郁永靜，劉志遠(yuǎn)，熊萬(wàn)能

(中國(guó)電建集團(tuán)成都勘測(cè)設(shè)計(jì)研究院有限公司，四川成都610072)

0 引 言

風(fēng)能資源評(píng)估是風(fēng)能開(kāi)發(fā)利用的關(guān)鍵環(huán)節(jié)，它是制定風(fēng)能規(guī)劃、風(fēng)電場(chǎng)選址和風(fēng)電功率預(yù)測(cè)的重要基礎(chǔ)[1]。對(duì)于無(wú)測(cè)風(fēng)或測(cè)風(fēng)塔代表性不足區(qū)域的風(fēng)能資源評(píng)估，目前行業(yè)內(nèi)主要依賴(lài)于中尺度再分析MERRA數(shù)據(jù)[2]。但對(duì)于高海拔復(fù)雜山地風(fēng)電場(chǎng)區(qū)域，由于MERRA數(shù)據(jù)精度較低，存在與實(shí)際測(cè)風(fēng)數(shù)據(jù)誤差較大、相關(guān)性差、風(fēng)速分布不一致等問(wèn)題，不能客觀反映目標(biāo)區(qū)域風(fēng)能資源分布的真實(shí)情況，導(dǎo)致項(xiàng)目前期風(fēng)能資源評(píng)估存在嚴(yán)重誤判的風(fēng)險(xiǎn)。

為提高無(wú)測(cè)風(fēng)或測(cè)風(fēng)塔代表性不足區(qū)域復(fù)雜地形風(fēng)電場(chǎng)風(fēng)能資源評(píng)估的精度，本文將WRF氣象模式應(yīng)用于我國(guó)西南地區(qū)某高海拔山地風(fēng)電場(chǎng)的數(shù)值模擬，并將模擬結(jié)果與區(qū)域內(nèi)6座測(cè)風(fēng)塔的實(shí)測(cè)數(shù)據(jù)和MERRA數(shù)據(jù)分別進(jìn)行對(duì)比。分析年內(nèi)風(fēng)速分布、日內(nèi)風(fēng)速分布，并計(jì)算誤差及相關(guān)性，研究WRF模擬對(duì)無(wú)測(cè)風(fēng)或測(cè)風(fēng)塔代表性不足區(qū)域復(fù)雜地形風(fēng)電場(chǎng)風(fēng)能資源評(píng)估的適用性。

1 WRF氣象模式

WRF(Weather Research and Forecasting)氣象模式是由美國(guó)環(huán)境預(yù)測(cè)中心(NCEP)、美國(guó)國(guó)家大氣研究中心(NCAR)等科研機(jī)構(gòu)開(kāi)發(fā)的氣象數(shù)值模式，WRF模式主要考慮1～10 km的大氣運(yùn)動(dòng)模型，垂直方向采用氣壓地形追隨坐標(biāo)系統(tǒng)，網(wǎng)格系統(tǒng)為Arakawa C，并支持多重網(wǎng)格嵌套，能方便定位地理位置；時(shí)間積分采用三階或四階的龍格-庫(kù)塔算法。模式包含12種微物理過(guò)程、5種積云對(duì)流參數(shù)化方案、4種陸面過(guò)程、3種表面邊界層以及行星邊界層、大氣輻射等方案[3]，用戶(hù)可根據(jù)實(shí)際分辨率要求、天氣狀況、陸面條件等自由選擇各種參數(shù)化方案組合。

2 模擬方案

本次模擬采用3重網(wǎng)格嵌套，第一到三重的網(wǎng)格區(qū)域范圍見(jiàn)圖1，輸入地形分辨率分別為：10′、2′、30″，積分時(shí)間步長(zhǎng)為18 s，各層模擬的空間分辨率分別為27、9、3 km，時(shí)間分辨率分別為：6、1、1 h，模擬2015年11月1日～2016年10月31日一個(gè)完整年的氣象場(chǎng)。

圖1 WRF模式三重嵌套網(wǎng)格區(qū)域示意

圖2 測(cè)風(fēng)塔地理位置示意

塔號(hào)塔高/m測(cè)風(fēng)周期高程/m數(shù)據(jù)完整率/%1802015.09～2016.092 78395.652802015.10至今3 34496.443802015.11～2017.012 23294.814802015.10至今3 11595.765802015.10至今2 70194.466802015.04～2017.072 62093.65

備注：數(shù)據(jù)完整率是指2015年10月1日到2016年9月30日之間的數(shù)據(jù)完整率

模擬區(qū)域內(nèi)某風(fēng)電場(chǎng)共設(shè)立了6座測(cè)風(fēng)塔，海拔最高的2號(hào)測(cè)風(fēng)塔和海拔最低的3號(hào)測(cè)風(fēng)塔高差為1 112 m，地形極其復(fù)雜，測(cè)風(fēng)塔基本情況見(jiàn)表1。為驗(yàn)證模擬效果，本文通過(guò)WRF的后處理模塊，提取6座測(cè)風(fēng)塔位置處的逐小時(shí)WRF模擬數(shù)據(jù)；整理了6座測(cè)風(fēng)塔的實(shí)測(cè)數(shù)據(jù)；通過(guò)商用軟件下載了6座測(cè)風(fēng)塔位置的MERRA數(shù)據(jù)[4]。各測(cè)風(fēng)塔地理位置見(jiàn)圖2。

3 模擬效果驗(yàn)證

3.1 結(jié)果對(duì)比分析

6座測(cè)風(fēng)塔測(cè)風(fēng)代表年各月平均風(fēng)速與WRF模擬結(jié)果、MERRA80 m高度月平均風(fēng)速統(tǒng)計(jì)見(jiàn)表2。選取數(shù)據(jù)完整率最高的2號(hào)測(cè)風(fēng)塔作為代表測(cè)風(fēng)塔繪制各類(lèi)分布圖[5]，2號(hào)測(cè)風(fēng)塔80 m高度實(shí)測(cè)、WRF模擬和MERRA年內(nèi)風(fēng)速分布見(jiàn)圖3。

圖3 2號(hào)測(cè)風(fēng)塔80 m高度實(shí)測(cè)、WRF模擬和MERRA年內(nèi)風(fēng)速分布

m/s

由圖表可知，年內(nèi)各月WRF風(fēng)速和實(shí)測(cè)風(fēng)速變化基本一致：WRF最大風(fēng)速月為4月，風(fēng)速為7.93 m/s；實(shí)測(cè)風(fēng)速最大風(fēng)速月為3月，風(fēng)速為7.87 m/s；MERRA最大風(fēng)速月為4月，風(fēng)速為3.67 m/s；WRF、實(shí)測(cè)和MERRA最小風(fēng)速月為8月，風(fēng)速值分別為4.39、 3.78、1.9 m/s。WRF、MERRA與實(shí)測(cè)數(shù)據(jù)的年內(nèi)風(fēng)速分布趨勢(shì)均具有較高的一致性，但MERRA數(shù)據(jù)明顯偏低。

3.2 誤差分析

鑒于風(fēng)速數(shù)據(jù)存在0風(fēng)速時(shí)段，不采用相對(duì)誤差來(lái)評(píng)價(jià)模擬效果。本文采用平均絕對(duì)誤差[6](RMSE)對(duì)模擬效果進(jìn)行評(píng)價(jià)，其表達(dá)式為

(1)

年平均風(fēng)速誤差為年平均風(fēng)速絕對(duì)誤差的均值，因?yàn)閮H分析一個(gè)完整年的數(shù)據(jù)，n值取1；月平均風(fēng)速誤差為各月平均風(fēng)速絕對(duì)誤差的均值，n值取12；日平均風(fēng)速誤差為各日平均風(fēng)速絕對(duì)誤差的均值，因2016年為閏年，n值取366。

各測(cè)風(fēng)塔月實(shí)測(cè)風(fēng)速與模擬風(fēng)速絕對(duì)誤差見(jiàn)表3。各測(cè)風(fēng)塔WRF模擬與實(shí)測(cè)數(shù)據(jù)的年、月、日平均風(fēng)速絕對(duì)誤差均低于MERRA，6座測(cè)風(fēng)塔實(shí)測(cè)與WRF模擬年平均風(fēng)速誤差均值為0.37 m/s，與MERRA年平均風(fēng)速誤差均值為2.86 m/s，WRF模擬具有較高的模擬精度。

表3 模擬、MERRA與實(shí)測(cè)80 m高度年、月、日平均風(fēng)速絕對(duì)誤差 m/s

3.3 相關(guān)性分析

對(duì)各測(cè)風(fēng)塔實(shí)測(cè)與WRF、實(shí)測(cè)與MERRA日平均風(fēng)速進(jìn)行相關(guān)性分析[7]，相關(guān)系數(shù)見(jiàn)表4，相關(guān)性分布見(jiàn)圖4。各測(cè)風(fēng)塔WRF模擬與實(shí)測(cè)數(shù)據(jù)的相關(guān)系數(shù)均高于MERRA，6座測(cè)風(fēng)塔實(shí)測(cè)與WRF模擬月平均風(fēng)速的相關(guān)系數(shù)均值為0.7095，與MERRA月平均風(fēng)速的相關(guān)系數(shù)均值為0.5759，WRF模擬數(shù)據(jù)較MERRA數(shù)據(jù)具有明顯優(yōu)勢(shì)，可更好應(yīng)用于測(cè)風(fēng)塔缺測(cè)數(shù)據(jù)插補(bǔ)。

表4 各測(cè)風(fēng)塔模擬、MERRA與實(shí)測(cè)數(shù)據(jù)相關(guān)系數(shù)

圖4 2號(hào)測(cè)風(fēng)塔80 m高度WRF模擬、MERRA與實(shí)測(cè)日平均風(fēng)速相關(guān)性分布

4 結(jié) 論

針對(duì)6座測(cè)風(fēng)塔，分別應(yīng)用WRF模擬和MERRA提取了測(cè)風(fēng)塔位置一個(gè)完整年的逐小時(shí)風(fēng)速，并與實(shí)測(cè)數(shù)據(jù)進(jìn)行對(duì)比分析，得出如下結(jié)論：

(1)WRF模擬數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)的年內(nèi)及日內(nèi)風(fēng)速分布趨勢(shì)具有較高的一致性，且明顯優(yōu)于MERRA數(shù)據(jù)。

(2)WRF模擬具有較高的模擬精度，6座測(cè)風(fēng)WRF模擬年、月、日平均風(fēng)速絕對(duì)誤差均值為0.37、0.61、1.36 m/s；6座測(cè)風(fēng)塔實(shí)測(cè)與WRF模擬日平均風(fēng)速的相關(guān)系數(shù)均值為0.709 5。

(3)WRF模擬數(shù)據(jù)基本上可用于高海拔復(fù)雜地形無(wú)測(cè)風(fēng)塔地區(qū)及測(cè)風(fēng)塔代表性不足區(qū)域的風(fēng)能資源評(píng)估，WRF模擬的普遍適應(yīng)性研究還有待進(jìn)一步深化。