3、Jensen模型详解：模型假设、速度亏损公式、尾流半径扩展、模型参数标定

各位同行，今天我们来聊聊Jensen模型。这个模型在风电场尾流分析里，可以说是最经典、最常用的一个。我最早接触它是在十年前做某海上风电场项目时，当时被各种尾流模型搞得头大，后来发现Jensen模型虽然简单，但用好了，效果真不赖。

3.1 模型假设——简单但有效

Jensen模型为什么能流传这么久？说白了，它做了几个很聪明的简化假设。你想想看，真实的风机尾流有多复杂？湍流、涡旋、大气稳定度……真要全算进去，一个风电场优化得算到猴年马月去。

Jensen模型的核心假设就三条：

• 尾流呈线性扩展——尾流半径随着下游距离线性增大，像个圆锥体
• 尾流区内速度均匀——同一截面上，所有点的速度亏损都一样
• 动量守恒——尾流与周围空气的动量交换，遵循简单的守恒关系

嗯，这里要注意。第一条假设其实跟真实情况有出入。我在项目中实测过，尾流扩展其实是非线性的，尤其在近尾流区。但Jensen模型胜在计算快，做宏观排布优化时，这个精度完全够用。

3.2 速度亏损公式——核心公式要记牢

好，我们来看最核心的部分——速度亏损公式。Jensen模型给出的尾流区风速表达式是这样的：

V(x) = V0 * [1 - 2a / (1 + 2k*x/D)^2]

其中：

• V(x) —— 下游距离x处的尾流风速
• V0 —— 来流风速（自由流风速）
• a —— 轴向诱导因子，a = 0.5 * (1 - sqrt(1 - Ct))
• Ct —— 推力系数，风机厂家会给
• k —— 尾流衰减系数，后面会讲怎么标定
• D —— 风轮直径
• x —— 下游距离

这个公式怎么理解？我个人的习惯是把它拆成两部分看：

1. 2a —— 代表初始速度亏损。a越大，风机从风中提取的能量越多，尾流速度就越低
2. (1 + 2k*x/D)^2 —— 代表尾流恢复。随着距离增加，分母变大，亏损逐渐减小

我曾经在项目里犯过一个低级错误——直接把Ct当成了a来用。结果算出来的尾流亏损偏大，排布方案过于保守，白白浪费了机位。后来才搞清楚，a和Ct之间有个换算关系，千万别搞混了。

3.3 尾流半径扩展——线性假设的利与弊

Jensen模型假设尾流半径随下游距离线性扩展：

R(x) = R0 + k * x

其中R0是风轮半径，k是扩展系数。这个公式简单到令人发指，但为什么大家都在用？

我个人的经验是：对于远尾流区（x > 5D），这个线性假设其实挺准的。但在近尾流区（x < 3D），误差就比较大了。你想想看，刚出风轮的气流还在剧烈混合，怎么可能线性扩展？

那怎么办？我的做法是：

• 做宏观排布时，直接用线性假设，省时间
• 做微观优化时，改用更精细的模型（比如Ainslie模型）做局部修正

3.4 模型参数标定——k值怎么取？

Jensen模型里最关键的参数就是尾流衰减系数k。这个值怎么取？我见过不少新手直接套用文献值，结果算出来的尾流跟实测对不上。

k值的经验取值范围如下：

环境类型	k值范围	典型值
海上（低湍流）	0.04 ~ 0.05	0.04
平坦陆地（中等湍流）	0.07 ~ 0.08	0.075
复杂地形（高湍流）	0.10 ~ 0.12	0.10

但说实话，这些经验值只能当起点。我建议你拿到项目后，一定要做现场标定。具体怎么做？

1. 选一台风机做测试机组，在其下游不同距离（比如3D、5D、7D、10D）架设测风塔
2. 收集至少3个月的数据，筛选出扇区一致的工况
3. 用实测数据反算k值，做回归拟合

我记得有一次在西北某风场做标定，发现实际k值比经验值大了将近30%。后来一查，是因为当地大气稳定度偏不稳定，湍流强度高，尾流恢复得快。你看，不标定就吃亏了吧。

3.5 知识体系总览

为了帮你理清思路，我画了张图，把Jensen模型的核心逻辑串起来：

这张图把Jensen模型的来龙去脉都串起来了。从假设出发，到公式推导，再到参数标定，最后落到应用和局限性。你照着这个思路去学，就不会迷失在细节里。

好了，Jensen模型的核心内容就这些。记住：它是个好工具，但不是万能工具。用对了地方，事半功倍；用错了地方，坑你没商量。下一节我们聊聊更精细的尾流模型，到时候你会更理解为什么Jensen模型能活到今天。