0 前言

目前，低风速风场轮毂高度最高已经达到120 m，而早期测风塔的建设高度往往低于拟选风机的轮毂高度，所以在风资源评估中须推算更高层的风速。风切变模型直接影响轮毂处风速的推算，因此，以合理的风切变模型推算轮毂高度处的风速很有意义[1]。

再者，教师的提问策略不当容易导致课堂沉默现象。通常表现为提问时的问题开放程度不够、多为封闭式问题；问题难易程度不当，学生不会回答；问题指向不明或范围过大，学生无从回答。

地表层的风切变是风速、大气热稳定性、表面粗糙度和离地高度的函数[2]。目前，除经验法则外，幂定律和对数定律是推算其他高度风速的常用计算模型。研究发现，相对于对数定律，幂定律可在不稳定和中性条件下给出更接近实际的风廓线[3]。LAB Joosten阐述了太阳辐射对近地面风轮廓的影响[4]。Gualtieri详细分析了荷兰Cabauw地区10，20，40，80 m测风塔的大气稳定性与风切变指数的时间变化关系[5]。Corbosiero和Pen~a分别介绍了垂直风切变与热带气旋关系和不同大气稳定条件下的海上风电场模拟[6]，[7]。大气热稳定度的分类大多采用基于梯度理查森数、M-O长度等方法，这些方法需要不同高度层的风速及温度测量值，但目前测风塔通常仅设置单个温度测点[8]。当测风数据只有风向及风速时，可采用风向标准差法进行热稳定度的分类[9]。本文采用风向标准差法进行热稳定度分类，从而外推得到轮毂高度处的风速，并将结果与实测数据进行对比分析，验证了风速外推方法的可靠性。

1 研究模型

1.1 幂定律

幂定律方程是Hellman首次提出的垂直风廓线的风速外推模型[10]：

 

式中：vn为 hn高度处的风速，m/s；v1为 h1高度处的风速，m/s；α为风切变指数。

由式（1）推导出的风切变指数计算公式：

1.PPP项目涉及税种。税收成本贯穿了PPP项目的整个生命周期，对于政府、企业及资金方的投资回报率有重大影响，项目税务成本的变化会直接影响PPP模式的项目成本和投资回报率。因此分析智慧城市PPP项目的税收不确定性，有助于为三方合作方式提供一般性的税务支持和技术指导，为智慧城市建设提供更加科学合理的筹资渠道。

 

风速垂直方向的变化决定α值的大小；α值的大小反映了风速随高度增加而变化的程度。α值越大表示风速随高度增加而增加得越快，即风速梯度越大[11]。

大气热稳定度为稳定状态下的风切变指数，常表现为高值状态。此时风速随着高度增加而迅速变化，表面层与边界层的其余部分分离，且纵向动量传输受到限制[12]。相比之下，不稳定状态下的风切变指数呈现低值状态，表明风速随高度的变化梯度较小，此时大气具有显著的垂直混合特性[13]。在传统的幂定律计算中，风切变指数仅由两个高度层的风速决定，数据中并不直接包含稳定性信息。可以通过梯度理查森数、M-O长度之类的稳定性参数，对风速数据进行热稳定度等级的分类，从而可针对每个稳定性类别给出幂指数定律。

1.2 对数定律

对数定律是另一种计算垂直方向风速变化的典型模型：

 

螺虫乙酯分别按照2000倍和3000倍稀释液喷施2次和3次，距末次施药后7 d、14 d、21 d和28 d采样测定，螺虫乙酯在猕猴桃中的含量为 0.06～0.52 mg/kg。

由式（3）推导出地面粗糙度z0的计算公式：

 

式中：un为 hn高度处的平均风速，m/s；u1为 h1高度处的平均风速，m/s，且 hn＞h1。

1.3 风向标准差法

方案一：采用传统外推高层风速的方法，即对原始数据不进行筛选，针对50～10 m高度层，计算相应的风切变指数，并外推轮毂高度处风速。

风向脉动标准差分为水平（σA）和垂直（σE）两种参量，其分类标准采用美国环保局（1980）的推荐值，并用（z0/0.15）0.2对实际地区进行粗糙度修正（与表1中数值相乘可得到修正值）[15]。

风向标准差法的热稳定度分类标准见表1。表中A～F分别代表大气热稳定度强不稳定、不稳定、弱不稳定、中性、较稳定和稳定6级，本文采用水平风向标准差的分类标准进行热稳定度的分类。

 

表1 热稳定度分类方法的标准Table 1 Standard for thermal stability classification

  

参数热稳定度类别A B C D E F σ A/（°） σ A≥2 2.5 2 2.5＞σ A≥1 7.5 1 7.5＞σ A≥1 2.5 1 2.5＞σ A≥9.5 9.5＞σ A≥3.8 3.8＞σ A σ E/（°） σ E＞1 2.0 1 0.0＜σ E≤1 2.0 7.8＜σ E≤1 0.0 5.0＜σ E≤7.8 2.4＜σ E≤5.0 σ E≤2.4

2 实例分析

2.1 测风塔风资源情况分析

本文以青海省某测风塔实测数据进行算例分析。图1为该测风塔处地形图。

  

图1 测风塔周围地形示意图Fig.1 Topographic map around the wind tower

测风塔所在地海拔为2 772 m，地表类型为戈壁滩，周围空旷，无植被，其东北方向30 km处有一海拔3 400 m的山峰，向东45 km有一海拔4 000 m的山峰。测风数据包括从2010年11月12日-2011年11月12日一整年的10，30，50，70，80 m 高度处的风速资料和 10，80 m高度处的风向数据，时间步长为10 min。实测80 m高度处的年平均风速为5.94 m/s，采用平均风速和标准差估计法求得威布尔分布中两参数分别为k=1.85，c=5.67 m/s。根据对2010-2011年的测风数据的统计，得出了测风塔80 m高度的风向风能频率，如图2所示。80 m高度以正北风向的频率最高，占全年的13.25%，次主导风向为西北方向，风向频率占全年的12.71%。80 m高度风能玫瑰图中，主风能方向为西北方向，风能频率占全年的25.47%，次主风能方向为东东北方向，约占全年的19.24%。

  

图2 风向、风能玫瑰图Fig.2 Wind direction and energy roses

根据式（4）计算得到测风塔处近地层10～30 m的地面粗糙度z0为0.04 m。利用计算得到的粗糙度将基于水平风向标准差的热稳定度分类标准进行修正，结果如表2所示。通过修正后的分类标准，可得到每一类热稳定度等级对应的风数据个数占全部风资源数据的比例，如图3所示。由图3可知，该地区风资源不稳定情况较多，约占44%。

 

表2 修正后热稳定度分类方法的标准Table 2 Standard for revised thermal stability classification

  

热稳定度类别A B C D E F σ A/（°） σ A≥1 7.2 2 1 7.2 2＞σ A≥1 3.3 9 1 3.3 9＞σ A≥9.5 7 9.5 7＞σ A≥7.2 7 7.2 7＞σ A≥2.9 1 2.9 1＞σ A参数

  

图3 该地区热稳定度分类频率分布直方图Fig.3 The thermal stability classification of the region

2.2 风切变指数特性分析

2017 欧洲 ST 段抬高型心肌梗死管理指南中提出双联抗血小板(DAPT)和抗凝治疗是急性 STEMI 的关键药物疗法[8]。STEMI 直接PCI患者一般需接受DAPT12个月以上，缺血高危和出血风险低的患者可延长应用DAPT至36个月(替格瑞洛剂量可减至 60mg，每日 2 次)[9]。主张DAPT时，联合应用质子泵抑制剂(PPI)(尤其是高危消化道出血者)[10]。新指南指出，静脉溶栓后需应用抗凝治疗至血运重建或整个住院期(8天)。糖尿病和未接受再灌注患者也属特殊人群，须额外关注，该指南首次推荐使用双联抗血小板时长的评分系统。

  

图4 风切变系数的日变化及年变化Fig.4 Diurnal and yearly variation of wind shear coefficient and temperature

结合方法①及方法②的计算结果，采用风向标准差方法进行热稳定度的分类。分类后，计算每个类别的平均风切变指数及相应轮毂高度处风速，计算结果见表5。

由式（3）可知，该定律只取决于地面粗糙度z0，且仅在相对平坦的近地层有效。该定律是对数线性法的一个特例。对数线性法是在大范围高度内适用的一个物理模型，它基于M-O相似理论，结合了大气热稳定度现象。对数定律是对数线性法的中性稳定度下的一种特殊情况，所以理论上讲它仅适用于稳定大气层结构[10]。

从图4（b）的风切变指数与80 m高度处的风速年变化曲线可见，2月份和9月份为风切变最低点，5月份为风切变指数极值。其中1月、4-7月、12月的风切变指数均高于全年平均值。

从图4（c）的10 m高度处温度的年变化曲线可见，4-7月为该年温度较高的月份。风切变指数的月变化与平均风速的月变化有一定的相关性，即平均风速上升时，风切变指数在该时段整体呈上升趋势。当平均风速下降时，风切变指数在该时段整体上也呈下降趋势。全年月平均风切变指数变化为-0.01～0.05，波动振幅为0.06。

测风塔的风切变计算结果见图4。

综合该地区地形条件可知，该地区粗糙度较小，周围地形较平坦，所以风切变指数相对较小。

2.3 风速外推模型建立方法

不同测量高度层数据的选择、对原始数据的筛选和对大气热稳定度分类后的计算，均会对风切变指数有较大的影响。本文采用如下方法建立风速外推模型。

①针对70～50 m高度层进行只去除小风速段数据（＜3 m/s）、只去除大风速段数据（＞25 m/s）、既去除小风速段数据又去除大风速段数据、不进行任何数据筛选等4种数据选择方式，分别计算风切变指数，并进行相对误差的对比；选择相对误差最小的一种方式进行后续计算。

②针对不同高度层，采用步骤①中的数据选择方式进行风切变指数的计算，并进行相对误差的对比；选择相对误差最小的一种方式进行后续计算。其中，计算风切变指数的不同风速高度层数据选择方案：70～50 m，70～30 m，70～10 m，50～30 m，50～10 m，30～10 m。

③采用10 m风向标准差方法进行热稳定的分类，并利用步骤①和②选择出相对误差最小的方式进行风切变指数及相对误差的计算。

3 计算结果与分析

对建立风速外推模型的步骤①所述方法进行计算，得到每种方法的风切变指数及相对于测风塔80 m高度的实测数据的误差，结果见表3。根据表3可知，在相同高度层下，利用既去除大风速又去除小风速的数据筛选方法计算得到的风切变指数，来推算轮毂高度处的风速，其相对误差较小。在实际风电场中，风力发电机组仅在切入风速与切出风速之间进行发电，所以剔除高风速及低风速的数据筛选方法是合理的。

 

表3 建立风速外推模型方法①的计算结果对比Table 3 Comparison of the results of the method in step①

  

数据处理 不做数据筛选 只去除小风速 只去除大风速 大小风速全去除平均风切变指数 0.0 4 0.0 5 0.0 4 0.0 5 1 0 0倍平均相对误差/% -5 8 9.2 0 -5 7 1.0 5 -5 8 9.1 8 -5 7 1.0 2

根据上述计算结果，选取相对误差较小的数据处理方式（既去除大风速段数据，又去除小风速段数据），对风速进行筛选。对数据筛选完成后，依照步骤②计算由不同的测量高度层得到的风切变指数，并进行轮毂高度处的风速外推，计算结果见表4。由表4可知，利用50～10 m高度层计算得到的风切变指数推算轮毂高度的风速，相对误差仅为1.67%，而利用70～50 m高度层计算得到的风切变指数推算轮毂高度的风速，相对误差为-5.71%。这主要是由于当地地形及气候的影响，近地层某层高度风速被加速，更高层风速不在地形加速效应层的范围内而未被加速，使两高度层的风切变指数出现负数情况，从而导致年平均风切变指数变小，与实测轮毂高度处风速的相对误差变大。可见，在计算风切变指数时，选择合理的高度层对于提高风速外推精度具有重要的作用。

“绿色代表运行受控良好，黄色代表运行未达成目标，红色代表运行明显偏离目标失控。”通过可视化管理，医院从个人到集团，均清楚明晰自身所须关注改进重点和方向，增加区域掌控能力。“尤其是针对红色指标，必须进行根本原因分析，提出针对性改进措施，形成PDCA循环管理。”案例负责人、恩泽医院院长陈保富向记者介绍。

 

表4 建立风速外推模型中方法②的计算结果对比Table 4 Comparison of the results of the method in step②

  

高度层/m 7 0～5 0 7 0～3 0 7 0～1 0 5 0～3 0 5 0～1 0 3 0～1 0平均风切变指数 0.0 5 0.0 8 0.0 8 0.0 9 0.0 9 0.0 8平均相对误差/% -5.7 1 -5.3 9 -5.3 4 1.9 7 1.6 7 3.6 2

通过风切变指数小时平均值的计算分析可知，其年平均风切变指数为0.03。从图4（a）风切变指数与10 m高度处温度的日变化曲线可看出，该地区9：00-18：00的风切变指数明显减小，这与常规规律中夜晚风切变指数较白天风切变指数普遍偏大的规律一致。从8：00开始，温度开始升高，此时风切变指数发生骤降；17：00时，温度逐渐降低，此时风切变指数显著升高，在21：00出现极值，此时为该地区的日落时间。从图4（a）可以看出，该地区年小时平均温度为2～13℃，风切变指数在-0.02～0.1变化波动，风切变指数波动适中，为0.12。由图 4（a）可见，在日落后，风切变指数达到最大值。这是由于戈壁滩比热容较小，太阳辐射对地面温度的影响反应快，日落后地面迅速冷却，上下层间形成稳定层结，风速差增大，风切变指数迅速变大。

 

表5 建立风速外推模型中方法③的计算结果Table 5 Results of the method in step③

  

热稳定度分类 平均风切变指数 平均相对误差/%A 0.0 7 -5.2 4 B 0.0 6 -1.2 1 C 0.0 6 0.0 8 D 0.0 7 2.7 2 E 0.1 1 6.8 3 F 0.0 5 1.9 9

对于ATP生物发光法，主要是借助微生物出现的ATP进行检测，这种检测方法通过添加对应的荧光素酶复合物能够发出荧光效果，然后利用光度计对微生物的数量进行准确判断。这一检测方法操作较为简便，且检测结果一般能够现场得到，从而具有较强的适应性。该技术还可以应用在乳制品的乳酸菌检测等项目中。

不同学者从不同角度对绿色经济的发展进行了多方面的研究，也取得了较好成果，但是由于绿色经济在不同区域内的发展水平不同，所以应该建立符合不同区域各自情况的评价体系。因此，本文采用2007—2016年的数据，利用DPSIR模型，结合东营市绿色经济发展现状，建立适合东营市具体实际的完整的评价指标体系，对东营市绿色经济发展水平进行评价，从而提出可行性建议，以进一步提升东营市绿色经济发展水平。

根据上述计算结果，本文采用以下3种计算方案进行对比分析。

风向脉动是直接反映大气湍流程度的指标，是湍流强度的直接参量，风向脉动角的大小与扩散参数有着直接的关系。在下垫面较平坦的地形条件下，风向标准差法是划分大气热稳定度较好的方法[14]。

方案二：对原始数据进行既去除大风速又去除小风速的数据筛选，针对50～10 m高度层，计算相应的风切变指数，并外推轮毂高度处风速。

由表5可知，计算得到的总相对误差为1.41%，比没进行热稳定度分类的方法的相对误差更小。

方案三：对原始数据进行既去除大风速又去除小风速的数据筛选，针对50～10 m高度层，采用风向标准差方法计算每种热稳定度下的风切变指数，并外推轮毂高度处风速。

将上述3种风速外推方法计算得到轮毂高度处的月平均风速与实测值进行对比，比较结果如图5和表6所示。3种方案与实测值的平均相对误差均在6%以内，表明幂定律能够比较好地应用在该地区风速外推的计算中。表6给出了实测风速及3种方法计算得到的年平均风速及两参数威布尔分布模型中的形状参数k和尺度参数c。方案二和方案三计算得到的轮毂高度处的威布尔分布结果更加贴近实测轮毂高度处的威布尔分布情况，方法三的平均相对误差最小，为1.41%。

  

图5 轮毂高度处月平均风速推算值Fig.5 Monthly mean wind speed estimation at hub height

 

表6 轮毂高度处推算值与实测风速的比较Table 6 Comparison of the estimated value and the actual value at the hub height

  

项目 年均风速/m·s-1 k c/m·s-1 相对误差/实测风速 5.9 4 1.8 5 5.6 7 -方案一 5.7 9 1.7 0 5.4 1 -6.8 7方案二 5.9 9 1.7 6 5.6 1 1.6 7%方案三 5.9 8 1.7 5 5.6 0 1.4 1

假设在测风塔位置有一台2 MW的风力发电机组，并忽略测风塔的存在。此时计算得到该风机全年的平均功率及全年理论发电量如表7所示。

 

表7 各方案年平均功率及理论发电量对比Table 7 Comparison of annual average power and theoretical power generation

  

方案 实际 方案一 方案二 方案三年平均功率/k W 7 1 1.3 7 6 8 4.5 1 7 2 4.8 6 7 2 3.5 3年理论发电量/M W·h 6 2 4 3.0 2 6 0 0 7.2 4 6 3 6 1.3 7 6 3 4 9.7 0相对误差/% - -3.7 8 1.9 0 1.7 1

根据实测风速推算出的年平均功率为711.37 kW，年理论发电电量为6 243.02 MW·h。从表7可见，3种方案中，相对误差最大的是方案一，其年发电量为6 007.24 MW·h，与根据实测风速计算得到的结果的相对误差为3.78%。方案三的相对误差最小，其年发电量为6 349.70 MW·h，比方案二减少了11.67 MW·h，与根据实测风速计算得到的结果的相对误差为1.71%。通过比较表明，合理的风速外推模型对发电量的计算有很大的影响。

为了进一步验证方案三模型的实用性及准确性，将方案三中模型的计算结果与实际轮毂高度处风速进行拟合，其相关系数为0.98，拟合结果见图6。由图6可见，方案三给出的风速外推模型很好地考虑了大气等各种因素对风速的影响，其结果也更加接近实际值，有效地提高了微观选址的准确性。

  

图6 轮毂高度处计算风速的散点图Fig.6 Scatter plot of the calculated wind speed at the hub height

4 结论

本文通过对风切变特性及风速外推方法的研究，得到以下结论。

多次尝试可知，赋形后全部波束的C/I值不小于20 dB，取3条等值线分别为20 dB、21 dB、22 dB，同样的，在A频段第二行右边的波束与20 dB等值线相切，也就是赋形后天线系统的C/I值为20 dB。可知天线系统的C/I值相比于赋形前提高了2 dB，而且大多数波束的C/I值余量较大。

①风切变指数与太阳辐射有着密切关系，白天风切变指数较小，夜间风切变指数较大。

(4)小净距段中夹岩柱承受压力较大，很可能出现失稳破坏的情况，建议采用预裂爆破和光面爆破技术以减小对中夹岩柱的震动影响，其次采用小导管注浆、系统锚杆、水平贯通预应力锚杆等方法加固中夹岩柱，及时施作初期支护，使中夹岩柱处于有利的三向受压状态。

师生共同分析后，再让同学们根据自己的能力，选择一种方法证明。这样，各层次的学生都有机会训练，人人都有收获。

②本文提出的基于大气稳定度风向标准差法的风速外推模型，在去除小于3 m/s的小风速数据及大于25 m/s的大风速数据后，采用风向标准差法进行热稳定度的分类；再外推相应的轮毂高度风速，得到全年平均风速为5.98 m/s，与实际测风数据的相对误差仅为1.41%，比全场采用单一风切变指数的计算结果更准确。

在系统的后期建设中，应逐步完善相应的制度，严格制度的流程。与此同时，对网络资源管理系统进行升级，并按照程序与物流系统、财务系统和客户客服系统等进行有效的对接。网络资源录入结束后，需要对网络资源管理系统的相关辅助功能进行合理的开发利用，从而对公司的运营提供有效的帮助。在进行网络资源的改动时，要根据实际情况对资源进行及时的更新，通过成立专业的管理机构，比如将网络建设项目组相关人员组成全新的管理部门，这有助于对资源的合理开发利用。对于网络资源管理系统而言，往往涉及多个应用软件，其目的是处理相关部门之间的关系。

参考文献：

[1]杜燕军，冯长青.风切变指数在风电场风资源评估中的应用[J].电网与清洁能源，2010，26（5）：62-66

[2]Irwin J S.A theoretical variation of the wind profile power-law exponent as a function of surface roughness and stability [J].Atmospheric Environment，1979，13（1）：191-194.

[3]Lackner M A，Rogers A L，Manwell J F，et al.A new method for improved hub height mean wind speed estimates using short-term hub heightdata[J].Renewable Energy，2010，35（10）：2340-2347.

[4]Joosten L A B， Helsen M M A， Berg W B V D.Meteorologicalaspects ofthe utilization ofsolar radiation as an energy source，part 1[J].Annals of the Rheumatic Diseases，2000，59（3）：196-205.

[5]Gualtieri G.Atmospheric stability varying wind shear coefficients to improve wind resource extrapolation：A temporal analysis[J].Renewable Energy，2016，87：376-390.

[6]Molinari，ollaro，Corbosiero.Tropical cyclone formation in a sheared environment：A case study[J].Journal of the Atmospheric Sciences，2003，61（21）：2493-2509.

[7]Pena A，Gryning SE，Hasager CB.Comparing mixinglength models ofthe diabatic wind profile over homogeneous terrain [J].Theoreticaland Applied Climatology，2010，100：325-335.

[8]马晓梅.大气稳定度对风资源特性的影响研究[D].北京：华北电力大学，2016.

[9]李祥余.大气稳定度分类方法及判据比较研究 [J].环境与可持续发展，2015，40（6）：93-95.

[10]Hellmann G.Uber Die Bewegung Der Luft in Den Unter Sten Schichten Der Atmosphare[M].Kgl Akademie der Wissenschaften Reimer，1919.

[11]许昌，钟淋涓.风电场规划与设计[M].北京：水利水电出版社，2013.

[12]Gualtieri G，Secci S.Methods to extrapolate wind resource to the turbine hub height based on power law：A 1-h wind speed vs.Weibull distribution extrapolation comparison[J].Renewable Energy，2012，43：183-200.

[13]Garratt J.The Atmospheric Boundary Layer；Cambridge Atmospheric and Space Science Series[M].Cambridge：Cambridge University Press，1992.

[14]康凌，张宏升，王志远等.不同下垫面大气稳定度分类方法的对比研究 [J].北京大学学报 （自然科学版），2011，47（1）：66-70.

[15]彭怀午，冯长青，包紫光.风资源评价中风切变指数的研究[J].可再生能源，2010，28（1）：21-23.