在全球范圍內，隨著開發技術和相關配套產業的持續進步，海上風電開發已經成為各國能源投資與發展的新熱點，風電發展逐漸向具有風能資源豐富、距離負荷中心近、消納能力強等特點的海上轉移‍‌‍‍‌‍‌‍‍‍‌‍‍‌‍‍‍‌‍‍‌‍‍‍‌‍‍‍‍‌‍‌‍‌‍‌‍‍‌‍‍‍‍‍‍‍‍‍‌‍‍‌‍‍‌‍‌‍‌‍。 受海洋區域規劃條件的限制，海上風電場的規劃與選址較為集中，大規模海上風電場的集中并網對電網接納能力產生了極大的挑戰，如何針對海上風電場的不可控性和無功特性復雜的特點進行發電預測，成為了世界風電研究的重點課題‍‌‍‍‌‍‌‍‍‍‌‍‍‌‍‍‍‌‍‍‌‍‍‍‌‍‍‍‍‌‍‌‍‌‍‌‍‍‌‍‍‍‍‍‍‍‍‍‌‍‍‌‍‍‌‍‌‍‌‍。

　　1 發電量研究成為國內外重要研究課題

　　目前很多國家對發電量預測開展了相關研究‍‌‍‍‌‍‌‍‍‍‌‍‍‌‍‍‍‌‍‍‌‍‍‍‌‍‍‍‍‌‍‌‍‌‍‌‍‍‌‍‍‍‍‍‍‍‍‍‌‍‍‌‍‍‌‍‌‍‌‍。 通過WPMS系統預測，利用數值天氣預報數據、歷史觀測數據、實際測量數據建立關系模型進行預測，均方根誤差約為7%~19%。 近年來，混沌理論的神經網絡發電量預測方法有了新發展，利用風力發電機輸出功率的非線性混沌時間序列特性，用神經網絡方法進行信息處理和發電量預測。 但是上述方法主要適用于發電量的短期預測，對現今國內外風電場中長期的發電量預測及提高預測精確度的研究比較有限。

　　風電論文范例：基于PLC的風電機組控制系統設計

　　由于海上風電場特殊的運行環境，運維成本遠高于陸地風電場，根據發電量預測結果制定合理的運維檢修策略可最大限度地減少停機帶來的電量損失。 本文提出的月度發電量預測方法，是以多年的月度測風數據為基礎，利用WAsP發電量計算軟件，分月進行發電量計算，以華南某海上風電場為算例，編制月度發電計劃，并根據風電場的實際運行情況進行驗證和評價。

　　2 海上風電場的月度發電量預測

　　2.1 試驗場址概況

　　試驗風電場場址離岸約20km，周圍多島環繞，場內海底地貌形態簡單，水下地形較平坦，泥面標高為-6m至-12m，場址面積約33km2，完成31臺3MW風機并網調試。

　　試驗風電場場址中心建有一座海上測風塔，在風機輪轂高度90m裝有風速儀和風向標，2012年7月~2013年7月、2013年7月~2014年7月、2015年7月~2016年7月三個完整測風年期間的數據獲取率和有效性滿足規范要求，有效觀測時長為3年，對風電場的風能資源評估具有很強的代表性。根據測風塔三年完整測風數據統計年平均、月平均風速，得到年風向、風能玫瑰圖。

　　2.2 月度發電量預測

　　從測試風電場有效測風時間三整年的平均風速比較來看，年平均風速比較穩定，在7.00m/s~7.02m/s之間，且風速的季節分布也比較一致。 用三年的數據作為數據源進行月度電量預測可以降低預測的不確定性。

　　本文選取實測三年(2012年7月~2014年7月、2015年7月~2016年7月)90m高度分月的測風數據作為輸入條件，應用WAsP軟件，設置計算中所需要的模型參數(地表粗糙度、尾流衰減系數、風電場及周邊地形條件、風機功率曲線)，分別對風電場發電量進行模擬計算，預測風電場全年的理論發電量，再折減氣候、線損、功率曲線、可利用率、運維及時性等因素，得到計劃上網電量的預測結果。

　　2.3 實際發電量驗證與分析

　　測試風電場于2018年12月完成31臺風機并網發電，于2019年1月完成最后一批風機的并網調試。 本文選取2019年1月(最后一批風機并網調試)及2019年2月(全部風機正常投產)的發電量，進行與發電計劃的對比分析。

　　(1)風速評估。

　　選取香港橫瀾島測風三年同期的月平均風速，與測試風電場的測風塔測風期三年的月平均風速進行相關分析。 相關系數R為0.78，認為橫瀾站與測風塔月平均風速具有較好的線性相關關系，因此將橫瀾站作為試驗風電場的參證站進行大小風月的評估。

　　橫瀾站2019年1月實測風速22.8km/h，即6.33m/s，將該風速與試驗風電場前三年實測對應的橫瀾島1月數據6.8m/s進行比較可見，2019年1月較三年測風期間1月的月平均風速較小，風速低約7%。 用線性關系推算風電場2019年1月實際風速約為6.89m/s。

　　橫瀾站2019年2月實測風速23.4km/h，即6.5m/s，將該風速與試驗風場前三年實測對應的橫瀾島2月數據6.53m/s進行比較可見，2019年2月與三年測風期間2月的月平均風速持平，測風三年的數據可用于試驗風電場2019年2月的發電量預測。

　　(2)應發電量。

　　由于1月發電計劃的制定依據于三年測風風速7.4m/s，高于2019年1月的實際風速，所以應找到接近于實際風速6.89m/s的計劃發電量，用以評估試驗風電場的實際發電情況。 實驗風電場測風期間1月、3月及全年的測風風速基本符合韋布爾分布曲線，本文暫取3月(平均風速為6.79m/s)與全年計劃(平均風速為6.97m/s)的均值作為2019年1月的參考理論發電量：

　　2019年1月應發電量=(1608+(19932×31/365))/2=1650萬kW·h

　　因2019年2月采用測風三年的實際風速，應發電量直接取表2發電計劃中的2月1939萬kW·h。

　　(3)實際發電情況分析。

　　2019年1月，31臺風機實際發電量總計1603萬kW·h，上網電量1551萬kW·h，略低于實際應發電量1650萬kW·h。 從現場調試情況看，2019年1月最后一批并網風機正處于調試狀態，發電不穩定，故障較多。 31臺風機平均可利用率為90%，且6#、8#、9#、13#可利用率不足80%，對發電量造成較大影響。

　　在2019年1月應發電量中，如扣除6#、8#、9#、13#四臺風機的發電量，由調試引起的損失約50%電量118萬kW·h，即1650-118=1532萬kW·h，與實際發電量的1551萬kW·h較為接近，低約1%。

　　2019年2月31臺風機實際發電量總計2236萬kW·h，上網電量2172萬kW·h，略高于實際應發電量1939萬kW·h。 2019年2月風機已全部完成調試，進入正常運行狀態，風場平均可利用率為98%(高于制訂計劃預估時采用的預期值95%)，各風機實發功率與用于計算的功率曲線吻合度達95%以上，可認為2019年2月風電場實際狀態略優于制定發電計劃的假定條件。 考慮可利用率對于發電量的影響，在2019年2月應發電量中應增加部分電量即61萬kW·h，即1939+61=2000萬kW·h，略低于實際風況下應發電量2172kW·h，低約8%。

　　經上述分析，2019年1月和2月的實際風況下應發電量與實際發電量的月度比較一致，風電場的風機可利用率直接影響應發電量與實際發電量的匹配性，誤差可控制在10%以內。

　　3 結論

　　本文以華南某海上風電場為試驗場址，對發電量的月度預測及分析方法進行了研究，主要結論如下：

　　(1)利用WAsP軟件全面考慮地形、氣象條件、地表粗糙度、尾流衰減、阻礙物、風機排布方案等對發電量的影響，進行海上風電場月度發電量預測，可為企業制定發電計劃提供科學的依據。

　　(2)月度發電量預測應選擇合適的數據源，多年度測風數據用于月度發電量預測可以降低預測的不確定性。 測試結果表明，實際風況下應發電量與實際發電量的月度比較一致，風電場的風機可利用率直接影響應發電量與實際發電量的匹配性，誤差可控制在10%以內。

　　(3)根據實際風況下的理論發電量計算結果與實際發電量的對比分析，應充分考慮設備的運行狀況，如風機可利用率、風機功率曲線等因素。

　　【作者簡介】劉沙