CFD方法在貴州分散式風電場資源評估中的應用研究

段 瑩，丁立國，羅宇翔

(貴州省氣候中心，貴州 貴陽 550002)

1 引言

隨著世界人口的不斷增長，能源和天然資源的消費迅猛增長，對人類的生存和可持續發展都提出了嚴峻的考驗，能源危機逐步凸顯。而常規能源不僅面臨著枯竭的問題，其對環境的污染和生態惡化問題也已對人類的生存環境產生了嚴重的影響［1］。

人們開始關注能夠替代化石燃料的其它新能源。中國《能源發展“十二五”規劃》指出，堅持集中與分散開發利用并舉，以風能、太陽能、生物質能利用為重點，大力發展可再生能源。當前，鑒于我國電網消納能力對大規模風電開發的制約，國家能源局發出了因地制宜開展分散式風電開發的通知。因此，分散式接入風力發電是能源產業的組成部分，也是貴州省的能源資源及資源利用途徑，在滿足能源需求、改善能源結構、充分利用資源、減少環境污染、促進經濟發展等方面具有重要作用和意義。另外，貴州是全國第一個獲得國家分散式風電接入批準的省份，因此找到一種能夠較好的模擬貴州山地分散式風電場風能資源的方法就顯得尤為重要。

目前國內外的風資源評估手段主要有3 種:基于氣象站歷史觀測資料的評估、基于測風塔觀測資料的評估以及風能資源評估的數值模擬。其中氣象站資料評估及測風塔觀測資料評估均存在一定局限性［2］，而數值模擬技術計算靈活，花費時間較少且評估更精細，優勢明顯。

近二十年來，歐美國家開發了許多以數值模擬為基礎的風資源評估軟件，如:美國的MesoMap［3］是一個非靜力中尺度數值模式(MASS)與一個質量守恒的風場模擬線性模式相結合的風資源評估系統。丹麥Risoe 實驗室發展了將中尺度數值模式KAMM與微尺度線性風場診斷模式WASP［4］相結合的區域風能資源評估方法。國內學者近幾年也開展了一些風能資源數值模擬工作，如:張德等［5］應用加拿大WEST 系統完成了全國5 km 分辨率的風能資源數值模擬工作;龔強等人［6］用MM5 逐日積分的方法得到遼寧沿海區域10 km 分辨率的春季風能資源分布等。

近年來，計算流體力學模式(CFD)也開始越來越多地被用來模擬復雜地形風場，中國氣象局曾用中尺度模式MM5 和WindSim 結合的模式系統對鄱陽湖地區的風能資源進行模擬［2］。但是零散的可利用風能資源多位于復雜地形地區，中尺度模式網格分辨率也不能滿足要求。目前常用的小尺度風電場選址模式(如WAsP、WindSim)只適用對周圍幾公里的模擬，也不能滿足地方政府制定分散式風電發展規劃的需求。

法國Meteodyn WT 是近年來新興的一個CFD模式，它可以在不同大氣層結條件下求解流體動力學方程組，并允許多個測風塔數據同時輸入。該模式采用一階湍流閉合求解Navier－Stocks 方程的方法，能在較大范圍內進行近地層風場的數值模擬。因此，本文擬采用中尺度模式MM5、Calmet 模擬系統及法國CFD 模式Meteodyn WT 相結合的方法(以下簡寫MM5/WT)對貴州A 分散式風場的風能資源進行數值模擬實驗，與實測風進行對比分析，探索該方法對分散式風場風能資源評估的適用性，并簡單概述貴州A 分散式風場風能資源分布情況。

2 數據來源及方法介紹

2.1 資料介紹

該文模擬所用資料包括地形數據、背景場數據，同時對模擬結果進行驗證時使用到了實測風資料。

地形數據:美國地質調查局(USGS)發布的全球30 s 的DEM 數據和landuse 數據。

背景場數據:美國國家環境預報中心(NCEP)發布的1° ×1°的全球再分析資料。

實測風資料:貴州省A 分散式風電場內測風塔測風梯度資料。

2.2 模式介紹

此次數值模擬個例采用的技術方法是MM5→Calmet→Meteodyn WT，即將MM5/Calmet 模式輸出結果作為背景場，將其模擬數據輸入WT 軟件中進行計算，以WT 計算所得作為模擬結果進行分析對比，下面對各模式進行簡單介紹。

2.2.1 MM5 模式及Calmet 模擬系統 MM5 是由美國賓州大學(Penn State University)和美國國家大氣研究中心(NCAR)聯合開發的新一代中尺度數值模式系統，是國內外應用相當廣泛的一個中尺度數值預報模式。此次模擬采用三層嵌套計算出分辨率為9 km 的模擬區域。

Calmet 是由美國西格瑪研究公司(Sigma Research Corporation)開發，美國國家環保局(USEPA)長期支持開發的模擬系統。在本次模擬中以MM5模擬結果為輸入，采用動力診斷降尺度的方法計算到分辨率為1 km 的網格上。

2.2.2 METEODYN WT 模式 是由法國Meteodyn公司(美迪公司)基于CFD 技術研究開發的風資源評估軟件，該軟件可以在任何地形條件下得到更為準確的風資源計算結果。

WT 軟件是專門為求解大氣邊界層問題而開發的CFD 軟件，可以提高復雜地形風能資源評估的準確性。WT 軟件可以求解全部的NS 方程，求得風電場區三維空間內任一點的風流及風資源情況(平均風速、湍流、能量密度、發電量、入流角、極風等);可以根據地形、粗糙度以及設定的熱穩定度自動生成網格與邊界條件，在關注區域以及關注點自動進行網格加密，更好地解決復雜地形所帶來的非線性問題［7］。

WT 軟件以質量守恒方程和大氣湍流動量守恒方 程 為 基 本 的 動 力 框 架［8］。使 用 了Arritt［9］和Yamada［10］參數化方法，通過三步迭代過程［11］計算得到不受其他影響干擾的風梯度，最后根據Meteodyn WT 的分類進行穩定度的判定。

模式入口由地表層對數律和Ekman 函數求得區域平均風速的垂直廓線［12］。地面粗糙度的選取方面借助google earth 并按照經驗確定計算范圍內的地面粗糙度值，不同下墊面對應的粗糙度值參考相關文獻［13］。側邊界采用對稱條件，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粗糙度為0.05，模式的初始風速在10 m 高度上為10 m/s［14］。求解采用的是對每一個控制體積內風速和氣壓同時進行計算的MIGAL 方法。模式中所用的MIGAL 求解器是由MFRDC 開發并經過多年使用，得到過充分驗證［15－16］。

3 Meteodyn WT 復雜地形數值模擬個例分析

3.1 模擬結果檢驗分析

通過采用中尺度模式MM5－Calmet 和法國CFD模式Meteodyn WT 相結合的方法對貴州山地風電場場區資源進行數值模擬，即將MM5－Calmet 模擬出的各層逐小時的風場資料輸入Meteodyn WT 模式中進行計算，對定向計算結果進行統計分析后，則可得到空間分辨率為100m 的平均風速和風功率密度分布。

該文選取A 分散式風電場場區進行模擬分析，場區內有5 座測風塔風梯度資料，其中3個風塔建塔時間較短，僅有幾個月的觀測資料，不能較好的與模擬結果進行對比，因此僅取其中2 座測風塔2013年較為完整的觀測數據與模擬結果進行對比分析，兩個測風塔分別命名為1 號風塔及2 號風塔。

為了便于準確對比模擬的精度，剔除冬季凝凍時段的月份，只比對數據完整的觀測月份，缺測數據不做插補訂正。下面以50m 風速為例做對比:

由表1 可知，1 號風塔有10個月的觀測資料，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月份的誤差來源可能是出現部分輕微的凝凍時段，導致觀測風速變小。總體來說，春季模擬結果較好，夏季模擬結果較差。2—11月的觀測平均風速為5.3 m/s，模擬平均風速為5.6 m/s，誤差為5.7%。

2 號風塔有9個月的觀測資料，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月份的誤差來源可能是出現部分輕微的凝凍時段，導致觀測風速變小。同7310#塔一樣，春季模擬結果較好，夏季的模擬結果較差。3—11月的觀測平均風速為5.7 m/s，模擬平均風速為5.9 m/s，誤差為3.5%。

表1 模擬結果與測風塔實測結果50 m 風速對比表 (單位:m/s)

貴州冬季凝凍比較嚴重，12、1、2月可用觀測數據較少，在此未做對比分析。由于模擬技術中采用的Calmet 和WT 軟件都是采用大氣動力學方程，忽略大氣熱力學方程進行模擬的方法，因此在熱力學條件復雜的夏季(6、7、8月)，模擬精度較差，在熱力學條件穩定的其它月份，模擬精度普遍較高，在凝凍缺測的冬季，模擬精度和其它熱力學條件穩定的月份相似，因此完整年的年平均風速的誤差和實有月份的累積平均風速誤差接近。綜上所述，數值模擬結果在完整年的年平均風速的模擬上，具有較高的精確度，可作為分散式風電場的資源評估依據。

3.2 風能資源分布

應用風能資源評估軟件Meteodyn WT 模擬數據對分散式風場的分能資源分布進行分析，風電場50 m、70 m、80 m 高度風速、風功率密度、湍流強度分布情況見圖1～3。

由圖可見，該分散式風場的風能資源隨地勢起伏變化較大，風場上看(圖1)，場區的南部、西部大部以及北端部分地區風速相對較大，風速在4.5～7.5 m/s 之間;風功率密度來看(圖2)，同樣場區西部、南部及北端局部風功率密度較大，集中在180～450 W/m2。可見場區的西部、南部及北部局部地區風能資源相對豐富。

湍流強度指標是決定風電機組安全等級或者設計標準的重要參數之一，也是風場風資源評估的重要內容。就場區湍流強度而言(圖3)，場區中部至北部地區湍流強度較大，而南部及西部地區湍流較小，強度基本在0.09～0.15 間，更利于風機安全運行。

表2 風電場場區各高度不同等級風功率密度面積及百分比

圖1 風電場50 m、70 m、80 m 高度風速分布

圖2 風電場50 m、70 m、80 m 高度風功率密度分布

圖3 風電場50 m、70 m、80 m 高度湍流強度分布

4 結論

本文運用中尺度數值模式MM5－Calmet 與模式Meteodyn WT 相結合的方法，對貴州省山地分散式風電場的風能資源進行模擬研究。

通過實測資料及模擬結果的對比分析，以及對風電場內風速、風功率密度以及湍流強度的場區各高度模擬結果的比對分析可見:MM5－Calmet－WT模式能較好的模擬貴州山地風電場的風資源狀況，但是由于模式忽略了大氣熱力學方程，因此在熱力學條件復雜的夏季(6、7、8月)，模擬精度較差;在熱力學條件穩定的其它月份，模擬精度普遍較高;在凝凍缺測的冬季，模擬精度和其它熱力學條件穩定的月份相似，因此完整年的年平均風速的誤差和實有月份的累積平均風速誤差接近。

模擬結果顯示，貴州A 分散式風場場區西部、南部及北部局部地區風能資源相對豐富，且這兩個區域內湍流強度相對較小，更利于風機運行。

綜上所述，這種用中尺度結合小尺度模式的數值模擬結果在完整年的年平均風速的模擬上，具有較高的精確度，可作為分散式風電場的風能資源評估依據，可為分散式風電發展規劃的制定和風電場前期建設的選址提供科學依據。

［1］溫敏，張人禾，楊振斌. 氣候資源的合理開發利用［J］. 地球科學進展，2004，19 (6):1.

［2］何曉鳳，周榮衛，朱蓉. MM5 與CFD 軟件相結合對復雜地形風資源模擬初探——以鄱陽湖地區為例［J］. 資源科學，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. 風能模擬系統WEST 在中國風能數值模擬中的應用［J］. 高原氣象，2008，27(1):202－207.

［6］龔強，袁國恩，張云秋. MM5 模式在風能資源普查中的應用試驗［J］. 資源科學，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 模式結合的風能資源數值模擬研究［D］. 南京信息工程大學，2012.

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

［12］法國美迪公司Meteodyn WT 用戶使用手冊. 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.