中国学术期刊网 » 论文 » 工学论文 » 环境工程论文 » WRF_TopoWind模式对中国低纬高原高山风速模拟结果分析论文正文

WRF_TopoWind模式对中国低纬高原高山风速模拟结果分析

中国学术期刊网【环境工程论文】 编辑:天问 云南大学学报(自然科学版) 2016-11-03WRF_TopoWind模式对中国低纬高原高山风速模拟结果分析论文作者:杨鹏武 王学锋 王麟 朱勇,原文发表在《云南大学学报(自然科学版)杂志》,经中国学术期刊网小编精心整理,仅供您参考。

关键词: WRF; TopoWind; 模拟; 低纬高原; 高山风速
摘要:使用WRF 3.6.1+最新的TopoWind方案(简称WRF_TopoWind),对地处低纬高原的滇东、滇西高山风速进行模拟,将模拟结果与所在区域的测风塔70m高度风速进行对比,检验其对低纬高原高山风速模拟的适应性.经分析发现,从全年模拟效果来看,滇东风速变化趋势模拟得较好,而滇西的风速值模拟精度较高;从季节模拟效果来看,冬季最好,春、夏次之,秋季模拟效果比较差;有降水过程时,多数季节模拟效果比较差,无降水过程时,多数季节模拟效果比较理想;WRF_TopoWind基本适应于低纬高原的高山风电场选址、风能资源评估等工作和研究.

中图分类号:P435.1 文献标志码:A 文章编号:0258-7971(2016)05-0766-07 doi: 10.7540/j.ynu.20160060

风能就是空气流动所产生的动能, 人类可利用的风能称为风能资源[1].数值模式可以不依赖于测风设备, 仅通过求解大气物理方程, 便可以模拟任意高度的风能资源分布及预测风速的变化, 因此应用数值模式进行风能资源评估及风功率预测成为未来的发展趋势[2, 3].丹麦Risoe实验室[4]将中尺度数值模式KAMM与WAsP模式相结合, 得到具有较高分辨率的欧洲风资源分布图.张德等[5]利用中尺度数值模拟系统WEST进行中国风能资源的模拟, 得到了全国离地80m高度的年平均风速(m· s-1)分布图.杨晓鹏等[6]利用MM5和Calmat对云南风能资源进行了模拟, 模拟结果较好地反映云南风能资源分布.白永祥等[7]以MM5为基础, 实现了内蒙古电网区域风电功率预测系统, 实现了风电功率的短期和超短期预测.WRF作为新一代中尺度模式, 采用地形跟随坐标, 非静力方式, 主要模拟水平精度为1~10km[8], 已经可以满足多数风能资源评估及风功率预测的需求.张华等[9]应用WRF模式模拟分析风力发电场风速, 结果表明WRF模式可以较好地模拟出近地面风场的变化特征, 但模拟风速受到地形及地表粗糙度的影响较大.邢婷[10]研究了基于WRF模式和SVM方法的云南杨梅山风电场风电功率预报技术, 发现WRF模式对风速变化趋势模拟较好, 但模拟风速比实测风速振幅大.综上所述, WRF虽然对低层风场变化趋势有较好的模拟, 但是风速值偏差较大, 主要是因为WRF没有对次网格地形阻力进行参数化, 致使平原和山谷风速偏大, 高山和丘陵风速偏小[11].为了改善WRF对低层风速的模拟能力, 近年来有学者[12]已经在YSU边界层方案中加入了低层风速矫正方案— — TopoWind, 目前国内对该方案的研究和应用较少, 本文将尝试使用WRF 3.6.1+最新的TopoWind方案[13](以下简称WRF_TopoWind), 对中国低纬高原的高山风速进行模拟, 以检验其适应性, 为WRF模式在我国的低纬高原风能开发中更好地应用提供依据.

1 模式方案及检验方法
低纬高原是指纬度低于30° N, 平均海拔高于1500m的高原地区, 云南是中国低纬高原的主体[14], 为了客观检验WRF_TopoWind对低纬高原高山风速的模拟效果, 本文在云南滇东、滇西各选1个区域进行模拟, 并将模拟结果与区域中气象局所建的测风塔70m高度(近似于当前主流风机的轮毂高度)风速进行对比.其中滇东测风塔海拔高度2380m, 滇西测风塔海拔高度3200m.测风塔位置如图1所示.


图1
Fig.1
Figure OptionView
Download
New Window
图1 测风塔分布
Fig.1 Distribution of wind tower

模拟方案中, WRF版本为3.6.1, 初始场和边界条件使用6h一次的NCEP再分析资料FNL, 该资料是在GFS的输出结果上同化了常规、卫星等观测的1° × 1° 格点资料.2个模拟区域均以测风塔所在位置为中心点(可直接选取70m高度中央格点的风速值与测风塔风速进行比较, 无需插值), 采用3层嵌套, 各层格点数分别为82× 82、70× 70、46× 46, 水平分辨率分别为9、3、1km.垂直方向分为35层, 考虑到风塔资料在近地层, 故在模式近地层200m以下分层较密, 并设置70m分层与测风塔70m测风层对应.模拟时段为2010年4个典型月1、4、7、10月中各月的11— 15日(分别代表冬、春、夏、秋4季, 选择模拟时段的原因是:2个测风塔于2009年下半年建设完成, 初期观测仪器不稳定, 2010年为观测数据主要收集时段.由于在野外观测, 数据缺测比较多, 为了避免与插补后的数据进行对比带来的不真实性, 本文特别选择2个测风塔4个典型月中数据比较完整连续的时段进行模拟和对比).3层嵌套积分步长分别为54、18、6s, 每次积分36h, 每10min输出一个预报结果, 取后面24h预报结果用于检验.由于TopoWind方案是嵌入在YSU行星边界层方案中, 因此行星边界层选择YSU方案, 模式的具体物理方案设置为如表1所示.

表1
Tab.1
表1(Tab.1)

表1 模式物理方案 Tab.1 The setting of WRF_TopoWind Physics设置名称 方案 备注
微物理方案 Single-moment 3-class —
短波方案 Dudhia —
长波方案 RRTM —
边界层方案 YSU 最新topo_wind Scheme[13]
陆面过程 Unified Noah Model —
表面层方案 MM5 Similarity
Scheme —
积云对流参
数化方案 Kain-Fritsch
Scheme 第二、三层嵌套直接使用显式物理过程
表1 模式物理方案
Tab.1 The setting of WRF_TopoWind Physics
本文使用相关系数和平均相对误差2个统计量对模式的适应性进行检验, 定义如下:

(1) 相关系数 相关关系是一种非确定性的关系, 是反映变量之间线性相关关系密切程度的统计指标, 即反映变量之间的一致性.R值越大, 说明一致性越好.其计算公式为:


(1)


其中, xi、yi分别表示2个变量的第i个数值, x x、 y y分别为2个变量的算数平均, n为数据序列的总数.

(2) 平均相对误差 相对误差指的是测量所造成的绝对误差与被测量〔约定〕真值之比, 平均相对误差是指所有测量数据相对误差的平均值.一般来说, 相比于绝对误差, 相对误差更能反映测量的可信程度.RT值越小, 说明实验数据具有更好的精确度.其计算公式为:


(2)


其中, Pi为模拟值, Oi为实测值, n为数据序列的总数.

2 模拟结果分析
2.1 全年模拟结果分析
如图2(a)、(b)所示, 对所有模拟数据进行分析发现, 滇东模拟风速与实测风速变化趋势(以下简称风速趋势)一致性非常高, 相关系数达到0.80, 而风速值的模拟精度(以下简称风速精度)略差, 平均相对误差为0.36.滇西风速趋势一致性比较好, 相关系数为0.74, 而且风速精度较高, 平均相对误差为0.32.总而言之, 从全年来看, 滇东风速变化趋势模拟得较好, 而滇西的风速值模拟精度较高.


图2
Fig.2
Figure OptionView
Download
New Window
图2 全年模拟情况
Fig.2 The simulation results for a whole year

2.2 各季节模拟结果分析
冬季如图3(a)、(e)和图4(a)、(b)所示, 滇东区域在前72h有昆明准静止锋过境, 处于锋后的测风塔在低温、高湿、阴雨的条件下产生覆冰[14], 致使风速仪被冻结, 所测风速明显偏小, 无法做定量分析.除了覆冰时段以外, 滇东、滇西区域在整个冬季的风速趋势一致性都非常好, 相关系数均超过了0.80, 风速精度也很高, 平均相对误差均小于0.25.


图3
Fig.3
Figure OptionView
Download
New Window
图3 70m高度模拟风速与实测风速对比
Fig.3 The comparison of 70m height simulated wind speed and measured wind speed


图4
Fig.4
Figure OptionView
Download
New Window
图4 各季节模拟情况
Fig.4 The simulation results of each season

春季如图3(b)、(f)和图4(a)、(b)所示, 风速趋势方面, 滇东区域的一致性非常好, 相关系数超过了0.80, 滇西区域也比较好, 相关系数接近0.60.风速精度方面, 滇东区域、滇西区域均略差, 平均相对误差均超过了0.35, 滇东甚至接近0.40.

夏季如图3(c)、(g)和图4(a)、(b)所示, 风速趋势方面, 滇东区域一致性一般, 相关系数为0.50, 而滇西较好, 相关系数超过了0.60.风速精度方面, 滇东略差, 平均相对误差超过了0.35, 滇西较好, 仅为0.30.

秋季如图3(d)、(h)和图4(a)、(b)所示, 风速趋势方面, 滇东区域一致性较好, 相关系数接近0.70, 但是滇西区域比较差, 仅为0.21(通过了0.01的显著性检验).风速精度方面, 滇东、滇西都比较差, 平均相对误差均为0.40.

总而言之, 模式对冬季低纬高原高山风速模拟效果非常理想.对春季的风速趋势模拟较好, 风速精度略差, 对夏季滇西效果较好, 滇东模拟效果一般, 对秋季仅滇东风速趋势模拟较好, 其它都较差.

2.3 有无降水过程模拟结果分析
经查询测风塔周围气象站资料(下同)发现, 滇东区域有降水的模拟时段:春季为72~120h, 夏季为0~24h、48~72h, 秋季为24~48h、72~120h, 如图3(a)、(b)、(c)、(d)和图5(a)、(b)所示, 其中风速趋势最好的是春季, 相关系数超过了0.90.其次是秋季, 相关系数为0.57, 最差的夏季仅为0.35(通过了0.01的显著性检验).风速精度最高的同样是春季, 平均相对误差为0.30左右, 夏季和秋季均较差, 平均相对误差均大于0.45, 夏季甚至达到了0.52.


图5
Fig.5
Figure OptionView
Download
New Window
图5 有无降水过程模拟情况
Fig.5 The simulation results under precipitation cases and non-precipitation cases

滇西区域有降水的模拟时段:春季为72~120h, 夏季为72~120h, 秋季的全部模拟时间, 如图3(e)、(f)、(g)、(h)和图5(a)、(b)所示, 其中风速趋势最好的是春季, 相关系数超过0.70.其次是夏季, 相关系数不足0.50, 秋季最差仅为0.21(通过了0.01的显著性检验).风速精度最高同样是春季, 平均相对误差为0.36, 秋季次之, 平均相对误差为0.40, 夏季最差, 平均相对误差为0.43.

滇东区域无降水的模拟时段:冬季为72~120h, 春季为0~72h, 夏季为24~48h、72~120h, 秋季为0~24h、48~72h, 如图3(a)、(b)、(c)、(d)和图5(a)、(b)所示, 其中风速趋势各个季节都比较好, 相关系数均超过了0.60, 最高的是冬季, 为0.83, 最低的夏季也达到0.63.风速精度方面, 冬季及夏季都非常好, 平均相对误差均小于或等于0.25, 秋季也比较好, 为0.30左右, 春季较差, 达到了0.43.

滇西区域无降水的模拟时段:整个冬季的模拟时间, 春季为0~72h, 夏季为0~72h, 如图3(e)、(f)、(g)、(h)和图5(a)、(b)所示, 其中风速趋势方面, 除了春季一般, 为0.40外, 冬季和夏季均超过了0.60, 冬季甚至接近0.90.风速精度冬季和夏季都非常好, 平均相对误差均小于0.25, 而春季精度略差, 平均相对误差为0.36.

总而言之, 对于有降水时段, 除了春季模拟效果比较好外, 其它季节风速趋势和风速精度均不是很理想, 而无降水时段, 除了滇东区域春季的风速精度及滇西春季的总体模结果略差外, 其它多数季节模拟结果都比较理想.