台风影响下东南沿海山地风电场尾流与功率特征研究
Wake and power characteristics of wind farms in typhoon-affected southeastern coastal mountains
通讯作者:
收稿日期: 2025-01-4
| 基金资助: |
|
Received: 2025-01-4
| Fund supported: | 国家自然科学基金资助项目(52166014);中国工程院战略研究与咨询项目(2023-DFZD-04-03). |
作者简介 About authors
董彦斌(1994—),男,博士生,从事风能气象数值模拟研究.orcid.org/0000-0001-7058-7896.E-mail:
以2018年第8号台风“玛莉亚”为背景,基于中尺度天气预报模式(WRF)耦合风电场参数化模型,研究东南沿海复杂山地地形风电场在台风影响下的尾流与功率特征. 结果表明,在台风外围环流影响阶段(低风速条件下),地形效应对风电场来流产生显著调制作用. 当来流风向偏北时,1到4号机组受地形遮蔽效应影响,功率输出较21到24号机组降低约35%,风电场尾迹区的大气运动主要表现为水平输送特征. 受复杂山地地形制约的风电场不规则布局,导致机组功率输出对来流风向变化极为敏感,相邻机组在风向微小变化下呈现显著的功率输出差异. 在台风影响期间,整场来流风速增大,风电场满发,机组间尾流干涉对功率输出的影响较小.
关键词:
Against the backdrop of Typhoon Maria (2018), the mesoscale weather research and forecasting model (WRF) coupled with a wind-farm parameterization scheme was used to investigate the wake and power characteristics of wind farms in the complex mountainous terrain of the southeastern coast under typhoon influence. Results showed that during the phase influenced by the typhoon’s peripheral circulation (under low wind speed conditions), the topographic effects significantly modulated the incoming flow to the wind farm. When the incoming flow was northerly, the topographic shielding reduced the power output of units 1 to 4 by approximately 35% compared with units 21 to 24. The atmospheric motion in the wake area of the wind farm was primarily characterized by horizontal transport. The irregular layout of the wind farm, constrained by the complex mountainous terrain, resulted in a high sensitivity of unit power output to changes in incoming flow direction, with significant power output differences observed among adjacent units even with minor directional changes. During the typhoon impact period, the overall incoming wind speed increased, leading to full power generation at the wind farm, and the influence of wake interference among units on power output was minimal.
Keywords:
本文引用格式
董彦斌, 李德顺, 李仁年.
DONG Yanbin, LI Deshun, LI Rennian.
中国海上风能资源丰富[1],东南沿海地区海岸线曲折,地形复杂,尤其是浙江、福建、广东的沿海地区多为山地地形. 地形决定风电场的布局方式,沿海地区陆上风电场布局多以山地地形特征为基础进行,致使沿海陆上风电场排布方式极为不规则. 风向变化导致风电场内风力机产生尾流干扰,直接影响风电场内风力机的功率输出,因此风电场风力机布局还须考虑尾流干扰.
强风、强雨对台风路径周围的风能资源以及风电场的发电量均会产生一定的影响[2]. 每年6~8月,热带气旋活动频繁,当中心最大风力小于10级的热带气旋影响风电场时,能给风电场提供丰富的风能资源和丰厚的经济效益;中心最大风力超过12级的热带气旋中心附近经过的区域是“危险地带”,受气旋外围环流影响的区域是“利好地区”,风电机组往往能长时间满发[3-7]. 以微尺度数值计算为主的相关研究使用限制较大,无法实现在台风移动过程中当风速、风向发生变化时对风电场的影响分析. 中尺度天气预报模式(weather research and forecasting model, WRF)是基于气象数据同化开展数值模拟的重要工具[8],能够提供比微尺度数值方法更高分辨率的风场时空数据(包括风速、风向、风功率密度等参数),灵活评估局地风资源. 研究沿海复杂地形与极端天气环境对不规则风电场的尾流干扰与功率输出意义重大.
本研究以东南沿海连江半岛复杂地形风电场为对象,基于WRF耦合风电场参数化模型,研究2018年第8号台风“玛利亚”登陆前后,风速风向变化引起的风电场内风力机尾流干扰;通过风力机的功率输出评估风力机干扰特征,为沿海复杂地形与经常面临极端天气环境的风电场设计与优化提供建议与指导.
1. 研究对象
2018年7月11日9:00,第8号超强台风“玛利亚”正面袭击福建省连江县黄岐半岛. 这是该风电场运营以来遭遇的最强台风之一,沿海最大风力达到17级(风速为58.8 m/s). 在台风登陆过程中,风电场经历3个阶段:7月9~10日,风电场未受台风影响;7月10~11日,台风移动为风电场带来丰富的风能资源;7月11日后,风电场区风速超出风力机切出风速,机组停机,直至台风离开.
连江县黄岐半岛主要以山地地形为主,半岛地形由东北向西南海拔逐渐升高,地形复杂. 半岛上有24台额定功率为2 MW风力机,部分风力机海拔约200 m,风轮直径为82.6 m,轮毂中心高度80 m,额定风速12 m/s,切入、切出风速分别为3、25 m/s. 如图1所示为风力机额定功率P与推力系数CT随水平风速U的变化. 观测数据采集2018年7月9日8:00~7月12日0:00时间分辨率为5 min的样本. 观测站位于半岛东北的过屿上,观测站高度为10 m,观测数据主要包括瞬时风速、风向,“玛莉亚”登陆连江黄岐半岛的时间为2018年7月11日8:00.
图 1
图 1 风力机功率与推力系数随水平风速的变化
Fig.1 Variation of wind-turbine power and thrust coefficients with horizontal wind speed
2. 研究方法
2.1. 中尺度天气预报模式数值方案
图 2
图 2 中尺度天气预报模式的数值计算域
审图号:GS浙(2025)475号 Numerical calculation domain of weather research and forecasting model
2.2. 风电场参数化方案
式中:ρ为空气密度,A为横截面转子区域.
如图3所示为风电场内风力机编号及海拔z. 风力机之间保持一定距离,沿西南向东北延伸的半岛山地地形分散呈带状布置,覆盖不同海拔和地理位置,形成多点分布的网络,以最大化利用风能资源. 1~4号机组北侧和西北侧地形起伏较大(局部最大相对高差为130 m);5~15号机组西北侧起伏约200 m;16~20号机组处于背风坡;21~24号机组海拔约50 m,周围除西北侧外地形均相对平缓.
图 3
3. 结果分析与讨论
3.1. 台风移动路径与观测站风速分析
如图4所示为“玛莉亚”台风的观测路径与模拟路径对比图. 可以看出,采用WRF模拟得到的台风移动轨迹与观测台风轨迹基本一致,表明模式所选用的参数化方案可靠.
图 4
如图5所示为“玛莉亚”期间连江半岛观测站位置10 m高度观测站的水平风速与大气压pa. 可以看出,这2个参数的观测值与模拟值基本一致,进一步表明数值方案可靠. 在7月10日12:00之前,近地风速没有明显升高,此时连江半岛附近平均风速约为7 m/s;随着台风逐渐靠近,在7月10日12:00以后,近地风速逐渐增大;至7月11日00:00附近,近地风速达到15 m/s.
图 5
图 6
3.2. 风电场尾流与功率特征
风电场尾迹受风向与地形共同作用,场内机组尾流干扰程度不同,尾迹宽度变化较大. 如图7所示为受台风影响前不同时刻风机轮毂中心高度有无风电场的风速尾迹图. 在7月9日9:00、13:00和20:00的风向下,风电场内机组尾流叠加显著,风电场尾迹变窄. 在7月9日15:00和7月10日6:00、11:00,风电场尾迹变宽,风电场内机组尾流干扰程度减弱. 7月9日9:00来流风速较小,地形遮挡导致风电场尾流垂向扩散范围较小,尾流沿水平向后发展,在轮毂中心高度位置(与地表平行的等高面)风电场尾迹不明显;在7月9日的4个时段内,台风向西北移动,台风外围大气运动受地形遮挡影响,风电场来流为东风,地形导致风电场风向逐渐变为东北风,这一过程持续时间约为8 h,表明台湾海峡两侧地形对近海风向变化影响较大. 来流风速增大时,气压梯度力主导气流越岭后下沉,致使风电场尾流垂向扩散明显;在7月9日13:00和20:00风电场尾迹较窄,场内机组尾流叠加效应显著,风电场尾迹延伸范围最远,7月9日15:00,风电场排布与风向呈约30°夹角,整场尾流水平向后发展,场内机组尾流干扰较弱;7月10日6:00和11:00,台风逐渐靠近,风电场风向向北偏转,风电场的布局与风向夹角逐渐变大,机组间尾流干涉减弱,风电场尾迹变宽变短.
图 7
图 7 受台风影响前不同时刻有无风电场的风速差场
审图号:GS浙(2025)475号 Difference fields of wind speed with and without wind farm at different times before typhoon
如图8所示为受台风外围环流影响前不同时刻风电场内机组功率输出图,其中w为垂直风速. 7月9日9:00,来流风速小于5 m/s,位于高海拔山脊处的机组功率输出普遍较低(如1~8号、14~15号),随着海拔升高,沿顺风方向功率输出逐渐增大. 山谷风加速作用导致9~12号机组来流风速大,功率输出较大;尤其11~12号机组位于山谷收缩处,功率输出明显. 地形对海拔较低的17~24号机组的来流风速影响小,功率输出较大,其中17~19号机组间存在尾流干扰. 表明低风速条件下,风电场机组功率输出呈明显的地形调控特征,高海拔山脊处机组受阻功率偏低,山谷收缩处机组受风速加速影响功率显著提高. 7月9日13:00,来流风速增大至5 m/s左右,风向为东北风. 高海拔山脊处机组功率输出沿顺风方向逐渐降低,机组之间存在明显尾流干扰(如1~4号,5~15号). 对比1~3与21、23、24号机组功率输出,上游机组对下游机组功率输出产生干扰;高海拔区,3号比1号低80 kW左右,低海拔区,21号比24号低80 kW左右;在相同风向下,24号比1号低80 kW左右,表明风电场内部存在显著的顺风方向尾流效应与功率衰减规律,上游机组的运行对下游机组功率输出产生明显干扰,且尾流影响范围较大. 7月9日15:00,低海拔区80 m高度来流风速低于5 m/s,高海拔区风速较高,地形遮挡导致气流流过山脊后,风向偏转为东风. 海拔较高的1~16号机组(除10号以外)功率输出较高. 10号机组海拔比9号机组低约70 m,功率输出受来流区机组干扰严重. 低海拔区的16~24号机组功率输出较低,此时16~24号机组沿顺风方向排列,上游机组对下游机组产生明显尾流干扰. 1号比24号功率高40 kW左右,这表明在复杂地形条件下,地形加速效应、风向变化及尾流干扰共同决定了机组的功率输出分布. 7月9日20:00,风速持续增大,地形对风向的影响变小. 低海拔区来流风速大,受地形影响,高海拔风速较小. 整场功率输出沿顺风方向逐渐减小,上游机组尾流对下游机组功率输出干扰严重. 7月10日6:00,整场风向为北风,来流风速为7 m/s. 此时,1~4号、7~12号机组均不受尾流干扰影响,其中12号机组受山谷风加速影响,功率输出较高;1~4号机组功率输出出现异常,其中1、2号明显高于3、4号,由于1~3号机组海拔相差不大,海拔不是造成功率异常的原因,但1~4号机组来流区的地形起伏依次增大,表明在该风向下,1~4号机组位置的来流区地形起伏程度决定了机组的功率输出. 5、15~18号机组位于背风区,受到上游机组尾流干扰,功率输出低于迎风坡机组约100 kW. 表明尾流效应与复杂地形共同作用会显著削弱下游机组的风能利用效率. 7月10日11:00,整场风向为东北偏北风,来流风速为10 m/s. 高海拔区风速较高,7~12号机组功率输出显著,3~4号机组对下游5~7号、16号机组产生干扰,造成功率亏损. 13~15号机组也受到上游机组尾流干扰,功率输出出现亏损. 处于背风区的16~20号机组功率输出受地形遮蔽作用影响,功率输出出现亏损. 在该风向下,当不受尾流干扰时,1~4号机组功率输出依次减小,与7月10日6:00类似. 表明在特殊地形作用下,地形起伏对来流风场特征与机组功率输出的决定性作用.
图 8
图 8 受台风影响前不同时刻风电场功率输出
审图号:GS浙(2025)475号 Power output of wind farms at different times before typhoon
如图9所示为受台风影响期间不同时刻的风机轮毂中心高度风电场尾迹图,包含风电场开始受台风影响,直至台风25 m/s风圈移动至风电场位置后,整场风速超出机组切出风速前的6个时刻. 在实际情况下,在25 m/s风圈到达风场附近前,整场机组停机,目标风电场24台机均为抗台风机组,在台风靠近过程中可充分利用台风带来的风资源红利. 从台风带来风资源红利至25 m/s风圈靠近风场,共12 h,风速持续稳定增大,风向变化稳定,有利于整场机组调整控制策略,实现风能资源最大利用. 与受台风影响前相比,在80 m高度处风向稳定,地形对风向的影响非常小. 7月10日13:00,D04计算域内风向变化较小,风电场尾迹较宽;随着风速的增大,当天14:40在尾迹区海岸线附近风向偏转范围增大,风向的偏转导致风电场尾迹发生偏转;当天16:00,风向向东偏转,风电场尾迹宽度变窄变长. 7月10日13:00~20:00,在强风作用下,风电场尾迹边界清晰,地形对风向的影响减小,来流风向变化非常小,受风电场的不规则布局影响,风向的微小变化对场内机组尾流干扰影响较大,表明不规则布局的风电场对风向的敏感性较强;7月10日23:00和7月11日0:00,台风逐渐靠近,风向与风电场布局的夹角增大,场内机组尾流干扰较小,风电场尾迹的变宽变短.
图 9
图 9 受台风影响期间不同时刻有无风电场的风速差场
审图号:GS浙(2025)475号 Difference fields of wind speed with and without wind farms at different times during typhoon
如图10所示为受台风外围环流影响期间不同时刻风电场内机组功率输出图. 除7月10日13:00外,其他时刻风电场内所有机组均处于满发状态,表明在强风状态下,风电场内机组间的尾流干扰对功率输出的影响不大. 分析6个时刻风速风向可知,风电场风向逐渐由东北风变为北风,在强风作用下风轮中心高度水平风向不受地形影响. 通过垂直风速变化云图可知,随着风向变化,受来流区地形起伏影响,地形迎风面与背风面垂直风速增大,在地形起伏度变化较大位置,垂直风速变化超过2 m/s以上. 对比7月10日13:00、23:00和7月11日10:00的功率输出发现,在不受尾流干扰影响情况下,这3个时刻的1~4号机组功率输出与7月10日6:00、11:00的规律一致,即当风向为东北偏北风时,1~4号机组功率输出依次递减;但在7月10日20:00,1~4号机组的功率输出依次递增. 对比结果表明,在特殊地形作用下,地形起伏对来流风场特征与机组功率输出具有决定性作用,但存在一定的局限性. 这一现象在风电场其他机组中未出现. 因此,针对1~4号机组的功率输出特性的适用性可能受到局部海拔差异和地形影响的限制.
图 10
图 10 受台风影响后不同时刻风电场功率输出
审图号:GS浙(2025)475号 Power output of wind farms at different times during typhoon
4. 结 语
本研究基于中尺度天气预报模式耦合风电场参数化模型,通过模拟2018年第8号超强台风“玛莉亚”登陆过程,研究连江半岛某风电场未受台风影响前与受台风影响过程中,不同风向下风电场尾流与功率特征. 1) 在低风速情况下,地形对风电场来流影响较大,地形海拔梯度变化较大,导致场内部分机组来流区大气运动的垂直输运作用增强,水平输运减弱,即1~4号机组所在位置当来流风向稍微偏北时,机组的功率输出受地形影响严重,与21~24号机组相比功率输出减少约35%. 2) 在低风速情况下,风电场整场尾迹区大气运动以水平输运为主,风电场尾迹近似平行海平面向后发展,随着风速的增大,尾迹区垂向输运作用增强,风电场尾迹沿垂向扩散范围增大. 3) 在复杂的山地地形中,风力机的不规则布局方式导致部分机组的功率输出对来流风向的风向敏感性较强,在风向产生微小变化时,地形直接改变的机组来流特征,导致临近机组的功率输出差异较大. 4) 在极端天气条件下,复杂地形对风电场的尾流和功率输出具有显著影响. 来流风速在额定风速以上,风电场能够实现满发状态,机组间的尾流干扰对功率输出的影响较小;来流风速在额定风速以下,地形和风向的微小变化会导致机组功率输出差异显著,尤其是低风速情况下,地形起伏和海拔梯度变化对来流风速和风向的影响尤为突出. 风电场内机组的不规则布局和海拔差异进一步加剧了尾流干扰的复杂性,尤其是在台风外围风场影响下,垂直风速的变化对机组的结构安全性和功率输出稳定性构成潜在威胁. 5) 在台风影响下,风向变化与地形复杂性叠加,使尾流发展和功率输出呈现高度动态变化,强化了复杂地形与极端气象事件的耦合作用. 本研究结果可为考虑地形效应的风电场规划布局及台风期间运行优化提供科学依据.
参考文献
海上风电项目风险因素分析及应对
[J].
Offshore wind project risk factor analysis and response
[J].
热带气旋对中国沿海风电开发的影响
[J].
The impact of tropical cyclones on coastal wind farm development in China
[J].
The impact of tropical cyclones on potential offshore wind farms
[J].
Impact of offshore wind farms on a tropical depression through the amplification effect by the downstream mountainous terrain
[J].DOI:10.1016/j.atmosres.2023.107047
An economic assessment of tropical cyclone risk on offshore wind farms
[J].DOI:10.1016/j.renene.2012.01.010 [本文引用: 1]
Offshore wind energy resource simulation forced by different reanalyses: comparison with observed data in the Iberian Peninsula
[J].DOI:10.1016/j.apenergy.2014.08.018 [本文引用: 1]
Turbulent kinetics of a large wind farm and their impact in the neutral boundary layer
[J].DOI:10.1016/j.energy.2015.11.040 [本文引用: 1]
A new vertical diffusion package with an explicit treatment of entrainment processes
[J].
Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the longwave
[J].DOI:10.1029/97JD00237 [本文引用: 1]
浙东地形对台风性质的影响: 以1909号台风“利奇马”为例
[J].
The influences of topography of eastern Zhejiang on typhoon properties: a case study of Typhoon “Lekima” (1909)
[J].
Track deflection of Typhoon Maria (2018) during a westbound passage offshore of northern Taiwan: topographic influence
[J].
极端天气对风电场局地风环境的影响
[J].
Impact of extreme weather on local wind environment of wind farm
[J].
Impacts of wave feedbacks and planetary boundary layer parameterization schemes on air-sea coupled simulations: a case study for Typhoon Maria in 2018
[J].DOI:10.1016/j.atmosres.2022.106344 [本文引用: 2]
Intercomparing shortwave radiation codes for climate studies
[J].DOI:10.1029/90JD00290 [本文引用: 1]
Simulating impacts of real-world wind farms on land surface temperature using the WRF model: validation with observations
[J].DOI:10.1175/MWR-D-16-0401.1 [本文引用: 1]
Notes on using the mesoscale wind farm parameterization of Fitch et al. (2012) in WRF
[J].
耦合风电场参数化模型的天气预报模式对风资源的评估和验证
[J].
Wind resource assessment of weather research and forecasting model coupled with wind farm parameterization model
[J].
Simulations of a heavy snowfall event in Xinjiang via the WRF model coupled with different land surface parameterization schemes
[J].DOI:10.3390/atmos14091376 [本文引用: 1]
/
| 〈 |
|
〉 |

