3.明陽智能朱雨露-沙戈荒大基地項目的尾流和氣候折減研究-風能展論壇- 匯總20231015-明陽朱雨露(1).pdf

《3.明陽智能朱雨露-沙戈荒大基地項目的尾流和氣候折減研究-風能展論壇- 匯總20231015-明陽朱雨露(1).pdf》由會員分享，可在線閱讀，更多相關《3.明陽智能朱雨露-沙戈荒大基地項目的尾流和氣候折減研究-風能展論壇- 匯總20231015-明陽朱雨露(1).pdf（27頁珍藏版）》請在三個皮匠報告上搜索。

1、MINGYANG SMART ENERGY GROUP LIMITED沙戈荒大基地項目的尾流和氣候折減研究2023.10朱雨露MINGYANG SMART ENERGY GROUP LIMITEDCONTENTS 目錄沙戈荒項目分布 及資源特點低溫折減分析沙塵折減分析010203改進尾流模型分析0401沙戈荒項目分布及資源特點MINGYANG SMART ENERGY GROUP LIMITED01沙戈荒項目分布及資源特點-背景MINGYANG SMART ENERGY GROUP LIMITED2021年11月國家能源局、國家發改委印發的第一批以沙漠、戈壁、荒漠地區為重點的大型風電、光伏基地

2、建設項目清單的通知2021年12月國家能源局印發關于組織擬納入國家第二批以沙漠、戈壁、荒漠地區為重點的大型風電光伏基地項目的通知，并于22年7月印發清單2023年4月國家發改委、國家能源局下發關于印發第三批以沙漠、戈壁、荒漠地區為重點的大型風電光伏基地建設項目清單的通知其中沙戈荒項目42.85GW97.05GW第一批風光大基地規劃裝機量97.05GW165GW全部為沙戈荒項目其中風電占比30%-40%第二批風光大基地規劃裝機量165GWMINGYANG SMART ENERGY GROUP LIMITED01沙戈荒項目分布及資源特點-沙漠分布我國八大沙漠、四大沙地主要分布在新疆、內蒙、青海、甘

3、肅MINGYANG SMART ENERGY GROUP LIMITED圖片引用三北防護林規劃制圖鞏向杰/星球研究所若侵權請聯系刪除MINGYANG SMART ENERGY GROUP LIMITED01沙戈荒項目分布及資源特點-項目分布藍色-第一批 綠色-第二批 紅色-部分第三批1八大沙漠和四大沙地都有涉及2主要在沙漠邊緣，內部較少MINGYANG SMART ENERGY GROUP LIMITED01沙戈荒項目分布及資源特點-周邊項目周邊50-100km已有不少項目內部測風資料基本沒有，最深入項目約25km（沙漠）和40km（沙地）MINGYANG SMART ENERGY GROUP

4、 LIMITED01沙戈荒項目分布及資源特點-資源特點MINGYANG SMART ENERGY GROUP LIMITED高原地形為主，整體平坦。巴丹吉林海拔最高，風資源最好，騰格里海拔最低，風資源最差。年最大不超過42.5 m/s，推算到標準空氣密度下50年一遇最大風速滿足IEC 或者類要求。風切變屬于中等水平，需要根據項目情況確認合適的塔筒高度。沙漠海拔范圍m120 m風速m/s 50年一遇風速m/s 綜合切變 高層切變 代表湍流 最高溫度 最低溫度 溫度獲取來源巴丹吉林 100017006.0-8.5小于400.12-0.18 0.14-0.190.12241.0-30.6周邊氣象站/

5、中尺度/測風塔騰格里 120015005.5-7.0小于37.50.12-0.17 0.13-0.180.13742.4-30.1烏蘭布和 100016005.5-7.5小于400.15-0.17 0.10-0.130.12139.6-29.1庫布齊 110015006.0-8.0小于37.50.15-0.24 0.12-0.230.14038.9-32.0塔克拉瑪干84012005.57.0小于42.50.05-0.13 0.03-0.130.09344.3-34.0古爾班通古特3006006.57.8小于37.50.05-0.11 0.03-0.100.10443.2-40.1庫姆塔格 8

6、0026005.77.3小于37.50.05-0.10 0.03-0.100.10744.3-33.2柴達木 250030006.08.5小于42.50.05-0.14 0.04-0.080.07134.6-33.2MINGYANG SMART ENERGY GROUP LIMITED01沙戈荒項目分布及資源特點-資源特點中國天氣網統計1991-2020年來，我國沙塵暴日數分布情況，沙塵天氣主要影響我國北方地區，其中南疆盆地和內蒙古西部兩地是沙塵暴的高發區，年沙塵暴日數在10天以上，部分地區超過20天。新疆、青海、甘肅大部、寧夏、內蒙古中西部、陜西北部、山西北部也較常見沙塵暴天氣，這7省區也是

7、我國受沙塵影響最頻繁地區。02低溫折減分析MINGYANG SMART ENERGY GROUP LIMITED01低溫、沙塵案例項目-分析原則MINGYANG SMART ENERGY GROUP LIMITED位于錫林浩特市區西北部。場址區域屬荒漠草地，地勢略有起伏。海拔高度在在1121m1162m 之間。位于青海省海南藏族自治州共和縣境內。場區范圍海拔高程在2940m3040m之間。低溫情況下數據分析：低溫選取2021010120221231時間段為2年的機組運行時間；其中統計6個區間范圍為-30-20、-20-10低溫時間段，針對全場故障數量、可利用率等指標對比分析；其中12個區間為（

8、-30）超低溫時間段，限功率運行狀態，發電量損失分析；其中12個區間為（-30）超低溫時間段，停機狀態，發電量損失分析；電量均為估算值，存在不確定性；02低溫折減分析-低溫條件MINGYANG SMART ENERGY GROUP LIMITED位于青海省海南藏族自治州共和縣境內。場區范圍海拔高程在2940m3040m之間。低溫情況機組運行數據對比低溫對比表超低溫全年發電量損失溫度(-20-10)溫度(-30-20)對比結果溫度(-30)損失比例20210113-20210116平均風速(m/s)8.3120210116-20210117平均風速(m/s)9.29-20210101-10110

9、1080.24%故障數據量4.83故障數據量6.001.17平均可利用率(%)98.94%平均可利用率(%)97.47%-1.49%20210109-202101090.01%平均發電量/天(KW)34811平均發電量/天(KW)46245-20211221-20211223平均風速(m/s)3.0220211223-20211226平均風速(m/s)7.04-20210110-202100100.04%故障數據量12.89故障數據量8.51-4.38平均可利用率(%)95.33%平均可利用率(%)98.22%3.03%20210111-202101110.07%平均發電量/天(KW)7723

10、平均發電量/天(KW)34639-20220129-20220131平均風速(m/s)2.7120220131-20220202平均風速(m/s)5.54-20210115-202101150%故障數據量10.42故障數據量1.58-8.84平均可利用率(%)96.58%平均可利用率(%)99.37%2.89%20210117-202101170%平均發電量/天(KW)5017平均發電量/天(KW)26383-20220207-20220212平均風速(m/s)5.5920220212-20220217平均風速(m/s)4.56-20210118-202101180%故障數據量8.25故障數據

11、量49.5141.26平均可利用率(%)98.95%平均可利用率(%)93.35%-5.65%20210127-202101280.30%平均發電量/天(KW)26091平均發電量/天(KW)14431-20220223-20220225平均風速(m/s)5.7620220218-20220220平均風速(m/s)6.65-20220201-202202030.40%故障數據量0.85故障數據量5.324.76平均可利用率(%)99.75%平均可利用率(%)98.53%-1.31%2022024-202202050.04%平均發電量/天(KW)29742平均發電量/天(KW)36814-02低

12、溫折減分析-低溫條件MINGYANG SMART ENERGY GROUP LIMITED位于青海省海南藏族自治州共和縣境內。場區范圍海拔高程在2940m3040m之間。低溫情況機組運行數據對比（續）機組在低于溫度-30-20時，比溫度位于-20-10平均故障量有所提升，機組平均可利用率下降約1.01%；超低溫（-30）情況下，限功率運行狀態，全年發電量損失占比約1.16%；超低溫（-30）情況下，停機狀態，全年發電量損失占比約2.08%；溫度區間發電量KWh發電量全年占比-20-10244247516.09%-30-20170177811.21%-35-301743541.15%-35140

13、9830.93%-303153382.08%低溫對比表超低溫全年發電量損失溫度(-20-10)溫度(-30-20)對比結果溫度（30)損失比例20221207-20221212平均風速(m/s)7.9520221213-20221218平均風速(m/s)7.07-20221217-202212170.06%故障數據量57.50故障數據量80.4722.97平均可利用率(%)92.61%平均可利用率(%)89.43%-3.43%合計1.16%平均發電量/天(KW)40921平均發電量/天(KW)37009-合計平均風速(m/s)5.54合計平均風速(m/s)6.6921.96%故障數據量15.7

14、9故障數據量25.239.49平均可利用率(%)97.03%平均可利用率(%)96.06%-1.01%平均發電量/天(KW)24051平均發電量/天(KW)32587-03沙塵折減分析MINGYANG SMART ENERGY GROUP LIMITED01低溫、沙塵案例項目-分析原則MINGYANG SMART ENERGY GROUP LIMITED位于錫林浩特市區西北部。場址區域屬荒漠草地，地勢略有起伏。海拔高度在在1121m1162m 之間。位于青海省海南藏族自治州共和縣境內。場區范圍海拔高程在2940m3040m之間。沙塵天氣情況下數據分析：沙塵暴選取2022010120221231

15、時間段為1年的機組運行時間，其中歷經5次沙塵天氣。統計沙塵前、期間、后，全場機組故障數量、可利用率等指標對比分析；分析計算沙塵期間、沙塵后實發電量、應發電量數據，得出損失電量，進一步得出沙塵折減。電量均為估算值，存在不確定性；03沙塵暴折減分析-沙塵暴條件MINGYANG SMART ENERGY GROUP LIMITED位于青海省海南藏族自治州共和縣境內。場區范圍海拔高程在2940m3040m之間。沙塵暴前后情況機組運行數據對比沙塵暴前沙塵暴期間沙塵暴后沙塵暴損失發電量（KWh）20220312-20220314平均風速7.4120220314-20220315平均風速(m/s)8.612

16、0220315-20220317平均風速(m/s)4.0458495故障數據量5.35故障數據量6.15故障數據量11.65可利用率98.5%平均可利用率(%)95.5%平均可利用率(%)94.1%發電量/天36878平均發電量/天(KW)34699平均發電量/天(KW)1292020220324-20220324平均風速(m/s)4.6620220324-20220324平均風速(m/s)17.0820220325-20220325平均風速(m/s)6.2092439故障數據量2.30故障數據量8.95故障數據量4.75平均可利用率(%)96.5%平均可利用率(%)88.2%平均可利用率(%

17、)96.7%平均發電量/天(KW)13030平均發電量/天(KW)55645平均發電量/天(KW)2544520220409-20220411平均風速(m/s)8.1120220411-20220412平均風速(m/s)6.1320220412-20220414平均風速(m/s)5.664877故障數據量2.70故障數據量2.55故障數據量8.70平均可利用率(%)98.3%平均可利用率(%)98.4%平均可利用率(%)96.9%平均發電量/天(KW)37485平均發電量/天(KW)31949平均發電量/天(KW)2255520220417-20220419平均風速(m/s)7.0620220

18、419-20220421平均風速(m/s)13.9220220421-20220422平均風速(m/s)8.82155334故障數據量9.70故障數據量11.15故障數據量1.05平均可利用率(%)97.2%平均可利用率(%)97.0%平均可利用率(%)99.4%平均發電量/天(KW)34426平均發電量/天(KW)54679平均發電量/天(KW)5049903沙塵暴折減分析-沙塵暴條件MINGYANG SMART ENERGY GROUP LIMITED沙塵暴前后情況機組運行數據對比（續）沙塵暴前沙塵暴期間沙塵暴后沙塵暴損失發電量（KWh）20220424-20220425平均風速(m/s)

19、5.5920220425-20220425平均風速(m/s)16.3820220425-20220426平均風速(m/s)8.37151025故障數據量2.75故障數據量14.50故障數據量0.80平均可利用率(%)98.4%平均可利用率(%)85.1%平均可利用率(%)99.5%平均發電量/天(KW)22189平均發電量/天(KW)52309平均發電量/天(KW)40865合計平均風速6.56合計平均風速12.24合計平均風速6.61462170故障數據量4.5故障數據量8.66故障數據量5.39平均可利用率(%)97.8%平均可利用率(%)92.8%平均可利用率(%)97.3%沙塵前后數據

20、表現為：沙塵前、期間、后平均風速：6.56m/s、12.24m/s、6.61m/s，沙塵期間表現為大風狀態；沙塵前、期間、后平均故障數據量：4.5、8.66、5.39，沙塵期間故障數量有所增加；沙塵前、期間、后平均可利用率：97.8%、92.8%、97.3%，沙塵期間表現較差；在沙塵大風狀態下，更容易造成故障問題，可利用率降低；沙塵期間、后實發電量9294050kWh、理論應發電量估算為9756220kWh，損失電量估算為462170kWh，損失比例約為4.7%，占全年發電量比例為0.3%。04改進尾流模型分析MINGYANG SMART ENERGY GROUP LIMITEDMINGYAN

21、G SMART ENERGY GROUP LIMITED04改進尾流模型分析-常見尾流模型改進的PARK模型基于動量守恒的經驗方程進行建模，尾流在葉輪后線性擴展，根據入流風速選取推力系數和尾流衰減系數K，并且利用下游的每個風機葉片掃風區域受尾流影響的百分比進行加權，對于多臺風機的影響則選擇其中最大的尾流損失作為該風機受到的總的尾流影響。大尾流模型/深度陣列尾流模型該尾流模型將風電場中的風機進行了粗糙度處理，將其視為粗糙度的一部分進行計算。假設每一個風機占據一個增加表面粗糙度的離散區域。隨著風到達風機，由增加的粗糙度產生內部邊界層。優點：形式簡單且仿真效率高，準確度也有一定保證缺點：尾流場速度分

22、布不合理、偏轉/非定常來流無法仿真圖片引用于：助力大基地與海上風電項目大范圍風電場尾流模型LWF的分析與應用優點：運行速度快，伴有邊緣效應即處于風電場邊緣風機的平均尾流損失一般相對較低缺點：風場范圍繪制有不確定性，長距離下風向個別機位準確度有限MINGYANG SMART ENERGY GROUP LIMITED04改進尾流模型分析-常見尾流模型制動盤模型制動盤模型通過添加虛擬盤面來近似模擬風力機尾流場，基本原理是根據葉輪直徑在機位處生成一個圓盤面，在CFD仿真過程中根據實時風速和機組推力系數，修改圓盤位置處的動量方程和添加動量源項，模擬風機工作工程中產生的推力，從而模擬風機對后方尾流區域流場

23、的影響。其他模型Lansen模型和Frandsen模型等其他經驗尾流模型Geometric model（GM）混合尾跡損失模型優點：定向計算過程中根據風速分布和風向變化實時調整，考慮因素更加全面缺點：計算時間較長，每次方案變化后都需要重新計算，且仿真后的流場無法直接采用未受尾流影響的測風數據進行仿真計算MINGYANG SMART ENERGY GROUP LIMITED04改進尾流模型分析-分析方法分析對象風速尾流損失本質是風經過前排風機后風速降低從而導致發電量的損失，而發電量損失與功率曲線關系較大，因此本次以風速為分析對象來減少變量。歸一化處理為更好的衡量尾流影響，不同扇區來風均選取一不受

24、尾流影響風機為基準（風速基本是最高），其他機位風速/標準機位風速進行歸一化獲得各機位的風速衰減值Cj分析工況各機位點風速損失：趨勢分析參數尾流與來風方向、風速大小均有關系，因此采用16個扇區、3個風速段（5m/s、10m/s、15m/s）分析各個機位風速衰減值全場平均值：整體損失MINGYANG SMART ENERGY GROUP LIMITED04改進尾流模型分析-選用案例項目情況位置：吉林某風場機型：4.0MW運行時間：2022.06.01-2023.05.31期間的SCADA數據地形：平地周邊風機：1.5MW測風塔風速：6.966.98m/s機位點尾流前風速：平均7.02m/s（6.9

25、87.10m/s）可認為無尾流影響情況下各機位點風速基本一致風向以風功率預測塔風向為準MINGYANG SMART ENERGY GROUP LIMITED04改進尾流模型分析-計算結果來流北風5m/sMINGYANG SMART ENERGY GROUP LIMITED04改進尾流模型分析-計算結果來流北風10m/sMINGYANG SMART ENERGY GROUP LIMITED04改進尾流模型分析-計算結果來流北風15m/sMINGYANG SMART ENERGY GROUP LIMITED04改進尾流模型分析-計算結果5m/s平均022.54567.590112.5135157.

26、5180202.5225247.5270292.5315337.5改進park0.9120.9260.9130.9040.9060.9180.9190.9180.9050.9060.8940.9090.9030.9140.9180.9130.922大尾流模型0.8720.8430.8550.8410.8480.8650.8770.8790.8620.8530.8280.7961.0020.9940.9760.8260.816新尾流模型0.8700.8900.8610.8430.8510.8730.8790.8760.8700.8690.8320.8270.9090.8960.9230.8390

27、.878實際0.8650.9010.8810.8400.8270.8290.8190.8470.8750.8890.8150.8810.8870.9110.8520.8960.89010m/s平均022.54567.590112.5135157.5180202.5225247.5270292.5315337.5改進park0.9650.9750.9640.9610.9600.9750.9730.9770.9550.9510.9420.9650.9620.9660.9640.9770.981大尾流模型0.9320.9190.9240.9170.9200.9380.9440.9490.9250.9

28、150.8970.8840.9960.9950.9760.9060.908新尾流模型0.8930.9170.9010.8840.8850.9150.9160.9160.9090.9150.8690.8370.8980.8830.8940.8540.897實際0.8660.9090.8600.8800.8730.8650.8290.8730.8650.8210.7810.9420.8750.8670.8200.9020.88815m/s平均022.54567.590112.5135157.5180202.5225247.5270292.5315337.5改進park0.9840.9950.989

29、0.9820.982-0.9730.9690.9640.9870.9830.9870.9880.9970.997大尾流模型0.9720.9770.9770.9690.969-0.9640.9580.9490.9590.9920.9940.9880.9690.972新尾流模型0.9710.9820.9760.9720.969-0.9620.9620.9490.9630.9780.9760.9750.9760.983實際0.8900.8840.9070.9010.869-0.9110.8720.8280.9670.9210.8890.8710.8910.862各扇區風速損失Park尾流模型普遍低估實際尾流影響，其他尾流模型則在中高風速段低估；優化后尾流模型的全場平均風速損失整體與實際更加符合。THANKSMING YANG SMART ENERGY GROUP LIMITED