自然风具有较强的随机性，风速不但在空间范围内差异较大，历史风速往往也波动较大。风电场的多年平均风速直接影响风电场项目的装机规模、机组选型及发电量等，是风能开发利用的重要指标。风电场项目一般需持续1 a以上的现场测风工作，构建同期测风塔风速(y)与附近气象站风速(x)之间的线性回归方程，通过气象站多年平均风速估算测风塔代表年平均风速。回归分析是风速订正的关键步骤，一般采用最小二乘法原理，使回归残差平方和最小。目前风电场风能资源评估通常采用扇区回归法、直接回归法和简化比值法3种风速订正方法，在样本取用、数据分组、方程简化等过程中，存在多种处置方式，导致预测结果存在较大差异。为明确不同订正方法的适用性，本文结合广东省某风电场工程实例，分别采用3种方法估算回归参数，检验线性回归方程的显著性及标准误差，并对预测结果进行对比评估。

扇区回归法由《GB/T 18710—2002 风电场风能资源评估方法》附录A提出^[1]。为降低数据随机性影响，该方法要求对相同测风塔风速同时刻的气象站风速做平均处理，处理后的样本按16个风向分别做回归分析，j风向回归方程为：

xj 和yj —分别为气象站和测风塔j 风向实测风速平均值；

ij —测风塔j风向第i组风速y_ij的估计值；

a_j、b_j—j风向回归参数。

直接回归法由《QX/T 74—2007 风电场气象观测及资料审核、订正技术规范》提出^[2]。该方法未明确提出对样本进行前处理，可不必按风向分别做回归分析，不分风向的回归方程为：

简化比值法由QX/T 74—2007提出。该方法在直接回归法的基础上发展而来，其前提条件是测风塔与气象站风速在多年序列中处于相同的水平^[3]，即

广东省某风电场测风塔与附近气象站相距约35 km，地理环境及气候条件相似性较好。收集测风塔与气象站2个年度内的逐时风速和风向资料，分别按照上述3种方法对第1年度内的风速数据做回归分析，并预测第2年度的风速值。第1年度测风塔与气象站各月份平均风速见表 1，风向分布如图 1所示。

表1(Table 1)

表 1 第1年度测风塔与气象站各月平均风速

表 1 第1年度测风塔与气象站各月平均风速

图1(Figure 1)

图1 测风塔和气象站同期风向玫瑰图

风速订正方法1和方法2采用公式(1)和(4)估算回归参数，满足线性回归及最小二乘法准则；方法3采用公式(6)估计，仅依赖样本平均值，不满足最小二乘法准则。3种风速订正方法的回归参数见表 2。

表2(Table 2)

表 2 3种风速订正方法回归参数

表 2 3种风速订正方法回归参数

对于线性回归分析，总偏差平方和TSS、回归平方和ESS、残差平方和RSS关系如下：

可决系数R²和统计量F分别为：

风速订正方法1和方法2采用线性回归方法，适用上述关系；方法3不满足线性回归理论的一般要求，不适用上述关系。

采用统计量F 检验线性回归分析的显著性，检验结果见表 3。在0.01 的显著性水平(置信度为0.99)条件下，方法1中WNW风向回归关系不显著，其中N—SW风向显著性较强，其余风向显著性较弱；方法2回归分析具有较强的显著性；方法3的回归显著性无法检验。

表3(Table 3)

表 3 线性回归显著性检验结果

表 3 线性回归显著性检验结果

回归分析的标准误差计算公式如下：

利用公式(10)计算各风速订正方法的标准误差，结果见表 4。从表 4可以看出，方法1的回归分析样本标准误差最小，将回归方程应用于全部观测样本时，标准误差增大；方法2的标准误差较小；方法3在方法2的基础上增加了约束条件，标准误差增大。

表4(Table 4)

表 4 不同风速订正方法的标准误差

表 4 不同风速订正方法的标准误差

利用测风塔和气象站第1年度的回归分析结果预测测风塔第2年度的平均风速。第2年度气象站年平均风速为3.85 m/s，测风塔实测年平均风速为5.75 m/s。通过测风塔实测风速序列的平均值及标准差统计威布尔分布参数^[4]，尺度参数A和形状参数k分别为6.48 m/s和2.54。

(1) 方法1中显著性较强的N—SW风向数据采用回归关系订正，其余不具有显著性及显著性较弱的风向不做订正，j风向的风速订正公式为：

(2) 方法2不分风向做整体订正，公式为：

(3) 方法3直接采用比值关系订正，公式为：

使用各订正方法预测测风塔第2年度的风速成果见表 5。从平均风速预测结果看，各方法的预测结果相差较小。其中方法1的预测偏差相对较小，其次是方法2，方法3的偏差相对较大。

表5(Table 5)

表 5 第2年度测风塔风速预测成果

表 5 第2年度测风塔风速预测成果

(1) 方法1采用按风向分组及数据前处理等措施，提高样本的相关性，降低风速随机波动的影响；同时该方法计算量较大，风速前处理降低了回归方程的响应特性。在主导风向显著性水平较高的情况下，可用于风能资源评估及测风塔风速预测。

(2) 方法2使用全部观测样本，严格按照最小二乘法准则，标准误差最小。在统计量F较大、通过显著性检验的情况下，可用于风能资源评估及测风塔风速预测。对于方法1中显著性水平较差的非主风向风速，可尝试采用方法2。

(3) 方法3不依赖于逐时观测样本，适用于快速估算，但误差较大。在基础资料较缺乏或方法1、方法2不可用的情况下，可用作风能资源评估、预测测风塔风速的备用方法。

(4) 实际观测的样本是翔实可靠的数据，但随机波动性较大。方法1采用的前处理措施降低了样本随机性，增强必然相关性，物理意义较强；另一方面，将前处理后的回归方程应用于实际观测样本，增大了标准误差，数学指标减弱。

(5) 在方法1的基础上，对订正结果的后处理措施进行了讨论^[5]。后处理措施使结果进一步趋向多年统计规律，同时偏离短期观测规律。