应用WRF模型模拟分析风力发电场风速

张 华，孙 科，田 玲，晏 刚

(1. 华北电力大学可再生能源学院，北京102206；2. 华能新能源产业控股有限公司，北京100036)

近年来，随着世界范围内的污染加剧，导致全球环境恶化，各种极端灾害天气不断出现，可再生能源的利用越来越引起人们的关注．风能作为一种可再生能源，近十几年来其发电成本已得到大幅下降，竞争潜力增强．风能资源评估是风能开发利用的关键环节，它是制定风能规划、风电场选址、风电功率预测的重要基础．目前，风能资源评估的方法有统计方法和数值方法两类．统计分析方法可分为两种：基于气象站历史观测资料和基于测风塔观测资料的统计方法．国际上用于风能资源评估的数值方法主要有两类：一类主要用于评估一个较大区域范围内的风能资源量，通常这类数值方法由中尺度气象模式和小尺度模式组合而成，主要有丹麦 KAMMWAsP、美国Meso-Map、加拿大 WEST系统等，水平方向分辨率可以达到 1,km×1,km；另一类主要用于评估一个小区域范围内的风速分布特征，水平分辨率可以达到10,m量级，主要有丹麦WAsP系统和WindPro系统、英国 Windfarm系统、挪威 Windsim系统以及法国Meteodyn WT系统[1]．目前将中尺度数值模式应用于风资源评估的研究已经开展[2-4]．本文应用中尺度大气模式WRF(weather research and forecasting)模式对贵州乌江源地区近地面风场进行了数值模拟研究．

1 WRF模式及陆面方案简介

WRF模式是美国新一代中尺度数值预报模式．WRF是灵活的、最先进的大气模拟系统，它易移植，并且可有效地应用于各种操作系统．WRF适用于水平分辨率从数米到上万公里尺度的各种天气系统的模拟，它的功能包括：理想化模拟(如 LES、对流、斜压波)、参数化研究、数据同化研究、预报研究、实时数值天气预报、耦合模式应用等．该模式系统集成了迄今为止在中尺度方面的研究成果，对中尺度对流系统、气象要素等的模拟和实时预报性能较好．Welsh等[5]用 WRF模式和 LAPS(局地资料分析预报系统)同化本地资料预报佛罗里达大拐弯地区的2003年夏季气象要素，发现WRF模式对风的预报明显好于 Eta模式．苑海燕等[6]利用 WRF模式分析“神舟六号”飞船主着陆场区的风场，发现 WRF模式对主着陆场区的地面风速、风向的预报、WRF模式输出的 850,hPa模拟风场对 100,m高度以下浅层风的最大风速及其风向的预报，结果均比较理想．WRF采用非静力动力学框架质量垂直坐标和很多可供选择的详细物理参数化方案．Molders等[7]用 WRF模拟反演研究阿拉斯加内陆冬季气候模型，与无线电探空仪观测数据和地面数据比较结果表明，WRF模式的性能在很大程度上取决于所选择的物理过程方案．

WRF模式现有 4种陆面过程参数化方案：热量扩散(SLAB)方案、Noah方案、RUC方案和在 WRF V3.0版本新引入的Pleim-Xiu方案．热量扩散方案[8]是基于 MM5的 5层土壤温度模式，分别是 l,cm、2,cm、4,cm、8,cm和16,cm，在这些层下温度固定为日平均值．能量计算包括辐射、感热和潜热通量，同时也允许雪盖效应．Noah陆面模式[9]是由OSU模式改进而来，它能够预报4层的土壤湿度和温度以及树冠蒸腾和等水量的雪深，它也能输出地面和地下的径流总量，在处理蒸发和蒸腾作用时，陆面过程使用了植被和土壤类型，该方案使用一个诊断方程来获取地表温度，同时使用一个合适的分子扩散层来阻止热量的传递，并考虑了雪盖和冻土的影响．RUC Land Surface Model方案[9]有6个土壤层和2个雪层，它考虑了土壤结冰过程、不均匀雪地、雪的温度和密度差异以及植被效应和冠层水．Pleim-Xiu模式[10]是一个复合的地表和PBL模式，它在两层上(1,cm处的地面层和1,m处的根区)描述土壤水汽和温度以及树冠的蒸腾并处理土壤层、树冠和蒸腾水汽通量．这种模式来自TERRAIN的陆地类型百分比值和土壤数据集合，而非仅使用一个单一的主要类型．土壤水汽的初始化可以根据陆地类型的可用水汽或土壤水汽的输入，也有可选的植被生长和衰亡算法来使其适合作长期模拟．

2 模式设计及模拟方案

陆地表面是由结构多样、性质复杂、分布极不均匀的下垫面所组成的，是大气下边界中一个既重要又复杂的部分．陆面与大气及其他圈层之间进行的各种时空尺度的相互作用，以及动量、能量、水汽等物理量的交换和辐射传输对于大气环流及气候状况产生极大影响．风力机位于近地面层内，因此其受陆面过程的影响较大．为研究陆面过程对风电场风速的影响，设计了 4种模拟方案，即 SLAB、Noah、RUC 和Pleim-Xiu方案．物理过程的设置如下：微物理过程采用WRF Single-Moment 3-class Scheme，长波辐射方案采用 Rapid Radiative Transfer Model，短波辐射方案采用 Dudhia Scheme，边界层参数化方案采用MM5,Similarity，大气边界层采用 Yonsei University Scheme，积云对流参数化方案采用Grell 3d Ensemble Cumulus Scheme，而陆面过程分别采用了热量扩散(SLAB)方案、Noah方案、RUC方案和 Pleim-Xiu方案4种参数化方案．本文应用WRF V3.2 版本，分别采用4种模拟方案，模拟了我国贵州省乌江源地区某风电场区域2008年6月16日08：00至2008年6月23日08：00(北京时间)的风况．模拟方案采用4重单向嵌套，垂直分为28层，地图投影模式为 Lambert投影，积分的时间步长为 180,s．地形资料采用全球1,km×1,km 分辨率的地形资料．选用的大尺度气象背景场资料为NCEP的最后分析数据，该数据为每6小时发布的分辨率为 1°×1°的大尺度气象资料．每一层的水平网格距分别为 27,km、9,km、3,km 和1,km．模拟区域和网格设置见图1．

图1 模拟区域和网格设置Fig.1 Simulation region and grid setting

3 模式的模拟结果分析

应用WRF模式分别采用4种模拟方案模拟了某风电场区域内2008年6月16日08：00至2008年6月 23日 08：00的风况，并分别选取了 2号测站(W104° 30′04.3″，N26°54′53.8″) 和 3 号 测 站(W104°30′37.5″，N26°53′42.5″)10,m 高度处的实测数据进行了对比分析．模拟共得到169(24×7＋1),h平均风速值，两个测站的实测小时平均风速与模拟的小时平均风速分别如图2和图3所示．图4和图5分别显示了两个测站7,d的日平均风速及其变化情况．

图2 2号测站10,m高度小时平均风速变化情况Fig.2 Hourly average wind speed variation at 10,m height in station 2

图3 3号测站10,m高度小时平均风速变化情况Fig.3 Hourly average wind speed variation at 10,m height in station 3

图4 2号测站10,m高度日平均风速变化情况Fig.4 Daily mean wind speed variation at 10,m height in station 2

图5 3号测站10,m高度日平均风速变化情况Fig.5 Daily mean wind speed variation at 10,m height in station 3

从图2和图3中可以看到4种模拟方案均能够较好地反映实际小时平均风速的变化趋势．从图4和图 5可以看到 4种模拟方案的风速日均值变化趋势与其实测值变化趋势基本一致．2个测站 7,d的模拟风速平均值、最大风速与实际测站风速平均值及最大风速情况见表1．

表1 模拟的风场数据与实测风场数据对比Tab.1 Comparison between simulated wind data and measured data

从表1中可以看出，4种陆面过程模拟的 7,d的风速平均值与实际测站的风速平均值比较接近．2号测站模拟方案的平均风速与实际测站的平均风速的最大差值为 0.31,m/s(RUC)．3号测站模拟方案的风速平均值与实际测站的风速平均值的最大差值为0.66,m/s(Noah)．WRF模式模拟的平均风速结果 2号测站要好于 3号测站．WRF模式较好地反映了该区域的平均风速及其变化．对于最大风速的模拟，4种方案模拟的最大风速均小于实测数据的最大风速，SLAB方案、Noah方案与实测数据最为接近，Pleim-Xiu方案、RUC方案与实测数据相差较大．WRF模式模拟的最大风速情况2号测站要好于3号测站．

平均风功率密度(wind power density，WPD)是比风速更真实地反映风电场潜在风能的指标．平均风功率密度综合了风电场风速频率分布、空气密度和风速的影响. WPD定义为每单位风轮叶片扫掠面积可获得的风功率(W/m2)，计算式为

式中：n为平均时段内的记录数目；ρ为空气密度，kg/m3；iv为第i个记录的风速值，m/s．

空气密度ρ是海拔高度和温度的函数，即

式中：z为测站的海拔高度，m；T为大气温度，K．

表2显示了两个测站实测及WRF模拟的7,d的平均风功率密度的对比情况．从结果可以看出，对于平均风功率密度的模拟，SLAB与 Noah模拟的平均风功率密度值均与实测数据较为接近，能够较好地反映该区域风能情况．Pleim-Xiu模拟的平均风功率密度明显大于实测数据．对于平均风功率密度，WRF模式模拟的结果同样表现为2号测站好于3号测站．

表2 模拟的平均风功率密度与实测数据的平均风功率密度Tab.2 Average wind power density of simulation and measured data

4 结 论

随着模式分辨率的提高，陆面过程的作用越来越不容忽视，陆面过程参数化是模式研究的一个重要方面．本文选取 WRF中 4种不同的陆面参数化方案，采用NCEP的最后分析数据作为初始场，使用4重嵌套网格对贵州省乌江源地区的风况进行1,km分辨率的模拟计算．重点比较了4种方案对于近地面风场日变化及小时变化特征的模拟结果．得到以下结论．

(1) 4种模拟方案的风速日均值变化趋势与实测数据变化趋势基本一致，7,d平均风速的模拟值也与实测值基本一致．

(2) 对于最大风速的模拟，4种方案模拟的最大风速均小于实测数据的最大风速，SLAB与 Noah与实测数据最为接近．

(3) 对于平均风功率密度的模拟，SLAB与Noah模拟的平均风功率密度值均与实测数据较为接近，能够较好地反映该区域风能情况．Pleim-Xiu模拟的平均风功率密度明显大于实测数据．

(4) 2号测站的模拟结果要好于3号测站，这主要是 2号测站附近地势较平坦，地表粗糙度较小，而3号测站附近地形起伏较大且地表粗糙度较大，因此地形变化及地表粗糙度对模式的模拟结果会产生较大影响．

(5) 对于综合平均风速、最大风速及平均风功率密度等参数，WRF模式基本上能够模拟近地面风场的变化特征．SLAB方案和 Noah方案能够较好地反映该区域的风能情况，WRF模式能够为风资源评估及风电场开发提供技术支持．

［1］ 贺德馨. 风能技术可持续发展综述[J]. 电力设备，2008，9(11)：4-8.He Dexin. Summary about sustainable development of wind energy technology [J]. Electrical Equipment，2008，9(11)：4-8(in Chinese).

［2］ 冯双磊，王伟胜，刘 纯，等. NCEP/NCAR再分析数据在风能资源评估中的应用研究[J]. 资源科学，2009，31(7)：1233-1237.Feng Shuanglei，Wang Weisheng，Liu Chun，et al. The application of NCEP/NCAR reanalysis data to the assessment of the wind resource [J]. Resources Science，2009，31(7)：1233-1237(in Chinese).

［3］ Dvorak M J，Archer C L，Jacobson M Z. California offshore wind energy potential [J]. Renewable Energy，2010，35(6)：1244-1254.

［4］ Lazic L，Pejanovic G，Zivkovic M. Wind forecasts for wind power generation using the Eta model [J]. Renewable Energy，2010，35(6)：1236-1243.

［5］ Welsh P，Wildman A，Shaw B. Implementing the weather research and forecast(WRF)model with local data assimilation in a NWS WFO[C]//84th AMS Annual Meeting. Seattle，USA，2004：10-15.

［6］ 苑海燕，杜继稳，侯建忠，等. “神舟六号”飞船着陆时段主着陆场区风场的数值模拟[J]. 气象科学，2008，28(1)：56-61.Yuan Haiyan，Du Jiwen，Hou Jianzhong，et al. The numerical simulation of wind fields in mainlanding-area by model WRF in the phase of "Shen Zhou 6" spacecraft mission [J]. Scientia Meteorologica Sinica，2008，28(1)：56-61(in Chinese).

［7］ Molders N，Kramm G. A case study on wintertime inversions in Interior Alaska with WRF[J]. Atmospheric Research，2010，95(2/3)：314-332.

［8］ 胡向军，陶健红，郑 飞，等. WRF模式物理过程参数化方案简介[J]. 甘肃科技，2008，24(20)：73-75.Hu Xiangjun，Tao Jianhong，Zheng Fei，et al. WRF model physics parameterization schemes introduction[J]. Gansu Science and Technology，2008，24(20)：73-75(in Chinese).

［9］ Tewari M，Chen F，Wang W，et al. Numerical experiments with MM5 and WRF using the upgraded unified Noah land surface model [C]//The 1st Joint WRF/MM5 Users’ Workshop in Boulder. Colorado，USA，2004：22-25.

［10］ National Center for Environmental Prediction. ARW Users GuideV3[EB/OL]. http：//www.mmm.ucar.edu/wrf/users/docs/user_guide_V3/contents.html，2010-02-05.