2023年10月16日-20日，2023北京國際風能大會暨展覽會（CWP2023）在北京如約召開。作為全球風電行業年度最大的盛會之一，這場由百余名演講嘉賓和數千名國內外參會代表共同參與的風能盛會，再次登陸北京，聚焦中國能源革命的未來。

本屆大會以“構筑全球穩定供應鏈 共建能源轉型新未來”為主題，將歷時四天，包括開幕式、主旨發言、高峰對話、創新劇場以及關于“全球風電產業布局及供應鏈安全”“雙碳時代下的風電技術發展前景”“國際風電市場發展動態及投資機會”“風電機組可靠性論壇”等不同主題的21個分論壇。能見App全程直播本次大會。

10月17日上午，明陽智能朱雨露在“風資源技術論壇上”發表了題目為《沙戈荒大基地項目的尾流和氣候折減研究》的主旨發言。

以下為演講全文：

各位大家早上好，我今天給大家帶來的分享是《沙戈荒大基地項目的尾流和氣候折減研究》，從四個方面進行闡述：沙戈荒項目分布及資源特點、低溫折減分析、沙塵折減分析、改進尾流模型分析。

沙戈荒項目分布及資源特點，2021年11月份國家能源局和發改委發布第一批風光電大項目，今年4月份已經在組織第三批風光大基地項目的統籌工作。第一批規劃容量在97.05MW，沙戈荒在42.85MW，基本上占一半。第二批規劃容量165MW，全部為沙戈荒項目，風電占比大概是30%-40%。現在我國的沙戈荒存在八大沙漠和四大沙地，主要分布在新疆、內蒙、青海、甘肅。

黃色位置（PPT）是各沙漠的分布范圍，藍色代表第一批大基地的位置，綠色位置代表第二批大基地的位置，紅色代表第三批大基地的位置。可以看到三批大基地的位置，基本上八大沙漠、四大基地都有涉及，主要是分布在沙漠邊緣，內陸項目比較少。

我們收集到沙漠和沙地周邊100公里已經建設的清單放在上面做參考，我們觀察這些項目發現基本上深入沙漠最深的在25公里，沙地最深的是40公里，沙漠內部的資料是沒有的，僅僅通過沙漠周邊的項目進行正向反饋。

這個是根據以上收集到的數據，統計八大沙漠風資源的基本特征，整體上來看八大沙漠以高原為主。通過分析八大沙漠風資源的分布特征，我們推進的機型是30C和20C以上，具體的選擇要根據每一個沙漠的指數選擇適合的型號。

我們統計每一個沙漠通過周邊的科研極端高溫和低溫的情況，八大沙漠基本上涉及到高溫和低溫。

關于沙塵的情況，參考中國天氣網統計的1991年-2020年的情況，我國沙塵暴主要是影響北方地區和新疆盆地和內蒙。年沙塵暴在10天，部分區域超過20天，沙塵暴影響的省份包括新疆、青海、甘肅、寧夏、內蒙、陜西、山西。

在沙漠特有的天氣氣候，有高溫、低溫和沙塵。通過在沙地周邊的項目，綜合篩選了一個項目案例，這個項目位于西蒙，整體的海拔在1120米，采用的機型是3.2MW-4.0MW，有于低溫折減的分析。  

根據項目案例分析一下低溫的情況，我們選擇2整年季度的運行時間，統計6個低溫時間段，平均可利用率等指標進行分析，選擇12個超低溫時間段的損失分析。同步，如果處于同機狀態，它的放量損失分析。一般機組的運行環境溫度是-30到40度之間，低于30度是要停機的，它的放電損失到底是多少？我們對這個項目做了一些技改，低溫運行達到-35攝氏度，負30-35也是在運行的，在這種狀態情況下放量損失到底是多少？

下面看統計的數據情況，整體的數據統計在-30到-20，統計6個時間段的基本情況，最右邊是超低溫全年放量損失的情況，我們求出來每一段的比例，在限功率運行的狀態下有實發電量，通過相對應溫度實際運行的工藝曲線算出應發電量，那么我們就會求出損失電量。

機組在位于-30到-20區間量是有提升的，機組平均量下降0.1%，超低溫的狀態下放量損失在1.16%。如果說這個機組處在停機占比在2.08%，這里的低溫折減告訴大家，我們公司在評估項目中對低溫風評計算時容易被忽略。如果機組設計的溫度在-30度以下，基本上都是停機狀態不發電，這一部分折減是低溫損失的折減。

沙塵折減的分析，原則選擇沙塵暴2022年一整年，統計沙塵前、沙塵后的故障量進行對比分析，同步分析深沉后實發電量、應發電量，進一步得出沙塵折減。默認沙塵前期做成的問題，全部是因為沙塵造成的。來看一下數據的統計情況，統計將近5段的變化情況。它的計算方式和低溫折減方式相同，在低溫情況下，因為沙塵天氣造成的問題有實發電量，故障期間造成的因素通過曲線可以求出應發電量。

下面我們看結果，沙塵前、沙塵后、沙塵期間，基本上都在沙塵期間表現出的是大風狀態，基本的表現是交叉的。沙塵的大風情況下，可以造成可利用率降低。沙塵期間也統計比例，沙塵期間、沙塵后造成的損失是4.7%，全年是0.3%的水平。

尾流模型，現在比較常用的兩個模型，我談一下個人見解。改進型的perk模型風速取自對周邊所有風機最小的系數，同時也是尾流影響最大的值。從公式上來看，目標風機受綜合的影響，現在只是取最小的值，尾流損失影響最大的結果。從公式來看，已經低估場群的影響。大尾流模型，周圍所有的風機可以默認為做粗糙度處理，大尾流模型計算出來的損失和改進型的大于10%，甚至更多。比較典型的是大型風電場在10%左右，相應的優點和缺點不再贅述。

制度盤模型基本上不太實用，還有其他的經驗模型不再贅述，談一下明陽對perk的理解，它選擇的系數是選擇影響最大的參數，既然這個風機受所有風機綜合影響的結果，那么如何表現出來？初步對perk做了調整。但是這種調整的合理性，還要經過項目實證的驗證。一個是風速降低系數，每一臺風機對目標風機的影響，都采用沉積的形式做表現。

我去做這個事情，算出來一個理論電量，通過各種折減最后得出來范圍的綜合折減系數。如果以成機的形式體現綜合影響的結果，是否有效的？

調整的方案二，選擇對應的CT，保證中高段的準確性。整個分析方法為了控制變量，僅僅分析風速。為了更好的做尾流影響，我們選擇標準風機，分析的工況采用16個區，分析各個機位的風速衰減值，最終分析的參數通過各機位的損失和全場平均損失進行結論的說明。

這個項目選用一個案例，也是后評估的項目，位于吉林省某風電場，地形屬于平坦，周邊的風機用的1.5MW。之所以選擇平坦風機，保證尾流風速是一致的，這樣誤差更小。

這是改進尾流模型的計算結果，右下角風速降低系數代表的是serd數據，整體三個尾流模型去做仿真，控制在0度區，來風控制在5米/s，可以看到模型計算出來的展示。通過圖形可以看到，perk和新尾流模型與實際運行數據是接近的，但是perk在風速衰減系數上顏色更淡，意味著風阻更大一些。

新尾流模型以成機的形式展現，它與各個衰減是接近的，只有個別的機位點與實際運行有差別。大尾流模型算出來都是逐步增加的，整體還是有差別。我們控制在0度區，perk模型處于低估的狀態，新尾流模型更加符合，大尾流模型處于相對高的狀態。

同樣是來風控制在10米/s的情況下，仍然與數據進行對比，與北部的點算系數。這種情況下，仍然是新尾流模型，通過沉積的公式算出來結果與實際相近。在10米風速段，基本上還是低估了尾流的影響，大尾流模型和實際運行還是有一定差別的。

這張圖控制在0度，三種模型計算出來的公式，已經全部處于低估的狀態。統計各個區的風速損失情況，整體平均損失的情況，對比三種模型風速降低系數和實際系數的對比。通過以上的數據展示，perk模型普遍低估實際的影響。

第二個是修復后的全場損失與實際更加符合，這只是對perk模型做的嘗試，它的合理性還需要通過更多項目的實際案例進行研究，謝謝大家。

（根據演講速記整理，未經演講人審核）