不同地形風電場中模式水平分辨率對模擬精度的影響

文 | 叢明，張吉

?

不同地形風電場中模式水平分辨率對模擬精度的影響

文 | 叢明，張吉

風能資源是最具規模開發條件和商業化發展前景的發電方式之一。根據中國可再生能源學會風能專業委員會統計，截至2013年底，我國風電裝機總容量已超過9000萬千瓦，居世界第一位，國家發展與改革委員會能源研究所展望2030年我國各區域風電總裝機量最高將達到4億千瓦。在風能資源開發過程中，前期的風能資源評估和風電場選址工作極為重要。

要滿足我國大規模風電開發的需求，首先需要對風能資源進行評估，查明風能資源的空間及時間分布狀況，有效制定風電發展規劃。中尺度數值模式以其顯著優勢在風電開發中的作用越來越重要，逐步替代了基于氣象站歷史觀測資料、基于氣象塔觀測資料等傳統風能資源評估手段，已經成為全國風能資源普查的最重要手段。風能資源是受地形影響最大的氣象要素，受地理位置、下墊面特征及周圍環境的影響很大，故而在風能資源的數值模擬中，參數化方案的選擇非常依賴于不同地域、不同的天氣形勢等。本文針對地形復雜程度不同的風電場，分別進行不同水平分辨率的模擬試驗，討論模式的水平分辨率對不同地形風電場風能資源模擬精度的影響。

表1 風電場A中測風塔基本情況一覽表

表2 風電場B中測風塔基本情況一覽表

資料及方法

一、測風塔觀測資料

陡峭指數（RIX）表征地形特征指標，以計算位置為圓心，每5°取一個半徑，利用等高線將每條半徑劃分為若干線段，計算每條線段的傾角；某半徑中傾角大于0.3的線段數目與該半徑被等高線劃分的總線段數的比就是此半徑對應的RIX值，該計算位置的RIX值為所有半徑RIX值的算術平均值。本文計算采用的半徑長度為3.5公里。

表1及表2顯示了研究的兩個不同類型風電場中測風塔的基本信息，風電場A范圍內所有測風塔的RIX值均超過9％，地形復雜；風電場B范圍內各測風塔RIX值都低于2％，地勢相對平坦。兩類風電場中各有五座測風塔，測風塔的高度都是80m，所有測風塔采用的數據時間段為2013 年1月1日至2013年12月31日。

二、數值模擬方案

本文使用的是完全可壓縮以及非靜力的WRF（Weather Research Forecast） 中尺度氣象模式，水平方向采用Arakawa-C網格點，垂直方向采用地形跟隨質量坐標，該模式具有多重嵌套和定位于不同地理位置的能力。本次研究選擇的是全球預報系統中水平分辨率為0.5×0.5的GFS數據進行驅動，采用“Case by Case”的后報模式，模擬時間段為2013年1月1日至2013年12月31日。模型選擇時水平方向采用三重嵌套，垂直分辨率為35個Eta層。參數化方案的選擇中，微物理選擇Lin方案，積云對流選擇BMJ方案，邊界層選擇K閉合的YSU方案，長短波輻射均選擇RRTMG方案。在其他參數化方案選擇一致的情況下進行三種不同水平分辨率的模擬試驗，水平分辨率分別為3km（方案一），2km（方案二）和1km（方案三）。

結果分析

一、模擬與實況風速的比較

風電場A中五基測風塔所在位置的平均RIX值超過12％，地形起伏顯著、較為復雜。將五基測風塔的年平均實測風速時間序列分別與同時期不同水平分辨率的模擬結果時間序列進行比較。

結果如表3所示，TA01#、TA02#、TA03#和TA05#四基測風塔中風速絕對誤差最小的是方案三，絕對誤差分別是-0.07m/s、0.12m/s、-0.03m/s和0.69m/s，而相關系數最大的也是方案三，R值都在0.90左右；TA04#中相關性最好的也是方案三，R值為0.91，但風速絕對誤差略高于方案二。結果說明，就五基測風塔整體模擬結果而言，水平分辨率為1km的方案三在平均風速和相關性上對場區實際情況的把握更好。

風電場B中五基測風塔所在位置的平均RIX值約為0.8％，地形比較平坦。比較結果如表4中所示，五基測風塔的實測風速序列與模擬風速序列相關系數最低的都是方案三，而方案一和方案二相關性基本一致，R值都在0.90左右；絕對誤差的比較中，除TB05外也都是方案三誤差最大，與相關性的比較結果類似，方案一和方案二的風速模擬結果也比較接近，各基測風塔的最小絕對誤差分別是0.54m/s、0.46m/s、0.36m/s、0.66m/s和0.86m/s。結果說明模擬能夠把握住場區范圍內風速的平均水平，其中水平分辨率為1km的方案三在平均風速和相關性上對場區實際情況的把握最差。

表3 風電場A中各測風塔在不同方案下的風速及其與實際序列的相關關系

表4 風電場B中各測風塔在不同方案下的風速及其與實際序列的相關關系

二、模擬結果的均方根誤差討論

分別計算兩個風電場中所有測風塔在不同水平分辨率下的均方根誤差并進行對比討論，如圖3與圖4所示。平均RIX值很大的風電場A中，五基測風塔的結果都顯示方案一的均方根誤差最大，除TA01#和TA05#外，其他三基測風塔的方案二和方案三的均方根誤差比較接近，整體而言是方案三的均方根誤差最小，也就是方案三的模擬結果精度最高。而平均RIX值很小的風電場B中，與風電場A中結果正好相反，五基測風塔的結果都顯示方案三的均方根誤差最大，方案一與方案二的均方根誤差非常接近，換言之即方案三的模擬結果精度最低。

三、模擬與實況風向的討論

風電開發中風向分為16個扇區，以每個扇區中心度數代表該扇區，風電場A的實測風向和不同方案的模擬風向結果如圖5所示，比較五基測風塔在主風向扇區中模擬與實測的差異，方案一中模擬比實測低5.1％，方案二中模擬比實測低4.5％，方案三中模擬比實測低3％，其他風向扇區結果也比較接近，整體而言方案三中各座測風塔的模擬風向分布與實際風向最為接近，三種方案的試驗結果差異并不顯著。

風電場B的實測風向和不同方案的模擬風向結果如圖6所示，比較五基測風塔在主風向扇區中模擬與實測的差異，方案一中模擬比實測低3.8％，方案二中模擬比實測低3.2％，方案三中模擬比實測低2.5％，其他風向扇區結果也比較接近。整體而言，方案三中各座測風塔的模擬風向分布與實際風向最為接近，三種方案的試驗結果差異并不顯著。

結論與討論

為了今后更好地開展風能資源評估與風電場風速預報方法的研究，采用中尺度氣象模式WRF對不同復雜程度地形下的風電場分別進行了3km、2km和1km水平分辨率的模擬試驗，結合風電場內10基測風塔的實際觀測數據，對2013年全年80米高度的風況模擬能力分析后得到了如下結論：

（一）中尺度WRF模式對風電場內風能資源的實際情況和變化趨勢能夠有比較準確的把握。兩個風電場的試驗中，除個別方案結果外，模擬序列與實際風速序列的相關系數都超過0.8，大部分R值在0.9左右，全部超過了99.9％的信度檢驗，存在非常顯著的正相關關系。試驗結果中，風電場A和B中五基測風塔最優方案的平均絕對誤差分別是0.26m/s和0.56m/s。模擬結果在主風向上的比率與實際很接近，對風向分布的把握基本準確。

（二）地形復雜程度很高的風電場A中，水平分辨率1km的方案三的試驗結果精度最高，分辨率2km的方案二次之，分辨率3km的方案一精度最低。方案三中五基測風塔的平均均方根誤差是1.19m/s，平均絕對誤差是0.26m/s，平均相關系數R為0.90；方案二中五基測風塔的平均均方根誤差是1.32m/s，平均絕對誤差是0.46m/s，平均相關系數R為0.88；方案一中五基測風塔的平均均方根誤差是1.52m/s，平均絕對誤差是0.71m/s，平均相關系數R為0.85。

（三）地形復雜程度很低的風電場B中，水平分辨率1km的方案三的試驗結果精度最低，分辨率3km的方案一和分辨率2km的方案二精度基本一致。方案一中五基測風塔的平均均方根誤差是1.12m/s，平均絕對誤差是0.63m/s，平均相關系數R為0.89；方案二中五基測風塔的平均均方根誤差是1.11m/s，平均絕對誤差是0.64m/s，平均相關系數R為0.89；方案三中五基測風塔的平均均方根誤差是1.54m/s，平均絕對誤差是0.71m/s，平均相關系數R為0.82。

（四）對于RIX值很大的復雜地形，適當提高水平分辨率能夠一定程度地提高模擬精度，而對于RIX值很小的較平坦地形，提高水平分辨率并不一定能夠提高模擬精度，甚至會降低模擬水平，模式水平分辨率的選擇要視風電場具體地形情況而定。

（作者單位：中能電力科技開發有限公司）