气象大数据

风向切变（veer）对大叶轮风机出力与载荷的影响

· 南京运梦科技算法团队 · 评审 算法负责人

风向切变（veer）对大叶轮风机出力与载荷的影响 封面

风资源工程师对"风速切变"（wind shear，风速随高度变化）大多耳熟能详，外推轮毂风速时都会算一个切变指数 α。但还有一个同样源自近地层、却长期被忽视的兄弟现象——风向切变（wind veer）：风的来向也会随高度变化。在北半球的稳定夜间边界层里，风向常随高度"顺时针顺转"（veer），从叶根到叶尖可以转过几度到十几度甚至更多。对一台扫风直径还不到 100m 的老机型，这点方向差异无伤大雅；可对当下动辄 170m、200m 乃至更大叶轮的机型，叶尖和叶根之间隔着上百米高差，它们迎接的根本是两股方向不同的风。这时风机的偏航系统只能对准一个方向，扫风面上必然有一部分叶片在"斜着吃风"——出力被削、疲劳载荷被放大。本文面向风电工程师，把 veer 的成因、它对大叶轮出力与载荷的物理机制，以及怎样用多高度风数据把它量化进资源评估与功率预测讲清楚。

关键要点

  • veer 是风向随高度的变化，shear 是风速随高度的变化：两者都源自近地层与科氏力、地表摩擦的相互作用，但 veer 影响的是来流"方向"，对大叶轮的危害随扫风直径增大而被显著放大。
  • 稳定夜间边界层是 veer 的高发期：夜间地表辐射冷却、湍流混合减弱，埃克曼螺旋（Ekman spiral）效应凸显，北半球风向常随高度顺转；白天对流混合旺盛时 veer 通常很小。
  • veer 直接削弱"转子等效风速"：当叶尖与叶根来流不同向时，垂直于扫风面的有效来流分量按方向偏差的余弦缩小，等效于功率曲线整体右移、同等风速下出力下降。
  • veer 放大叶片疲劳载荷：每转一圈叶片都在变化的攻角与相对风速中扫过，引入 1P/3P 频率的周期性载荷波动，长期累积加速叶根与主轴的疲劳消耗。
  • IEC 61400-12-1:2017（第 2 版）已把 veer 写进功率特性验收：通过"转子等效风速"（REWS）承认整个扫风面的风廓线——包括风向廓线——都会影响出力，单点轮毂风速不再够用。
  • 运梦平台可一套代码量化 veer：历史用 ERA5（dataSourceId="era5"，提供 10m 与 100m 两个高度的风分量），预报用德国气象局数据（dataSourceId="ger"，覆盖未来约 7 天），由两高度风向之差直接算出 veer 角度。

veer 与 shear：同根不同向

近地层风廓线由三种力的平衡塑造：气压梯度力、科氏力和地表摩擦力。地面附近摩擦最强，风速被拖慢、风向偏离地转风；随高度上升摩擦减弱，风速回升（这就是 shear，风速切变），风向也逐步向地转风方向旋转（这就是 veer，风向切变）。这套随高度同时改变风速大小与方向的结构，理想化后就是经典的埃克曼螺旋（Ekman spiral）——在北半球，风向随高度增加而顺时针顺转。

工程上习惯把两者分开记账：

  • **shear（风速切变）**用切变指数 α 刻画，v(z)=v(zᵣ)·(z/zᵣ)^α，决定的是叶尖比叶根"风更大"多少；这部分在轮毂风速外推、Weibull 拟合里已被反复讨论（见《风切变与威布尔分布：轮毂高度风速外推实战》）。
  • **veer（风向切变）**用单位高度的风向变化率（°/m，或扫风面上下缘的总方向差 Δφ）刻画，决定的是叶尖比叶根"风偏了多少度"。

两者的稳定度依赖高度一致：白天对流边界层湍流混合强，上下层动量充分交换，风向被"搅匀"，veer 小、α 也小；夜间稳定边界层抑制混合，上下层近乎"解耦"，埃克曼螺旋显形，veer 显著增大、α 也陡增。所以 veer 大的时段，往往就是 shear 也大的时段——夜间、清晨、冬季、内陆平原。这种相关性意味着：只算 shear 而忽略 veer，会系统性地低估大叶轮在这些时段的出力损失与载荷。

为什么大叶轮对 veer 特别敏感

关键在于扫风面的垂直跨度。veer 是"每米转多少度"的量，扫风面越高、上下缘高差越大，叶尖与叶根之间累计的方向差就越大。

举个量级感：假设 veer 为 0.05 °/m（夜间稳定层结下并不罕见）。

  • 一台叶轮直径 90m、轮毂高 80m 的老机型，扫风面从约 35m 到 125m，跨度 90m，上下缘总方向差约 4.5°；
  • 一台叶轮直径 180m、轮毂高 110m 的大叶轮机型，扫风面从约 20m 到 200m，跨度 180m，上下缘总方向差约 9°，叶尖叶根来流相差近一个机型偏航对准的允许误差。

而风机的偏航系统只能整机对准一个方向——通常是机舱风向标（约在轮毂高度）测到的来向。于是扫风面上只有轮毂附近的叶片段恰好正对来流，越往上、往下，叶片越是在"斜着吃风"。偏航对准了平均方向，却对不准整个廓线，这是 veer 在大叶轮上无法回避的结构性矛盾。

机制一：veer 怎样削弱出力

风机出力由垂直穿过扫风面的来流功率决定。当来流方向与扫风面法线（即偏航对准方向）有偏差角 θ 时，垂直于扫风面的有效风速分量按 cos θ 缩小，而功率近似与有效风速的三次方相关，所以这一段叶片贡献的功率近似按 cos³θ 衰减。

veer 的特点是 θ 沿高度连续变化：轮毂高度处 θ≈0（偏航对准），越往叶尖、叶根 θ 越大。把整个扫风面按高度分层、对各层的有效来流加权积分，得到的就是 IEC 61400-12-1:2017（第 2 版）引入的转子等效风速（Rotor Equivalent Wind Speed, REWS）——它不再用轮毂单点风速，而是把扫风面各高度的风速、风向廓线都积分进来，作为驱动功率曲线的"等效"风速。

veer 越大，REWS 相对轮毂风速的折损越明显，效果等价于功率曲线整体右移：同样的轮毂风速，实发功率比厂家标称曲线（多在低 veer、低 shear 的标准条件下测得）偏低。如果资源评估和功率预测里只用轮毂单点风速查标称曲线，就会在 veer 大的夜间系统性高估发电量。这类系统偏差比随机噪声更危险——它不会在长期平均中相互抵消，而是持续地把电量估高。

机制二：veer 怎样放大疲劳载荷

出力损失只是 veer 的一面，对大叶轮机型，疲劳载荷的放大往往是更受关注的另一面。

风机叶片是旋转的。在存在 veer（以及 shear）的廓线里，叶片每转一圈，叶尖就要从"扫风面顶部的来流方向"扫到"底部的来流方向"，再转回去。这意味着叶片各截面的攻角与相对风速在一圈之内周期性变化，引入以转速为基频的 1P 载荷（每转一次的周期波动），三叶片机型在轮毂与传动链上则叠加出 3P 载荷。veer 越大，扫风面上下缘的来流方向差越大，这种周期性气动力不平衡越强。

后果有三层：

  1. 叶根挥舞/摆振弯矩波动加大——直接作用在叶根连接、变桨轴承上；
  2. 不平衡载荷传到轮毂与主轴——表现为偏航力矩、俯仰力矩的周期分量，长期啃食主轴承与偏航系统；
  3. 疲劳寿命消耗加速——疲劳损伤对载荷幅值高度非线性（雨流计数 + S-N 曲线下，幅值小幅增大就显著缩短寿命），veer 引入的周期载荷会实打实压缩设计寿命。

正因如此，IEC 61400-12-1 第 2 版把风切变与风向切变一并纳入功率特性测量的环境描述，承认整个扫风面的风廓线都影响机组表现；而在载荷与认证侧，veer 也是大叶轮机型设计载荷工况里不可忽略的输入。换句话说，veer 不只是"少发了几度电"，更是"多耗了多少寿命"。

怎样把 veer 量化进工程实践

veer 的量化并不复杂，核心是拿到两个（或更多）不同高度的风向，作差得到方向变化，再换算成单位高度的 veer 率或扫风面上下缘总方向差。

  • 测风塔：多层风向标/超声风速仪可直接给出风向廓线，是最可信的来源，但塔高常达不到现代轮毂高度，且只代表单点。
  • 激光雷达（LiDAR）：可扫到整个扫风面高度的风速、风向廓线，是实测 veer 的利器，但成本高、多用于短期测量活动。
  • 再分析 / 数值预报数据：提供 10m 与 100m（或更多层）风分量，可逐时反算 veer，覆盖长序列与未来时段，适合做气候态统计与预测，且一套代码历史、预报通用。

工程上的典型用法：先用长序列数据统计目标机位 veer 的逐月逐时气候态（中位数、P90），识别出 veer 高发的时段（多为夜间、冬季）；再把这些时段与 SCADA 实发功率、载荷数据叠加，验证 veer 与出力折损、载荷上升的对应关系；最后在功率预测模型里把 veer（或 veer 代理特征）作为输入变量，让模型学会"高 veer 时段要把标称功率打个折"。对资源评估，则应把 REWS 思路下的 veer 折损并入 P50/P90 的不确定度，而不是默认轮毂单点风速无误差。

在运梦气象 API 上量化 veer

运梦气象 API 的 downloadSync 接口对外暴露 10m（uas/vas）与 100m（u100/v100）两个高度的风分量，正好可以作差算出这两高度间的 veer——这是一个跨越大叶轮扫风面主要高度区间的方向差，足以作为 veer 强弱的工程代理。历史回测用 ERA5（dataSourceId="era5"，覆盖 1950 年至今的长序列），预报用德国气象局数据（dataSourceId="ger"，覆盖未来约 7 天），字段口径一致，外推与统计代码一套复用。响应是统一 JSON envelope，用 resp.json() 解析后按时间序列各字段数组下标对齐。

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"],
}
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"]

u10,  v10  = np.asarray(data["uas"],  float), np.asarray(data["vas"],  float)
u100, v100 = np.asarray(data["u100"], float), np.asarray(data["v100"], float)

# 气象风向（来向）：dir = (270 - atan2(v, u)) mod 360
def wdir(u, v):
    return (270.0 - np.degrees(np.arctan2(v, u))) % 360.0

d10, d100 = wdir(u10, v10), wdir(u100, v100)

# veer = 100m 与 10m 风向之差，规整到 (-180, 180]，正值=随高度顺转（北半球典型）
veer = (d100 - d10 + 180.0) % 360.0 - 180.0

# 只统计有效风速时段，避开静风导致风向无意义
ws10  = np.hypot(u10,  v10)
ws100 = np.hypot(u100, v100)
mask  = (ws10 > 1.0) & (ws100 > 1.0)
veer_eff = veer[mask]

print(f"10m→100m 风向切变 veer: 中位数={np.median(veer_eff):+.1f}°, "
      f"P90={np.percentile(veer_eff, 90):+.1f}° (正值=顺转)")
print(f"|veer|>10° 时段占比={np.mean(np.abs(veer_eff) > 10):.1%} "
      f"（多落在夜间/冬季，对大叶轮出力与载荷影响最大）")

把每条记录的小时与月份取出，对 veer_eff 做"逐月×逐时"分组统计，就能画出 veer 的气候态热力图——通常会清晰看到夜间、冬季的 veer 显著大于白天、夏季。再把高 veer 时段与 SCADA 出力对齐，就能定量校核标称功率曲线在这些时段的折损。预报场景只需把 dataSourceId 换成 "ger"，由德国气象局预报提供未来约 7 天的多高度风分量，veer 计算代码完全复用。需要说明：ERA5 与德国气象局数据给的是两个标准高度间的方向差，是 veer 的工程代理；若要精细刻画整个扫风面的风向廓线，仍建议以测风塔或激光雷达实测为准，再用长序列数据做气候态外延与预测。

落地：veer 该进哪三个环节

对风电从业者，把 veer 纳入工作流，主要影响三个环节的质量：

  • 机型选型与微观选址：大叶轮机型在 veer 高发场址（内陆平原、夜间稳定层结频繁的地区）面临更大的出力折损与载荷压力，选型时应把当地 veer 气候态作为一项额外的环境约束，而非只看年均风速。
  • 功率曲线核对与功率预测：标称功率曲线多在低 veer 标准条件下测得，REWS 思路提醒我们高 veer 时段要对标称功率打折；把 veer（或两高度风向差代理）作为特征喂进短期功率预测模型，能直接降低夜间时段的预测偏差，对应"两个细则"考核里的偏差电量。
  • 资源评估的不确定度合成：veer 引起的 REWS 折损是系统性的，应并入 P50/P90 的不确定度，避免默认轮毂单点风速即代表整个扫风面。

落到运梦平台的能力上：历史用 ERA5（dataSourceId="era5"，1950 年至今）反算各场址、各时段的 veer 气候态，把夜间与季节变化吃进去；预报用德国气象局数据（dataSourceId="ger"，未来约 7 天）做同口径的 veer 滚动预测，一套外推与统计代码两处复用，无需维护两套换名规则。veer 是个长期被 shear 抢了风头的现象，但在叶轮越做越大的今天，把它从"被忽略"提升到"被量化"，往往就是把大叶轮机型的电量估准、把载荷管住的那块短板。