风象台 | 数字化三维风电场设计产品如何在大基地规划设计中显神通？

　　塞罕坝，蒙语中意为“美丽的地方”。国内首个“风电大基地”在这里催生。如今，随着政策回暖，跨区域远距离高压通道输送建设，风电外送及消纳问题逐步解决，大基地项目再次迎来建设高潮。与此同时，大基地项目的规划、设计和建设过程中遇到的各种新情况也给建设者们提出了新的挑战。

　　大基地规划设计的难点

　　地理范围大、局部地形复杂，限制因素较多，各细分区域风资源情况差异大；

　　未确定开发主体的项目缺乏前期测风数据；

　　整场机组选型、排布组合方案多，影响因素多维，追求全局最优工作量巨大；

　　大规模风场尾流影响等情况叠加，发电量很难精确评估；

　　送出方案设计周期长，传统设计方式难以达到全局最优。

　　如此庞大、复杂的风电项目，如何进行科学的整体规划设计，以达到方案最优，对于任何开发团队来说都是巨大的课题。

　　针对这些“疑难杂症”，金风科技依托多年、多专业，包括在测风、仿真模型、方案设计、工程设计等方面纵向深入的技术积累，以GoldFarm三维数字化风电场规划设计平台为一体化载体，打通前后台的需求和技术，进行大基地精细化规划设计，层层寻优，快速迭代，求解大基地项目全生命周期LCOE最优。

　　项目风资源的精准把控精细化测风输入

　　项目风资源评估的准确程度，直接影响度电成本测算的精度，大基地测风工作又往往存在场区内无测风塔、测风塔代表不足、测风时段短和数据质量差等问题。

　　为解决精细化测风数据的输入问题，金风科技开发了GoldWRF虚拟测风塔解决方案，让项目风资源情况尽收眼底。

　　GoldWRF虚拟测风塔技术是在精细地形、数据同化、参数化方案、集合预报、后处理算法5种技术上的迭代更新。通过金风科技21年共2194座气象站数据，6000多座测风塔数据，28000多台风机数据的迭代校正，GoldWRF模式的准确性一直处于市场领先地位。

　　经多个项目应用反馈，GoldWRF虚拟测风塔在平原上的平均风速偏差不超过0.2m/s（超越概率P84），山地项目不超过0.3m/s（超越概率P84），复杂项目不超过0.4m/s（超越概率P75）。

　　无论是测风不足完整年，还是场区特定点分析，GoldWRF都可定制化完成高精准度中尺度分析，输出可用于风资源分析的时间序列数据，为大基地区域大范围精准资源评估提供高效准确的支持。

　　风资源精细化评估，更精准的尾流计算

　　常规的流体仿真商业软件，受限于计算资源和欠缺对风电行业了解等问题，在算法内核上不能保证复杂地形或特殊场景风资源计算的精度。GoldFarm的风资源评估模块兼容WT流体方针成果，并能够与金风自主知识产权的GoldFOAM进行横向对比。2014年，金风科技就开始进行精准风场风廓线、非结构网格、热稳定度、三维森林盖层模型、WRF+CFD的深入研究，将成果集成到GoldFOAM中。用户从而能够对各种应用场景更精准干预和经验控制，风资源工程师也拥有了更大自主权。

　　对于大基地项目，平坦地形的大规模风机排布，尾流影响预估不足是发电量难以评估准确的重要因素。现行商业软件通常采用半经验公式方法（例如Park模型）评估尾流，其优点在于计算速度快，缺点是应用于多排的平原风电场时会严重低估尾流损失，可能直接导致发电量计算不准确，也可能影响机组正常运行。

　　为此，金风科技引入致动盘（ADM）方法。ADM是通过使用体积力代替叶片的影响获得风力机周围流场信息，从而评估风机尾流影响的一种方法。相比传统的半经验公式，对物理现象的还原度更高，精度也更好；相比于一些精度更高的瞬态算法，又能较好地兼顾计算资源和效率。金风科技开发的GoldwindDiskSource致动盘模型，解决了目前广泛使用的致动盘模型不适用于风电场尾流计算的问题，GoldwindDiskSource可根据风机功率曲线动态判断推力系数和功率系数，实现流场与风机的双向耦合。

　　致动盘尾流模型基于GoldFOAM平台，在超算中心进行计算，没有计算资源的限制，网格总数可超过5.5亿，机位点处加密网格尺寸小于2m，即风机周围2m尺度的最小的气流情况都能捕捉到，同时考虑风机、地形、风场的相互作用，保证计算结果的准确性。

　　高收益机型匹配与排布方案定制化设计

　　大基地项目开发规模巨大，各机位点风资源差异性明显，甚至单一机位点不同扇区风资源也存在较大的差异性，传统单一机型的风电场设计方式已经无法适用。局部风资源的差异化，要求风电场中安装的风电机组必须实现个性化设置（个性化的大部件、个性化的控制策略等），因此需要进行机型的逐点位匹配及整场排布方案的优选。

　　首先是风电机组选型的个性化。大基地的风电机组如何科学且经济地选型，是一个棘手的问题。不同的机型、塔筒组合有非常多的组合方案。另外，大基地项目可以拥有非常多的影响因素，如机型平台、额定功率，全场容量，机组数量、轮毂高度等等，加之不同的目标函数，如发电量、内部收益率、度电成本等，将这些影响因素及目标进行组合，可以得到非常多种的场景。

　　其次是排布方案的个性化。若机型数量一定，机型平台一定，机位点排布不定，额定功率不定，以发电量最大进行寻优。若是以度电成本最小进行寻优，以内部收益率最大机型寻优，会得出不同的排布版本，哪一个方案最优？这个问题不同角度来选择答案可能不一而足。

　　由于可变的维度多，人工进行工作量巨大，几乎是不可能的。而常规的寻优算法存在耗时长、难收敛的情况。金风与DTU合作开发了层次化的寻优算法[MowFlot]以完成风电场定制化设计，即以风电场中潜在的机位点的风资源状况为输入，通过定制不同机位点的机组配置及各机位点各扇区的控制策略为手段，使个性化的风电机组充分发挥作用，并充分利用机位点差异化的风资源状况，使风电场的经济效益最大化。

　　目前，该平台已经可以实现在平坦地形及准复杂地形（根据IEC61400-12-2中的地形评价等级，在III级以下）进行风电场排布优化、风电机组硬件配置的优选（机型平台、塔架高度、叶轮直径等）、控制策略优化（额定功率，延长切出风速等），以及根据不同的应用场景选取不同的优化目标，如IRR、AEP及初始投资等。

　　工程设计全局寻优

　　从项目的规划、设备选型到工程设计，风电项目开发的每一个环节都与度电成本息息相关，也在极大程度地影响着开发商的内部收益率。因此，市场形势要求项目前期必须对项目度电成本进行精细化测算，包括发电量、建设成本与运维成本等。GOLDFARM围绕着降低度电成本（LCOE）为核心目标，从风电整场排布方案优选中嵌入了工程设计的环节，针对于每一版本机位点排布，都进行最优的道路设计、最短线路设计，以及工程成本优化，最终实现全局经济效益最优的结果。