基于WRF模式的承德某復雜山地風電場數值模擬研究

劉越

摘 要：利用中尺度WRF模型模擬承德壩下某風場，旨在研究不同參數化方案在復雜的山地地形的模擬精度。研究結果表明，同實測風速相比，兩種參數化方案模擬精度均較高，可以用于復雜山地地形的測風數據插補、風資源評估等方面。

關鍵詞：數值模式；WRF；山地風電場；測風數據插補

中圖分類號：TM614 文獻標志碼：A 文章編號：2095-2945（2018）22-0013-03

Abstract： A mesoscale WRF model is used to simulate the wind resources of a wind farm in Baxia region of Chengde， in order to assess the accuracy of different parameterized schemes in complicated mountain. The results show that two schemes， compared with the measured wind speed， both have high accuracy， which can be used to interpolate the measured wind as well as wind resource assessment in complex mountain wind farm.

Keywords： numerical model； WRF； mountain wind farm； wind data interpolation

引言

山地風電場是當前風電場開發的主要方向，山地風電場具有地形地貌復雜、投資風險大的特點。準確的風資源評估是保障風電場發電量和投資收益關鍵因素之一，高質量的測風數據則是準確風資源評估的前提。山地風電場測風塔易因凝凍浮冰、雷電、設備儀器故障難以及時修復等因素導致測風數據出現大量缺測情況，測風數據完整率往往較低。對于缺測數據主要依靠Merra數據或氣象站數據進行插補，這些數據與測風塔數據的相關性往往較差。本文通過利用WRF（Weather Research Forecast）模式對承德某風電場進行數值模擬，研究兩種不同參數方案的對模擬數據精度的影響，并探討開展復雜山地風電場的中尺度的必要性。

1 數值模擬方案

模擬區域選擇在承德壩下某風電場，其位于燕山山脈北部，地貌單元屬于高中山地貌，海拔900m～1820m之間，地形起伏較大，溝壑叢生，區域植被茂密。

1.1 WRF模式簡介

WRF模式系統是由許多美國研究部門及大學的科學家共同參與進行開發研究的新一代中尺度氣象預報模式系統。WRF模式系統具有可移植、易維護、可擴充、高效率、方便等諸多特性。

WRF模式是一個完全可壓非靜力模式，控制方程組都寫為通量形式。網格形式與MM5的Arakawa B格點不同，而是采用Arakawa C格點，提高了模式在高分辨率模擬中的準確性。模式的動力框架有三個不同的方案：前兩個方案都采用時間分裂顯示方案來解動力方程組，即模式中垂直高頻波的求解采用隱式方案，其他的波動則采用顯示方案，這兩種方案的最大區別在于它們所采用的垂直坐標的不同，他們分別是幾何高度坐標和質量（靜力氣壓）坐標。第三種模式框架方案是采用半隱式半拉格朗日方案來求解動力方程組，這種方案的優點是能采用比前兩種模式框架方案更大的時間步長[1-4]。

WRF模式系統已成為改進從云尺度到天氣尺度等不同尺度重要天氣特征預報精度的工具。為了滿足模擬實際天氣的需要，模式還必須要有一套物理過程，比如輻射過程、邊界層參數化過程、對流參數化過程、次網格湍流擴散過程、以及微物理過程等。WRF模式可以重點考慮1-10公里水平分辨率的氣象變量預報，相對MM5，WRF采用了更為先進的數值計算和資料同化技術，采用了更為完善的物理過程（尤其是對流和中尺度降水過程），可以實現多重移動套網格性能。

WRF模式有廣泛的應用前景，包括在天氣預報、大氣化學、區域氣候、純粹的模擬研究等方面的應用，它將有助于開展不同類型、不同地域天氣過程的高分辨率數值模擬，提高天氣預報的分辨率和準確性。在風電領域，WRF模式主要應用于風功率預測和風電場宏觀選址。

1.2 參數化方案的選擇

本文使用的WRF模式設置如下：模式中心坐標北緯41度，東經117.5，采用雙層嵌套，水平格點100*100，水平分辨率3km，垂直方向28層，時間步長為60s。通過WPS模塊處理FNL數據，并形成WRF模式的氣象初始場。下墊面信息和地形數據采用NASA的USGS數據。

相關研究表明不同參數化方案的選取對模擬結果具有較大影響，而近地層風場特征的變化主要受邊界層參數化方案影響較為顯著[5]。

本文利用WRF模式中常見的邊界層方案Yonsei University（YSU）[6]和Mellor-Yamada-Janjic（MYJ）[7]兩種方案模擬承德壩下某山地風電場。

1.3 兩種邊界層方案簡介

Yonsei University（YSU）邊界層方案：YSU是MRF邊界層方案的第二代。對于MRF增加了處理邊界層頂部夾卷層的方法。

Mellor-Yamada-Janjic（MYJ）邊界層方案：此方案用邊界層和自由大氣中的湍流參數化過程代替Mellor-Yamada的2.5階湍流閉合模型。這是將用于Eta模式中的Mellor-Yamada-Janjic方案引入該模式的一種邊界層方案，它預報湍流動能，并有局地垂直混合。該方案調用SLAB（薄層）模式來計算地面的溫度；在SLAB之前，用相似理論計算交換系數，在SLAB之后，用隱式擴散方案計算垂直通量。

兩種方案模擬承德壩下某風電場，對比模擬效果具體參數見表1。

2 結果分析

通過后處理程序GrADS提取80m高度風速與兩個實測點數據進行對比（編號為1#測風塔和2#測風塔，高度均為80m）。1#測風塔實測風速和2#測風塔實測平均風速分別為6.52m/s和5.36m/s，1#測風塔和2#測風塔位置處YSU方案模擬數據分別為6.59m/s和5.50m/s，與實測相比分別相差了0.07m/s和0.14m/s；MYJ方案平均風速分別為6.33m/s和5.67m/s，與實測相比分別相差了0.19m/s和0.31m/s。兩個方案均平均風速接近實測風速，模擬結果較為準確。

其誤差統計參數見表2，1#測風塔模擬誤差統計如下：YSU方案平均絕對誤差MAE為20.06%，MYJ方案MAE為24.55%；YSU方案相對均方根誤差RMSE為25.82%，MYJ方案RMSE為32.03%。2#測風塔模擬誤差統計如下：YSU方案MAE為24.47%，MYJ方案MAE為31.05%；YSU方案RMSE為30.19%，MYJ方案RMSE為40.83%。

實測數據與模擬數據對比見圖1～圖4所示，模擬數據與實測數據的較為吻合，MYJ方案數據的偏離程度略高高。從相關關系來看，YSU方案與實測數據的相關關系能達到0.84和0.86，高于MYJ方案與實測數據的相關關系0.75和0.715。上述統計可見，WRF模式也能在復雜的山地風電場取得較高相關關系，能為測風數據插補提供可靠的依據。

3 結束語

本文利用中尺度數值模式WRF模式并采用兩種邊界層參數化方案模擬承德壩下某復雜山地風電場風速，通過與實測數據進行對比，結果表明：（1）即便是在復雜的山地風電場，WRF模式能取得較好的模擬效果。在本案例中，YSU參數化方案模擬精度略高于MYJ方案，但都取得較高模擬精度。（2）WRF模式可以用于復雜山地項目測風塔風速插補、風資評估等工作，可以有效解決因缺測導致測風資源不足的問題。亦可以將中尺度數據和微尺度模型結合方法，以提高山地風電場資源。（3）受復雜的下墊面影響，WRF模擬對風速的模擬難免會有一定誤差，可以采用誤差訂正等方法進行修正，再用于測風塔數據插補、風資源評估等工作。

參考文獻：

[1]鄧蓮堂，王建捷.新一代中尺度天氣預報WRF模式簡介[J].天氣與氣候，2003.

[2]李毅，潘曉濱.新一代中尺度天氣預報模式WRF簡介[J].教學與研究，2003，24（1）.

[3]章國才.美國WRF模式的進展和應用前景[J].氣象，2004，30（12）：27-31.

[4]潘麗麗.基于WRF模式的沿海風資源評估研究[D].2009，5.

[5]Ackermann T，S Der L. Wind energy technology and current status： a review[J]. Renewable and sustainable energy reviews，2000，4（4）：315-374.

[6]Hong S， Y Noh， J Dudhia. A new vertical diffusion package with an explicit treatment of entrainment processes[J].Mon. Wea. Rev，2006，134，2318-2341.

[7]Janjic ZI. The step-mountain cooedinate： physical paceage[J].Mon，Wea. Rev，1990，118，1429-1443.