CFD方法在贵州分散式风电场资源评估中的应用研究

段 莹，丁立国，罗宇翔

(贵州省气候中心，贵州 贵阳 550002)

1 引言

随着世界人口的不断增长，能源和天然资源的消费迅猛增长，对人类的生存和可持续发展都提出了严峻的考验，能源危机逐步凸显。而常规能源不仅面临着枯竭的问题，其对环境的污染和生态恶化问题也已对人类的生存环境产生了严重的影响［1］。

人们开始关注能够替代化石燃料的其它新能源。中国《能源发展“十二五”规划》指出，坚持集中与分散开发利用并举，以风能、太阳能、生物质能利用为重点，大力发展可再生能源。当前，鉴于我国电网消纳能力对大规模风电开发的制约，国家能源局发出了因地制宜开展分散式风电开发的通知。因此，分散式接入风力发电是能源产业的组成部分，也是贵州省的能源资源及资源利用途径，在满足能源需求、改善能源结构、充分利用资源、减少环境污染、促进经济发展等方面具有重要作用和意义。另外，贵州是全国第一个获得国家分散式风电接入批准的省份，因此找到一种能够较好的模拟贵州山地分散式风电场风能资源的方法就显得尤为重要。

目前国内外的风资源评估手段主要有3 种:基于气象站历史观测资料的评估、基于测风塔观测资料的评估以及风能资源评估的数值模拟。其中气象站资料评估及测风塔观测资料评估均存在一定局限性［2］，而数值模拟技术计算灵活，花费时间较少且评估更精细，优势明显。

近二十年来，欧美国家开发了许多以数值模拟为基础的风资源评估软件，如:美国的MesoMap［3］是一个非静力中尺度数值模式(MASS)与一个质量守恒的风场模拟线性模式相结合的风资源评估系统。丹麦Risoe 实验室发展了将中尺度数值模式KAMM与微尺度线性风场诊断模式WASP［4］相结合的区域风能资源评估方法。国内学者近几年也开展了一些风能资源数值模拟工作，如:张德等［5］应用加拿大WEST 系统完成了全国5 km 分辨率的风能资源数值模拟工作;龚强等人［6］用MM5 逐日积分的方法得到辽宁沿海区域10 km 分辨率的春季风能资源分布等。

近年来，计算流体力学模式(CFD)也开始越来越多地被用来模拟复杂地形风场，中国气象局曾用中尺度模式MM5 和WindSim 结合的模式系统对鄱阳湖地区的风能资源进行模拟［2］。但是零散的可利用风能资源多位于复杂地形地区，中尺度模式网格分辨率也不能满足要求。目前常用的小尺度风电场选址模式(如WAsP、WindSim)只适用对周围几公里的模拟，也不能满足地方政府制定分散式风电发展规划的需求。

法国Meteodyn WT 是近年来新兴的一个CFD模式，它可以在不同大气层结条件下求解流体动力学方程组，并允许多个测风塔数据同时输入。该模式采用一阶湍流闭合求解Navier－Stocks 方程的方法，能在较大范围内进行近地层风场的数值模拟。因此，本文拟采用中尺度模式MM5、Calmet 模拟系统及法国CFD 模式Meteodyn WT 相结合的方法(以下简写MM5/WT)对贵州A 分散式风场的风能资源进行数值模拟实验，与实测风进行对比分析，探索该方法对分散式风场风能资源评估的适用性，并简单概述贵州A 分散式风场风能资源分布情况。

2 数据来源及方法介绍

2.1 资料介绍

该文模拟所用资料包括地形数据、背景场数据，同时对模拟结果进行验证时使用到了实测风资料。

地形数据:美国地质调查局(USGS)发布的全球30 s 的DEM 数据和landuse 数据。

背景场数据:美国国家环境预报中心(NCEP)发布的1° ×1°的全球再分析资料。

实测风资料:贵州省A 分散式风电场内测风塔测风梯度资料。

2.2 模式介绍

此次数值模拟个例采用的技术方法是MM5→Calmet→Meteodyn WT，即将MM5/Calmet 模式输出结果作为背景场，将其模拟数据输入WT 软件中进行计算，以WT 计算所得作为模拟结果进行分析对比，下面对各模式进行简单介绍。

2.2.1 MM5 模式及Calmet 模拟系统 MM5 是由美国宾州大学(Penn State University)和美国国家大气研究中心(NCAR)联合开发的新一代中尺度数值模式系统，是国内外应用相当广泛的一个中尺度数值预报模式。此次模拟采用三层嵌套计算出分辨率为9 km 的模拟区域。

Calmet 是由美国西格玛研究公司(Sigma Research Corporation)开发，美国国家环保局(USEPA)长期支持开发的模拟系统。在本次模拟中以MM5模拟结果为输入，采用动力诊断降尺度的方法计算到分辨率为1 km 的网格上。

2.2.2 METEODYN WT 模式 是由法国Meteodyn公司(美迪公司)基于CFD 技术研究开发的风资源评估软件，该软件可以在任何地形条件下得到更为准确的风资源计算结果。

WT 软件是专门为求解大气边界层问题而开发的CFD 软件，可以提高复杂地形风能资源评估的准确性。WT 软件可以求解全部的NS 方程，求得风电场区三维空间内任一点的风流及风资源情况(平均风速、湍流、能量密度、发电量、入流角、极风等);可以根据地形、粗糙度以及设定的热稳定度自动生成网格与边界条件，在关注区域以及关注点自动进行网格加密，更好地解决复杂地形所带来的非线性问题［7］。

WT 软件以质量守恒方程和大气湍流动量守恒方 程 为 基 本 的 动 力 框 架［8］。使 用 了Arritt［9］和Yamada［10］参数化方法，通过三步迭代过程［11］计算得到不受其他影响干扰的风梯度，最后根据Meteodyn WT 的分类进行稳定度的判定。

模式入口由地表层对数律和Ekman 函数求得区域平均风速的垂直廓线［12］。地面粗糙度的选取方面借助google earth 并按照经验确定计算范围内的地面粗糙度值，不同下垫面对应的粗糙度值参考相关文献［13］。侧边界采用对称条件，上边界和出口条件都是采用均压条件。该文所采用的初始场粗糙度为0.05，模式的初始风速在10 m 高度上为10 m/s［14］。求解采用的是对每一个控制体积内风速和气压同时进行计算的MIGAL 方法。模式中所用的MIGAL 求解器是由MFRDC 开发并经过多年使用，得到过充分验证［15－16］。

3 Meteodyn WT 复杂地形数值模拟个例分析

3.1 模拟结果检验分析

通过采用中尺度模式MM5－Calmet 和法国CFD模式Meteodyn WT 相结合的方法对贵州山地风电场场区资源进行数值模拟，即将MM5－Calmet 模拟出的各层逐小时的风场资料输入Meteodyn WT 模式中进行计算，对定向计算结果进行统计分析后，则可得到空间分辨率为100m 的平均风速和风功率密度分布。

该文选取A 分散式风电场场区进行模拟分析，场区内有5 座测风塔风梯度资料，其中3个风塔建塔时间较短，仅有几个月的观测资料，不能较好的与模拟结果进行对比，因此仅取其中2 座测风塔2013年较为完整的观测数据与模拟结果进行对比分析，两个测风塔分别命名为1 号风塔及2 号风塔。

为了便于准确对比模拟的精度，剔除冬季凝冻时段的月份，只比对数据完整的观测月份，缺测数据不做插补订正。下面以50m 风速为例做对比:

由表1 可知，1 号风塔有10个月的观测资料，2、3、4月的模拟精度最高，误差低于2%，9月误差为4.1%，5月误差为8.2%，6、7、8、10 和11月的误差高于10%。其中11月份的误差来源可能是出现部分轻微的凝冻时段，导致观测风速变小。总体来说，春季模拟结果较好，夏季模拟结果较差。2—11月的观测平均风速为5.3 m/s，模拟平均风速为5.6 m/s，误差为5.7%。

2 号风塔有9个月的观测资料，3、4、9、10月的模拟精度最高，误差低于3%，5月误差为9.43%，6、7、8 和11月的误差高于10%。其中11月份的误差来源可能是出现部分轻微的凝冻时段，导致观测风速变小。同7310#塔一样，春季模拟结果较好，夏季的模拟结果较差。3—11月的观测平均风速为5.7 m/s，模拟平均风速为5.9 m/s，误差为3.5%。

表1 模拟结果与测风塔实测结果50 m 风速对比表 (单位:m/s)

贵州冬季凝冻比较严重，12、1、2月可用观测数据较少，在此未做对比分析。由于模拟技术中采用的Calmet 和WT 软件都是采用大气动力学方程，忽略大气热力学方程进行模拟的方法，因此在热力学条件复杂的夏季(6、7、8月)，模拟精度较差，在热力学条件稳定的其它月份，模拟精度普遍较高，在凝冻缺测的冬季，模拟精度和其它热力学条件稳定的月份相似，因此完整年的年平均风速的误差和实有月份的累积平均风速误差接近。综上所述，数值模拟结果在完整年的年平均风速的模拟上，具有较高的精确度，可作为分散式风电场的资源评估依据。

3.2 风能资源分布

应用风能资源评估软件Meteodyn WT 模拟数据对分散式风场的分能资源分布进行分析，风电场50 m、70 m、80 m 高度风速、风功率密度、湍流强度分布情况见图1～3。

由图可见，该分散式风场的风能资源随地势起伏变化较大，风场上看(图1)，场区的南部、西部大部以及北端部分地区风速相对较大，风速在4.5～7.5 m/s 之间;风功率密度来看(图2)，同样场区西部、南部及北端局部风功率密度较大，集中在180～450 W/m2。可见场区的西部、南部及北部局部地区风能资源相对丰富。

湍流强度指标是决定风电机组安全等级或者设计标准的重要参数之一，也是风场风资源评估的重要内容。就场区湍流强度而言(图3)，场区中部至北部地区湍流强度较大，而南部及西部地区湍流较小，强度基本在0.09～0.15 间，更利于风机安全运行。

表2 风电场场区各高度不同等级风功率密度面积及百分比

图1 风电场50 m、70 m、80 m 高度风速分布

图2 风电场50 m、70 m、80 m 高度风功率密度分布

图3 风电场50 m、70 m、80 m 高度湍流强度分布

4 结论

本文运用中尺度数值模式MM5－Calmet 与模式Meteodyn WT 相结合的方法，对贵州省山地分散式风电场的风能资源进行模拟研究。

通过实测资料及模拟结果的对比分析，以及对风电场内风速、风功率密度以及湍流强度的场区各高度模拟结果的比对分析可见:MM5－Calmet－WT模式能较好的模拟贵州山地风电场的风资源状况，但是由于模式忽略了大气热力学方程，因此在热力学条件复杂的夏季(6、7、8月)，模拟精度较差;在热力学条件稳定的其它月份，模拟精度普遍较高;在凝冻缺测的冬季，模拟精度和其它热力学条件稳定的月份相似，因此完整年的年平均风速的误差和实有月份的累积平均风速误差接近。

模拟结果显示，贵州A 分散式风场场区西部、南部及北部局部地区风能资源相对丰富，且这两个区域内湍流强度相对较小，更利于风机运行。

综上所述，这种用中尺度结合小尺度模式的数值模拟结果在完整年的年平均风速的模拟上，具有较高的精确度，可作为分散式风电场的风能资源评估依据，可为分散式风电发展规划的制定和风电场前期建设的选址提供科学依据。

［1］温敏，张人禾，杨振斌. 气候资源的合理开发利用［J］. 地球科学进展，2004，19 (6):1.

［2］何晓凤，周荣卫，朱蓉. MM5 与CFD 软件相结合对复杂地形风资源模拟初探——以鄱阳湖地区为例［J］. 资源科学，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］张德，朱蓉，罗勇. 风能模拟系统WEST 在中国风能数值模拟中的应用［J］. 高原气象，2008，27(1):202－207.

［6］龚强，袁国恩，张云秋. MM5 模式在风能资源普查中的应用试验［J］. 资源科学，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］方艳莹. 基于WRF 与CFD 模式结合的风能资源数值模拟研究［D］. 南京信息工程大学，2012.

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

［12］法国美迪公司Meteodyn WT 用户使用手册. 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.