基于发电量评估不确定度的风电项目投资风险分析_冒洪生.pdf

技术|Technology82 风能 Wind Energy 在风电场投资建设中,项目经济性对发电量的波动非常敏感,发电量评估的准确与否对项目开发决策非常重要。风电场开发过程中,时常会出现测风数据质量、代表性不足、评估方法适宜性等问题,增加了发电量评估的不确定度。正确认识及评估发电量不确定度,对于评判潜在风能开发的可行性和风险至关重要。基于风电项目的经济性和可操作性,需要一些针对不确定度的分析和研究方法来解决这些问题,提高风电场发电量估算的准确性、减少风电场投资风险,为项目的投资决策提供科学依据。鉴于目前国内针对发电量不确定度方面的研究相对不足,本文对风能资源评估及发电量计算中不确定度来源、计算流程和方法,以及管控措施进行了详细梳理,并以某陆上风电场为案例,对不同概率目标值及总不确定度下的发电量进行了估算和对比分析；提出了降低项目发电量不确定度的相应措施,以在保证发电量预估可靠性的情况下,显著提升项目发电量预估值,从而提升项目的市场竞争力。发电量评估不确定度分析一、不确定度的计算发电量不确定度分析是指对风电项目受到的各种事前无法控制的外部因素变化与影响进行的研究与估计,是关于不确定因素变化对风电项目投资效应影响程度的分析与计算。图 1 表示的是风电场发电量计算流程中各个阶段涉及的不确定度影响因素。由图可知,从项目前期树立测风塔到项目发电量估算,不确定性因素无处不在,主要源于基于发电量评估不确定度的风电项目投资风险分析文|冒洪生，黄智，盛科1:盛科,刘超,杨佳元.基于风电场后评价的风能资源评估不确定度研究与应用 J.风能,2015（1）：72 75.2:Lackner M,Rogers A,Manwell J.Uncertainty Analysis in Wind Resource Assessment and Wind Energy Production EstimationJ.Journal of Solar Energy Engineering,2007,130（3）：653 653.3:赵韵.风资源评估的不确定性分析 J.科技创新与应用,2016（4）：16.4:Murthy K S R,Rahi O P,Kazmerski L.A comprehensive review of wind resource assessmentJ.Renewable&Sustainable Energy Reviews,2017,72：1320 1342.影响年平均风速的不确定度和直接影响发电量的不确定度,具体包括测风数据的不确定度、风流场模型的不确定度、偏差修正的不确定度和损耗折减的不确定度1,2。不确定度分析描述了与年发电量估计值相关的可变概率,各个因素随机且相互独立,具有高斯分布特性3。总体不确定度的标准偏差等于所有不确定度标准偏差的平方和的平方根1,见如下公式：Total=inenergyi2 （1）energyi=ui Si （2）Si=AEP(u2)AEP(u1)AEP(u1)u2u1u1100%（3）式中,Total为发电量对应的总体不确定度；energyi为第 i 个分量对应发电量的不确定度；ui为第 i 个分量对应风速的不确定度；Si表示第 i 个风速不确定度分量对应的敏感系数,敏感系数在 1.6,2.4 区间视为正常；AEP(u1)为原始风速对应计算出的年发电量；AEP(u2)为原始风速减小1%,但风频威布尔 k 值不变时,计算出的年发电量。图 2 显示了发电量不确定度的具体计算流程：首先,必须确定各种不确定度因素来源,区分各因素间的独立性；其次,估算风速不确定度的误差,通过敏感度分析将其转化成发电量不确定度；最后,将与发电量相关的不确定性因素结合起来,进而估算总不确定度,并根据需要对各种概率下的发电量进行估算4。对风电场发电量不确定度的分析评估,体现了风电场Technology|技术2023年第02期 83 发电量计算分析评估流程中所采用的数据条件和技术方法的可靠性及准确性,同时涵盖了对可能存在的其他不确定因素的考虑,从而得出风电项目实际发电量达到或超过某个阈值的概率。二、不同超越概率下上网电量的计算图 3 表示不同超越概率水平的发电量。其中,损耗指的是理论发电量输出减少的程度,表示因为项目情况、风能资源特点和机组特性,考虑尾流效应、叶片污染折减、风电机组利用率、场用电及线损等能量损耗、气候影响停机等因素造成的实际发电量与理论发电量之间的差异；P50（有 50%的概率超过的“年发电量”）表示预测年发电量概率分布的中间值。由图可见,年发电量为考虑折减损耗后的理论发电量,其估计值符合正态分布；超越概率越大,其所对应的年发电量越小。基于 P50 和总体不确定性的标准偏差,根据式（4）式（6）即可推算完整的发电量概率分布。Px=P50 N(x%)Total P50 （4）P50=D AEP （5）D=i=1n(1 di)（6）式中,Px表示超越概率为 x%时的年上网电量；P50为图1 风电场发电量计算流程中不同阶段的不确定度影响因素图2 风电场发电量不确定度计算流程超越概率为 50%时的年上网电量,即折减损耗后的净发电量；N(x%)代表概率为 x%时对应的特征变量值,可由标准正态分布表查得,常用特征变量值如表 1 所示；D 为总折减系数,表示理论发电量的损耗程度；AEP 为理论年发电量；di表示独立的折减损耗分量,指的是损耗中各个因素单独造成的发电量损失程度。根据相关工程经验,折减损耗分量、不确定度类型划分和建议取值分别如表 2、表 3 所示。需要说明的是,表中测风数据参考风流数据粗糙度数据大气热稳定度地形数据风电机组属性参数尾流损耗与风能资源相关的不确定性机组性能阻塞效应损耗电气损失可利用率与能量相关的不确定性运行策略环境因素等图3 不同超越概率水平的发电量表1 常用特征变量值x%50%75%80%90%99%99.9%N(x%)00.6740.8421.2822.3263.010概率密度计算上网电量P99P9090%P75P50理论发电量年发电量不确定度损耗技术|Technology84 风能 Wind Energy 内容旨在为折减损耗分量、不确定度类型的定义和参考值提供相应的框架与参考,并非将折减损耗和不确定度分析的取值进行固化。考虑到各风电项目的局地性,具体类型及其取值应根据工程实际情况确定。示例分析一、算例基本情况本文将以某风电场 T1 片区 48MW 风电项目为研究对表2 折减损耗分量类别及建议取值损耗类型子项建议取值范围一般取值取值方法尾流损耗-应根据可靠的尾流模型进行计算阻塞效应损耗-0%3%可基于可靠的仿真结果进行取值可利用率损耗风电机组可利用率1%3%可根据统计数据或根据合同约定和定检维护计划进行取值配套电气设备可利用率0.5%1%可根据统计数据进行取值风电机组性能损耗风电机组功率曲线偏差0%5%可基于统计数据或合同约定进行取值非最优运行状态损耗(如控制与偏航)0.5%2%可基于统计数据进行取值高风速迟滞损耗-应基于测风数据和功率曲线计算电气损耗集电线路损耗0.5%1.5%可根据集电线路设计进行计算电气设备效率0.5%可根据统计数据进行取值厂用电1%2%可根据统计数据进行取值环境影响损耗高温和低温损耗-应根据温度数据和风电机组运行温度计算冰冻影响0%3%宜根据当地环境条件进行取值极端天气0%0.5%可根据极端天气出现频率及影响取值周围环境变化0%1%宜根据周围环境变化对风能资源影响程度进行取值限电损耗如电网限制、噪声、光影、生态影响等-宜根据当地限电统计和预测进行取值其他损耗-宜考虑其他影响发电量因素总折减系数平原78%85%需根据实际项目进行确认，范围基本在 68%,85%山地68%80%表3 不确定度类型及建议取值不确定度类型子项建议取值范围一般取值取值方法测风数据测风设备（风数据测量）1%2%具体见表 3.1测风数据质量0.5%2%具体见表 3.2长期校正2%4%年际差异（历史风能资源）1%6%未来的气候变化1%10%其他与风流有关的不确定因素-（转下页）Technology|技术2023年第02期 85 不确定度类型子项建议取值范围一般取值取值方法风流模型垂直外推0%6%若测风塔测风高度包含轮毂高度，则垂直外推不确定度取值为 0 水平方向外推简单地形1%2%水平每增加 1000m，风速不确定度增加 0.5%，垂直每增加 10m，风速不确定度增加 0.5%中等地形2%10%水平每增加 1000m，风速不确定度增加 1%，垂直每增加 10m，风速不确定度增加 1%复杂地形10%水平每增加 1000m，风速不确定度增加 1.5%，垂直每增加 10m，风速不确定度增加 1.5%其他如大气稳定度等与风流模型相关的不确定因素-理论发电量计算功率曲线1%5%其他影响年发电量的不确定因素-场址特性尾流损耗1%10%可用性1%3%机组性能0%4%在中性大气条件平坦地形中不确定度取值宜为 1%2%；若大气层非常稳定或处于强对流状态，该不确定度取值宜为 3%4%电气损耗0%1%环境影响损耗1%限电损耗1%4%视项目情况确定其他折减因素评估中存在的不确定性-表3.1 测风设备导致的不确定度及建议取值5测风设备风速仪导致的不确定度测风塔安装导致的不确定度备注机械测风设备1.5%1.5%标准测试方法2%6%2.5%4%偏离标准激光雷达或声雷达3.5%-表3.2 测风数据质量导致的不确定度及建议取值5相关系数缺测时长0 2 个月2 4 个月4 6 个月6 8 个月相关系数 0.80.5%0.6%0.8%1.0%0.5 相关系数 0.81%1.5%1.5%2.0%1.8%2.3%2.0%3.0%5:微观选址中风能资源分析及发电量计算方法 S.NB/T 10909,2021.（接上页）技术|Technology86 风能 Wind Energy 象,通过项目发电量计算结果对风电场不确定度进行分析。风电场附近测风塔 MS2#的信息如表 4 所示,可以发现,该测风塔测风时长满一年,其数据有效完整率在 95%以上,测风数据质量较好,满足计算要求。从测风塔地理位置（图 4）来看,测风塔位于风电场西南部,距离最近机位 2.4km,距离最远机位 5.8km,具有较好的代表性。经综合考虑,选取 MS2#测风塔 2011 年3 月 1 日至 2012 年 2 月 28 日一个完整年的数据对风电场进行风能资源分析及发电量计算。经数据分析,得到 MS2#测风塔的风能资源信息如表 5 和图 5 所示。由图表可知,MS2#测风塔主风向为NNE NE,主风能方向为 NNE。测风塔主风向相对集中,有利于机组布置。根据风电场风能资源条件及容量要求,采用 12 台WT4000D175H105 风电机组,设计等级 IEC S。考虑到风电场的运营周期一般为 20 年,故本阶段选用风电场范围内近 20 年中尺度 MERRA2 数据的平均风表4 MS2#测风塔基本信息东经/E xxxx北纬/N xxxx海拔/m1161风速通道/m90/70/50/30/10风向通道/m88/48/28起始时间2011/3/1终止时间2012/4/31时长/月14表5 MS2#测风塔风能资源信息类别单位数值空气密度（2m 高度层）kg/m31.100风切变指数/0.080最高层平均湍流强度/0.083最高层极值风速（标空）m/s36.0最高层平均风速m/s6.56图4 风电场测风塔分布位置示意速进行订正分析。图 6 所示为风电场测风塔位置处中尺度MERRA2 数据 20 年年平均风速与多年平均风速,其中,年平均风速统计时间为当年 3 月至次年 2 月。由图可知,测风代表年 MERRA2 同期年平均风速为 4.28m/s,比近（a）风向（b）风能图5 MS2#测风塔风向风能玫瑰图NNNENEENEEESESESSESSSWSWWSWWWNWNWNNW50.00%40.00%30.00%20.00%10.00%0.00%NNNENEENEEESESESSESSSWSWW