作為風資源工程師的小編，爬過了數不清的荒山野嶺，在進行風資源評估時也經常遇到許多讓人頭疼的“隱秘的角落”，而在使用傳統風資源仿真軟件后，評估結果與風電場實際運行結果的巨大差距更是讓人感到絕望。
作為平價時代下保障風電項目穩定收益的關鍵第一步，風資源的精確評估關乎項目的成敗。那么，在風電場仿真中，我們該如何探明那些“隱秘的角落”，又該如何獲得更為精確的評估結果？
以華北某地項目為例，項目屬于山地地形，周圍整體地形復雜，測風塔代表性不足。機位點位于東北-西南走向山體南部，海拔630-790m，兩座測風塔均位于機位點南側平原地帶，主風向為西風。其中1號測風塔距離機位點約5km，海拔530m，70m高度的年平均風速為6.38m/s；2號測風塔距離機位點10km，70m高度的年平均風速為6.91m/s；風電場東南方向有一條河。
盡管平地測量超過6m/s的風速十分可觀，但是在進行風資源評估時，由于兩座測風塔水平外推均超過5km，垂直外推大于100m，過遠的外推距離使每個機位都成了“隱秘的角落”。不得已的情況下，項目使用了當時最好的風資源仿真軟件進行評估，得到了一個“漂亮”的結果。然而運行一年之后，項目的平均機艙風速僅為4.22m/s，遠低于測風塔處風速；其中北側8臺風機機艙實測風速更是低至約3.9m/s。評估偏差最大達到了732h，平均偏差也達到了370h。
究其原因。一方面，普通商業仿真軟件在模擬時，受計算資源和本身特點的限制，網格范圍有限，不能考慮大地形的背風影響，測風塔代表性不足。
另一方面，該項目在規劃期并未建立測風塔，利用了周邊項目的測風數據進行計算。周邊的兩座測風塔是在平地且距離水域較近的位置測風，而風電場主要在距離水域較遠的山上，測量地的環境和風電場存在較大偏差。尋常的商業CFD仿真軟件無法評估出這樣的差異性。單純的CFD軟件存在對大自然的諸多假設和簡化，許多像空氣濕度、地轉偏向力等地理氣象要素的影響不能準確計算。測風塔距離目標機位點越遠、地理及氣象要素與實際差別越大，最終導致的誤差也就越大。
此外，從大地形上來看，峽谷地形導致測風塔處局地加速，兩座測風塔位于峽谷中央，機位點臨近峽谷北部山體，傳統CFD仿真軟件模擬區域較小，不能有效識別一定距離外的大地形的作用。
上圖是某傳統CFD商業軟件模擬的結果，可以看出，單純CFD仿真下，風機所處位置的顏色與測風塔處的顏色幾乎一致，無法真實評估出風電場和測風塔處的差異。也就是說，在傳統CFD仿真軟件眼里，這樣的風電場中各個風機都變成了“隱秘的角落”。
那么，面對上述這樣由于大地形環境影響所產生的“隱秘的角落”，是否還有機會實現風資源的準確評估呢？新疆金風科技股份有限公司（下稱“金風科技”）通過GoldWRF虛擬測風技術與CFD仿真軟件耦合，提供出一個更為優化的解決方案。
GoldWRF虛擬測風技術是金風科技基于開源WRF模式自主研發的定制化氣象仿真產品，已經入駐“風匠”（風象臺 | 風匠，讓平價時代風資源評估更加精準高效）中的氣象仿真模塊，致力于解決前期開發階段測風數據不足時，風資源精準評估問題。
上圖為風匠WRF氣象仿真模塊模擬的風電場大區域80m高度的風資源分布情況。根據該項目的特點，使用“風匠”在場區合適位置虛擬一座測風塔，然后將虛擬測風塔和實測風數據輸入到CFD仿真模型中重新計算。與傳統CFD模式相比，虛擬測風塔耦合CFD的全場平均評估偏差從370h降低到112h，偏差降低了69.73%。
近年來，在風資源評估中，CFD逐步取代線性模型的方法已經得到廣泛的應用。但隨著風電場仿真愈加復雜，尤其是在國內風電開發快節奏的建設周期下，CFD的計算局限性也愈發凸顯。
WRF不但關注風速、氣壓，還關注很多水的相變過程以及云、輻射等要素。基于WRF的虛擬測風技術和CFD的良好化學反應，“風匠”正在幫助行業探明大地形環境影響下“隱秘的角落”，并將針對風電場評估中的種種疑難雜癥開出更多效果顯著的藥方。
