祖繁,樊曙先,王詠薇,吳息

?

復(fù)雜下墊面風(fēng)電場(chǎng)風(fēng)速數(shù)值模擬及誤差特征

祖繁①*,樊曙先①,王詠薇②,吳息②

① 南京信息工程大學(xué) 大氣物理學(xué)院,江蘇 南京 210044;

② 南京信息工程大學(xué) 大氣環(huán)境中心,江蘇 南京 210044

2012-12-24收稿，2013-08-23接受

江蘇省科技支撐計(jì)劃(BE2010200);江蘇省高校優(yōu)勢(shì)學(xué)科建設(shè)工程資助項(xiàng)目(PAPD)

利用WRF模式分別對(duì)沿海及山地條件下風(fēng)電場(chǎng)風(fēng)速進(jìn)行高分辨數(shù)值模擬,并對(duì)其誤差特征進(jìn)行分析,結(jié)果表明:1)WRF模式對(duì)復(fù)雜地形條件下的風(fēng)速模擬性能良好,模擬值較好地體現(xiàn)天氣尺度的周期變化;2)沿海及山地條件下模擬與觀測(cè)的誤差特征各不相同。模式靜態(tài)數(shù)據(jù)未能顯現(xiàn)沿海的小島,并且低估了山地測(cè)風(fēng)塔所在的海拔,導(dǎo)致沿海平均模擬風(fēng)速偏大,山地平均模擬風(fēng)速偏小;3)分析不同風(fēng)向的歸一化均方根誤差,沿海陸風(fēng)情況下,下墊面相對(duì)復(fù)雜,誤差明顯增大;沿海海風(fēng)情況下,下墊面均一,誤差明顯減小;4)僅作單個(gè)風(fēng)電場(chǎng)周邊數(shù)百平方千米的模擬,采用一臺(tái)12核的服務(wù)器進(jìn)行WRF模式的并行計(jì)算可滿(mǎn)足48 h短期預(yù)測(cè)的時(shí)效性。僅僅提高模擬的網(wǎng)格分辨率,并不一定能提升模擬的準(zhǔn)確性。

復(fù)雜下墊面

WRF模式

風(fēng)速

數(shù)值模擬

誤差特征

網(wǎng)格分辨率

風(fēng)力發(fā)電作為一種無(wú)污染、可再生的能源,已逐漸成為許多國(guó)家可持續(xù)發(fā)展的重要組成部分,發(fā)展十分迅速。準(zhǔn)確的風(fēng)速預(yù)報(bào)可供電網(wǎng)及時(shí)調(diào)度,從而提高風(fēng)電的經(jīng)濟(jì)效益。但是,由于風(fēng)具有波動(dòng)性和間歇性,大容量的風(fēng)電接入電網(wǎng)將會(huì)對(duì)電力系統(tǒng)的安全、穩(wěn)定運(yùn)行以及保證電能質(zhì)量帶來(lái)嚴(yán)峻挑戰(zhàn)(王麗婕等,2009)。為促進(jìn)風(fēng)電健康發(fā)展,保證風(fēng)電順利并網(wǎng)和電力系統(tǒng)安全運(yùn)行,國(guó)家能源局[2011]177號(hào)文件《風(fēng)電場(chǎng)功率預(yù)測(cè)預(yù)報(bào)管理暫行辦法》明確規(guī)定,所有風(fēng)電場(chǎng)需向國(guó)家電網(wǎng)調(diào)度中心上報(bào)短期及超短期風(fēng)功率預(yù)報(bào)。通過(guò)預(yù)測(cè)風(fēng)電場(chǎng)風(fēng)速,再利用風(fēng)電場(chǎng)的功率特性曲線(xiàn),則可轉(zhuǎn)化為預(yù)測(cè)未來(lái)時(shí)刻的風(fēng)力發(fā)電功率,這對(duì)電力系統(tǒng)合理制定調(diào)度計(jì)劃具有重要的指導(dǎo)意義(Ahlstrom et al.,2005)。

傳統(tǒng)的風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)多采用統(tǒng)計(jì)方法,如持續(xù)性算法(Alexiadis et al.,1998)、卡爾曼濾波法(盧峰本,1998)、時(shí)間序列法(孫春順等,2008)以及組合預(yù)測(cè)法(彭懷午等,2011)等。統(tǒng)計(jì)方法具有系統(tǒng)誤差小的優(yōu)點(diǎn),但通常需要大量的、長(zhǎng)期的歷史測(cè)風(fēng)資料(Ernst et al.,2007),這就為新建風(fēng)電場(chǎng)的風(fēng)速預(yù)測(cè)帶來(lái)了困難。此外,由于無(wú)法描述湍流波動(dòng)造成的風(fēng)場(chǎng)突變,統(tǒng)計(jì)方法的預(yù)測(cè)時(shí)間尺度也往往在6 h之內(nèi),而風(fēng)力發(fā)電并入電網(wǎng)需要風(fēng)電場(chǎng)至少提供1～2 d的提前預(yù)報(bào)(Lazar et al.,2010)。由此可見(jiàn),單純的統(tǒng)計(jì)預(yù)測(cè)方法并不能滿(mǎn)足風(fēng)電場(chǎng)對(duì)風(fēng)速預(yù)測(cè)時(shí)間長(zhǎng)度和預(yù)測(cè)精度的要求。

目前,數(shù)值模式產(chǎn)品在風(fēng)速模擬預(yù)測(cè)方面得到了廣泛的應(yīng)用。楊曉玲等(2012)通過(guò)ECMWF數(shù)值預(yù)報(bào)格點(diǎn)場(chǎng)資料建立河西走廊東部地區(qū)的大風(fēng)預(yù)報(bào)方程。吳息等(2004a)使用MM5模式產(chǎn)品預(yù)報(bào)福建沿海風(fēng)電場(chǎng)風(fēng)速并進(jìn)行誤差分析,發(fā)現(xiàn)海陸交界下墊面會(huì)導(dǎo)致一定的系統(tǒng)性誤差。穆海振等(2006)利用TAPM模式對(duì)上海近海風(fēng)場(chǎng)分布的氣候特征進(jìn)行模擬,發(fā)現(xiàn)風(fēng)速大小對(duì)下墊面物理特征具有敏感性。孫川永等(2009)使用RAMS模式對(duì)某風(fēng)電場(chǎng)進(jìn)行了水平分辨率為1 km的短期風(fēng)速預(yù)測(cè),模擬結(jié)果能夠較好地預(yù)報(bào)風(fēng)速風(fēng)向的變化狀況。趙彥廠等(2008)利用RegCM3模式對(duì)江蘇區(qū)域的風(fēng)場(chǎng)特征進(jìn)行了分析評(píng)估,發(fā)現(xiàn)模擬場(chǎng)能夠較好地反映風(fēng)速的空間分布形態(tài)?；菪∮⒌?2011)使用WRF模式對(duì)酒泉地區(qū)進(jìn)行了風(fēng)速模擬,并由此給出酒泉風(fēng)電基地地區(qū)風(fēng)能資源的精細(xì)化評(píng)估結(jié)果。Papanastasiou et al.(2010)利用WRF模式模擬了夏季復(fù)雜海岸地形條件下的海風(fēng)環(huán)流特征,模擬結(jié)果較好地再現(xiàn)了觀測(cè)站點(diǎn)風(fēng)速的日變化特征。

然而數(shù)值模式對(duì)不同地形條件下的風(fēng)電場(chǎng)近地層風(fēng)速模擬的準(zhǔn)確性如何?誤差特征如何分布?不同網(wǎng)格分辨率對(duì)模擬結(jié)果的影響如何?同時(shí),數(shù)值天氣預(yù)報(bào)方法需要高性能計(jì)算機(jī)支持計(jì)算,計(jì)算機(jī)的配置、網(wǎng)格分辨率、及時(shí)效性與模擬精度如何匹配?這些數(shù)值預(yù)報(bào)問(wèn)題在風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)的實(shí)際應(yīng)用中尚需深入研究。

基于以上背景,本文應(yīng)用WRF模式,對(duì)沿海及內(nèi)陸山地風(fēng)電場(chǎng)近地層風(fēng)速進(jìn)行模擬,并對(duì)模擬準(zhǔn)確度、誤差特征、網(wǎng)格分辨率對(duì)計(jì)算精度和計(jì)算時(shí)效的影響等問(wèn)題進(jìn)行初步探討,以期為風(fēng)電場(chǎng)風(fēng)電功率預(yù)測(cè)提供思路。

1　模式及算例

采用WRF模式對(duì)沿海及內(nèi)陸山地復(fù)雜地形條件下的風(fēng)電場(chǎng)風(fēng)速數(shù)值模擬進(jìn)行研究,分別以已建的福建六鰲及貴州韭菜坪風(fēng)電場(chǎng)作為研究對(duì)象,進(jìn)行了一個(gè)月的風(fēng)速模擬研究。兩次模擬采用相同網(wǎng)格設(shè)計(jì)的三層嵌套,模擬時(shí)間、模擬區(qū)域中心及網(wǎng)格設(shè)計(jì)如表1所示。邊界層參數(shù)化方案對(duì)于近地層風(fēng)速的模擬至關(guān)重要,本文通過(guò)多次的個(gè)例模擬,選擇較優(yōu)參數(shù)化方案,確定沿海模擬選擇Monin-Obukhov (Janjic)近地面層方案和MYJ TKE邊界層方案,內(nèi)陸山地模擬選擇MYNN近地面層方案和MYNN 3階TKE邊界層方案(Nakanishi and Niino,2004),兩次模擬的其他物理過(guò)程方案選擇相同,即:微物理過(guò)程方案選擇WSM 3類(lèi)簡(jiǎn)單冰相方案;長(zhǎng)波輻射采用RRTM方案;短波輻射采用Dudhia方案;陸面過(guò)程采用Noah陸面方案;網(wǎng)格格距大于5 km的第一層采用淺對(duì)流Kain-Fritsch方案,第二、三層不采用積云參數(shù)化方案。模式結(jié)果輸出時(shí)間間隔為1 h。

表1數(shù)值模擬設(shè)計(jì)

Table 1Design of the numerical simulation

模式參數(shù)模擬時(shí)間模擬區(qū)域中心網(wǎng)格數(shù)水平分辨率積分時(shí)間步長(zhǎng)/s垂直分層層頂氣壓/hPa地形數(shù)據(jù)初始邊界條件沿海2009?12?01—2009?12?31116148°E，23962°N第一層：86×48；第二層：97×55；第三層：85×58第一層：9km；第二層：3km；第三層：1km3034層(近地層取密)100USGC全球地形5min、2min、30s6h一次的NCEP再分析資料(1°×1°)山地2010?04?01—2010?05?01102．961°E，26．903°N第一層：86×48；第二層：97×55；第三層：85×58第一層：9km；第二層：3km；第三層：1km3034層(近地層取密)100USGC全球地形5min、2min、30s6h一次的NCEP再分析資料(1°×1°)

圖1為沿海及內(nèi)陸山地模擬第三層嵌套范圍內(nèi)的下墊面條件及測(cè)風(fēng)塔位置。A測(cè)風(fēng)塔位于海陸交界點(diǎn)上的一個(gè)小島上,(圖2a),小島約數(shù)十米寬,數(shù)百米長(zhǎng)。WRF模式中最內(nèi)層30 s分辨率的地形數(shù)據(jù),無(wú)法有效地分辨出該小島,所以在WRF下墊面圖中,未見(jiàn)該小島。圖1b為模式中貴州韭菜坪風(fēng)電場(chǎng)下墊面分布。由圖可見(jiàn),韭菜坪風(fēng)電場(chǎng)下墊面為山地地形,B測(cè)風(fēng)塔位于山脊上,其南側(cè)地形陡峭。對(duì)比高分辨率地形圖(圖2)可見(jiàn),測(cè)風(fēng)塔所在位置實(shí)際地形高度為2 600多米,而在模式中,1 km網(wǎng)格分辨率代表1 km平均的地形高度在2 500 m左右。

2　WRF模式對(duì)復(fù)雜地形風(fēng)電場(chǎng)風(fēng)速模擬性能的量化評(píng)估

WRF模式為新一代中尺度天氣模式,在天氣過(guò)程預(yù)測(cè)、模擬等研究及業(yè)務(wù)工作中性能良好,然而對(duì)于復(fù)雜地形的近地層風(fēng)速模擬性能如何,還需要準(zhǔn)確的量化評(píng)估。為檢驗(yàn)?zāi)M效果,針對(duì)福建六鰲風(fēng)電場(chǎng)以及貴州韭菜坪風(fēng)電場(chǎng)1個(gè)月的模擬結(jié)果,采用距離加權(quán)反比法將測(cè)風(fēng)塔周?chē)膫€(gè)格點(diǎn)上的模擬值插值到測(cè)風(fēng)塔上,然后再將其與觀測(cè)值進(jìn)行比較。

圖1　模擬最內(nèi)層區(qū)域的土地利用及地形高度分布(單位:m;色標(biāo)從左向右依次代表:灌溉耕地和草地、耕地林地混合、灌叢、落葉闊葉林、常青針葉林、水體和濕地;實(shí)三角分別代表:A為福建六鰲風(fēng)電場(chǎng)測(cè)風(fēng)塔、B為貴州韭菜坪風(fēng)電場(chǎng)測(cè)風(fēng)塔。)　　a.沿海;b.山地Fig.1　Land use(shaded) and terrian height(contours;units:m) in the innermost domain of (a)coastal areas and (b)mountain areas(colors from left to right represent irrigated cropland and pasture,cropland/grassland mosaic,shrubland,deciduous broadleaf forest,evergreen needleleaf forest,water bodies,and wooded wetland,respectively;the solid triangle A represents the wind tower of the wind farm in Liuao,Fujian;the solid triangle B represents the wind tower of the wind farm in Jiucaiping,Guizhou)

圖2　六鰲測(cè)風(fēng)塔(a)及韭菜坪測(cè)風(fēng)塔(b)的周邊地貌Fig.2　Landforms of the area surrounding the wind tower in (a)Liuao and (b)Jiucaiping

圖3、圖4給出了沿海及山地風(fēng)電場(chǎng)近地層不同高度(10 m,30 m,50 m,70 m)風(fēng)速模擬值與觀測(cè)值的對(duì)比。大氣邊界層中的風(fēng)速由背景環(huán)流及復(fù)雜地形條件下的局地風(fēng)疊加形成,從沿海與山地風(fēng)電場(chǎng)實(shí)測(cè)風(fēng)速的變化特征來(lái)看,沿海風(fēng)電場(chǎng)風(fēng)速變化以數(shù)日為周期的天氣尺度背景場(chǎng)的特征明顯,疊加在天氣尺度背景場(chǎng)上亦有逐日變化的特征。山地風(fēng)電場(chǎng)的風(fēng)速比沿海風(fēng)電場(chǎng)的風(fēng)速有更多波動(dòng),除了天氣尺度,日尺度的變化,還呈現(xiàn)明顯的陣性特征。

對(duì)比模擬與實(shí)測(cè)風(fēng)速可見(jiàn),WRF模式能夠較好地抓住背景天氣條件變化的影響,無(wú)論是沿海風(fēng)電場(chǎng),還是山地風(fēng)電場(chǎng),模擬值均能夠較好地體現(xiàn)以數(shù)日為周期的天氣尺度風(fēng)速變化,變化趨勢(shì)亦與觀測(cè)較吻合。從局地環(huán)流影響的逐日變化過(guò)程來(lái)看,模擬狀況略差,沿海風(fēng)電場(chǎng)在一些風(fēng)速峰值階段,模擬值往往大于觀測(cè)值,這種趨勢(shì)在高層更為明顯。而山地風(fēng)電場(chǎng)其模擬值往往小于實(shí)測(cè)值。周期小于24 h的風(fēng)速陣性特征,模擬值的捕捉能力較弱。

圖3　2009年12月福建六鰲風(fēng)電場(chǎng)不同高度模擬風(fēng)速和觀測(cè)風(fēng)速的比較　　a.10 m;b.30 m;c.50 m;d.70 mFig.3　Comparison of simulated and observed wind speeds at different heights for the wind tower in Liuao,Fujian December 2009:(a) 10 m;(b) 30 m;(c) 50 m;(d) 70 m

圖4　2010年4月貴州韭菜坪風(fēng)電場(chǎng)不同高度模擬風(fēng)速和觀測(cè)風(fēng)速的比較a.10 m;b.30 m;c.50 m;d.70 mFig.4　Comparison of simulated and observed wind speeds at different heights for the wind tower in Jiucaiping,Guizhou April 2010:(a) 10 m;(b) 30 m;(c) 50 m;(d) 70 m

為量化評(píng)估模擬結(jié)果與觀測(cè)值的吻合程度,選擇相關(guān)系數(shù)r、百分比誤差E、均方根誤差RMSE、一致性指數(shù)I(Barna et al.,2000)等統(tǒng)計(jì)參數(shù)對(duì)模擬結(jié)果進(jìn)行評(píng)估,結(jié)果見(jiàn)表2。沿海條件下,模擬值大于實(shí)測(cè)值,并且隨著近地層高度的增加,模擬值與實(shí)測(cè)值的平均誤差增大,到70 m高度時(shí)為1.01 m/s。究其原因,主要是實(shí)際測(cè)風(fēng)塔位于海邊的一簇小島上(圖2a),而在模擬中,由于分辨率的局限性,小島并未在模擬下墊面中顯示,因此測(cè)風(fēng)塔位置處,模擬下墊面為海表,海表相對(duì)平滑,粗糙度小,因而模擬所得風(fēng)速較大。而山地條件下,模擬值總體小于實(shí)測(cè)值,這種情況在低層更為明顯,10 m高度上模擬值和實(shí)測(cè)值的平均絕對(duì)誤差為-1.54 m/s。這主要是因?yàn)閷?shí)際韭菜坪風(fēng)電場(chǎng)所在位置為高度約2 600 m的山脊上(圖2b),然而模型采用1 km網(wǎng)格的分辨率,1 km平均的地形高度約為2 500 m,低于實(shí)際地形,因此模擬值低于實(shí)測(cè)值。

沿海風(fēng)電場(chǎng)的模擬,隨著近地層高度的增加,模擬性能并沒(méi)有顯著提高,出現(xiàn)平均誤差增大、30 m以上均方根誤差基本恒定和一致性指數(shù)減少的現(xiàn)象,但是相關(guān)系數(shù)增加。這說(shuō)明,在低層,模擬值與觀測(cè)值的離散度較小,而在高層,模擬值與觀測(cè)值的離散度較大,但是趨勢(shì)更為一致。與MM5/Calmet模式在福建沿海測(cè)風(fēng)塔70 m高度處的模擬結(jié)果相比(周榮衛(wèi)等,2010),本研究模擬結(jié)果略?xún)?yōu),在70 m高度處的均方根誤差為2.18 m/s。

山地條件下,隨著高度增加,模擬性能提高明顯,相關(guān)系數(shù)及一致性指數(shù)明顯增大,而平均誤差,百分比誤差和均方根誤差明顯減小。任永健等(2012)對(duì)湖北齊岳山測(cè)風(fēng)塔的風(fēng)速模擬也存在類(lèi)似的結(jié)果,底層10 m高度上的誤差最大。究其原因,主要是在山地條件下,由于網(wǎng)格及陸面物理過(guò)程的局限性,模式很難真實(shí)地分辨實(shí)際山地條件下的地形及地貌條件。越往低層,地形及地貌條件越復(fù)雜,地形地貌對(duì)近地面風(fēng)場(chǎng)的影響越明顯,所以在山地條件下,低層的模擬結(jié)果與較高層模擬結(jié)果相比較差。

綜合圖3、圖4及表2中統(tǒng)計(jì)評(píng)估參數(shù)的結(jié)果可知,WRF模式能夠較好地模擬海邊風(fēng)電場(chǎng)及山地風(fēng)電場(chǎng)近地層天氣尺度的風(fēng)速變化,模擬值能夠體現(xiàn)其周期,變化趨勢(shì)亦與觀測(cè)較吻合。然而對(duì)于周期小于24 h的陣性風(fēng)速的模擬性能有待提高?？傮w來(lái)說(shuō),由于地形分辨率的局限性,沿海風(fēng)電場(chǎng)所在的小島在模擬算例下墊面內(nèi)并未顯現(xiàn),沿海風(fēng)電場(chǎng)模擬值總體大于實(shí)測(cè)值。同時(shí)由于模式可分辨地形高度低于實(shí)際地形高度,山地風(fēng)電場(chǎng)模擬值整體低于實(shí)測(cè)值。

3　風(fēng)速模擬誤差

由于模式對(duì)復(fù)雜地形條件下地形高度及下墊面特征分辨能力有限,數(shù)值預(yù)報(bào)的方法很難對(duì)近地面風(fēng)速完全準(zhǔn)確地進(jìn)行模擬,因此研究模擬值與實(shí)測(cè)值之間的誤差特征將為誤差訂正、提高預(yù)報(bào)準(zhǔn)確率打下基礎(chǔ)。下文將對(duì)10 m和70 m高度上誤差分布的平均日變化特征,誤差分布隨風(fēng)速概率及風(fēng)向的變化特征進(jìn)行初步研究。

3.1風(fēng)速誤差分布的日變化

風(fēng)速的日變化特征與下墊面性質(zhì)有著密切關(guān)聯(lián)(吳息等,2014b)。圖5為福建六鰲風(fēng)電場(chǎng)、貴州韭菜坪風(fēng)電場(chǎng)測(cè)風(fēng)塔在10 m和70 m高度上模擬值、實(shí)測(cè)值及誤差的日平均分布。時(shí)間范圍是09:00至次日08:00(北京時(shí)間,下同)。從圖中可以看出,沿海測(cè)風(fēng)塔10 m高度上誤差為-0.54～0.64 m/s,而70 m高度上誤差在0.50～1.68 m/s,逐時(shí)的平均模擬風(fēng)速均大于觀測(cè)風(fēng)速;山地測(cè)風(fēng)塔10 m高度上誤差范圍在0.23～-3.69 m/s,70 m高度上誤差范圍在0.67～-2.39 m/s,10 m高度上的誤差波動(dòng)比70 m高度上的大,這與10 m高度貼近地面,模擬風(fēng)速受地形和下墊面粗糙度的影響比70 m處大有關(guān);01:00至次日10:00為山地測(cè)風(fēng)塔一天當(dāng)中模擬誤差最大的時(shí)段,10 m誤差范圍達(dá)-2.01～-3.68 m/s,70 m誤差范圍達(dá)-1.16～-2.39 m/s。

3.2風(fēng)速對(duì)誤差的影響

圖6是沿海及山地測(cè)風(fēng)塔在10 m和70 m高度上觀測(cè)、模擬風(fēng)速分布概率分對(duì)比。由圖6a、6c可看出,沿海模擬風(fēng)速分布概率高值區(qū)較實(shí)測(cè)風(fēng)速有右移的現(xiàn)象,70 m高度處尤其明顯,導(dǎo)致月平均模擬風(fēng)速偏大,出現(xiàn)這種結(jié)果是邊界層方案對(duì)下墊面拖曳作用考慮不夠充分造成的。山地風(fēng)速模擬值在高風(fēng)速區(qū)的分布概率較低,導(dǎo)致10 m、70 m月平均模擬風(fēng)速比觀測(cè)風(fēng)速分別小了1.54 m/s和0.73 m/s。山地測(cè)風(fēng)塔位于山脊上,其周?chē)匦味盖?氣流爬坡通過(guò)山脊時(shí)會(huì)由于地形作用而加速,但模式地形為1 km×1 km的平均地形,削弱了實(shí)際地形的陡峭程度,故風(fēng)速模擬值較小。此外,通過(guò)對(duì)比發(fā)現(xiàn),山地條件風(fēng)速模擬得到較多的是風(fēng)速小于1 m/s的風(fēng),而實(shí)際觀測(cè)卻幾乎沒(méi)有風(fēng)速小于1 m/s的風(fēng)。

表2沿海、山地測(cè)風(fēng)塔不同高度上風(fēng)速模擬結(jié)果的統(tǒng)計(jì)評(píng)估

Table 2Statistical assessment of the simulated wind speeds at different heights for the wind tower in the coastal and the mountain area

測(cè)風(fēng)塔高度/m平均風(fēng)速/(m·s-1)模擬值觀測(cè)值誤差相關(guān)系數(shù)百分比誤差/%均方根誤差/(m·s-1)一致性指數(shù)沿海1072371800507276356022608476307957370580750633292180850750834762072075583142219084867085775610107659299721808459山地10576730-1540512847363440670030592728-1360520246253370694450620722-1020542745503250724370638711-07305604417231307413

圖5　測(cè)風(fēng)塔不同高度上模擬值、觀測(cè)值及誤差的日平均分布　　a.沿海10 m;b.山地10 m;c.沿海70 m;d.山地70 mFig.5　Daily average distribution of simulations,observations and bias at different levels of the wind towers:(a)10 m in the coastal area;(b)10 m in the mountain area;(c)70 m in the coastal area;(d)70 m in the mountain area

圖6　測(cè)風(fēng)塔不同高度上實(shí)測(cè)、模擬風(fēng)速概率分布對(duì)比　　a.沿海10 m;b.山地10 m;c.沿海70 m;d.山地70 mFig.6　Comparison of observed and simulated wind speed frequency distribution at different levels of the wind towers:(a)10 m in the coastal area;(b)10 m in the mountain area;(c)70 m in the coastal area;(d)70 m in the mountain area

3.3風(fēng)向?qū)φ`差的影響

為了進(jìn)一步了解不同風(fēng)向上風(fēng)速模擬效果,將各個(gè)風(fēng)向區(qū)間范圍內(nèi)的均方根誤差進(jìn)行歸一化處理(圖7)。其中,若某一風(fēng)向區(qū)間上出現(xiàn)風(fēng)的概率很小(樣本數(shù)小于15),則該方向不予統(tǒng)計(jì),由圖7a可看出沿海測(cè)風(fēng)塔10 m高度上歸一化均方根誤差較高的風(fēng)向?yàn)镹W-NNW(來(lái)自陸地,見(jiàn)圖1a),歸一化均方根誤差較小的風(fēng)向?yàn)镹NE-ENE(來(lái)自海洋),這說(shuō)明在沿海WRF模式對(duì)海風(fēng)的模擬性能比陸風(fēng)的優(yōu)越。圖7b中70 m高度上,歸一化均方根誤差由NNW到E(陸風(fēng)轉(zhuǎn)到海風(fēng))逐漸變小的現(xiàn)象更加明顯。而在內(nèi)陸山地測(cè)風(fēng)塔處,上下層歸一化均方根誤差普遍較大(大于等于0.6),10 m高度上歸一化均方根誤差最大的風(fēng)向?yàn)镹NE,70 m高度上歸一化均方根誤差最大的為SSW和S。

圖7　測(cè)風(fēng)塔不同高度上各風(fēng)向的歸一化均方根誤差　　a.沿海10 m;b.山地10 m;c.沿海70 m;d.山地70 mFig.7　Normalized RMSE versus wind direction at different levels of the wind towers:(a)10 m in the coastal area;(b)10 m in the mountain area;(c)70 m in the coastal area;(d)70 m in the mountain area

圖8　加速比測(cè)試Fig.8　Speedup test with multiple threads

4　不同網(wǎng)格分辨率的準(zhǔn)確性和時(shí)效性

對(duì)于持續(xù)時(shí)間24 h的短期預(yù)報(bào)來(lái)說(shuō),數(shù)值預(yù)報(bào)是一種非常有效的辦法。然而為了確保數(shù)值預(yù)報(bào)的時(shí)效性與準(zhǔn)確性,計(jì)算機(jī)計(jì)算性能及網(wǎng)格分辨率如何配置,值得探討。

采用曙光5U塔式服務(wù)器,2顆Xeon 5650(2.67GHz)6核處理器,具備24線(xiàn)程處理能力,內(nèi)存12 G,操作系統(tǒng)為SUSE Linux,編譯器為PGI10.6,并行軟件為MPICH2-1.1.1。圖8給出了該服務(wù)器對(duì)福建六鰲風(fēng)電場(chǎng)風(fēng)速模擬進(jìn)行6 h積分的加速比測(cè)試結(jié)果,使用并行計(jì)算可有效地提高模式計(jì)算速度,節(jié)省積分時(shí)間。隨著線(xiàn)程數(shù)的增加,所需的計(jì)算時(shí)間快速減少,加速比增加,線(xiàn)程數(shù)為12時(shí)并行加速比達(dá)到最大值5.872,但此后隨著線(xiàn)程數(shù)的繼續(xù)增加,計(jì)算時(shí)間并沒(méi)有得到提高,并行加速比反而降低。

從風(fēng)功率預(yù)測(cè)的時(shí)效性保障來(lái)說(shuō),國(guó)家能源總局要求當(dāng)天上報(bào)次日00時(shí)至24時(shí)的短期風(fēng)功率預(yù)測(cè)結(jié)果。風(fēng)速的預(yù)測(cè)時(shí)效需考慮數(shù)值模式的初始及背景場(chǎng)數(shù)據(jù)的下載時(shí)間,模擬計(jì)算前期融合時(shí)段等等多種因素,取48 h為預(yù)報(bào)長(zhǎng)度。分別對(duì)福建六鰲風(fēng)電場(chǎng)及貴州韭菜坪風(fēng)電場(chǎng)進(jìn)行48 h的風(fēng)速數(shù)值預(yù)報(bào),分9 km、3 km、1 km分辨率。其中,9 km分辨率的模擬只運(yùn)行原算例設(shè)計(jì)的第一層嵌套,地形數(shù)據(jù)變?yōu)?0 s,其他參數(shù)與表1同;3 km分辨率的模擬只運(yùn)行原算例設(shè)計(jì)的第一層和第二層嵌套,地形數(shù)據(jù)分別改為2 min和30 s,其他參數(shù)與表1同。1 km分辨率具體情況參見(jiàn)表1及算例介紹部分。不同網(wǎng)格分辨率的測(cè)試選擇速度最快的12進(jìn)程數(shù)進(jìn)行模擬,同時(shí)使用Linux腳本實(shí)現(xiàn)模式前處理、模式計(jì)算的自動(dòng)運(yùn)行并記錄每次運(yùn)行所需的時(shí)間,結(jié)果如圖9a所示。隨著網(wǎng)格分辨率的提升,模擬耗時(shí)也在不斷增加,3種不同網(wǎng)格分辨率,沿海模擬平均耗時(shí)分別為20 min、104 min和367 min,山地模擬平均耗時(shí)分別為26 min、105 min和344 min。可見(jiàn),采用曙光5U12核塔式服務(wù)器,即使采用1 km的分辨率也能夠滿(mǎn)足預(yù)報(bào)時(shí)效性,預(yù)報(bào)48 h僅需約6 h的計(jì)算時(shí)間。

進(jìn)一步探究不同分辨率的模擬精度。由于多數(shù)風(fēng)電場(chǎng)的風(fēng)機(jī)輪轂高度在70 m左右,下文將對(duì)沿海及山地70 m高度上9 km、3 km和1 km網(wǎng)格分辨率模擬的平均誤差、相關(guān)系數(shù)以及均方根誤差進(jìn)行分析,結(jié)果如圖9b、c、d所示。提高網(wǎng)格分辨率,可以增大模擬結(jié)果與觀測(cè)結(jié)果之間的相關(guān)系數(shù),這在山地尤為明顯,但是僅僅提高區(qū)域的網(wǎng)格分辨率,并不一定能提升模擬的準(zhǔn)確性。例如,在沿海,當(dāng)網(wǎng)格分辨率由9 km提升至3 km時(shí),模擬準(zhǔn)確性也隨之提升,平均誤差和均方根誤差分別減小4.43%和8.50%,而當(dāng)網(wǎng)格分辨率繼續(xù)由3 km提至到1 km時(shí),模擬準(zhǔn)確性就沒(méi)有得到進(jìn)一步提升,均方根誤差反而增加了3.03%,這與楊正卿等(2010)進(jìn)行的格距敏感性模擬試驗(yàn)結(jié)果相似,可能與沿海下墊面較平坦有關(guān)。因此,在風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)的實(shí)際應(yīng)用過(guò)程中,選擇模擬區(qū)域分辨率對(duì)于尋求準(zhǔn)確性與時(shí)效性之間的平衡是非常重要的,如果過(guò)分的追求網(wǎng)格分辨率,模擬準(zhǔn)確性不一定能夠得到提升,模擬計(jì)算耗時(shí)反而會(huì)大大地增加。

5　討論和結(jié)論

本文使用WRF模式分別對(duì)沿海及山地風(fēng)電場(chǎng)風(fēng)速進(jìn)行了一個(gè)月的數(shù)值模擬研究,并對(duì)模擬的準(zhǔn)確性、誤差特征以及不同網(wǎng)格分辨率模擬性能等問(wèn)題進(jìn)行了探討,主要結(jié)論如下:

1)無(wú)論在沿海下墊面還是山地下墊面,WRF模式風(fēng)速模擬值均能較好地體現(xiàn)天氣尺度的周期變化,且其變化趨勢(shì)與觀測(cè)值也較吻合,但對(duì)周期小于24 h的局地環(huán)流及湍流陣性風(fēng)速特征,WRF模式模擬值的捕捉能力相對(duì)較弱。

2)沿海及山地條件下模擬與觀測(cè)的誤差特征各不相同。在沿海,由于模式靜態(tài)數(shù)據(jù)并未顯現(xiàn)測(cè)風(fēng)塔所在的小島,模式中測(cè)風(fēng)塔所在的下墊面為海表,對(duì)下墊面拖曳作用考慮不夠充分,導(dǎo)致平均模擬風(fēng)速偏大;而山地觀測(cè)塔位于山脊上,其周?chē)匦味盖?氣流爬坡過(guò)山脊時(shí)會(huì)由于地形作用而加速,但模式的平均地形削弱了實(shí)際地形的陡峭程度,導(dǎo)致平均模擬風(fēng)速偏小。

3)分析不同風(fēng)向的歸一化均方根誤差,沿海條件下陸風(fēng)情況下,由于下墊面相對(duì)復(fù)雜,誤差明顯增大;海風(fēng)情況下,下墊面均一,誤差明顯減小。該種明顯的誤差分布特征為沿海風(fēng)電場(chǎng)風(fēng)速預(yù)報(bào)誤差訂正提供了方向。山地條件下,各方向的下墊面都較為復(fù)雜,不同風(fēng)向的誤差分布并無(wú)明顯特征,數(shù)值預(yù)報(bào)值的誤差訂正需進(jìn)一步探究。

圖9　沿海及山地條件70 m高度上不同網(wǎng)格分辨率模擬耗時(shí)及模擬結(jié)果　　a.模擬耗時(shí);b.平均誤差;c.相關(guān)系數(shù);d.均方根誤差Fig.9　Consuming time and results of the simulations with different grid resolutions at 70 m in the coastal and the mountain area:(a)consuming time;(b)mean error;(c)correlation coefficient;(d)RMSE

4)僅作單個(gè)風(fēng)電場(chǎng)周邊數(shù)百千米的模擬,采用一臺(tái)12核的服務(wù)器進(jìn)行WRF模式的并行計(jì)算可滿(mǎn)足48 h短期預(yù)測(cè)的時(shí)效性。山地條件下,地形地貌比較復(fù)雜,網(wǎng)格分辨率的提高導(dǎo)致地形地貌的分辨程度增加,模擬精度有所提高。然而沿海條件下,1 km分辨率的模擬并不比3 km的模擬更具優(yōu)勢(shì)。僅僅提高區(qū)域的網(wǎng)格分辨率,并不一定能提升模擬的準(zhǔn)確性,還需要從引入更準(zhǔn)確的地形地貌數(shù)據(jù)。

本文以福建六鰲風(fēng)電場(chǎng)及貴州韭菜坪風(fēng)電場(chǎng)作為沿海和山地條件的代表進(jìn)行風(fēng)速模擬的數(shù)值研究,對(duì)數(shù)值模擬的精度,誤差特征,計(jì)算條件與預(yù)報(bào)時(shí)效性以及網(wǎng)格分辨率的匹配做了一初步的探討。

然而風(fēng)電場(chǎng)近地層風(fēng)速的數(shù)值預(yù)報(bào)仍有大量的工作,數(shù)值模式的參數(shù)化方案的適應(yīng)性,精細(xì)體現(xiàn)風(fēng)電場(chǎng)實(shí)際地形地貌靜態(tài)數(shù)據(jù)的引入,大量不同類(lèi)型風(fēng)電場(chǎng)觀測(cè)數(shù)據(jù)的長(zhǎng)期模擬比對(duì)等問(wèn)題尚需深入研究。

References)

Ahlstrom M,Jones L,Zavadil R,et al.,2005.The future of wind forecasting and utility operations[J].IEEE Power Energy Mag,3(6):57-64.

Alexiadis M C,Dokopoulos P S,Sahsamanoglou H S,et al.,1998.Short-term forecasting of wind speed and related electrical power[J].Sol Energy,63(1):61-68.

Barna M,Lamb B,O’neill S,et al.,2000.Modeling ozone formation and transport in the Cascadia region of the Pacific Northwest[J].J Appl Meteor,39(3):349-366.

Ernst B,Oakleaf B,Ahlstrom M L,et al.,2007.Predicting the wind[J].IEEE Power Energy Mag,5(6):78-89.

惠小英,高曉清,桂俊祥,等,2011.酒泉風(fēng)電基地高分辨率風(fēng)能資源的數(shù)值模擬[J].高原氣象,30(2):538-544.Hui X Y,Gao X Q,Gui J X,et al.,2011.Numerical simulation of high resolution wind power resource in Jiuquan wind power base area[J].Plateau Meteor,30(2):538-544.(in Chinese).

Lazar L,Goran P,Momcilo Z,2010.Wind forecasts for wind power generation using the Eta model[J].Renew Energ,35(6):1236-1243.

盧峰本,1998.卡爾曼濾波在沿海冬半年風(fēng)力預(yù)報(bào)中的應(yīng)用[J].氣象,24(3):50-53.Lu F B,1998.The application of Kalman filter to the coastal wind forecast in winter[J].Meteor Mon,24(3):50-53.(in Chinese).

穆海振,徐家良,柯曉新,等,2006.高分辨率數(shù)值模式在風(fēng)能資源評(píng)估中的應(yīng)用初探[J].應(yīng)用氣象學(xué)報(bào),17(2):152-159.Mu H Z,Xu J L,Ke X X,et al.,2006.Application of high resolution numerical model to wind energy potential assessment[J].J Appl Meteor Sci,17(2):152-159.(in Chinese).

Nakanishi M,Niino H,2004.An improved Mellor-Yamada level-3 model with condensation physics:its design and verification[J].Bound-Layer Meteor,112(1):1-31.

Panastasiou D K,Melas D,Lissaridis I,2010.Study of wind field under sea breeze conditions:An application of WRF model[J].Atmos Res,98(1):102-117.

彭懷午,劉方銳,楊曉峰,2011.基于組合預(yù)測(cè)方法的風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè)[J].太陽(yáng)能學(xué)報(bào),32(4):543-547.Peng H W,Liu F R,Yang X F,2011.Short term wind speed forecast based on combined prediciton[J].Acta Energ Sol Sin,32(4):543-547.(in Chinese).

任永建,劉敏,袁業(yè)暢,等,2012.湖北省風(fēng)能資源的高分辨率數(shù)值模擬試驗(yàn)[J].自然資源學(xué)報(bào),27(6):1035-1043.Ren Y J,Liu M,Yuan Y C,et al.,2012.The high resolution numerical simulation of wind energy resource in hubei province[J].Journal of Natural Resources,27(6):1035-1043.(in Chinese).

孫川永,陶樹(shù)旺,羅勇,等,2009.高分辨率中尺度數(shù)值模式在風(fēng)電場(chǎng)風(fēng)速預(yù)報(bào)中的應(yīng)用[J].太陽(yáng)能學(xué)報(bào),30(8):1097-1099.Sun C Y,Tao S W,Luo Y,et al.,2009.The application of high resolution mesoscale model in wind speed forecasting in wind farm[J].Acta Energ Sol Sin,30(8):1097-1099.(in Chinese).

孫春順,王耀南,李欣然,2008.小時(shí)風(fēng)速的向量自回歸模型及應(yīng)用[J].中國(guó)電機(jī)工程學(xué)報(bào),28(14):112-117.Sun C S,Wang Y N,Li X R,2008.A vector autoregression model of hourly wind speed and its applications in hourly wind speed forecasting[J].Proceedings of the CSEE,28(14):112-117.(in Chinese).

王麗婕,冬雷,廖曉鐘,等,2009.基于小波分析的風(fēng)電場(chǎng)短期發(fā)電功率預(yù)測(cè)[J].中國(guó)電機(jī)工程學(xué)報(bào),29(28):30-33.Wang L J,Dong L,Liao X Z,et al.,2009.Short-term power prediciton of a wind farm based on wave analysis[J].Proceedings of the CSEE,29(28):30-33.(in Chinese).

吳息,黃林宏,周海,等,2014a.風(fēng)電場(chǎng)風(fēng)速數(shù)值預(yù)報(bào)的動(dòng)態(tài)修訂方法的探討[J].大氣科學(xué)學(xué)報(bào),37(5):665-670.Wu X,Huang L H,Zhou H,et al.,2014a.Discussion on dynamic corrections of numerical prediction of wind velocity in wind farm[J].Trans Atmos Sci,37(5):665-670.(in Chinese).

吳息,白龍,崔方,等,2014b.海面與海岸陸面風(fēng)速廓線(xiàn)特征[J].大氣科學(xué)學(xué)報(bào),37(2):138-145.Wu X,Bai L,Cui F,et al.,2014b.Wind profile features of surface layer over ocean and cost[J].Trans Atmos Sci,37(2):138-145.(in Chinese).

楊曉玲,丁文魁,袁金梅,等,2012.河西走廊東部大風(fēng)氣候特征及預(yù)報(bào)[J].大氣科學(xué)學(xué)報(bào),35(1):121-127.Yang X L,Din W K,Yuan J M,et al.,2012.Climate characteristics of the gale and its forecast in east Hexi corridor[J].Trans Atmos Sci,35(1):121-127.(in Chinese).

楊正卿,劉聰,銀燕,2010.蘇通大橋橋位江面風(fēng)速的數(shù)值試驗(yàn)[J].氣象科學(xué),30(2):193-201.Yang Z Q,Liu C,Yin Y,2010.Numerical experiment of the wind velocity over Sutong highway bridge[J].Scientia Meteorologica Sinica,30(2):193-201.(in Chinese).

趙彥廠,江志紅,吳息,2008.基于區(qū)域氣候模式的江蘇省風(fēng)能評(píng)估試驗(yàn)[J].南京氣象學(xué)院學(xué)報(bào),31(1):75-82.Zhao Y C,Jiang Z H,Wu X,2008.Wind energy resource evaluation for Jiangsu province based on RegCM3[J].J Nanjing Inst Meteor,31(1):75-82.(in Chinese).

周榮衛(wèi),何曉鳳,朱蓉,等,2010.中國(guó)近海風(fēng)能資源開(kāi)發(fā)潛力數(shù)值模擬[J].資源科學(xué),32(8):1434-1443.Zhou R W,He X F,Zhu R,et al.,2010.Numerical simulation of the development potential of wind energy resources over China’s offshore areas[J].Resources Science,32(8):1434-1443.(in Chinese).

Accurate wind speed forecasts ensure the timely dispatch of power,thereby improving the economic effectiveness of wind power.The traditional methods of wind speed prediction focus on statistical models,but these are unable to satisfy requirements in terms of precision and time.Numerical models have become more prevalent in wind speed forecasting in recent years.Accordingly,in order to investigate simulation accuracy,error characteristics and time effectiveness for wind speed simulation of a numerical model over a complex underlying surface,one-month long wind speeds at the heights of 10 m,30 m,50 m and 70 m on a wind farm in Liuao (coastal area) and Jiucaiping (mountain area) are respectively simulated using the WRF model.The main results and discussion points are as follows:

(1)The comparison of simulated and observed wind speeds at different heights indicates that the WRF model performs well in simulating the wind speed over a complex underlying surface,the simulated wind speed trends are in good agreement with the observations in both coastal and mountain areas,and the synoptic-scale variations are also well reflected in the simulation.However,the fluctuation caused by the local circulation and turbulence is hard to capture in the wind speed simulation.Besides,statistical assessments using correlation coefficients,relative error,root-mean-square error(RMSE) and index of agreement show that the accuracy of wind speed simulation does not enhance with increased height in coastal areas,but improves significantly in mountain areas.

(2)The error characteristics between simulations and observations are different in coastal and mountain areas.Compared with the real landforms,the small island in coastal areas does not appear in the model’s static terrestrial data.As a result,the frictional effect of the underlying island is neglected in the simulation,and the average simulated wind speeds are overestimated in coastal areas.Nevertheless,the elevation of the wind tower in mountain areas decreases in the static terrestrial data due to the weakening of the actual mountain slope,and thus the average simulated wind speeds are underestimated in mountain areas.

(3)The normalized RMSE of wind speeds is analyzed in different directions.The normalized RMSE increases significantly due to the relatively complex underlying surface in the case of land breezes,and decreases due to the homogeneous underlying surface in the case of sea breezes in coastal areas.Conversely,the normalized RMSE distribution is not obvious in mountain areas.The obvious error distribution characteristics provide a direction for further error correction of wind speed forecasting on wind farms in coastal areas.

(4)To forecast the wind speed on a scale of a few hundred kilometers surrounding the wind farm,parallel computation of the WRF model using a server with 12-core processors is sufficient to meet the time effectiveness of 48-h short-term forecasts.However,only increasing the grid resolution is not necessary to improve the accuracy of the simulation.Therefore,in the practical application of wind speed forecasting on a wind farm,it is important to set an appropriate grid resolution for the balance between simulation accuracy and time effectiveness.More accurate terrestrial data should be introduced to improve the precision.

complex underlying surface;WRF model;numerical simulation;wind speed;error characteristics;grid resolution

(責(zé)任編輯：劉菲)

Numerical simulation and error characteristics for wind speed on a wind farm over a complex underlying surface

ZU Fan1,FAN Shuxian1,WANG Yongwei2,WU Xi2

1SchoolofAtmosphericPhysics,NanjingUniversityofInformationScience&Technology,Nanjing210044,China;2AtmosphericEnvironmentCenter,NanjingUniversityofInformationScience&Technology,Nanjing210044,China

10.13878/j.cnki.dqkxxb.20121224001

引用格式：祖繁,樊曙先,王詠薇,等,2016.復(fù)雜下墊面風(fēng)電場(chǎng)風(fēng)速數(shù)值模擬及誤差特征[J].大氣科學(xué)學(xué)報(bào),39(5):672-682.

Zu F,Fan S X,Wang Y W,et al.,2016.Numerical simulation and error characteristics for wind speed on a wind farm over a complex underlying surface[J].Trans Atmos Sci,39(5):672-682.doi：10.13878/j.cnki.dqkxxb.20121224001.(in Chinese).

*聯(lián)系人，E-mail:zufan123@yeah.net