如何得到 如何得到香菱
百米分辨率风速图谱是如何得到的?
对于风电投资者来说，最关心的莫过于投资收益率的保证，而这一需求能否得到满足取决于是否能找到一块“风水宝地”，这就是我们常说的宏观选址对于风电投资的重要性。“出生决定一生”恰当地概括了这项工作的意义。可以说，各风机厂商、风电服务商都为风场的“好出身”使出浑身解数，陆续推出自己的风速图谱产品。目前已知的最高分辨率产品其分辨率为100m，那么你了解这百米分辨率的风速图谱是如何得到的吗?
也许，你脑洞中闪过的方法是竖立测风塔观测吧，但这显然不是正确答案，因为单单是塔的成本就足以让人望而却步。需要提示的是，中国气象局风能太阳能资源评估中心曾在2008年牵头进行了国内风能资源的详查，在全国范围内设立了400座测风塔，据说花费数亿元。照此计算，要达到100m分辨率的诉求，可能就要举全国之力去立塔了。既然观测法不可取，那究竟是用什么方法得到的100m分辨率呢?答案是通过数值模式计算得到的。下面来看整个的计算过程。
谈到数值模式，最常用的莫过于天气研究与预报模式的WRF了，它是由气象界内大名鼎鼎的美国国家大气研究中心、美国国家海洋与大气局等机构联合开发的，主要服务于空间尺度从几十米到上千公里的气象应用。该应用通过求解控制大气运动的方程组来得到特定时刻的大气状态。举例来说，如果要描述一个直线运动的小汽车任意时刻的位置，除了要知道小汽车初始时刻的位置，还要知道作用在其上的力，这样依托牛顿第一定律，就可以得到小汽车的运动轨迹。同理，描述大气的运动也需要给定数值模式初始值(常用的数据源包括FNL、GFS、MERRA和ERA，这些数据的空间分辨率在几十公里到上百公里，时间分辨率为小时级别)，然后以此数据驱动模式中的控制方程，就可以得到大气的状态。需要注意的是，数值模式的控制方程要比驱动小汽车的力复杂的多，描述大气状态需要下面的5个方程：
展开全文
我们对上述公式不再深究，只需知道上面的五个方程分别为大气运动的动量方程、质量方程、大气状态方程、热力学方程以及水汽方程，是不是觉得这些方程非常高大上?
对于风速图谱常被问到的一个问题是，你的WRF分辨率做到了多少?这是什么意思呢?原来作为中尺度模式，WRF分辨率有一定的局限性，对于中纬度地区，模式中最高分辨率的地形约为800m，另外受限于WRF庞大的计算量，目前主流的WRF分辨率为1千米或3千米，时间为1小时。
提到分辨率，不得不提的另一个名词——降尺度。看上去，这词很专业，其实就是把模式输入通过动力方程组将时空分辨率提高，在WRF里这一过程是通过嵌套来实现的，如下图所示：最外层网格为27Km，再往里网格为9Km，最里面的网格为3Km。令人吃惊的是，同样的计算范围，3Km的网格计算量约为27Km网格的729倍!如此大的计算量必须进行嵌套处理，这既可以将更大空间范围的信息包含进来，同时又有效控制了总的计算量。
WRF模式分辨率做到公里级别后，百米量级的图谱又是怎么得到的呢?不卖关子啦!用的就是风电行业常用来进行微观选址的CFD，因为WRF模式的分辨率不足以描述局部的地形变化，尤其是在复杂地形，此时利用CFD模型，配合分辨率达到30m的aster地形数据，以WRF风速作为输入，百米分辨率的风速图谱就此诞生。下图是以aster数据生成的地形图，可见其可以很好地描述局部的地形变化。
好了，现在你对百米分辨率的风速图谱是不是也多了些认识呢?当然，这只是数值模式在风电行业应用中的一角，要使其在风电开发中发挥更大作用还有很多的事情可以做呢!
告诉你风电场CFD仿真软件的进化史
也许，你读过《格林威治CFD如何提升风场发电量》一文，已经了解了CFD软件对提升风电场效益影响的关键作用。其实，风电场风流仿真技术能够发展到今天的水平，经过了一系列迭代进化。现在，我们就追本溯源，一起来看看风电场风流CFD仿真软件进化史。
从历史回顾来看，CFD软件的发展可以分为3个阶段：
第一阶段，以WAsP为代表的线性简化求解器。1989年丹麦科技大学DTU发布了WAsP 1.0，采用巧妙的工程算法在PC机上快速获得风资源评估结果，很快成为风电场设计的标准软件之一。
第二阶段，台式工作站上的CFD软件。众所周知，线性模型原理上不能反应较大坡度地形的风况规律，为了提升复杂山地风场风资源评估精度，以及满足风机安全复核的需求，求解雷诺平均Navier-stokes方程的CFD技术就此应用到风电行业。2003年挪威WindSim AS公司正式发布WindSim;2004年法国MeteoDyn公司正式发布WT1.0，这些软件成功地将CFD技术引入风电行业。这类软件在台式工作站(32核~48核)上仿真一个常规5万千瓦风电场12个扇区需要1天左右的时间。
第三阶段，基于高性能计算的新一代CFD仿真软件。随着高性能计算、云平台和CFD技术的蓬勃发展，新一代风电场风流CFD仿真软件随之应运而成。2012年基于远端超级计算中心的WAsP CFD发布，2015年8月远景格林云GreenwichCFD内部版本也已投入使用。
那么，与单机版的CFD软件相比，新一代的风电场CFD仿真软件又具备哪些特点呢?
第一，支持高性能并行计算。CFD仿真应用中最重要的就是网格生成。网格粗，离散误差大;网格细，需要计算资源庞大，耗费计算时间多。一般认为10m左右的水平网格能够精细地反映地形特征对风机的影响，垂直网格分辨在紧贴地面的100m内应该布置10~20层网格。精细模拟一个常规风电场(12km*12km左右)的网格量在1000万~4000万之间，大型风电场(30km*30km)的网格量在8000万以上。此外，对于复杂地形风电场，稍许变化的来流方向会导致风电场风加速因子关系发生显著变化。因此，丹麦Risø国家实验室的专家建议复杂地形至少采用36个扇区的模拟，而精细程度的CFD仿真在最好的单机工作站上也至少需要一周的时间。
由上图可见，每5°来流风向变化都会导致风场发生很大的变化，30°扇区间隔不足以准确反应复杂地形的风加速度因子关系。需要了解的一点是，非并行CFD求解器受到计算资源和项目允许时间的限制，只能采用粗的网格和稀疏的定向扇区设置，这是导致计算资源偏差的重要原因之一。
由于计算资源更充足更灵活，基于高性能并行计算的CFD仿真软件可以处理上亿的网格量，利用上千的CPU并行计算，将每个项目CFD仿真的时间从数天降至小时级别，这对工程师来说意味着有更多时间进行分析和验证。
到此，一句话总结：新一代风电场CFD仿真软件拥抱高性能计算是不可阻挡的潮流。
第二，多级别CFD支撑风电场全生命周期管理。如今，风电场CFD仿真应用场景不再局限在风资源评估。风电场风流CFD仿真软件将深度耦合在风机安全诊断分析、风机维护、风电功率预报、风场协同控制和风电场运行后评估等风电场项目全生命周期管理中。例如，风功率预报需要CFD精确计算至每一台风机;叶片损伤诊断需要风流CFD模型提供风机叶轮面的多点风速高频的时间序列;海上风电场机位排布的关键就是精确地刻画风机叶片旋转带来的尾流效应;风场协同控制需要动态仿真多台风机不同动作的风流特征。这些需求将促使风流CFD仿真的物理模型更为先进、完善，将促使更多研究前沿的CFD技术被引入风电工程领域。下图描述了风电场全生命周期管理与不同级别的CFD物理模型。
值得注意的是，针对不同阶段的业务需求和具体项目的复杂度，风电场风流CFD仿真软件会采用不同级别的物理模型。一般项目的风资源评估采用稳态、中性大气边界层、雷诺平均Navier-stokes方程的物理模型;复杂项目的风资源评估和风机安全复核可以采用非稳态、热力大气边界层、森林、制动盘尾流模型、雷诺平均Navier-stokes方程的物理模型;风电功率预报和分布式风电场可以采用气象模式耦合雷诺平均Navier-stokes方程的物理模型;风电场协同控制可以采用制动线尾流模型、热力大气边界层、大涡模拟或分离大涡模拟的物理模型。需要强调的是，基于平台化管理，将各个阶段数据打通，综合利用各个级别的CFD仿真结果，才能高效管理好风电场全生命周期各个环节。
第三，精确估算每一个机位点风况。由于国内新建风电场大多分布在较为复杂的山地，项目风险和盈利的难度越来越大。所以，每一台风机风况的精确估算就至关重要。那么，这就需要CFD仿真环节在以下几点上发力：
新一代风流CFD仿真倾向采用更真实的物理模型。例如，能考虑树木增长的森林模型，以便精细模拟风机尾流效应的制动盘和制动线模型、高保真刻画大气湍流特征的大涡模拟;通过气象模式提供CFD更真实的边界条件等;通过系统自动化手段保证CFD网格足够精细、参数设置合适和迭代收敛充分，避免人为经验不足造成大的模拟偏差;通过大量后评估案例，挖掘分析CFD仿真对各个项目的不同表现，总结出不同类型项目的CFD优化配置方式;理性对待CFD仿真的精度，通过多塔互推、单塔风速廓线比对、湍流强度的比对来定量化CFD仿真的不确定度;标准流程管控CFD的输入资料，量化输入资料引起的计算结果不确定性。
格林威治CFD如何提升风场发电量
在追求风场发电量的进程中，虽然提高单个风机性能一直是研发工程师们不断努力的方向，但先进的风场控制技术会对风场整体发电量带来更为可观的改变。
先看这样一个假设：如果将一个风场的所有风机全部分开单独安装，那么在同样的风速条件下，所有单台风机的发电量总和会高于该风场的整体发电量。之所以会有如此差异，是因为风机之间的相互影响造成了风场整体发电量的损耗，这种损耗就被称为尾流损耗。
换句话说，一台风机在发电的同时，也降低了经过该台风机后的风速，从而使后面的风机在受影响的风速下运行，进而导致其发电量下降，这也是前排风机的发电量总比后排风机发电量高的原因。下图描述了某运营风场风通过时的视觉效果，不同颜色代表着不同的风速，蝌蚪形状正是风能被风机吸收后的低风速区。
那么，关键的问题来了，如何设计基于风场的控制算法，使得风机之间能够相互协作，从而提高整个风场的发电量呢?传统的控制算法是为了实现单台风机发电量最优，而忽视了风机本身对周围风机的影响。如今，更多的人开始对这种传统控制算法提出质疑，远景研发人员更是针对这个问题做了深入细致地思考并制定了多种策略。比如，是否可以减少前排风机的发电量，从而让后排的风机获得更高的风速，以提升其发电量?从技术上来说，就是如何操作前排风机以减少尾流或者改变尾流方向来降低对下风向风机的影响。下图说明了Lillgrund风场(左)A排风机由于受到尾流影响导致下风向的风机发电量逐次下降的情形(右)。
目前可行的方法是，设计基于风场的控制器，从而减少在不同风速和风向上的尾流损失，而要做到这一点，必须先要了解尾流强度和尾流是在何种情况下消散的。要说明的一点是，设计这样的控制器非常具有挑战性，因为风机的位置是固定的，但是风速和风向却在不断的变化。所以随着时间的推移，风机可能由不受其他风机的尾流影响变成在其他风机尾流影响的范围内。
特别指出的是，如果是在复杂地形和湍流的条件下，预测尾流的强度和方向将会难上加难。幸运的是，这样的问题不再让人一筹莫展了，远景格林威治平台完全能够解决这样的问题——远景采用Caelus和美国国家新能源试验室的SOWFA工具，推出了一款风场分析软件。简单说就是，在格林威治CFD软件中开发了风场尾流模型和测试功能，就此来建立风场中的复杂风模型和尾流模型。基于所建立的模型，工程师可以测试不同控制策略以提高风场发电量。比如，通过使用偏航控制使得尾流改变方向，就可以使下风向的某些风机发电量提升30%。
但不能忽视的是，由于尾流具有不确定性，所以当前观察到的发电量提升是基于风场中风机的位置分布和当时的风况来说明的。如果要将此方法用于更多的风场还需要做更进一步的研究和分析。下图显示的是在一个具有24台风机装机量的风场中，应用先进风场控制技术以提升受尾流影响的风机发电量的对比效果图。
值得一提的是，为了计算风场每台风机的发电量，格林威治CFD软件需要为方圆10公里或更大范围内的几百台风机建立长时间的模型，这需要非常大的计算资源支撑，但这点也大可以放心，因为远景使用的是中国超级计算机天河2号提供的计算资源。
现在你看，使用格林威治CFD软件，远景工程师不仅可以采用新的控制方法提高风场的整体发电量，而且还能减少风机的载荷和优化风机的安装位置，从设计源头减少尾流的相互影响。
与本文知识相关的文章：
