CALMET模式不同參數(shù)化方案對江西省山地 風場模擬的對比分析

姚琳 徐衛(wèi)民 彭王敏子 溫新龍 沈競

（江西省氣象科學研究所，南昌 330096）

0 引言

風能作為一種可再生的清潔能源，已成為許多國家推進能源轉型的核心發(fā)展內容和應對氣候變化的重要途徑。江西省風能資源主要集中在環(huán)鄱陽湖地區(qū)與高海拔山地，相對規(guī)?；虚_發(fā)大型風電場而言，江西省更適合開發(fā)分散式風電，因此江西省山地風場的精細化準確模擬對提高風電選址和風資源開發(fā)有著重要意義。

目前對風能資源風速預測主要有統(tǒng)計法和數(shù)值模擬法，統(tǒng)計法由于需要的數(shù)據(jù)量大等缺點沒有得到廣泛應用[1-3]，計算機技術的發(fā)展使數(shù)值模擬法廣泛應用于風能資源評估方面[4-8]，隨著數(shù)值模式水平的不斷提高，分辨率更高更為精細的小尺度模式在特定的區(qū)域風場模擬方面得到了很好的應用，其中CALMET模式是美國EPA推薦的由美國地球技術公司（Earth Tech Inc）開發(fā)的可用于復雜地形的邊界層微尺度氣象診斷模式，基于CALMET模式的動力降尺度方法是國內外風資源評估的手段之一[9-13]。CALMET模式的風場選項參數(shù)包含了地形動力學效應、下坡氣流效應、地形阻塞效應和O’Brien垂直速度調整等，由于數(shù)值模式在不同氣候背景、地形地貌區(qū)域對風場模擬的效果與參數(shù)化方案的適應性緊密相關，所以選取適合區(qū)域特點的參數(shù)化方案是數(shù)值模式模擬的關鍵[14-17]。

本文利用CALMET模式對江西省境內高海拔山地風電場測風塔進行1月和7月的數(shù)值模擬，對比分析不同參數(shù)化方案對山地風場逐時風速的模擬效果，從而選出最優(yōu)參數(shù)化方案，并且對最優(yōu)參數(shù)化方案進一步進行整1年的模擬效果研究。

1 模式及方案設計介紹

1.1 模式介紹及模擬方案設置

CALMET模式是中尺度與小尺度結合的模式系統(tǒng)，利用中尺度數(shù)值模式WRF模式最內層格點輸出結果（3 km×3 km）作為CALMET的背景驅動場（初始猜測場），通過進一步的動力降尺度得到分辨率為0.5 km×0.5 km的診斷風場。

文中WRF模式是由美國NOAA、NCEP、Air Force等多個研究部門聯(lián)合開發(fā)的中尺度數(shù)值預報模式，是一個全可壓非靜力模式。本文選用WRF3.6版本，模擬區(qū)域的中心點位于（25.6°N，115.2°E），27 km×9 km×3 km的3層嵌套網(wǎng)格，網(wǎng)格數(shù)分別為：52×55，82×91，91×121，三重嵌套網(wǎng)格垂直方向均分為不等距30層，模式頂約為19 km，至少15層在1 km以下。地形數(shù)據(jù)分別為美國地質勘探局（USGS）的全球2′、1′和30″地形數(shù)據(jù)，模式初始場為全球1°×1°、6 h一次的FNL/NCEP再分析數(shù)據(jù)。通過多種參數(shù)化方案模擬試驗分析，選取模擬結果與實測分析接近的方案，最后確定為：WSM3微物理過程方案+MRF邊界層方案+Noah陸面過程方案[18]。WRF模式對研究區(qū)域進行為期1年的逐日模擬，設置為每天運行36 h，起止時間為每日12時（世界時）至第三日00時，模擬結果取每天模擬的后24 h逐時輸出結果。

CALMET模式是美國EPA推薦的由美國地球技術公司（Earth Tech Inc）開發(fā)的邊界層微尺度氣象診斷模式，CALMET模式包括診斷風場模塊和微氣象模塊，它通過質量守恒連續(xù)方程對風場進行診斷，在輸入模式所需的常規(guī)氣象觀測資料和中尺度氣象模式輸出場后，進行地形動力學、下坡氣流、地形阻塞效應調整，并通過插值、平滑處理、垂直速度計算、輻散最小化等產(chǎn)生最終風場。本文計算采用的是CALMET v6.334的版本，CALMET模式水平網(wǎng)格數(shù)為200×200，網(wǎng)格大小為0.5 km×0.5 km，垂直分為11層，地形資料采用水平分辨率3″的SRTM3資料，下墊面類型資料為30″水平分辨率的USGS資料。

為了研究適用于江西山地風電場的CALMET模式最優(yōu)參數(shù)化方案，選取了位于江西省境內高海拔山地風電場的2座測風塔資料對多種參數(shù)化方案的模擬結果進行效果評估。2座測風塔為NRG測風系統(tǒng)，均位于興國縣北部丘陵山區(qū)大水山一帶，周圍均無遮障并暴露于強烈高空風中，海拔高度分別為879 m和831 m，均為5層測風塔，每層各有一套風速儀，在80 m、10 m高度層安裝了風向儀；塔層高度分別為10 m、30 m、50 m、70 m和80 m，記錄為10 min風速平均，觀測時間為2016年6月—2017年5月，測風塔實測數(shù)據(jù)使用時進行了嚴格的質量控制，按照國家標準《風電場風能資源評估方法》（GB/T 18710—2002）對測風塔原始數(shù)據(jù)進行完整性、合理性及有效性分析檢驗，有效完整均達80%以上。模式區(qū)域及測風塔位置如圖1。

圖1 模式區(qū)域（紅色實線為WRF，黑色實線為CALMET）及測風塔位置 Fig. 1 The simulation experiment domain and the location of the wind tower

1.2 參數(shù)化方案組設計

通過CALMET模式準確地診斷風場，精細化的地形資料和下墊面類型、高質量和高密度的觀測資料均至關重要，但并不是任何區(qū)域能具備這樣的條件，特別是對于山地風場，氣象站分布往往距測風塔較遠、稀疏且地形差距較大，且測風高度也僅有10 m，因此，此次CALMET模式地面及高空氣象輸入資料均由中尺度氣象模式WRF的模擬結果提供，并且主要針對山地風場50～80 m高度層進行模擬研究。

CALMET模式的風場選項參數(shù)有地形動力學效應、下坡氣流效應、地形阻塞效應和O’Brien垂直速度調整等。地形動力學效應是指地形對氣團速度的強迫作用，主要通過計算整個區(qū)域的風來獲得受地形影響的垂直風速，并滿足大氣穩(wěn)定度遞減指數(shù)函數(shù)，對初始猜測風場重復執(zhí)行輻散最小化方法，直到三維輻散小于閾值，以獲得水平方向風分量所受到的地形動力學影響。下坡氣流效應是利用地形坡面、坡高、時間等參數(shù)計算，其風分量調入風場調整空氣動力學影響。地形阻塞效應是指地形對風場的熱力學阻塞效應通過局地弗勞德（Froude）數(shù)計算，如果網(wǎng)格點計算值小于臨界Froude數(shù)，且風有上坡風量，則風向調整為與地形相切的方向，風速不變；如果超過臨界Froude數(shù)，則不需要調整。O’Brien垂直速度調整是根據(jù)Godden和Lurmann的理論假定模擬區(qū)域的層頂垂直風速為0 m·s-1[19]。此次對CALMET模式的以上4個風場選項設計了5組參數(shù)化方案，模擬了2016年7月和2017年1月江西某山地風電場2座測風塔逐時風速風向，對50 m、70 m和80 m高度層模擬結果與測風塔數(shù)據(jù)進行比對分析，方案設計見表1。

表1 CALMET模式參數(shù)化方案 Table 1 Comparison of parameterization schemes in the CALMET model

2 CALMET模式參數(shù)化方案模擬效果對比

2.1 全風速模擬效果對比

平均絕對誤差能反映出模擬值精度的實際情況，均方根誤差反映了模擬結果與觀測結果的離散程度，相關系數(shù)則可說明模擬值與觀測值的變化趨勢逼近情況。表2和表3分別給出了CALMET模式各組參數(shù)化方案對2座測風塔逐小時風速模擬結果與實測風速相關系數(shù)（R）、平均絕對誤差（MAE）和均方根誤差（RMSE）[20]。由表2結果可知，7月相關性比1月更好，數(shù)值上各組結果差距不大。圖2為測風塔逐小時風速模擬檢驗結果，從圖中可以看出，1月模擬效果優(yōu)于天氣過程較多的7月，特別是表現(xiàn)在2#塔模擬效果中，1月各高度層的均方根誤差和平均絕對誤差均小于7月。各組方案檢驗結果上看，第3組模擬效果最差，說明CALMET模式采用地形動力學時，地形強迫產(chǎn)生的垂直速度對水平風場調整不夠充分，會導致模擬結果誤差較大，特別是天氣過程較多的7月份。為了防止模式格點的高層產(chǎn)生異常的大垂直風速，通過采用O’Brien對垂直風速進行調整強迫模式模擬區(qū)域頂層的垂直風速為0 m·s-1，進而讓垂直風速更合理的對水平風速進行調整，通過比對方案檢驗結果第5組在均方根誤差和平均絕對誤差上均為最小，為最優(yōu)方案，即動力降尺度CALMET模式對山地風場風速模擬時，不宜采用地形動力效應參數(shù)，采用下坡氣流效應調整對50 m以上高度層風場影響較小，關閉Froude數(shù)調整以及采用O’Brien垂直風速調整更利于提高對山地風場的模擬效果。

表2 測風塔逐小時風速模擬相關性結果 Table 2 Correlation coefficients of simulated hourly wind speed from the wind tower

2.2 風向模擬效果對比

利用CALMET模式各組參數(shù)化方案模擬2017年1月和2016年7月山地風場1#測風塔逐時風向，通過風向統(tǒng)計結果得到各月風向玫瑰對比圖（圖3～圖4），由圖可知，1月各組模擬結果主導風向均與實測主導風向一致，第1、2、4和5組主導風向頻率較實測值為3%～13%，第3組方案組主導風向頻率較實測值偏小約5%，7月各組模擬結果主導風向均與實測主導風向有一個方位的偏差，主導風頻偏大16%～24%，總體上各組方案均能較好地模擬出各測風塔的主導風向。

3 最優(yōu)參數(shù)化方案效果檢驗

利用上述所選出的CALMET模式最優(yōu)方案第5組對山地風場兩座測風塔進行2016年6月至2017年5月整一年的逐小時風資源模擬，對模擬效果進行進一步分析。

3.1 指標檢驗

表3給出了CALMET模式最優(yōu)方案對山地2座測風塔連續(xù)一年的逐小時風速模擬結果，1#、2#測風塔全年模擬結果相關系數(shù)分別介于0.62～0.79和0.53～0.81，均方根誤差分別介于2.0～2.7 m·s-1和2.1～2.7 m·s-1，絕對平均偏差均介于1.6～2.0 m·s-1。CALMET模式對山地風場整一年的各層風速模擬年均相關系數(shù)為0.69，年均均方根誤差和絕對平均偏差分別為2.3 m·s-1和1.8 m·s-1。

表3 山地風場測風塔逐小時風速模擬效果檢驗結果 Table 3 Simulated results of hourly wind speed of wind tower in the mountain wind field

圖2 測風塔逐小時風速模擬效果檢驗結果 （a）1#塔均方根誤差；（b）2#塔均方根誤差；（c）1#塔平均絕對誤差；（d）2#塔平均絕對誤差 Fig. 2 Test results of hourly wind speed simulation of wind tower (a) Root mean square error of 1# wind tower; (b) Root mean square error of 2# wind tower; (c) Mean absolute error of 1# wind tower; (d) Mean absolute error of 2# wind tower

從總體平均結果來看，CALMET模式能較好的模擬出山地風場測風塔逐時風速，四季模擬效果差別較小，夏季相關系數(shù)優(yōu)于其他季節(jié)，秋季誤差較其他季節(jié)最小。

3.2 風速模擬效果檢驗

1#塔實測80 m、70 m和50 m年均風速分別為6.4 m·s-1、6.2 m·s-1和6.0 m·s-1，模擬值年均風速分別為6.3 m·s-1、6.2 m·s-1和5.9 m·s-1，2#塔實測80 m、70 m和50 m年均風速分別為5.6 m·s-1、5.6 m·s-1和5.5 m·s-1，模擬值年均風速分別為5.8 m·s-1、5.9 m·s-1和5.5 m·s-1。

圖5給出了2座測風塔80 m高度層實測與模擬風速月均變化，由圖可知，CALMET模式對測風塔的模擬結果與實測值風速月均變化趨勢基本一致，特別是1#測風塔風速較大月份4月、6月、7月和較小月份5月、8月，以及2#測風塔風速較大月份6月、7月和較小月份5月、8月均有很好的模擬效果。

圖3 1#測風塔80 m高度層2017年1月風向玫瑰圖 Fig. 3 Wind rose diagram of 1# wind tower, 80 m high, January 2017

圖4 1#測風塔80 m高度層2016年7月風向玫瑰圖 Fig. 4 Wind rose diagram of 1# wind tower, 80 m high, July 2016

圖5 1#（a）、2#（b）測風塔80 m高度層風速月均變化 Fig. 5 Monthly variation of wind speed at 80 m height layer of 1#(a) and 2#(b) wind towers

圖6 1#（a）、2#（b）測風塔全年80 m高度層風速分布 Fig. 6 Distribution of wind speed section of 80 m in the 1#(a) and 2#(b) wind towers

圖6給出了2座測風塔80 m高度層實測值和模擬值風速段分布，由圖可知，CALMET模式對風速段分布的模擬效果與實測基本一致，1#測風塔實測值和模擬值風速分布均主要集中在3～9 m·s-1，但在風速峰值區(qū)模擬值概率偏大且與實測值差別較大，有2%～4%的偏差。2#測風塔實測值和模擬值風速分布均主要集中在2～8 m·s-1，在風速峰值區(qū)實測值偏大且與模擬值概率差別較大，有2%～5%的偏差。

3.3 風向檢驗

圖7給出了各測風塔模式模擬及實測風向玫瑰圖，由圖可知，模擬與實測結果主導風向及風能分布有一定的差異，約有一個方位的偏差，1#塔實測值主導風向為N方向，模擬結果主導風向為NNE方向，頻率上約有7%的偏差；2#塔實測值主導風向為SSW方向，模擬結果主導風向為S方向，頻率上約有8%的偏差。

圖7 1#（a）、2#（b）測風塔80 m高度層全年風向玫瑰圖 Fig.7 Annual wind rose of 1# (a) and 2# (b) wind towers at 80 m

4 結論

基于不同參數(shù)化方案的CALMET模式對江西省境內山地風場的模擬，優(yōu)選出最佳參數(shù)化方案并進一步進行全年山地風場模擬，得出以下結論。

1）采用動力降尺度CALMET模式對江西省山地風場2016年7月和2017年1月風速進行模擬時，通過5組參數(shù)化方案模擬結果的比對分析得到：第5組參數(shù)化方案最優(yōu)，即CALMET模式以不采用地形動力效應參數(shù)調整和Froude數(shù)調整，采用下坡氣流效應調整和O’Brien垂直風速調整時，對江西省境內山地風場50 m以上高度層風場模擬效果最佳。

2）采用CALMET模式最優(yōu)參數(shù)化方案對江西省山地風場進行整1年的風速進行模擬，模擬結果表明：CALMET模式能較好的模擬出山地風場測風塔逐時風速，全年四個季節(jié)模擬指標效果差別較小，夏季相關系數(shù)優(yōu)于其他季節(jié)，秋季誤差較其他季節(jié)最小。其不僅能較好地模擬出風速及風能密度月均變化，對全年風速段分布模擬也與實測值較為一致，在峰值區(qū)分布概率有2%～5%的偏差。風向分布方面，CALMET模式能較好地模擬出實際測風塔全年主導風向，但模擬與實測結果主導風向分布約有一個方位的偏差，主導風向頻率有7%～8%的偏差。