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

祖繁,樊曙先,王詠薇,吳息

?

復(fù)雜下墊面風(fēng)電場風(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

江蘇省科技支撐計劃(BE2010200);江蘇省高校優(yōu)勢學(xué)科建設(shè)工程資助項目(PAPD)

利用WRF模式分別對沿海及山地條件下風(fēng)電場風(fēng)速進行高分辨數(shù)值模擬,并對其誤差特征進行分析,結(jié)果表明:1)WRF模式對復(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)僅作單個風(fēng)電場周邊數(shù)百平方千米的模擬,采用一臺12核的服務(wù)器進行WRF模式的并行計算可滿足48 h短期預(yù)測的時效性。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)電作為一種無污染、可再生的能源,已逐漸成為許多國家可持續(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)報可供電網(wǎng)及時調(diào)度,從而提高風(fēng)電的經(jīng)濟效益。但是,由于風(fēng)具有波動性和間歇性,大容量的風(fēng)電接入電網(wǎng)將會對電力系統(tǒng)的安全、穩(wěn)定運行以及保證電能質(zhì)量帶來嚴峻挑戰(zhàn)(王麗婕等,2009)。為促進風(fēng)電健康發(fā)展,保證風(fēng)電順利并網(wǎng)和電力系統(tǒng)安全運行,國家能源局[2011]177號文件《風(fēng)電場功率預(yù)測預(yù)報管理暫行辦法》明確規(guī)定,所有風(fēng)電場需向國家電網(wǎng)調(diào)度中心上報短期及超短期風(fēng)功率預(yù)報。通過預(yù)測風(fēng)電場風(fēng)速,再利用風(fēng)電場的功率特性曲線,則可轉(zhuǎn)化為預(yù)測未來時刻的風(fēng)力發(fā)電功率,這對電力系統(tǒng)合理制定調(diào)度計劃具有重要的指導(dǎo)意義(Ahlstrom et al.,2005)。

傳統(tǒng)的風(fēng)電場風(fēng)速預(yù)測多采用統(tǒng)計方法,如持續(xù)性算法(Alexiadis et al.,1998)、卡爾曼濾波法(盧峰本,1998)、時間序列法(孫春順等,2008)以及組合預(yù)測法(彭懷午等,2011)等。統(tǒng)計方法具有系統(tǒng)誤差小的優(yōu)點,但通常需要大量的、長期的歷史測風(fēng)資料(Ernst et al.,2007),這就為新建風(fēng)電場的風(fēng)速預(yù)測帶來了困難。此外,由于無法描述湍流波動造成的風(fēng)場突變,統(tǒng)計方法的預(yù)測時間尺度也往往在6 h之內(nèi),而風(fēng)力發(fā)電并入電網(wǎng)需要風(fēng)電場至少提供1～2 d的提前預(yù)報(Lazar et al.,2010)。由此可見,單純的統(tǒng)計預(yù)測方法并不能滿足風(fēng)電場對風(fēng)速預(yù)測時間長度和預(yù)測精度的要求。

目前,數(shù)值模式產(chǎn)品在風(fēng)速模擬預(yù)測方面得到了廣泛的應(yīng)用。楊曉玲等(2012)通過ECMWF數(shù)值預(yù)報格點場資料建立河西走廊東部地區(qū)的大風(fēng)預(yù)報方程。吳息等(2004a)使用MM5模式產(chǎn)品預(yù)報福建沿海風(fēng)電場風(fēng)速并進行誤差分析,發(fā)現(xiàn)海陸交界下墊面會導(dǎo)致一定的系統(tǒng)性誤差。穆海振等(2006)利用TAPM模式對上海近海風(fēng)場分布的氣候特征進行模擬,發(fā)現(xiàn)風(fēng)速大小對下墊面物理特征具有敏感性。孫川永等(2009)使用RAMS模式對某風(fēng)電場進行了水平分辨率為1 km的短期風(fēng)速預(yù)測,模擬結(jié)果能夠較好地預(yù)報風(fēng)速風(fēng)向的變化狀況。趙彥廠等(2008)利用RegCM3模式對江蘇區(qū)域的風(fēng)場特征進行了分析評估,發(fā)現(xiàn)模擬場能夠較好地反映風(fēng)速的空間分布形態(tài)?；菪∮⒌?2011)使用WRF模式對酒泉地區(qū)進行了風(fēng)速模擬,并由此給出酒泉風(fēng)電基地地區(qū)風(fēng)能資源的精細化評估結(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)了觀測站點風(fēng)速的日變化特征。

然而數(shù)值模式對不同地形條件下的風(fēng)電場近地層風(fēng)速模擬的準(zhǔn)確性如何?誤差特征如何分布?不同網(wǎng)格分辨率對模擬結(jié)果的影響如何?同時,數(shù)值天氣預(yù)報方法需要高性能計算機支持計算,計算機的配置、網(wǎng)格分辨率、及時效性與模擬精度如何匹配?這些數(shù)值預(yù)報問題在風(fēng)電場風(fēng)速預(yù)測的實際應(yīng)用中尚需深入研究。

基于以上背景,本文應(yīng)用WRF模式,對沿海及內(nèi)陸山地風(fēng)電場近地層風(fēng)速進行模擬,并對模擬準(zhǔn)確度、誤差特征、網(wǎng)格分辨率對計算精度和計算時效的影響等問題進行初步探討,以期為風(fēng)電場風(fēng)電功率預(yù)測提供思路。

1　模式及算例

采用WRF模式對沿海及內(nèi)陸山地復(fù)雜地形條件下的風(fēng)電場風(fēng)速數(shù)值模擬進行研究,分別以已建的福建六鰲及貴州韭菜坪風(fēng)電場作為研究對象,進行了一個月的風(fēng)速模擬研究。兩次模擬采用相同網(wǎng)格設(shè)計的三層嵌套,模擬時間、模擬區(qū)域中心及網(wǎng)格設(shè)計如表1所示。邊界層參數(shù)化方案對于近地層風(fēng)速的模擬至關(guān)重要,本文通過多次的個例模擬,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程方案選擇相同,即:微物理過程方案選擇WSM 3類簡單冰相方案;長波輻射采用RRTM方案;短波輻射采用Dudhia方案;陸面過程采用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)果輸出時間間隔為1 h。

表1數(shù)值模擬設(shè)計

Table 1Design of the numerical simulation

模式參數(shù)模擬時間模擬區(qū)域中心網(wǎng)格數(shù)水平分辨率積分時間步長/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)的下墊面條件及測風(fēng)塔位置。A測風(fēng)塔位于海陸交界點上的一個小島上,(圖2a),小島約數(shù)十米寬,數(shù)百米長。WRF模式中最內(nèi)層30 s分辨率的地形數(shù)據(jù),無法有效地分辨出該小島,所以在WRF下墊面圖中,未見該小島。圖1b為模式中貴州韭菜坪風(fēng)電場下墊面分布。由圖可見,韭菜坪風(fēng)電場下墊面為山地地形,B測風(fēng)塔位于山脊上,其南側(cè)地形陡峭。對比高分辨率地形圖(圖2)可見,測風(fēng)塔所在位置實際地形高度為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模式對復(fù)雜地形風(fēng)電場風(fēng)速模擬性能的量化評估

WRF模式為新一代中尺度天氣模式,在天氣過程預(yù)測、模擬等研究及業(yè)務(wù)工作中性能良好,然而對于復(fù)雜地形的近地層風(fēng)速模擬性能如何,還需要準(zhǔn)確的量化評估。為檢驗?zāi)M效果,針對福建六鰲風(fēng)電場以及貴州韭菜坪風(fēng)電場1個月的模擬結(jié)果,采用距離加權(quán)反比法將測風(fēng)塔周圍四個格點上的模擬值插值到測風(fēng)塔上,然后再將其與觀測值進行比較。

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;實三角分別代表:A為福建六鰲風(fēng)電場測風(fēng)塔、B為貴州韭菜坪風(fēng)電場測風(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　六鰲測風(fēng)塔(a)及韭菜坪測風(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)電場近地層不同高度(10 m,30 m,50 m,70 m)風(fēng)速模擬值與觀測值的對比。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)電場實測風(fēng)速的變化特征來看,沿海風(fēng)電場風(fēng)速變化以數(shù)日為周期的天氣尺度背景場的特征明顯,疊加在天氣尺度背景場上亦有逐日變化的特征。山地風(fēng)電場的風(fēng)速比沿海風(fēng)電場的風(fēng)速有更多波動,除了天氣尺度,日尺度的變化,還呈現(xiàn)明顯的陣性特征。

對比模擬與實測風(fēng)速可見,WRF模式能夠較好地抓住背景天氣條件變化的影響,無論是沿海風(fēng)電場,還是山地風(fēng)電場,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,變化趨勢亦與觀測較吻合。從局地環(huán)流影響的逐日變化過程來看,模擬狀況略差,沿海風(fēng)電場在一些風(fēng)速峰值階段,模擬值往往大于觀測值,這種趨勢在高層更為明顯。而山地風(fēng)電場其模擬值往往小于實測值。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)電場不同高度模擬風(fēng)速和觀測風(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)電場不同高度模擬風(fēng)速和觀測風(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

為量化評估模擬結(jié)果與觀測值的吻合程度,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)計參數(shù)對模擬結(jié)果進行評估,結(jié)果見表2。沿海條件下,模擬值大于實測值,并且隨著近地層高度的增加,模擬值與實測值的平均誤差增大,到70 m高度時為1.01 m/s。究其原因,主要是實際測風(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,因此測風(fēng)塔位置處,模擬下墊面為海表,海表相對平滑,粗糙度小,因而模擬所得風(fēng)速較大。而山地條件下,模擬值總體小于實測值,這種情況在低層更為明顯,10 m高度上模擬值和實測值的平均絕對誤差為-1.54 m/s。這主要是因為實際韭菜坪風(fēng)電場所在位置為高度約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,低于實際地形,因此模擬值低于實測值。

沿海風(fēng)電場的模擬,隨著近地層高度的增加,模擬性能并沒有顯著提高,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。這說明,在低層,模擬值與觀測值的離散度較小,而在高層,模擬值與觀測值的離散度較大,但是趨勢更為一致。與MM5/Calmet模式在福建沿海測風(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)果略優(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)對湖北齊岳山測風(fēng)塔的風(fēng)速模擬也存在類似的結(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)格及陸面物理過程的局限性,模式很難真實地分辨實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,地形地貌對近地面風(fēng)場的影響越明顯,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)計評估參數(shù)的結(jié)果可知,WRF模式能夠較好地模擬海邊風(fēng)電場及山地風(fēng)電場近地層天氣尺度的風(fēng)速變化,模擬值能夠體現(xiàn)其周期,變化趨勢亦與觀測較吻合。然而對于周期小于24 h的陣性風(fēng)速的模擬性能有待提高?？傮w來說,由于地形分辨率的局限性,沿海風(fēng)電場所在的小島在模擬算例下墊面內(nèi)并未顯現(xiàn),沿海風(fēng)電場模擬值總體大于實測值。同時由于模式可分辨地形高度低于實際地形高度,山地風(fēng)電場模擬值整體低于實測值。

3　風(fēng)速模擬誤差

由于模式對復(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)報的方法很難對近地面風(fēng)速完全準(zhǔn)確地進行模擬,因此研究模擬值與實測值之間的誤差特征將為誤差訂正、提高預(yù)報準(zhǔn)確率打下基礎(chǔ)。下文將對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、貴州韭菜坪風(fēng)電場測風(fēng)塔在10 m和70 m高度上模擬值、實測值及誤差的日平均分布。時間范圍是09:00至次日08:00(北京時間,下同)。從圖中可以看出,沿海測風(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,逐時的平均模擬風(fēng)速均大于觀測風(fēng)速;山地測風(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為山地測風(fēng)塔一天當(dāng)中模擬誤差最大的時段,10 m誤差范圍達-2.01～-3.68 m/s,70 m誤差范圍達-1.16～-2.39 m/s。

3.2風(fēng)速對誤差的影響

圖6是沿海及山地測風(fēng)塔在10 m和70 m高度上觀測、模擬風(fēng)速分布概率分對比。由圖6a、6c可看出,沿海模擬風(fēng)速分布概率高值區(qū)較實測風(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)速比觀測風(fēng)速分別小了1.54 m/s和0.73 m/s。山地測風(fēng)塔位于山脊上,其周圍地形陡峭,氣流爬坡通過山脊時會由于地形作用而加速,但模式地形為1 km×1 km的平均地形,削弱了實際地形的陡峭程度,故風(fēng)速模擬值較小。此外,通過對比發(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),而實際觀測卻幾乎沒有風(fēng)速小于1 m/s的風(fēng)。

表2沿海、山地測風(fēng)塔不同高度上風(fēng)速模擬結(jié)果的統(tǒng)計評估

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

測風(fēng)塔高度/m平均風(fēng)速/(m·s-1)模擬值觀測值誤差相關(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　測風(fēng)塔不同高度上模擬值、觀測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　測風(fēng)塔不同高度上實測、模擬風(fēng)速概率分布對比　　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

為了進一步了解不同風(fēng)向上風(fēng)速模擬效果,將各個風(fēng)向區(qū)間范圍內(nèi)的均方根誤差進行歸一化處理(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,由圖7a可看出沿海測風(fēng)塔10 m高度上歸一化均方根誤差較高的風(fēng)向為NW-NNW(來自陸地,見圖1a),歸一化均方根誤差較小的風(fēng)向為NNE-ENE(來自海洋),這說明在沿海WRF模式對海風(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)向為NNE,70 m高度上歸一化均方根誤差最大的為SSW和S。

圖7　測風(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　加速比測試Fig.8　Speedup test with multiple threads

4　不同網(wǎng)格分辨率的準(zhǔn)確性和時效性

對于持續(xù)時間24 h的短期預(yù)報來說,數(shù)值預(yù)報是一種非常有效的辦法。然而為了確保數(shù)值預(yù)報的時效性與準(zhǔn)確性,計算機計算性能及網(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)器對福建六鰲風(fēng)電場風(fēng)速模擬進行6 h積分的加速比測試結(jié)果,使用并行計算可有效地提高模式計算速度,節(jié)省積分時間。隨著線程數(shù)的增加,所需的計算時間快速減少,加速比增加,線程數(shù)為12時并行加速比達到最大值5.872,但此后隨著線程數(shù)的繼續(xù)增加,計算時間并沒有得到提高,并行加速比反而降低。

從風(fēng)功率預(yù)測的時效性保障來說,國家能源總局要求當(dāng)天上報次日00時至24時的短期風(fēng)功率預(yù)測結(jié)果。風(fēng)速的預(yù)測時效需考慮數(shù)值模式的初始及背景場數(shù)據(jù)的下載時間,模擬計算前期融合時段等等多種因素,取48 h為預(yù)報長度。分別對福建六鰲風(fēng)電場及貴州韭菜坪風(fēng)電場進行48 h的風(fēng)速數(shù)值預(yù)報,分9 km、3 km、1 km分辨率。其中,9 km分辨率的模擬只運行原算例設(shè)計的第一層嵌套,地形數(shù)據(jù)變?yōu)?0 s,其他參數(shù)與表1同;3 km分辨率的模擬只運行原算例設(shè)計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表1及算例介紹部分。不同網(wǎng)格分辨率的測試選擇速度最快的12進程數(shù)進行模擬,同時使用Linux腳本實現(xiàn)模式前處理、模式計算的自動運行并記錄每次運行所需的時間,結(jié)果如圖9a所示。隨著網(wǎng)格分辨率的提升,模擬耗時也在不斷增加,3種不同網(wǎng)格分辨率,沿海模擬平均耗時分別為20 min、104 min和367 min,山地模擬平均耗時分別為26 min、105 min和344 min?？梢?采用曙光5U12核塔式服務(wù)器,即使采用1 km的分辨率也能夠滿足預(yù)報時效性,預(yù)報48 h僅需約6 h的計算時間。

進一步探究不同分辨率的模擬精度。由于多數(shù)風(fēng)電場的風(fēng)機輪轂高度在70 m左右,下文將對沿海及山地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,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,模擬準(zhǔn)確性就沒有得到進一步提升,均方根誤差反而增加了3.03%,這與楊正卿等(2010)進行的格距敏感性模擬試驗結(jié)果相似,可能與沿海下墊面較平坦有關(guān)。因此,在風(fēng)電場風(fēng)速預(yù)測的實際應(yīng)用過程中,選擇模擬區(qū)域分辨率對于尋求準(zhǔn)確性與時效性之間的平衡是非常重要的,如果過分的追求網(wǎng)格分辨率,模擬準(zhǔn)確性不一定能夠得到提升,模擬計算耗時反而會大大地增加。

5　討論和結(jié)論

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

1)無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,且其變化趨勢與觀測值也較吻合,但對周期小于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較弱。

2)沿海及山地條件下模擬與觀測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)測風(fēng)塔所在的小島,模式中測風(fēng)塔所在的下墊面為海表,對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;而山地觀測塔位于山脊上,其周圍地形陡峭,氣流爬坡過山脊時會由于地形作用而加速,但模式的平均地形削弱了實際地形的陡峭程度,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)電場風(fēng)速預(yù)報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)向的誤差分布并無明顯特征,數(shù)值預(yù)報值的誤差訂正需進一步探究。

圖9　沿海及山地條件70 m高度上不同網(wǎng)格分辨率模擬耗時及模擬結(jié)果　　a.模擬耗時;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)僅作單個風(fēng)電場周邊數(shù)百千米的模擬,采用一臺12核的服務(wù)器進行WRF模式的并行計算可滿足48 h短期預(yù)測的時效性。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。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)電場及貴州韭菜坪風(fēng)電場作為沿海和山地條件的代表進行風(fēng)速模擬的數(shù)值研究,對數(shù)值模擬的精度,誤差特征,計算條件與預(yù)報時效性以及網(wǎng)格分辨率的匹配做了一初步的探討。

然而風(fēng)電場近地層風(fēng)速的數(shù)值預(yù)報仍有大量的工作,數(shù)值模式的參數(shù)化方案的適應(yīng)性,精細體現(xiàn)風(fēng)電場實際地形地貌靜態(tài)數(shù)據(jù)的引入,大量不同類型風(fēng)電場觀測數(shù)據(jù)的長期模擬比對等問題尚需深入研究。

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)能資源評估中的應(yīng)用初探[J].應(yīng)用氣象學(xué)報,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)測方法的風(fēng)電場短期風(fēng)速預(yù)測[J].太陽能學(xué)報,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[J].自然資源學(xué)報,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,陶樹旺,羅勇,等,2009.高分辨率中尺度數(shù)值模式在風(fēng)電場風(fēng)速預(yù)報中的應(yīng)用[J].太陽能學(xué)報,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.小時風(fēng)速的向量自回歸模型及應(yīng)用[J].中國電機工程學(xué)報,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)電場短期發(fā)電功率預(yù)測[J].中國電機工程學(xué)報,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)電場風(fēng)速數(shù)值預(yù)報的動態(tài)修訂方法的探討[J].大氣科學(xué)學(xué)報,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)速廓線特征[J].大氣科學(xué)學(xué)報,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[J].大氣科學(xué)學(xué)報,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[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)能評估試驗[J].南京氣象學(xué)院學(xué)報,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.中國近海風(fēng)能資源開發(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)電場風(fēng)速數(shù)值模擬及誤差特征[J].大氣科學(xué)學(xué)報,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