这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：
本研究由R. J. Barthelmie（印第安纳大学大气科学项目）、S. C. Pryor（同属印第安纳大学）、S. T. Frandsen（丹麦技术大学可持续能源实验室）等来自欧美多所高校及能源机构的学者合作完成，发表于Journal of Atmospheric and Oceanic Technology（2010年8月）。研究依托欧盟项目UPWIND和美国国家科学基金会（NSF）资助，数据来源于丹麦两大海上风电场Nysted和Horns Rev的运营监测系统。
科学领域：风能工程与大气边界层相互作用。
研究动机：随着全球海上风电装机容量快速增长（欧盟计划2030年部署150 GW），风电场布局优化亟需精准的尾流效应（wake effect）预测工具。尾流导致下游涡轮机风速降低，直接影响发电效率与疲劳载荷。此前研究多聚焦单机尾流，而对大型风电场中多涡轮机尾流叠加、侧向合并（lateral wake merging）及边界层扰动缺乏系统性量化分析。
核心目标：
1. 通过实测数据量化涡轮机间距（7D vs. 10.5D，D为转子直径）对尾流损失的影响；
2. 评估多种尾流模型（包括工业标准模型与计算流体力学模型CFD）的预测精度；
3. 揭示大型风电场中尾流演变的物理机制。
数据来源与处理：
- 数据集：选取Nysted（72台涡轮机，间距5.8D×10.5D）和Horns Rev（80台涡轮机，间距7D×7D）2004–2006年的SCADA（Supervisory Control and Data Acquisition）系统数据，筛选风速6±0.5、8±0.5、10±0.5 m/s的10分钟间隔数据，风向限定西风（±2.5°至±15°），确保尾流信号最大化。
- 数据清洗：剔除停机、启停序列及异常功率信号，仅保留连续稳定运行的涡轮机数据。
实验设计：
1. 单尾流分析：计算第二列涡轮机的归一化功率（下游功率/首列自由流功率），量化尾流宽度（功率损失≤5%的横向距离）和深度（中心线功率损失）。
2. 侧向尾流合并：通过多列涡轮机功率衰减曲线，识别尾流叠加的临界距离（如20–30D处功率普遍下降）。
3. 模型验证：对比四种模型（工业标准模型WAsP、WindFarmer、WakeFarm及NTUA开发的CFD模型）的预测结果与实测数据，计算均方根误差（RMSE）。
创新方法：
- 条件采样（Conditional Sampling）：按风速和风向分箱（binning）构建数据集合，减少大气非稳态干扰。
- 轴向诱导因子（Axial Induction Factor）修正：通过推力系数（Thrust Coefficient, Ct）推导尾流中心风速，消除涡轮机类型差异的影响。
尾流特性：
- 单尾流宽度：两风电场尾流半角均为约20°，与Frandsen等（2006）提出的经验公式（式3）预测值（14.2°–20.4°）基本吻合，但Nysted数据偏差较大，提示模型参数需优化。
- 尾流深度：中心线功率损失在第二列涡轮机处达40%，后续列衰减缓慢（图4），表明近端上游涡轮机主导中心线损失。
- 侧向合并效应：从第三列（约21D）开始，非直接尾流区域的功率普遍下降至自由流的75%，推测为侧向尾流合并或边界层动量整体减少所致（图5）。
模型性能：
- RMSE分析：WindFarmer和WakeFarm在8 m/s风速下表现最佳（RMSE=0.06–0.07），CFD模型对高风速（10 m/s）和顺风向（Exact Row, ER）预测更准（表3）。
- 局限性：WAsP因采用“顶帽”（Top-hat）尾流剖面假设，低估了深层尾流损失；CFD模型计算耗时且对斜风向（±15°）误差较大。
科学意义：
- 首次通过大规模实测证明涡轮机间距（7D vs. 10.5D）对尾流损失无显著差异，挑战了传统“间距越大损失越小”的直觉认知。
- 揭示了侧向尾流合并对风电场整体效率的影响机制，为模型改进提供了物理依据。
应用价值：
- 为风电场布局优化提供数据支撑，例如在有限海域内平衡电缆成本与发电效率。
- 推动工业模型（如WindFarmer）的算法升级，降低尾流预测的不确定性至可接受水平。
此研究为海上风电场的精细化设计奠定了理论基础，并推动了从“经验布局”到“模型驱动”的范式转变。