蔡彥楓，王海龍，周川，陳德輝，彭明

(1. 中國能源建設(shè)集團(tuán)廣東省電力設(shè)計研究院有限公司，廣州 510663；2. 廣東省風(fēng)力發(fā)電有限公司，廣州 510630)

?

風(fēng)向?qū)V東海上風(fēng)電場風(fēng)機(jī)布置的影響

蔡彥楓1，王海龍1，周川1，陳德輝1，彭明2

(1. 中國能源建設(shè)集團(tuán)廣東省電力設(shè)計研究院有限公司，廣州 510663；2. 廣東省風(fēng)力發(fā)電有限公司，廣州 510630)

引入一個包含20臺4 MW風(fēng)力發(fā)電機(jī)組，風(fēng)機(jī)布置采用規(guī)則幾何構(gòu)型的海上風(fēng)電場理論模型，設(shè)計了兩大類共4個不同的風(fēng)機(jī)陣列，根據(jù)1991-2010年廣東近海區(qū)域MERRA再分析資料，從海面風(fēng)向的季節(jié)變化、扇區(qū)劃分方式變化以及風(fēng)向頻率分布變化等三個方面開展數(shù)值試驗(yàn)研究。結(jié)果表明：平行四邊形陣列比矩形陣列更具靈活性，能夠適應(yīng)更復(fù)雜的風(fēng)向季節(jié)性偏轉(zhuǎn)；風(fēng)機(jī)布置需要更加細(xì)致的風(fēng)向扇區(qū)劃分方式，傳統(tǒng)的16個風(fēng)向扇區(qū)劃分方式難以適應(yīng)風(fēng)機(jī)陣列最佳朝向的選擇與調(diào)整；風(fēng)機(jī)布置方案比選需要考慮風(fēng)向頻率分布的年際變動，通過敏感性試驗(yàn)識別更具穩(wěn)定性的風(fēng)機(jī)陣列。

風(fēng)向；海上風(fēng)電場；風(fēng)機(jī)布置

近年來隨著海上風(fēng)電技術(shù)的不斷進(jìn)步，世界范圍內(nèi)海上風(fēng)電場的裝機(jī)規(guī)模和開發(fā)容量持續(xù)增長，由此帶來的海上風(fēng)電開發(fā)經(jīng)濟(jì)性與風(fēng)電場布局優(yōu)化問題日益受到關(guān)注。歐洲、北美相繼組織了專項(xiàng)研究計劃[1-3]，以費(fèi)效比指標(biāo)(度電成本)為目標(biāo)函數(shù)，以風(fēng)機(jī)布置方案設(shè)計為核心，綜合考慮風(fēng)機(jī)基礎(chǔ)類型、風(fēng)機(jī)陣列尾流、電氣接線設(shè)計、海上安裝施工、運(yùn)維檢修等各個因素，設(shè)計多層次和非線性約束的新型數(shù)學(xué)規(guī)劃算法，尋求最優(yōu)的風(fēng)電場布局形式，并面向今后開發(fā)新一代的海上風(fēng)電場優(yōu)化設(shè)計軟件[4]。

與歐洲和北美相比，我國海上風(fēng)電開發(fā)存在起步晚、起點(diǎn)高、市場廣闊、發(fā)展?jié)摿薮蟮忍攸c(diǎn)；與此同時也需要應(yīng)對更為復(fù)雜的自然環(huán)境和風(fēng)資源[5-7]。以廣東為例，由于地處東亞季風(fēng)區(qū)，具有風(fēng)向季節(jié)性偏轉(zhuǎn)的典型亞熱帶季風(fēng)性氣候特征；加之位于熱帶氣旋登陸中國的主要路徑上，頻繁受到熱帶氣旋侵襲，導(dǎo)致近海風(fēng)場呈現(xiàn)極強(qiáng)的變化性。因此我國海上風(fēng)電場的風(fēng)機(jī)布置方案設(shè)計與優(yōu)化面臨更大的挑戰(zhàn)，亟待開展研究。

國內(nèi)相關(guān)研究更多集中在陸上風(fēng)電場的微觀選址問題[8-10]，而針對海上風(fēng)電場風(fēng)機(jī)布置的研究尚屬起步階段，研究成果極少。本文將引入一個簡化的海上風(fēng)電場模型，針對廣東近海區(qū)域的風(fēng)場特征，通過設(shè)計數(shù)值試驗(yàn)，從季節(jié)變化、扇區(qū)劃分以及頻率分布變動等三個方面初步揭示風(fēng)向的內(nèi)在復(fù)雜性及其對風(fēng)電場風(fēng)機(jī)布置的潛在影響，從而為今后海上風(fēng)電項(xiàng)目可行性研究階段與設(shè)計階段的風(fēng)機(jī)布置方案設(shè)計與優(yōu)化提供參考。

蔡彥楓,等：風(fēng)向?qū)V東海上風(fēng)電場風(fēng)機(jī)布置的影響

1 資料與模型

圖1 廣東近海各區(qū)域的風(fēng)向、風(fēng)速頻率分布特征Fig. 1 Frequency distribution of wind speed bin and wind direction in offshore area of Guangdong

1.1 再分析資料

MERRA再分析資料來自美國國家航空航天局(NASA)的戈達(dá)德地球觀測系統(tǒng)(GEOS)及其資料同化系統(tǒng)。該系統(tǒng)的觀測資料來源于衛(wèi)星、地面、無線電探空、船舶等，格點(diǎn)插值方案與NECP模式保持一致，并進(jìn)行質(zhì)量控制，經(jīng)過增量分析和數(shù)據(jù)同化處理之后形成覆蓋全球陸地區(qū)域以及離岸50 km以內(nèi)近海區(qū)域，包含溫度、位勢高度、風(fēng)速u、v分量、降水等要素在內(nèi)的一整套再分析數(shù)據(jù)集。覆蓋時段為1979年至今，時間分辨率為1 h，水平分辨率為1/2緯度×2/3經(jīng)度，垂直分層為72層。另外，該數(shù)據(jù)集還提供離地10 m、50 m高度的風(fēng)速、風(fēng)向診斷數(shù)據(jù)，因此在區(qū)域風(fēng)能資源評估、測風(fēng)資料長年代訂正等方面得到較廣泛應(yīng)用[11-12]。

本文采用MERRA再分析資料中50 m高度的逐時風(fēng)速、風(fēng)向數(shù)據(jù)，選取時段為1991年～2010年，選取范圍為20°～23°N，110°～117°E，對應(yīng)整個廣東近海區(qū)域。另外劃分3個子區(qū)域：A區(qū)域(20.25°～ 20.75°N，110.33°～111.0°E)，B區(qū)域(21.25°～21.75°N，113.67°～114.33°E)，C區(qū)域(21.75°～22.25°N，116.33°～ 117.0°E)，上述子區(qū)域的風(fēng)向、風(fēng)速頻率分布特征見圖1。

1.2 風(fēng)電場模型

引入一個海上風(fēng)電場簡化模型，假設(shè)：(1)風(fēng)力發(fā)電機(jī)組數(shù)目固定為20臺；(2)所有風(fēng)機(jī)具有相同的功率曲線和推力系數(shù)曲線；(3)風(fēng)機(jī)布置方案采用規(guī)則化的幾何陣列，即整個風(fēng)機(jī)陣列具有統(tǒng)一的內(nèi)部間距；(4)考慮多個風(fēng)機(jī)尾流的疊加效應(yīng)，但采用線性模型計算；(5)不考慮風(fēng)機(jī)的偏航誤差，即當(dāng)來流方向變化時風(fēng)機(jī)準(zhǔn)確對風(fēng)。

如圖1所示，A、B、C區(qū)域全風(fēng)速段與5級以上大風(fēng)(>8 m/s)的全年主導(dǎo)風(fēng)向基本一致。另外筆者也利用逐月資料進(jìn)行了類似分析，全風(fēng)速段與5級以上大風(fēng)的方向同樣沒有明顯差異(圖略)。由于5級以上大風(fēng)對風(fēng)能密度起主要貢獻(xiàn)，因此該地區(qū)環(huán)境風(fēng)場的風(fēng)向能夠在很大程度上代表風(fēng)電場風(fēng)機(jī)直接利用的風(fēng)能來向。綜合以上分析，對本文風(fēng)電場模型的環(huán)境風(fēng)場進(jìn)行簡化，來流風(fēng)速固定取8 m/s，模擬典型大風(fēng)風(fēng)況，并且不考慮主導(dǎo)風(fēng)向與主導(dǎo)風(fēng)能方向之間的差別。

在本文的風(fēng)電場模型中，風(fēng)機(jī)選用某型IEC IB類風(fēng)力發(fā)電機(jī)，單機(jī)容量為4 MW，葉輪直徑(D)為130 m，運(yùn)行風(fēng)速區(qū)間為4～25 m/s。

1.2.1 風(fēng)機(jī)陣列

從海底電纜連接、景觀視覺影響以及其他因素綜合考慮，目前歐洲已建的海上風(fēng)電場工程通常采用規(guī)則化的風(fēng)機(jī)布置形式，風(fēng)機(jī)間保持固定間距，并組成矩形、平行四邊形甚至扇形的風(fēng)機(jī)陣列[13-14]。

在本文的風(fēng)電場模型中，風(fēng)機(jī)陣列設(shè)計為一個4行5列的矩陣，稱為L0，如圖2所示；在此基礎(chǔ)上按照Neubert等提出的方法[15]進(jìn)行變形和旋轉(zhuǎn)，得到L1～L3，相關(guān)說明見表1。

(a) 陣列L0

(b) 陣列L1圖2 風(fēng)電場模型中的風(fēng)機(jī)陣列Fig. 2 Wind turbine layout in theoretical wind farm model

1.2.2 尾流模型

在本文的風(fēng)電場模型中，風(fēng)機(jī)間的尾流效應(yīng)采用經(jīng)典的Jensen尾流模型[16]進(jìn)行估算，尾流衰減系數(shù)統(tǒng)一取為適應(yīng)海面情形的0.04，尾流擴(kuò)散的最大距離為50D。

表1 風(fēng)機(jī)陣列參數(shù)

Tab. 1 Parameters of wind turbine layouts

編號風(fēng)機(jī)數(shù)目行距/m列距/m對角線朝向備注L02094694645°/135°矩形L120512123745°/180°平行四邊形L220946946525°/1425°L0右旋75°L320946946375°/1275°L0左旋75°

2 數(shù)值試驗(yàn)

2.1 風(fēng)向季節(jié)變化

取一、四、七、十月作為四季的代表月，對A、B、C三個子區(qū)域分別進(jìn)行16個風(fēng)向方位的頻率統(tǒng)計，反映自粵西、珠江口至粵東近海的風(fēng)向季節(jié)變化特征。分析可知，A、B區(qū)域分別擁有NE～ENE和SSE～S，NNE～NE和S～SSW兩個主導(dǎo)風(fēng)向區(qū)間，對應(yīng)冬、夏季的風(fēng)向偏轉(zhuǎn)；而C區(qū)域由于臺灣海峽的地形狹管效應(yīng)，主導(dǎo)風(fēng)向受到制約并調(diào)整為近乎相反的NE與SW。為此設(shè)置數(shù)值試驗(yàn)T1：來流風(fēng)速為8 m/s，來自45°和180°兩個方向，模擬冬、夏季的典型風(fēng)況；對比L0和L1的平均發(fā)電功率，揭示矩形陣列和平行四邊形陣列的適用性。

2.2 風(fēng)向扇區(qū)劃分

國外針對Horns Rev海上風(fēng)電場的研究表明：在中低風(fēng)速與中性大氣穩(wěn)定度下，前排風(fēng)機(jī)尾流效應(yīng)中60%的功率損失集中在2°的風(fēng)向扇區(qū)內(nèi)[17]；相關(guān)研究工作也開始劃分更為細(xì)致的扇區(qū)[18-19]。對C區(qū)域結(jié)果劃分16和48個風(fēng)向扇區(qū)進(jìn)行對比。如圖3所示，主導(dǎo)風(fēng)向不再是16個方位意義下的NE，而是來自48.75°～56.25°這個NE～ENE過渡區(qū)間。為此設(shè)置數(shù)值試驗(yàn)T2：來流風(fēng)速為8 m/s，固定于NE方位的22.5°扇區(qū)，在其內(nèi)部再細(xì)分3個7.5°的子扇區(qū)S1～S3，三者出現(xiàn)頻率之和為100%，但各自的所占比例允許變動，模擬冬季的典型風(fēng)況；對比L0和L2的平均發(fā)電功率及風(fēng)機(jī)陣列朝向優(yōu)化的差異。

2.3 風(fēng)向頻率分布變動

對C區(qū)域風(fēng)向頻率分布的年際變化進(jìn)行統(tǒng)計。如圖4所示，1990-2010年間各風(fēng)向扇區(qū)的頻率變幅在8%～37%，主導(dǎo)風(fēng)向扇區(qū)NE和SW的頻率變幅為9%和21%；另外，48個方位的劃分結(jié)果顯示主導(dǎo)風(fēng)向扇區(qū)出左右擺動的趨勢。為此設(shè)置數(shù)值試驗(yàn)T3：來流風(fēng)速為8 m/s，來自48個方位(7.5°扇區(qū))，出現(xiàn)頻率與圖3所示一致，在此基礎(chǔ)上允許主導(dǎo)風(fēng)向頻率存在±10%、±20%以及±30%的變幅，或左右擺動一個扇區(qū)并疊加上述變幅，模擬風(fēng)向頻率發(fā)生年際變化情況；對比L0、L2和L3的平均發(fā)電功率，評估風(fēng)向頻率分布變動對風(fēng)機(jī)布置帶來的潛在影響。

圖3 C區(qū)域的風(fēng)向玫瑰圖Fig. 3 Wind rose of zone C

圖4 C區(qū)域的風(fēng)向頻率分布年際變化Fig. 4 Fluctuation of wind direction distribution at zone C

3 結(jié)果與討論

3.1 風(fēng)向季節(jié)變化的影響

如表2所示，在風(fēng)向?yàn)?5°的東北風(fēng)環(huán)境下，L0的平均發(fā)電功率為1 426 kW/臺，第4行19#、20#單機(jī)受尾流影響最大，發(fā)電功率為934 kW；L1的平均發(fā)電功率為1 273 kW/臺，第4行風(fēng)機(jī)受尾流影響最大，發(fā)電功率為934 kW。在風(fēng)向?yàn)?80°的南風(fēng)環(huán)境下，L0的平均發(fā)電功率下降至1 132 kW/臺，第1行風(fēng)機(jī)受尾流影響最大，發(fā)電功率僅為712 kW；L1的平均發(fā)電功率則上升至1 575 kW/臺，第1行5#和第2行10#受尾流影響最大，發(fā)電功率為1 036 kW。分析可知，T1的兩個模擬風(fēng)向正好位于L1內(nèi)部平行四邊形單元的對角線上，前后排風(fēng)機(jī)間距均達(dá)到10.3D；而L0在180°方向上的內(nèi)部間距下降至約7.3D，等于其行距。因此在南風(fēng)環(huán)境下，前排風(fēng)機(jī)的尾流在L1中擁有更長的距離進(jìn)行恢復(fù)，后排風(fēng)機(jī)的功率損失從而低于L0。

通過數(shù)值試驗(yàn)T1可以認(rèn)為，風(fēng)向的季節(jié)性偏轉(zhuǎn)對海上風(fēng)電場風(fēng)機(jī)布置的陣列構(gòu)型具有潛在影響。由圖1可知，粵東靠近臺灣海峽的近海區(qū)域冬、夏季主導(dǎo)風(fēng)向轉(zhuǎn)角近乎180°，構(gòu)建形如L0的矩形陣列，使對角線朝向與其保持一致，可降低全年高尾流損失事件出現(xiàn)的頻率；而粵西至珠江口更廣大區(qū)域的風(fēng)向轉(zhuǎn)角普遍大于90°，構(gòu)建形如L1的平行四邊形陣列，使對角線朝向與冬、夏季主導(dǎo)風(fēng)向一致，可在總體上保證冬、夏季風(fēng)盛行時段均擁有理想的發(fā)電效率。

表2 數(shù)值試驗(yàn)T1的模擬結(jié)果

Tab. 2 Results of numerical test T1

序號平均發(fā)電功率/(kW/臺)風(fēng)向45°風(fēng)向180°最低單機(jī)功率/kW風(fēng)向45°風(fēng)向180°L014261132934712L1127315759341036

3.2 風(fēng)向扇區(qū)劃分的影響

如表3所示，在風(fēng)向扇區(qū)為S1～S3的環(huán)境下，L0的平均發(fā)電功率分別為1 782、1 426和1 766 kW/臺；而L2的統(tǒng)計結(jié)果分別為1 746、1 754和1 426 kW/臺。分析可知，對于L0而言，當(dāng)風(fēng)向位于S1內(nèi)時，前排風(fēng)機(jī)尾流通常偏離后排風(fēng)機(jī)，影響有效；當(dāng)風(fēng)向由S1擺動至S2時，由于陣列朝向與風(fēng)向一致，前排風(fēng)機(jī)尾流開始疊加并顯著影響最后排的風(fēng)機(jī)；當(dāng)風(fēng)向由S2擺動至S3，前排風(fēng)機(jī)尾流又開始分離，后排風(fēng)機(jī)的尾流效應(yīng)隨之減弱。對于L2而言，由于在L0的基礎(chǔ)上右旋7.5°，因此S2與S3的表現(xiàn)正好相反。綜合來看，L2在整個NE扇區(qū)的功率損失高于L0。

如圖5所示，L2與L0的之間功率差值隨著三個子扇區(qū)在整個22.5°扇區(qū)所占比例的不同發(fā)生而改變。表3中NE扇區(qū)的統(tǒng)計結(jié)果所對應(yīng)的三個子扇區(qū)所占比例分別為26%、36%和38%，由此計算得到的L2與L0的功率差為負(fù)，即當(dāng)S3成為主導(dǎo)風(fēng)向扇區(qū)時，稍稍轉(zhuǎn)向的L0反而比正對主導(dǎo)風(fēng)向的L2獲得更低的尾流損失；而在S1、S2所占比例適當(dāng)增加而S3所占比例相應(yīng)減少的情況下，L2與L0的功率差則可能接近于零，甚至由負(fù)轉(zhuǎn)正，即當(dāng)S2成為主導(dǎo)風(fēng)速扇區(qū)時，L0與L2的表現(xiàn)正好相反。說明風(fēng)機(jī)排布在朝向主導(dǎo)風(fēng)向之外適當(dāng)偏移可能會改善尾流損失，但這種設(shè)計需要超越16個風(fēng)向方位的扇區(qū)劃分方式。

通過數(shù)值試驗(yàn)T2可以認(rèn)為，風(fēng)向扇區(qū)的劃分對海上風(fēng)電場風(fēng)機(jī)布置的陣列優(yōu)化具有潛在影響。傳統(tǒng)的16個風(fēng)向扇區(qū)劃分無法適應(yīng)最佳風(fēng)機(jī)陣列朝向的選擇與調(diào)整，因此在風(fēng)機(jī)陣列設(shè)計的實(shí)際工作中應(yīng)該劃分更為細(xì)致的風(fēng)向扇區(qū)。

表3 數(shù)值試驗(yàn)T2的模擬結(jié)果

Tab. 3 Results of numerical test T2

序號平均發(fā)電功率(kW/臺)子扇區(qū)S1子扇區(qū)S2子扇區(qū)S3扇區(qū)NEL01782142617661646L21746175414261627

表注：S1～S3分別對應(yīng)33.75°～41.25°、41.25°～48.75°和48.75°～56.25°。

圖5 數(shù)值試驗(yàn)T2中L2與L0的平均發(fā)電功率之差隨S1～S3所占比例的變化Fig. 5 Sensitivity of S1～S3 proportion to the power difference between L2 and L0 in numerical test T2

3.3 風(fēng)向頻率分布變動的影響

如表4所示，在T3所設(shè)置的共21組敏感性試驗(yàn)中，L0在0～360°全方向的平均發(fā)電功率均值為1 154 kW/臺，變幅為1 150～1 158 kW/臺；L2的均值有所提高，達(dá)到1 156 kW/臺；L3的均值與L0一致，而變幅收窄至1 152～1 155 kW/臺。說明在相同的風(fēng)向頻率分布變動情況下，不同風(fēng)機(jī)陣列產(chǎn)生了差異化的響應(yīng)。分析可知，L0的最大值和最小值分別發(fā)生在主導(dǎo)風(fēng)向右移一個扇區(qū)且頻率增加30%以及主導(dǎo)風(fēng)向頻率下降30%這兩種情景；變幅擴(kuò)大至1 151～1 162 kW/臺，L2的最大值和最小值則分別出現(xiàn)在主導(dǎo)風(fēng)向右移一個扇區(qū)且頻率下降30%以及主導(dǎo)風(fēng)向頻率增加30%這兩種情景，與L0正好相反；L3的最大值和最小值分別對應(yīng)主導(dǎo)風(fēng)向左移一個扇區(qū)且頻率下降30%以及主導(dǎo)風(fēng)向頻率增加30%這兩種情景。

表4 數(shù)值試驗(yàn)T3的模擬結(jié)果

Tab. 4 Results of numerical test T3

序號平均發(fā)電功率/(kW/臺)均值最小值最大值L0115411501158L2115611511162L3115411521155

如圖6所示，在T3敏感性試驗(yàn)中，L0、L2和L3各分位的發(fā)電功率統(tǒng)計值也存在差異。L2的下四分位數(shù)、中位數(shù)和上四分位數(shù)均高于L0，反映在風(fēng)向頻率分布發(fā)生變動的情況下L2將有更大概率獲得比L0更低的尾流損失，L3則正好相反。另一方面，L3的四分位差顯著小于L0和L2，說明L3對風(fēng)向頻率變化的響應(yīng)不敏感，在風(fēng)向頻率分布發(fā)生變動的情況下L3將有更大概率獲得比L0更穩(wěn)定的發(fā)電效率，L2則正好相反。

圖6 數(shù)值試驗(yàn)T3的箱體圖Fig. 6 Box plot of average power output of different wind turbine layouts in numerical test T3

通過數(shù)值試驗(yàn)T3可以認(rèn)為，風(fēng)向頻率分布的變動對海上風(fēng)電場的風(fēng)機(jī)布置比選具有潛在影響。因此在獲取海上測風(fēng)塔實(shí)測的周年風(fēng)向頻率分布結(jié)果之外，也應(yīng)該參考各種海面風(fēng)場的再分析資料，海島或岸邊氣象站的長期風(fēng)向觀測資料，設(shè)計動態(tài)的風(fēng)向頻率分布，通過敏感性試驗(yàn)識別更具風(fēng)向穩(wěn)定性的風(fēng)機(jī)陣列形式。

4 結(jié)論

本文引入一個簡化的海上風(fēng)電場理論模型，針對廣東近海區(qū)域的風(fēng)場特征，從季節(jié)變化，扇區(qū)劃分以及頻率分布變動這三個方面入手，通過數(shù)值試驗(yàn)T1～T3初步證實(shí)了風(fēng)向具有內(nèi)在的復(fù)雜性，并且在海上風(fēng)電場的風(fēng)機(jī)布置方案設(shè)計及優(yōu)化上具有潛在效應(yīng)，所得結(jié)論如下：

1)對于單個風(fēng)機(jī)布置方案的設(shè)計而言，風(fēng)機(jī)陣列的兩條對角線朝向與冬、夏季主導(dǎo)風(fēng)向保持一致可獲得更大的內(nèi)部間距，從而在總體上減輕冬、夏季風(fēng)盛行時段風(fēng)電場的平均尾流損失；平行四邊形陣列比矩形陣列具有更大的靈活性，能夠適應(yīng)更復(fù)雜的風(fēng)向季節(jié)性偏轉(zhuǎn)。

2)對于單個風(fēng)機(jī)布置方案的優(yōu)化而言，傳統(tǒng)的16個風(fēng)向扇區(qū)劃分方式無法適應(yīng)風(fēng)機(jī)陣列最佳朝向的調(diào)整需求，風(fēng)向扇區(qū)劃分方式的改變會對風(fēng)機(jī)陣列最佳朝向的確定提供幫助，有必要在實(shí)際工作中引入更為細(xì)致的風(fēng)向扇區(qū)劃分方式。

3)對于多個風(fēng)機(jī)布置方案的比選而言，風(fēng)向頻率分布的年際變動會對比較過程產(chǎn)生影響，通過引入動態(tài)化的風(fēng)向頻率分布，利用敏感性試驗(yàn)可以識別更具穩(wěn)定性的風(fēng)機(jī)陣列形式。

需要說明的是，由于理論模型的簡化，本文結(jié)論只針對主導(dǎo)風(fēng)向與主導(dǎo)風(fēng)能方向一致的情形，并且沒有考慮風(fēng)速的頻率分布與變化，與實(shí)際風(fēng)況有所差異。在今后的研究過程中，筆者將在理論模型中增加風(fēng)速的頻率分布模型，陸續(xù)納入廣東沿海地區(qū)測風(fēng)塔和激光測風(fēng)雷達(dá)的實(shí)際測風(fēng)資料，并針對主導(dǎo)風(fēng)向與主導(dǎo)風(fēng)能方向存在差異的情形進(jìn)行分析，為海上風(fēng)電項(xiàng)目可行性研究階段與設(shè)計階段的風(fēng)機(jī)排布與優(yōu)化提供有益參考。

[1] KOOIJMAN H J，DE NOORD M，VOLKERS C H，et al. Cost and potential of offshore wind energy on the dutch part of the north sea [R]. Netherlands：ECN，2002.

[2]HERMAN S A. Probabilistic cost model for analysis of offshore wind energy costs and potential [R]. Netherlands: ECN，2002.[3]ELKINTON C N，MANWELL J F，MCGOWAN J G，et al. Offshore wind farm layout (OWFLO) project: preliminary results [C]. Nevada，U.S.A.：American Institute of Aeronautics and Astronautics Aerospace Sciences Meeting and Exhibit，2006.[4]LARSEN G C，MADSEN H A，TROLDBORG N，et al. TOPFARM-next generation design tool for optimization of wind farm topology and operation [R]. Denmark：DTU，2011.

[5]石慧，蔡旭輝，宋宇. 中國近海海面風(fēng)場的分類 [J]. 北京大學(xué)學(xué)報：自然科學(xué)版，2011，47(2)：353-362.

[6]張秀芝，徐經(jīng)緯. 中國近海的風(fēng)能資源 [J]. 風(fēng)能產(chǎn)業(yè)，2013(7)：16-21.

[7]陳心一，郝增周，潘德爐，等. 中國近海海面風(fēng)場的時空特征分析 [J]. 海洋學(xué)研究，2014，32(1)：1-10.

[8]WAN C Q，WANG J，YANG G，et al. Wind farm micro-siting by gaussian particle swam optimization with local search strategy [J]. Renewable Energy，2012(48)：276-286.

[9]CHEN K，SONG M X，ZHANG X. A statistical method to merge wind cases for wind power assessment of wind farm [J]. Journal of Wind Engineering and Industrial Aerodynamics，2013，119(X)：67-77.

[10] 許昌，楊建川，李辰奇，等. 復(fù)雜地形風(fēng)電場微觀選址優(yōu)化 [J]. 中國電機(jī)工程學(xué)報，2013，33(31)：55-64.

[11] UK MERRA Validation with offshore meteorological data [R]. UK: The Crown Estate，2014.

[12] 張雙益，王益群，呂宙安，等. 利用MERRA數(shù)據(jù)對測風(fēng)數(shù)據(jù)進(jìn)行代表年訂正的研究 [J]. 可再生能源，2014，32(1)：58-62.

[13] HASAGER C B，VINCENT P，BADGER J，et al. Using satellite sar to characterize the wind flow around offshore wind farms [J]. Energies，2015(5)：5413-5439.

[14] ASTARIZ S，IGLESIAS G. ENHANCING wave energy competitiveness through co-located wind and wave energy farms. a review on the shadow effect [J]. Energies，2015(8)：7344-7366.

[15] NEUBERT A，SHAH A，SCHLEZ W. Maximum yield from symmetrical wind farm layouts [C]. Bremen，Germany: Germany Wind Energy Conference，2010.

[16] JENSEN N O. A Note on wind generator interaction [R]. Denmark：Risk National Laboratory，1983.

[17] BARTHELMIE R J，F(xiàn)RANDSEN S T，RATHMANN O，et al. Flow and wakes in large wind farms in complex terrain and offshore [C]. Brussels，Belgium:European Wind Energy Conference and Exhibition，2008.

[18] WAGNER M，DAY J，NEUMANN F. A fast and effective local search algorithm for optimizing the placement of wind turbines [J]. Renewable Energy，2013(51)：64-70.

[19] FENG J，SHEN W Z. Solving the wind farm layout optimization problem using random search algorithm [J]. Renewable Energy，2015(78)：182-192.

(責(zé)任編輯 鄭文棠)

Effects of Complex Wind Direction on Offshore Wind Farm Layout Optimization in Guangdong

CAI Yanfeng1, WANG Hailong1, ZHOU Chuan1, CHEN Dehui1, PENG Ming2

( 1. China Energy Engineering Group Guangdong Electric Power Design Institute Co., Ltd., Guangzhou 510663, China; 2. Guangdong Wind Power Co., Ltd., Guangzhou 510630, China )

Reanalysis dataset MERRA is used to analysis the characteristics of wind direction in Guangdong offshore from 1991 to 2010. A theoretical model of offshore wind farm with 20 wind turbine generators of 4MW and regular layout is employed to finish numerical experiments for the effects of wind direction on layout optimization, including seasonal variation, sector division and fluctuation in frequency distribution. Four different types of layouts are then compared and results show that parallelogram layout is more flexible than rectangular layout. Besides, layout orientating optimization needs more than 16 sectors in wind direction division. Different orientation and type of layouts are sensitive to fluctuation and distortion of wind direction frequency distribution. Therefore, the sensitivity tests with dynamic distribution model are crucial to determine the robustness of recommended layout.

wind direction; offshore wind farm; layout optimization

2016-01-25

蔡彥楓(1986)，男，廣西柳州人，工程師，碩士，主要從事主要從事電力工程水文氣象條件評估工作(e-mail)caiyanfeng@gedi. com.cn。

10.16516/j.gedi.issn2095-8676.2016.04.023

TM614

A

2095-8676(2016)04-0113-06