作者：张毅
目前，商用CFD软件在计算方面较之前软件最大的不同是在流场计算时输入的测风数据除风向与风速外还添加了风速标准差SD( Standard Deviation，SD)这一项，其输出的结果中湍流这一参数则直接受标准差影响。但现行标准《风电场风能资源评估方法》( GB/T 18710-2002)内数据验证章节中未包含对于风速标准差方面的验证方法，出现这一现象的原因估计与标准编制时计算机技术水平和软件技术有关。
1标准差的统计
通过分析《风电场风能资源评估方法》并对比其与所引用标准《Wind Resource AssessmentHandbook》之间的区别，发现所引用标准中给出的标准差值域的参考范围为0～3，而现行国标未引入这一参考范围。通过对比近几年所接触项目的测塔数据发现，标准差值域为0～3在国内工程中的适用性不好，大量有效记录的标准差数据大于该限值。初步分析其原因，是近几年国内风电场地形及风况与国外标准编制时所参考的样本相比复杂程度高。
为重新确定标准差值域范围，作者收集了近几年国内多地共20座测塔数据并进行了整理，基于工程保密的因素，所有测塔一律以编号区别。所有测塔数据均选取测塔最顶层数据，高度一般为70 m，部分为90 m，数据均已按现行标准进行处理，有效数据完整率都在90%以上。
将各测塔各风速段的SD值按0.5 m/s为步长进行统计，并将结果进行归一化处理。分别计算测风塔各区段频率值，如图1所示。
根据上述分布图，对照常用分布函数，采用Pulse分布拟合，该分布函数如下。
式中：yo为偏移量；xo为中必点；A为波幅系数：e为自然对数的底数；t1为宽度系数；t2为宽度系数；p为振动指数。
用数值分析的方法进行函数拟合，拟合的相关性参数R2so=0.874 98，拟合结果如图2所示。
由图2可知，SD值的值域可取0～5，代入所拟合函数，计算SD值超位于0—5之间的概率为PSD(X≤5)=0.999 975 9。根据计算结果和之前测塔数据分析，标准差值域范围可采用0~5，此数值可作为初步检测SD合理性的依据。
2记录数据的扩展分析
从统计学角度来讲，波动数值记录几个比较重要的特征量是均值、标准差、最大值及最小值。而作为测风塔实际记录来讲，一条完整的记录同样包含均值、标准差、最大值和最小值。在风速要素记录数据充足的情况下，判断某一数据的有效性还可以借助分析数据的最大值和最小值。本文主要分析记录的最大值。
目前常用测塔设备数据记录最小的时间间隔是10 min，数据均值为10 min记录的平均值，最大值为该10 min内3s均值的最大值。10 min均值与3s均值之间的关系在无实际数值参考的情况下，可参照GL标准中3s均值为10 min均值
1.4倍的关系，计算出对应时刻的3s均值。
计算各测塔3s均值与最大值之差，并进行归一化处理：计算测塔10 min记录最大值与计算出的3s均值之差并统计其频率如图3所示。
由图3可知，对照常用分布函数，采用Extreme分布拟合，该分布函数如下：
式中：yo为偏移量；A为波幅系数；e为自然对数底数；xo为中心点；ω为宽度系数。
拟合的相关性参数R2diff=0.875 42，拟合结果如图4所示。
由图3可知，差值检验的阀值可设为15，计算差值不大于15的概率为Pdiff（x≤15）=0.999 964 1。
综上所述，在检验标准差时除可直接采用标准差数值外还可检测1.4倍均值与最大值的差值，阀值为15。
通过上述标准差对比和差值对比方法可判断标准差数据的有效性，将其与现行标准中的其它规定结合，可方便确定测塔数据记录的有效性。
3结论的工程应用
现有一测塔( mast21)数据，经现行标准处理后，有效数据完整率超过90%，计算该测塔湍流强度IT如下：
式中：Ir、为湍流强度；6为10 min风速标准差；V为10 min平均风速。
整理测塔70m高度湍流强度图，如图5所示。
根据湍流强度等级相关标准，从湍流数据分析结果来看，该测塔湍流为IEC-S级。
由图5可知，该测塔在大风速段（风速≥10m/s）湍流较大，如按现有风资源评估标准无法剔除无效的SD数据，下面取大风段即风速≥10 m/s数据进行统计。
3.1标准差分析
整理测塔数据，并将标准差以5 m/s为步长统计如图6所示。
通过计算可知，标准差在5以上的记录较少，符合前文推论。
3.2最大值差值统计
将记录的10 min最大值与计算3s均值相减，并按5 m/s为步长进行统计如图7所示。
由图7可知，差值大于15的数据较少，同样符合本文结论。
对照原测塔数据并参照标准中其它规定，分析上述不满足条件数据记录，发现上述两参数都不符合的24组数据，全部为不合理数据，而不满足差值检测参数的数据可重新划归为合理数据。
筛选出不满足本文所提出检测要求的数据如表1所示。
根据陆上风速统计规律并结合测塔当地风资源情况分析，上述筛选最大值为不合理数值，本文所用筛选依据是合理的。
应用本文方法全面分析该测塔数据，将上述筛选方法应用到小风速段（风速<10＜m/s），又筛选出15项不合理数据。
将测塔数据剔除不合理数据后，重新绘制测塔70 m高度湍流强度图，如图8所示。
经本文所用方法筛选后，该测塔湍流强度属于IEC-A级，并非之前结果IEC-S级。
上述工程如直接应用未筛选数据进行机组强度校核，则存在湍流过大的问题，计算机组安全性时必须对机组进行特定场址设计，势必会增加部件的强度、造成设计的浪费，而通过剔除无效SD数据后，机组设计则只需校核机组强度即可。
4结论
针对国内现行行业标准中对标准差检验方法缺失的问题，本文通过数值分析的方法提出检验标准差的两条规则。
①标准差值不大于5。
②记录最大值与均值1.4倍之差应不大于15。
通过该方法可剔除测风数据中无效的数据，计算出湍流，可更加真实地反映风场的湍流情况，降低机组计算时不必要的载荷，同时本文所提出的方法可作为现有标准的有益补充。
5摘要：将数值分析的方法应用于测风数据标准差（简称标准差）的分析上，提出了两个用于检验标准差合理性的参数，并应用工程实例对这两个参数进行了验证。文章提出的方法可用于测风塔测风数据的验证和分析，同时可作为目前标准中关于数据合理性检验部分的补充。
