電量的偏差與風(fēng)速的偏差類(lèi)似，其次是TLS，值得注意的也是在相關(guān)性比較好的情況下最小化乘法，TLS的優(yōu)勢(shì)是比較顯著的。

　　

　　除了我們看了一下偏差之外，我們還測(cè)試了一下他們的一個(gè)穩(wěn)定性就是偏差的RMSE插補(bǔ)成一個(gè)完整年，相對(duì)來(lái)說(shuō)都是最低的，發(fā)電量也是如此，其次是TLS，總體最小二乘法相對(duì)比較低。

　　

　　這個(gè)其實(shí)也就說(shuō)明了我們穩(wěn)定性是插補(bǔ)之后穩(wěn)定性會(huì)更好一些。通過(guò)以上的研究，總結(jié)出了以下五點(diǎn)，首先第一點(diǎn)相對(duì)的相關(guān)性越高插補(bǔ)結(jié)果越可靠，同期數(shù)據(jù)量越多，插補(bǔ)結(jié)果越可靠，第二點(diǎn)是VS垂直切片法，因?yàn)樗牟⒌脑O(shè)置會(huì)比較敏感，容易導(dǎo)致數(shù)據(jù)量過(guò)少，所以暫時(shí)還沒(méi)有推薦采用。第三點(diǎn)是在進(jìn)行插補(bǔ)的時(shí)候我們不僅要看相關(guān)性的大小，看月變化和小時(shí)變化的粘合程度。第四點(diǎn)在相關(guān)性R方0.2到0.6，建議采用BSR風(fēng)速比較和TSS總體最小二乘法進(jìn)行插補(bǔ)，這一點(diǎn)可以應(yīng)用在我們?nèi)粘９ぷ髦械?，比如說(shuō)我們遇到風(fēng)電場(chǎng)有參考塔，它的相關(guān)性其實(shí)都是比較高的，我們?cè)谶M(jìn)步插補(bǔ)延長(zhǎng)的最小二乘法，最大偏差都會(huì)有一些優(yōu)勢(shì)。第五點(diǎn)在進(jìn)行三個(gè)月，六個(gè)月，九個(gè)月數(shù)據(jù)插補(bǔ)完整年的時(shí)候，BSR風(fēng)速比較的偏差RMSE較低，表現(xiàn)比較穩(wěn)定。

　　

　　以上就是我分享的全部?jī)?nèi)容，謝謝大家。

　　

　　（根據(jù)速記整理，未經(jīng)本人審核）