段 瑩，丁立國(guó)，羅宇翔

(貴州省氣候中心，貴州 貴陽(yáng) 550002)

1 引言

隨著世界人口的不斷增長(zhǎng)，能源和天然資源的消費(fèi)迅猛增長(zhǎng)，對(duì)人類的生存和可持續(xù)發(fā)展都提出了嚴(yán)峻的考驗(yàn)，能源危機(jī)逐步凸顯。而常規(guī)能源不僅面臨著枯竭的問(wèn)題，其對(duì)環(huán)境的污染和生態(tài)惡化問(wèn)題也已對(duì)人類的生存環(huán)境產(chǎn)生了嚴(yán)重的影響［1］。

人們開(kāi)始關(guān)注能夠替代化石燃料的其它新能源。中國(guó)《能源發(fā)展“十二五”規(guī)劃》指出，堅(jiān)持集中與分散開(kāi)發(fā)利用并舉，以風(fēng)能、太陽(yáng)能、生物質(zhì)能利用為重點(diǎn)，大力發(fā)展可再生能源。當(dāng)前，鑒于我國(guó)電網(wǎng)消納能力對(duì)大規(guī)模風(fēng)電開(kāi)發(fā)的制約，國(guó)家能源局發(fā)出了因地制宜開(kāi)展分散式風(fēng)電開(kāi)發(fā)的通知。因此，分散式接入風(fēng)力發(fā)電是能源產(chǎn)業(yè)的組成部分，也是貴州省的能源資源及資源利用途徑，在滿足能源需求、改善能源結(jié)構(gòu)、充分利用資源、減少環(huán)境污染、促進(jìn)經(jīng)濟(jì)發(fā)展等方面具有重要作用和意義。另外，貴州是全國(guó)第一個(gè)獲得國(guó)家分散式風(fēng)電接入批準(zhǔn)的省份，因此找到一種能夠較好的模擬貴州山地分散式風(fēng)電場(chǎng)風(fēng)能資源的方法就顯得尤為重要。

目前國(guó)內(nèi)外的風(fēng)資源評(píng)估手段主要有3 種:基于氣象站歷史觀測(cè)資料的評(píng)估、基于測(cè)風(fēng)塔觀測(cè)資料的評(píng)估以及風(fēng)能資源評(píng)估的數(shù)值模擬。其中氣象站資料評(píng)估及測(cè)風(fēng)塔觀測(cè)資料評(píng)估均存在一定局限性［2］，而數(shù)值模擬技術(shù)計(jì)算靈活，花費(fèi)時(shí)間較少且評(píng)估更精細(xì)，優(yōu)勢(shì)明顯。

近二十年來(lái)，歐美國(guó)家開(kāi)發(fā)了許多以數(shù)值模擬為基礎(chǔ)的風(fēng)資源評(píng)估軟件，如:美國(guó)的MesoMap［3］是一個(gè)非靜力中尺度數(shù)值模式(MASS)與一個(gè)質(zhì)量守恒的風(fēng)場(chǎng)模擬線性模式相結(jié)合的風(fēng)資源評(píng)估系統(tǒng)。丹麥Risoe 實(shí)驗(yàn)室發(fā)展了將中尺度數(shù)值模式KAMM與微尺度線性風(fēng)場(chǎng)診斷模式WASP［4］相結(jié)合的區(qū)域風(fēng)能資源評(píng)估方法。國(guó)內(nèi)學(xué)者近幾年也開(kāi)展了一些風(fēng)能資源數(shù)值模擬工作，如:張德等［5］應(yīng)用加拿大WEST 系統(tǒng)完成了全國(guó)5 km 分辨率的風(fēng)能資源數(shù)值模擬工作;龔強(qiáng)等人［6］用MM5 逐日積分的方法得到遼寧沿海區(qū)域10 km 分辨率的春季風(fēng)能資源分布等。

近年來(lái)，計(jì)算流體力學(xué)模式(CFD)也開(kāi)始越來(lái)越多地被用來(lái)模擬復(fù)雜地形風(fēng)場(chǎng)，中國(guó)氣象局曾用中尺度模式MM5 和WindSim 結(jié)合的模式系統(tǒng)對(duì)鄱陽(yáng)湖地區(qū)的風(fēng)能資源進(jìn)行模擬［2］。但是零散的可利用風(fēng)能資源多位于復(fù)雜地形地區(qū)，中尺度模式網(wǎng)格分辨率也不能滿足要求。目前常用的小尺度風(fēng)電場(chǎng)選址模式(如WAsP、WindSim)只適用對(duì)周圍幾公里的模擬，也不能滿足地方政府制定分散式風(fēng)電發(fā)展規(guī)劃的需求。

法國(guó)Meteodyn WT 是近年來(lái)新興的一個(gè)CFD模式，它可以在不同大氣層結(jié)條件下求解流體動(dòng)力學(xué)方程組，并允許多個(gè)測(cè)風(fēng)塔數(shù)據(jù)同時(shí)輸入。該模式采用一階湍流閉合求解Navier－Stocks 方程的方法，能在較大范圍內(nèi)進(jìn)行近地層風(fēng)場(chǎng)的數(shù)值模擬。因此，本文擬采用中尺度模式MM5、Calmet 模擬系統(tǒng)及法國(guó)CFD 模式Meteodyn WT 相結(jié)合的方法(以下簡(jiǎn)寫MM5/WT)對(duì)貴州A 分散式風(fēng)場(chǎng)的風(fēng)能資源進(jìn)行數(shù)值模擬實(shí)驗(yàn)，與實(shí)測(cè)風(fēng)進(jìn)行對(duì)比分析，探索該方法對(duì)分散式風(fēng)場(chǎng)風(fēng)能資源評(píng)估的適用性，并簡(jiǎn)單概述貴州A 分散式風(fēng)場(chǎng)風(fēng)能資源分布情況。

2 數(shù)據(jù)來(lái)源及方法介紹

2.1 資料介紹

該文模擬所用資料包括地形數(shù)據(jù)、背景場(chǎng)數(shù)據(jù)，同時(shí)對(duì)模擬結(jié)果進(jìn)行驗(yàn)證時(shí)使用到了實(shí)測(cè)風(fēng)資料。

地形數(shù)據(jù):美國(guó)地質(zhì)調(diào)查局(USGS)發(fā)布的全球30 s 的DEM 數(shù)據(jù)和landuse 數(shù)據(jù)。

背景場(chǎng)數(shù)據(jù):美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心(NCEP)發(fā)布的1° ×1°的全球再分析資料。

實(shí)測(cè)風(fēng)資料:貴州省A 分散式風(fēng)電場(chǎng)內(nèi)測(cè)風(fēng)塔測(cè)風(fēng)梯度資料。

2.2 模式介紹

此次數(shù)值模擬個(gè)例采用的技術(shù)方法是MM5→Calmet→Meteodyn WT，即將MM5/Calmet 模式輸出結(jié)果作為背景場(chǎng)，將其模擬數(shù)據(jù)輸入WT 軟件中進(jìn)行計(jì)算，以WT 計(jì)算所得作為模擬結(jié)果進(jìn)行分析對(duì)比，下面對(duì)各模式進(jìn)行簡(jiǎn)單介紹。

2.2.1 MM5 模式及Calmet 模擬系統(tǒng) MM5 是由美國(guó)賓州大學(xué)(Penn State University)和美國(guó)國(guó)家大氣研究中心(NCAR)聯(lián)合開(kāi)發(fā)的新一代中尺度數(shù)值模式系統(tǒng)，是國(guó)內(nèi)外應(yīng)用相當(dāng)廣泛的一個(gè)中尺度數(shù)值預(yù)報(bào)模式。此次模擬采用三層嵌套計(jì)算出分辨率為9 km 的模擬區(qū)域。

Calmet 是由美國(guó)西格瑪研究公司(Sigma Research Corporation)開(kāi)發(fā)，美國(guó)國(guó)家環(huán)保局(USEPA)長(zhǎng)期支持開(kāi)發(fā)的模擬系統(tǒng)。在本次模擬中以MM5模擬結(jié)果為輸入，采用動(dòng)力診斷降尺度的方法計(jì)算到分辨率為1 km 的網(wǎng)格上。

2.2.2 METEODYN WT 模式 是由法國(guó)Meteodyn公司(美迪公司)基于CFD 技術(shù)研究開(kāi)發(fā)的風(fēng)資源評(píng)估軟件，該軟件可以在任何地形條件下得到更為準(zhǔn)確的風(fēng)資源計(jì)算結(jié)果。

WT 軟件是專門為求解大氣邊界層問(wèn)題而開(kāi)發(fā)的CFD 軟件，可以提高復(fù)雜地形風(fēng)能資源評(píng)估的準(zhǔn)確性。WT 軟件可以求解全部的NS 方程，求得風(fēng)電場(chǎng)區(qū)三維空間內(nèi)任一點(diǎn)的風(fēng)流及風(fēng)資源情況(平均風(fēng)速、湍流、能量密度、發(fā)電量、入流角、極風(fēng)等);可以根據(jù)地形、粗糙度以及設(shè)定的熱穩(wěn)定度自動(dòng)生成網(wǎng)格與邊界條件，在關(guān)注區(qū)域以及關(guān)注點(diǎn)自動(dòng)進(jìn)行網(wǎng)格加密，更好地解決復(fù)雜地形所帶來(lái)的非線性問(wèn)題［7］。

WT 軟件以質(zhì)量守恒方程和大氣湍流動(dòng)量守恒方 程 為 基 本 的 動(dòng) 力 框 架［8］。使 用 了Arritt［9］和Yamada［10］參數(shù)化方法，通過(guò)三步迭代過(guò)程［11］計(jì)算得到不受其他影響干擾的風(fēng)梯度，最后根據(jù)Meteodyn WT 的分類進(jìn)行穩(wěn)定度的判定。

模式入口由地表層對(duì)數(shù)律和Ekman 函數(shù)求得區(qū)域平均風(fēng)速的垂直廓線［12］。地面粗糙度的選取方面借助google earth 并按照經(jīng)驗(yàn)確定計(jì)算范圍內(nèi)的地面粗糙度值，不同下墊面對(duì)應(yīng)的粗糙度值參考相關(guān)文獻(xiàn)［13］。側(cè)邊界采用對(duì)稱條件，上邊界和出口條件都是采用均壓條件。該文所采用的初始場(chǎng)粗糙度為0.05，模式的初始風(fēng)速在10 m 高度上為10 m/s［14］。求解采用的是對(duì)每一個(gè)控制體積內(nèi)風(fēng)速和氣壓同時(shí)進(jìn)行計(jì)算的MIGAL 方法。模式中所用的MIGAL 求解器是由MFRDC 開(kāi)發(fā)并經(jīng)過(guò)多年使用，得到過(guò)充分驗(yàn)證［15－16］。

3 Meteodyn WT 復(fù)雜地形數(shù)值模擬個(gè)例分析

3.1 模擬結(jié)果檢驗(yàn)分析

通過(guò)采用中尺度模式MM5－Calmet 和法國(guó)CFD模式Meteodyn WT 相結(jié)合的方法對(duì)貴州山地風(fēng)電場(chǎng)場(chǎng)區(qū)資源進(jìn)行數(shù)值模擬，即將MM5－Calmet 模擬出的各層逐小時(shí)的風(fēng)場(chǎng)資料輸入Meteodyn WT 模式中進(jìn)行計(jì)算，對(duì)定向計(jì)算結(jié)果進(jìn)行統(tǒng)計(jì)分析后，則可得到空間分辨率為100m 的平均風(fēng)速和風(fēng)功率密度分布。

該文選取A 分散式風(fēng)電場(chǎng)場(chǎng)區(qū)進(jìn)行模擬分析，場(chǎng)區(qū)內(nèi)有5 座測(cè)風(fēng)塔風(fēng)梯度資料，其中3個(gè)風(fēng)塔建塔時(shí)間較短，僅有幾個(gè)月的觀測(cè)資料，不能較好的與模擬結(jié)果進(jìn)行對(duì)比，因此僅取其中2 座測(cè)風(fēng)塔2013年較為完整的觀測(cè)數(shù)據(jù)與模擬結(jié)果進(jìn)行對(duì)比分析，兩個(gè)測(cè)風(fēng)塔分別命名為1 號(hào)風(fēng)塔及2 號(hào)風(fēng)塔。

為了便于準(zhǔn)確對(duì)比模擬的精度，剔除冬季凝凍時(shí)段的月份，只比對(duì)數(shù)據(jù)完整的觀測(cè)月份，缺測(cè)數(shù)據(jù)不做插補(bǔ)訂正。下面以50m 風(fēng)速為例做對(duì)比:

由表1 可知，1 號(hào)風(fēng)塔有10個(gè)月的觀測(cè)資料，2、3、4月的模擬精度最高，誤差低于2%，9月誤差為4.1%，5月誤差為8.2%，6、7、8、10 和11月的誤差高于10%。其中11月份的誤差來(lái)源可能是出現(xiàn)部分輕微的凝凍時(shí)段，導(dǎo)致觀測(cè)風(fēng)速變小。總體來(lái)說(shuō)，春季模擬結(jié)果較好，夏季模擬結(jié)果較差。2—11月的觀測(cè)平均風(fēng)速為5.3 m/s，模擬平均風(fēng)速為5.6 m/s，誤差為5.7%。

2 號(hào)風(fēng)塔有9個(gè)月的觀測(cè)資料，3、4、9、10月的模擬精度最高，誤差低于3%，5月誤差為9.43%，6、7、8 和11月的誤差高于10%。其中11月份的誤差來(lái)源可能是出現(xiàn)部分輕微的凝凍時(shí)段，導(dǎo)致觀測(cè)風(fēng)速變小。同7310#塔一樣，春季模擬結(jié)果較好，夏季的模擬結(jié)果較差。3—11月的觀測(cè)平均風(fēng)速為5.7 m/s，模擬平均風(fēng)速為5.9 m/s，誤差為3.5%。

表1 模擬結(jié)果與測(cè)風(fēng)塔實(shí)測(cè)結(jié)果50 m 風(fēng)速對(duì)比表 (單位:m/s)

貴州冬季凝凍比較嚴(yán)重，12、1、2月可用觀測(cè)數(shù)據(jù)較少，在此未做對(duì)比分析。由于模擬技術(shù)中采用的Calmet 和WT 軟件都是采用大氣動(dòng)力學(xué)方程，忽略大氣熱力學(xué)方程進(jìn)行模擬的方法，因此在熱力學(xué)條件復(fù)雜的夏季(6、7、8月)，模擬精度較差，在熱力學(xué)條件穩(wěn)定的其它月份，模擬精度普遍較高，在凝凍缺測(cè)的冬季，模擬精度和其它熱力學(xué)條件穩(wěn)定的月份相似，因此完整年的年平均風(fēng)速的誤差和實(shí)有月份的累積平均風(fēng)速誤差接近。綜上所述，數(shù)值模擬結(jié)果在完整年的年平均風(fēng)速的模擬上，具有較高的精確度，可作為分散式風(fēng)電場(chǎng)的資源評(píng)估依據(jù)。

3.2 風(fēng)能資源分布

應(yīng)用風(fēng)能資源評(píng)估軟件Meteodyn WT 模擬數(shù)據(jù)對(duì)分散式風(fēng)場(chǎng)的分能資源分布進(jìn)行分析，風(fēng)電場(chǎng)50 m、70 m、80 m 高度風(fēng)速、風(fēng)功率密度、湍流強(qiáng)度分布情況見(jiàn)圖1～3。

由圖可見(jiàn)，該分散式風(fēng)場(chǎng)的風(fēng)能資源隨地勢(shì)起伏變化較大，風(fēng)場(chǎng)上看(圖1)，場(chǎng)區(qū)的南部、西部大部以及北端部分地區(qū)風(fēng)速相對(duì)較大，風(fēng)速在4.5～7.5 m/s 之間;風(fēng)功率密度來(lái)看(圖2)，同樣場(chǎng)區(qū)西部、南部及北端局部風(fēng)功率密度較大，集中在180～450 W/m2?？梢?jiàn)場(chǎng)區(qū)的西部、南部及北部局部地區(qū)風(fēng)能資源相對(duì)豐富。

湍流強(qiáng)度指標(biāo)是決定風(fēng)電機(jī)組安全等級(jí)或者設(shè)計(jì)標(biāo)準(zhǔn)的重要參數(shù)之一，也是風(fēng)場(chǎng)風(fēng)資源評(píng)估的重要內(nèi)容。就場(chǎng)區(qū)湍流強(qiáng)度而言(圖3)，場(chǎng)區(qū)中部至北部地區(qū)湍流強(qiáng)度較大，而南部及西部地區(qū)湍流較小，強(qiáng)度基本在0.09～0.15 間，更利于風(fēng)機(jī)安全運(yùn)行。

表2 風(fēng)電場(chǎng)場(chǎng)區(qū)各高度不同等級(jí)風(fēng)功率密度面積及百分比

圖1 風(fēng)電場(chǎng)50 m、70 m、80 m 高度風(fēng)速分布

圖2 風(fēng)電場(chǎng)50 m、70 m、80 m 高度風(fēng)功率密度分布

圖3 風(fēng)電場(chǎng)50 m、70 m、80 m 高度湍流強(qiáng)度分布

4 結(jié)論

本文運(yùn)用中尺度數(shù)值模式MM5－Calmet 與模式Meteodyn WT 相結(jié)合的方法，對(duì)貴州省山地分散式風(fēng)電場(chǎng)的風(fēng)能資源進(jìn)行模擬研究。

通過(guò)實(shí)測(cè)資料及模擬結(jié)果的對(duì)比分析，以及對(duì)風(fēng)電場(chǎng)內(nèi)風(fēng)速、風(fēng)功率密度以及湍流強(qiáng)度的場(chǎng)區(qū)各高度模擬結(jié)果的比對(duì)分析可見(jiàn):MM5－Calmet－WT模式能較好的模擬貴州山地風(fēng)電場(chǎng)的風(fēng)資源狀況，但是由于模式忽略了大氣熱力學(xué)方程，因此在熱力學(xué)條件復(fù)雜的夏季(6、7、8月)，模擬精度較差;在熱力學(xué)條件穩(wěn)定的其它月份，模擬精度普遍較高;在凝凍缺測(cè)的冬季，模擬精度和其它熱力學(xué)條件穩(wěn)定的月份相似，因此完整年的年平均風(fēng)速的誤差和實(shí)有月份的累積平均風(fēng)速誤差接近。

模擬結(jié)果顯示，貴州A 分散式風(fēng)場(chǎng)場(chǎng)區(qū)西部、南部及北部局部地區(qū)風(fēng)能資源相對(duì)豐富，且這兩個(gè)區(qū)域內(nèi)湍流強(qiáng)度相對(duì)較小，更利于風(fēng)機(jī)運(yùn)行。

綜上所述，這種用中尺度結(jié)合小尺度模式的數(shù)值模擬結(jié)果在完整年的年平均風(fēng)速的模擬上，具有較高的精確度，可作為分散式風(fēng)電場(chǎng)的風(fēng)能資源評(píng)估依據(jù)，可為分散式風(fēng)電發(fā)展規(guī)劃的制定和風(fēng)電場(chǎng)前期建設(shè)的選址提供科學(xué)依據(jù)。

［1］溫敏，張人禾，楊振斌. 氣候資源的合理開(kāi)發(fā)利用［J］. 地球科學(xué)進(jìn)展，2004，19 (6):1.

［2］何曉鳳，周榮衛(wèi)，朱蓉. MM5 與CFD 軟件相結(jié)合對(duì)復(fù)雜地形風(fēng)資源模擬初探——以鄱陽(yáng)湖地區(qū)為例［J］. 資源科學(xué)，2010，04:650－655.

［3］Brower. M，Bailey. B. Zack. J. Applications and validations ofthe MesoMap wind mapping system in different climatic regimes［R］.Washington，DC:American Wind Energy Association，Proceedings Windpower，2001，June.

［4］Troen I，Erik L. P. European Wind Atlas［M］. Roskilde，Denmark:Risoe National Laboratory，1989.

［5］張德，朱蓉，羅勇. 風(fēng)能模擬系統(tǒng)WEST 在中國(guó)風(fēng)能數(shù)值模擬中的應(yīng)用［J］. 高原氣象，2008，27(1):202－207.

［6］龔強(qiáng)，袁國(guó)恩，張?jiān)魄? MM5 模式在風(fēng)能資源普查中的應(yīng)用試驗(yàn)［J］. 資源科學(xué)，2006，28(1):145－150.

［7］Didier Delaunay. Wind atlas with Meteodyn WT［J］. Meteodyn WT users eeting－Paris(France)，March 21 and 22，2011.

［8］Arritt. R. W. The Effect of Water Surface Boundary Layers，Boundary－LayerMeteorology，1987，40，101－125.

［9］Yamada. T. Simulations of Nocturnal Drainage Flows by a q2l Turbulence Closure Model，J. Atmos. Sci. 1983，40，91－106.

［10］方艷瑩. 基于WRF 與CFD 模式結(jié)合的風(fēng)能資源數(shù)值模擬研究［D］. 南京信息工程大學(xué)，2012.

［11］J. R. Garratt. The atmospheric boundary layer. Cambridge Atmospheric and space sciences series.1992.

［12］法國(guó)美迪公司Meteodyn WT 用戶使用手冊(cè). 2009，120－123.

［13］D. Delaunay. The case of very inhomogeneous roughness as inlet conditions in Meteodyn WT，2012，1－2.

［14］Ferry M.“New features of the MIGAL solver”，Proc. Of the Phoenics Users Int. Conf. ，Moscow，Sept，2002.

［15］Ferry M.“The MIGAL solver”，Proc. Of the Phoenics Users Int. Conf，Luxembourg，2000.