气象大数据

风机载荷与疲劳的气象驱动：湍流、切变与极端阵风

· 南京运梦科技算法团队 · 评审 算法负责人

风机载荷与疲劳的气象驱动：湍流、切变与极端阵风 封面

谈风能时，大多数人盯着发电量；但决定一台风机能不能跑满 20–25 年设计寿命的，往往不是平均风速，而是风的"脾气"——风速在多大尺度上抖动、风廓线有多陡、会不会突然来一记重拳。湍流强度、风切变、风向切变与极端阵风，这四种气象量并不直接进入功率曲线，却直接进入叶根、塔底和传动链的载荷谱。它们一边以高频小幅度的方式累积疲劳损伤（fatigue），一边以低频大幅度的方式逼近极限载荷（ultimate load）。本文面向风电载荷与资源工程师，把这套"气象→载荷→寿命"的链条讲清楚，对齐 IEC 61400-1 的设计工况口径，并给出在运梦气象 API 上用 ERA5 与德国气象局数据为机位做"载荷气象画像"的可运行示例。

关键要点

  • 疲劳由湍流主导，极限载荷由阵风主导：湍流强度（TI）决定 10 分钟尺度内的高频波动，是疲劳损伤的主要驱动；极端运行阵风（EOG）、极端风向变化（EDC）等瞬态事件则逼近极限载荷，两条线必须分开核算。
  • IEC 61400-1 把湍流写进了等级划分：风机分级用参考风速 Vref 与参考湍流强度 Iref（A/B/C 三档，分别约 0.16/0.14/0.12），正常湍流模型（NTM）和极端湍流模型（ETM）据此生成设计载荷工况——选机型本质上是在选湍流等级。
  • 切变与风向切变让扫风面"受力不均"：风速垂直切变使叶片每转一圈经历一次载荷起伏（1P 激励），风向切变（veer，风向随高度旋转）则让叶片在不同方位角迎角不同，二者共同贡献叶根挥舞/摆振方向的疲劳，大叶轮机型尤其敏感。
  • 疲劳分析靠雨流计数 + S-N 曲线 + Miner 线性累积：把载荷时间序列用雨流计数（rainflow counting）拆成应力循环，套 Wöhler/S-N 曲线，再按 Miner 准则线性叠加得到损伤；工程上常折算成损伤等效载荷（DEL）做横向对比。
  • 运梦平台一套字段两处复用：历史用 ERA5（dataSourceId="era5"，含 10m 与 100m 风分量逐时反算切变），预报用德国气象局（dataSourceId="ger"，未来约 7 天，字段口径一致）。TI 没有原生字段，需用 SCADA 高频标准差或切变作代理。

为什么载荷而不是风速决定寿命

风机是一台长期暴露在随机激励下的旋转机械。轮毂高度处一个 10 分钟时段的平均风速，只描述了"风往哪吹、吹多大"，却没说"风抖得多厉害"。而恰恰是这个抖动，让叶片、轮毂、主轴、齿轮箱、塔筒里的每一个承力截面，在 20 年里经历上亿次应力循环。金属与复合材料的失效不是"被一次大力压垮"，而是"被无数次中等力反复揉断"——这就是疲劳。

工程上把载荷分成两类，对应两套完全不同的气象驱动：

  • 疲劳载荷（fatigue load）：高频、中小幅度、海量循环。主要由湍流引起的风速脉动驱动，叠加叶片每转一圈因切变、塔影、重力产生的周期性载荷（1P/3P）。它决定的是"能不能撑到设计寿命"。
  • 极限载荷（ultimate load）：低频、大幅度、少数几次甚至一生一次。由极端阵风、极端风向突变、切出后的待机偏航失稳、台风极端风速等瞬态事件驱动。它决定的是"会不会被某一次事件直接打坏"。

这两条线在 IEC 61400-1 的设计载荷工况（DLC）表里被严格区分：疲劳类工况要在整个风速区间上按发生频率加权积分，极限类工况则要求在最不利的瞬态下校核强度。把两者混为一谈、只盯平均风速选址，是很多存量风场后期出现叶根开裂、螺栓松动、齿轮箱早衰的隐性根源。

湍流强度：疲劳损伤的主引擎

湍流强度 TI 的定义很朴素：某个时段（标准取 10 分钟）内风速的标准差除以平均风速，TI = σ_u / U。它衡量的是风相对自身大小的抖动幅度。开阔海面 TI 常低到 0.06–0.08，平坦农田约 0.10–0.14，复杂山地或森林边缘可超过 0.20，尾流区内更高。TI 越大，叶片迎角的随机摆动越剧烈，气动力波动越大，疲劳损伤累积越快——粗略说，疲劳损伤对 TI 的敏感度远高于对平均风速的敏感度。

IEC 61400-1 把 TI 抬到了机型分级的核心位置。标准用参考风速 Vref 划分风速等级（I/II/III 类，约对应 50/42.5/37.5 m/s 的 50 年一遇极值），再用参考湍流强度 Iref 划分湍流等级（A/B/C 三档，Iref 约为 0.16/0.14/0.12，定义在 15 m/s 处）。在此基础上：

  • **正常湍流模型（NTM）**给出随平均风速变化的湍流标准差代表值，用于疲劳工况的载荷计算；
  • **极端湍流模型（ETM）**给出更高分位的湍流水平，用于校核高湍流条件下的极限与疲劳载荷。

湍流的频谱结构也很关键。载荷仿真里通常用 Kaimal 谱或 Mann 模型生成三维湍流风场——前者是经验功率谱、便于工程实现，后者基于各向异性快速畸变理论、能更好刻画湍涡的空间相关结构。它们决定了脉动能量在不同频率上的分布，而叶片、塔筒的固有频率一旦落在能量集中的频段，就会被持续激励、放大疲劳。这也是为什么"同样的平均风速、同样的 TI"，换一种谱型，算出来的损伤等效载荷可能差出可观的一截。

需要诚实说明：TI 是一个亚网格、亚小时的量，再分析与数值预报的逐小时网格场并不直接给出它。要拿到真实 TI，最可靠的是测风塔或 SCADA 的高频（如 1 Hz 或 10 分钟内采样）风速序列；退而求其次，可用风切变、稳定度等可解析变量做代理（见后文）。

风切变与风向切变：让扫风面受力不均

如果说湍流是"随机的抖"，切变就是"系统性的不均"。

风速垂直切变让风机扫风面上半部分的风速高于下半部分。叶片每旋转一圈，叶尖就从低风速区扫到高风速区再扫回来，于是叶根挥舞弯矩出现一次周期性起伏——这就是 1P 载荷（每转一次）。切变越陡（切变指数 α 越大），这种周期性载荷幅度越大，叶根疲劳越重。夜间稳定边界层下 α 常升到 0.3 以上，正是 1P 疲劳的高发时段；而这恰恰被只看日均风速的评估所掩盖。

**风向切变（veer）**则是风向随高度的旋转——在北半球稳定层结下，风向常随高度顺时针偏转，扫风面顶部和底部的来流方向可以差出十几度甚至更多。这会让叶片在不同方位角处的迎角发生系统性变化：叶片转到顶部和转到底部时"吃风的角度"不同，进而带来挥舞与摆振方向上额外的周期性载荷分量。对扫风直径动辄超过 150 m 的大叶轮机型，叶尖与叶根的高差上百米，切变和 veer 跨越的风况差异被显著放大，二者对叶根疲劳的贡献不能再当二阶小量忽略。

IEC 61400-1 的转子等效风速（REWS）思路正是对此的回应：与其用单点轮毂风速代表整个扫风面，不如把扫风面分层、按各层风速（必要时含风向）加权，得到一个更能反映真实受力的等效风速。对载荷而言，这意味着切变与 veer 不是发电量的小修正，而是疲劳谱的一阶输入。

极端阵风：逼近极限载荷的那一拳

疲劳是慢性病，极端阵风是急性创伤。IEC 61400-1 用一组确定性的瞬态阵风/风向事件来定义极限设计工况，常见的有：

  • 极端运行阵风（EOG）：在很短时间内（典型十余秒）风速先小幅下沉、再急剧拔高、随后回落的"钟形"突变，幅度与年/50 年回归期挂钩。它直接冲击叶片气动力和塔顶推力，是极限载荷工况的常客。
  • 极端风向变化（EDC）：风向在短时间内大幅、单调地偏转，使机组来不及偏航对风，叶片迎角骤变、载荷骤升。
  • 极端相干阵风含风向变化（ECD）：风速跃升与风向突变同时发生且空间相干，是更苛刻的组合工况。
  • 极端风切变（EWS）：垂直/水平切变在短时内异常增大，扫风面上下/左右载荷严重失衡。

这些工况之所以重要，是因为它们对应的不是"发电少了"，而是"零部件被一次性推到强度边界"。叶尖位移会不会打塔、叶根螺栓会不会过载、塔底弯矩会不会越过屈服——校核的就是这些瞬态。真实大气里，强对流过境的飑线、雷暴下击暴流、台风眼墙前后的风速骤变，都是 EOG/ECD 的现实对应物。它们往往与短时强降水、气压跳变、温度骤降相伴，这就给了我们用气象数据事前识别高风险时窗的抓手。

从载荷时间序列到寿命：雨流、S-N 与 Miner

有了气象驱动的载荷时间序列（无论来自实测还是气动弹性仿真），把它折成"还能活多久"要走三步，这套方法已是行业通用语言：

  1. 雨流计数（rainflow counting）：把不规则的载荷/应力时间序列拆解成一组组完整的应力循环，记录每个循环的幅值与均值。它解决的是"随机波形里到底有多少次、多大的循环"这个核心问题。
  2. S-N（Wöhler）曲线：对每种材料/连接，给出"某应力幅值下能承受多少次循环才失效"的关系（双对数坐标下常近似为直线，斜率即 Wöhler 指数 m）。复合材料叶片与钢结构塔筒的 m 值不同，对载荷幅值的敏感度也不同。
  3. Miner 线性累积准则：把每个应力幅值实际发生的循环数除以该幅值下的容许循环数，得到分项损伤，再线性相加；累计损伤达到 1 即视为达到疲劳寿命。

工程上为便于横向对比，常把复杂载荷谱折算成损伤等效载荷（DEL）——一个在给定循环次数下造成相同损伤的等幅载荷。比较两个机位、两种控制策略、两段湍流条件的优劣，看 DEL 比看原始时序直观得多。把这套方法和气象统计接起来，结论就很清楚：TI 大、切变陡的机位，相同平均风速下 DEL 更高、等效寿命更短——这正是把气象数据引入选址与机型匹配的价值所在。

落地：用运梦气象 API 给机位做"载荷气象画像"

回到工程。再分析与预报不能直接给你 10 分钟 TI，但能给你做载荷风险分层最需要的两件事：长期的切变/稳定度气候态，以及未来高风险时窗的预警。运梦平台的字段口径让历史与预报一套代码复用——历史回测用 ERA5（dataSourceId="era5"，运梦产品历史范围 1950 年至今；ERA5 数据集本身覆盖 1940 年至今），预报用德国气象局（dataSourceId="ger"，覆盖未来约 7 天）。

下面用 ERA5 拉某机位一年的 10m 与 100m 风分量，逐时反算切变指数 α 作为稳定度/切变代理，统计强切变（疲劳高发）小时占比，并粗筛风速骤变（阵风代理）时段。响应是统一 JSON envelope，用 resp.json() 解析后按字段名取等长数组、下标对齐。

import os, requests
import numpy as np

API = "https://console.yun-meng.top/api/energy-weather/search/weather/action/downloadSync"
TOKEN = os.environ["YUNMENG_TOKEN"]

payload = {
    "dataSourceId": "era5",            # 历史回测用 ERA5；预报改 "ger"（德国气象局，未来约 7 天）
    "lat": 41.8, "lon": 109.9,
    "stime": "2023-01-01 00:00",
    "etime": "2023-12-31 23:00",
    "timezone": "8",                   # 必填，东八区
    "fields": ["uas", "vas", "u100", "v100"],  # TI 无原生字段，用切变作稳定度/载荷代理
}
r = requests.post(API, headers={"Authorization": f"Bearer {TOKEN}"},
                  json=payload, timeout=600)
r.raise_for_status()
result = r.json()                       # 统一 envelope，无 CSV/NetCDF、无 format 参数
if not result.get("success"):
    raise RuntimeError(result.get("msg", "查询失败"))
data = result["data"]

ws10  = np.hypot(np.asarray(data["uas"],  float), np.asarray(data["vas"],  float))
ws100 = np.hypot(np.asarray(data["u100"], float), np.asarray(data["v100"], float))

# 逐时反算切变指数 α = ln(ws100/ws10) / ln(100/10)，作切变/稳定度代理
mask = (ws10 > 0.5) & (ws100 > 0.5)     # 避开静风，避免对数发散
alpha = np.log(ws100[mask] / ws10[mask]) / np.log(100.0 / 10.0)

strong_shear = (alpha > 0.30).mean()    # 强切变（多对应夜间稳定层结）小时占比 → 1P 疲劳高发
print(f"α 均值={alpha.mean():.3f}；强切变(α>0.30)小时占比={strong_shear*100:.1f}%")

# 阵风代理：相邻小时 100m 风速跳变（再分析平滑，仅作时窗粗筛，真实阵风需高频实测/仿真）
dws = np.abs(np.diff(ws100))
gust_hours = int((dws > 6.0).sum())     # 相邻小时跳变 >6 m/s 视作疑似强突变时窗
print(f"疑似强风速突变(逐时跳变>6 m/s)时段数={gust_hours}（极限载荷事件的气象代理）")

预报场景把 dataSourceId 换成 "ger"、时间窗移到未来即可，切变与突变判据完全复用，由德国气象局预报覆盖未来约 7 天，用于提前圈出强切变与疑似阵风时窗、安排降功率或偏航策略。

要强调的边界：上面算的是代理量而非真实 TI 与真实阵风。再分析/预报是逐小时网格场，平滑掉了亚小时脉动；真正的 TI、EOG 幅值必须靠测风塔或 SCADA 高频数据，载荷谱则要靠气动弹性仿真（如 OpenFAST、Bladed）把湍流风场喂进结构模型才能得到。运梦数据在这条链里的角色是长期气候态画像与预报预警：告诉你哪个机位、哪个季节、哪个时段的切变和突变更狠，从而指导机型湍流等级匹配、载荷敏感机位识别与运行期风险预案。

常见问题

湍流强度 TI 能从 ERA5 或德国气象局预报里直接取吗？

不能。TI 是 10 分钟尺度的亚网格量，再分析与数值预报给的是逐小时网格平均场，不含原生 TI 字段。可靠来源是测风塔/SCADA 的高频或 10 分钟标准差；工程上也常用 100m 与 10m 风的切变指数 α 作稳定度/湍流代理，或按地形粗糙度与气候区用经验 TI 分类值，精度依次递减。

风切变和风向切变（veer）对载荷的影响有何不同？

风速垂直切变让叶片每转一圈经历一次载荷起伏（1P 激励），主要加重叶根挥舞方向疲劳；风向切变让叶片在不同方位角迎角不同，额外贡献挥舞与摆振分量。二者都随扫风直径增大而放大，对大叶轮机型不能当小量忽略，IEC 的转子等效风速（REWS）就是为把整个扫风面的切变纳入而设。

IEC 61400-1 里的 NTM、ETM、EOG 分别管什么？

NTM（正常湍流模型）给疲劳工况用的常规湍流水平；ETM（极端湍流模型）给高分位湍流，校核极限与高湍流疲劳；EOG（极端运行阵风）是十余秒内的钟形风速突变，属极限载荷工况。再配合 EDC/ECD/EWS 等极端风向、相干阵风、极端切变工况，共同框定结构强度校核。

疲劳寿命是怎么从载荷时间序列算出来的？

三步通用流程：先用雨流计数把不规则载荷拆成应力循环，再套该材料/连接的 S-N（Wöhler）曲线得到每种幅值的容许循环数，最后按 Miner 线性累积准则把分项损伤相加，累计到 1 即达疲劳寿命。横向对比时常折算成损伤等效载荷（DEL），比直接看原始时序更直观。

运梦气象 API 在风机载荷工作里能帮到哪一步？

它的定位是长期气候态画像与预报预警，而非替代载荷仿真。历史用 ERA5（dataSourceId="era5"）反算多年切变/稳定度，识别强切变高发机位与季节；预报用德国气象局（dataSourceId="ger"，约 7 天）提前圈出强切变与疑似阵风时窗。真实 TI 与极限阵风载荷仍需高频实测与气动弹性仿真，运梦数据为其提供气象输入与风险分层。

参考与延伸阅读

  • International Electrotechnical Commission (2019). IEC 61400-1:2019, Wind energy generation systems — Part 1: Design requirements (Edition 4.0). Geneva: IEC. https://webstore.iec.ch/publication/26423
  • International Electrotechnical Commission (2017). IEC 61400-12-1:2017 — Power performance measurements of electricity producing wind turbines (Edition 2.0). Geneva: IEC. https://webstore.iec.ch/en/publication/26603
  • Hersbach, H., Bell, B., Berrisford, P., et al. (2020). The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society, 146(730), 1999–2049. https://doi.org/10.1002/qj.3803