<script type="text/x-mathjax-config">MathJax.Hub.Config({tex2jax: {inlineMath: [['$','$'], ['\\(','\\)']]}});</script> <script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=TeX-AMS-MML_HTMLorMML"></script>杨明祥 ¹ , 王浩 ¹ , 蒋云钟 ¹ , 雷晓辉 ¹ , 宋健蛟 ²
1. 中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室, 北京 100038;
2. 中国电建集团 成都勘测设计研究院有限公司, 成都 610072

收稿日期：2017-03-29
基金项目：“十三五”国家重点研发计划（2016YFC0402201-01）
作者简介：杨明祥(1986-), 男, 工程师。E-mail:yangmx@iwhr.com


摘要：针对传统评估手段在大范围风能资源评估中的不足，基于数值天气模式，从2000至2016年再分析资料中获得了雅砻江流域近17年的高分辨率风速模拟资料，并对雅砻江全流域风能资源进行了初步评估。评估内容主要包括平均风速空间分布、风功率密度空间分布、风速年内分布以及年风能可利用小时空间分布等。初步掌握了雅砻江流域风能资源的时空特征，分析结果表明：流域内存在一定比例的风能资源富集区，如宁蒗河与敢鱼河之间、甘孜所在经度线两侧、安宁河谷等成片区域。该研究为进一步的风能资源详查与实地观测提供了依据。
关键词：数值模拟风能资源评估雅砻江流域
Numerical simulations of the wind energy resources in the Yalong River area
YANG Mingxiang¹, WANG Hao¹, JIANG Yunzhong¹, LEI Xiaohui¹, SONG Jianjiao²
1.State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin, China Institute of Water Resources and Hydropower Research, Beijing 100038, China;
2.Chengdu Engineering Corporation Limited, POWERCHINA, Chengdu 610072, China


Abstract: Large scale wind energy resources are difficult to accurately assess. This study uses a numerical weather prediction model and wind data from 2000 to 2016 to calculate the wind speeds in the Yalong River area for about 17 years. The wind energy resources in the Yalong River area are assessed in terms of the spatial distribution of the average wind speed, the spatial distribution of the wind energy density, the annual distribution of the wind speed, and the temporal and spatial distribution of the annual exploitable wind energy. The analyses give the temporal and spatial features of the wind energy resources in the Yalong River area. There are several wind resource rich regions in the Yalong River area, such as the region near the longitude line of Ganzi, the region between the Ninglang River and the Ganyu River, and the Anning River valley. These results can be used for site selection for wind energy resources.
Key words: numerical simulationwind resource assessmentYalong River area
雅砻江流域风能资源初步评估对于摸清流域风能资源状况和时空分布特征、指导流域风能开发具有重要意义^[1]。目前，风能资源评估的主要手段是搭建测风塔^[2-4]。然而，对于像雅砻江流域这种面积大、自然环境恶劣的研究区域，通过建设大量测风塔进行风能资源评估成本过高，不具备经济可行性。针对这种情况，越来越多研究人员开始借助中尺度气象模式进行区域风能资源研究，如Storm等通过不同的参数化方案对低空急流进行了模拟，发现各种参数化方案均能模拟出低空急流的形式，可用于风电功率预测研究^[5]。张华等利用WRF(weather research forecast)模式对贵州乌江源地区风场进行了为期一年的数值模拟，发现WRF模式能够较好地反映近地面风场变化特征，能够为风能资源评估及风电场开发提供技术支持^[6]。苑海燕等利用WRF模式模拟了“神舟六号”主着陆场的风速、风向等气象指标，发现WRF模式能够较好地对100 m以下的浅层风场进行模拟^[7]。王澄海等使用WRF模式对西北地区1、4月份风速进行了模拟，结果表明WRF模式在风场模拟上具有较好的性能^[8]。但是，这些研究大多仅设置一年的模拟时间，难以有效反映风能资源的多年平均情况。本研究利用数值天气模式WRF，根据NCEP (National Centers for Environmental Prediction)/NCAR (National Center for Atmospheric Research)-FNL (final operational global analysis)再分析资料^[9]，对雅砻江流域2000年以来的风速进行了模拟，并据此对雅砻江流域风能资源进行了初步评估，以期对流域风电规划开发以及风、水联合输出提供一定借鉴。
1 雅砻江流域WRF模式构建雅砻江流域为西北至东南走向狭长流域，进行数值模拟时为覆盖全流域，最内层嵌套区域的面积必须达到60万km²以上。本研究的目的是通过多年(2000-2016年)风速模拟对雅砻江流域风能资源作初步评估，给出流域内风能资源时空分布特征，未涉及微观选址等内容。综合考虑计算资源与研究目标，决定采用3层嵌套方式，逐级增加模式分辨率，并将WRF模式输出最内层数据的分辨率定为3 km。嵌套区域设置充分考虑了周边大地形和重点天气、气候系统，并尽量避免模拟中跨越气候特征或者地理特点相差巨大的区域。不同层级之间的网格设置为双向反馈关系，内层网格在接受外部网格提供的初始场和边界条件的同时，也向外部网格反馈模式运行信息。设置模式层顶气压为50 hPa，并将地面以上至100 m的垂直空间作加密处理，利用线性插值使其能够输出10、50、70、80、100 m等关键高度层数据。根据该地区以往研究成果^[10-11]，对其他模式参数进行设置(具体请见文[10])。
2 数值模拟与验证本研究利用2000年1月1日至2016年12月31日的FNL数据驱动WRF模式，获取时段内每小时的平均风速模拟结果。但WRF模式动力框架与参数化方案均为适应天气模拟而设计^[12]，且模式运行需要一定的Spin-up时间，因此采用60 h一循环、前12 h舍去的方式完成长达17年的数值模拟。本研究从凉山州德昌风电场收集了数座测风塔的观测数据，选取数据时段完整、代表性较好的70#和72#测风塔用于检验WRF模式对风速模拟的效果。两座测风塔最大测风高度为70 m，均位于安宁河谷，其中70#测风塔(纬度27.546°N，经度102.193°E)位于河谷中央相对开阔的地域，地形变化较小，而72#测风塔(纬度27.467°N，经度102.197°E)则位于70#测风塔以南的一处喇叭状山口处，地形变化相对较大。根据两座测风塔的经纬度信息获取WRF模式输出最内层区域与之对应的网格坐标，据此抽取70 m高度处的纬向风(U)和经向风(V)，合成测风塔处的风速模拟值。模拟数据与实测数据的对比如图 1和2所示，其中70#测风塔选取的观测数据为2008年1月24日17:00至2008年12月31日23:00的小时平均风速，72#测风塔观测数据为2012年1月1日00:00至2012年12月31日23:00的小时平均风速。由图 1和2可知，WRF模式输出数据能够较好地模拟测风塔70 m高度处风速大小变化情况。根据统计分析，70#测风塔70 m高度处实测年平均风速为6.25 m/s，模拟值为5.81 m/s，而72#测风塔70 m高度处实测年平均风速为5.92 m/s，模拟值为5.64 m/s，可见WRF模式对平均风速的模拟效果较为理想。同时，由实测和模拟数据对比可知，德昌地区的实况风速比模拟风速的变化更为剧烈，这主要是由大气自身不稳定特性造成的，是导致风电输出不稳定的直接因素。

图 1 70#测风塔小时平均风速与模拟数据对比

图选项

图 2 72#测风塔小时平均风速与模拟数据对比

图选项

为评价WRF模式对不同量级风速的模拟效果，以1 m/s为步长绘制了测风塔小时平均风速频率分布与模拟数据对比图(横轴0代表 0~0.99 m/s，其他刻度类推)，如图 3与4所示。由图 3可知，WRF模式对70#测风塔70 m高度处风速频率的分布整体模拟效果较好，但对7 m/s以上风速有低估趋势，对7 m/s以下风速有高估趋势。图 4与图 3呈现了相同规律，即WRF模式对高风速有低估趋势，而对低风速则有高估趋势。但是，72#测风塔所处的地形变化较70#测风塔要大，使其风速变化较70#更加复杂，其70 m高度处风速频率分布在1 m/s风速左右出现一个峰值，该特性WRF模式没有很好地模拟出来，可能是因为WRF模式3 km的网格分辨率不足以描述72#测风塔附近风速的微观变化特征。

图 3 70#测风塔小时平均风速频率分布与模拟数据对比

图选项

图 4 72#测风塔小时平均风速频率分布与模拟数据对比

图选项

3 雅砻江流域风能资源初步评估借助中国水利水电科学研究院流域水循环模拟与调控国家重点实验室高性能计算平台，耗时近8个月，实现雅砻江流域2000-2016年共计17年的WRF模式滚动模拟。利用NCL(NCAR command language)等专业编程语言实现了海量风速数据(纬向风、经向风)的自动提取与合成。在此基础上，对雅砻江流域平均风速空间分布、风功率密度空间分布、风速年内分布、年风能可利用小时空间分布以及主导风向空间分布进行分析，实现对雅砻江流域风能资源的初步评估。
3.1 平均风速空间分布分析将70 m高度处2000年1月1日-2016年12月31日的小时平均风速模拟数据合成为平均风速，得到雅砻江流域多年平均风速空间分布图，如图 5所示。根据模拟结果，雅砻江干支流沿线存在多处风速较大的区域，如达曲河源头段以西与雅砻江干流左岸形成的喇叭状区域平均风速在6 m/s以上，个别地区平均风速达到8.5 m/s以上。甘孜县所在经线东西约40 km范围内，平均风速大多为7~9 m/s。支流拉日马沟河沿线存在条带状高风速区。理塘河上中游沿岸风速较大，且上游风速大于中游风速。德差河与吉珠沟上游平均风速较大，中下游平均风速较小。庆达河构成的三角形区域以及色物绒沟上游风速较大。雅砻江下游地区也存在一定比例风速较大的区域，如九龙河河谷地区以及九龙县以西至雅砻江干流左岸的广大地区，平均风速在7 m/s左右。宁蒗河与敢鱼河之间的区域，平均风速在8 m/s左右。德昌县至米易县的安宁河谷风速较大，平均风速在6 m/s以上，该地区海拔较低，基础设施条件相对较优，是四川省重点开发的风电基地，目前风电总装机已经达到20.2万kW。此外，西昌以西的安宁河谷、西昌东北部地区以及雅砻江最南端盐边县至攀枝花的干流以西等地区风速也较大。

图 5 雅砻江流域70 m高度处2000-2016年平均风速分布

图选项

雅砻江流域存在较大面积的风能资源贫乏区域。例如，通把河与俄柯河以北的广大区域以及达曲河河源以东的区域，常年平均风速在3 m/s以下，70 m高度处几乎无开发利用价值。雅江县周边年平均风速较低，是雅砻江中游较为明显的一处风速低值区。吉珠沟与德差河下游风速较小。炉霍县周边，特别是西北部，风速较低。道孚县西南侧存在明显的风速低值区，与一河之隔的东侧风速高值区形成对比。力丘河河谷的狭长区域常年风速在3 m/s左右，不具备风能资源开发利用价值。
3.2 风功率密度空间分布分析风功率密度(W/m²)是指与风向垂直的单位面积风所具有的功率，是衡量风电场风能资源的重要指标，数值越大代表风能资源越丰富。风功率密度计算公式为

$D = \frac{1}{2}\rho {v^3}.$

(1)

其中：D为风功率密度(W/m²)，ρ为空气密度(kg/m³)，v为风速(m/s)。风功率密度与风速成3次幂指数正相关关系，其空间分布往往与平均风速的分布相似。空气密度是影响风功率密度的另一个主要因素，它与温度和气压相关，在地形起伏不大的地方，可以将一个地区的空气密度取为一个定值(一般为年平均空气密度)^[13]，但在雅砻江流域，上下游海拔差异巨大，从攀枝花海拔1 000 m左右到上游海拔高于7 000 m，整个流域的海拔落差超过6 000 m，因此分析风功率密度不能忽略空气密度在空间上的差异。空气密度并不是WRF模式的直接输出变量，本研究利用式(2)-(4)对各网格上各时刻的空气密度进行计算：

$\rho = \frac{{1.276}}{{1 + 0.003\;66T}}\left( {\frac{{p - 0.378e}}{{1\;000}}} \right), $

(2)

$E = 6.11 \times {10^{7.5T/\left( {237 + T} \right)}}, $

(3)

$e = E\cdot{\rm{rh}}.$

(4)

其中：ρ为空气密度(kg/m³)，T为气温(WRF输出变量，℃)，p为大气压强(WRF输出变量，hPa)，e为水汽压(hPa)，E为饱和水汽压(hPa)，rh为相对湿度(WRF输出变量，%)。
利用式(1)-(4)对雅砻江流域70 m高度处风功率密度进行计算，结果如图 6所示。

图 6 雅砻江流域70 m高度处风功率密度分布

图选项

由图 6模拟结果可知，全流域风功率密度的分布特征与风速分布特征总体相符。风功率密度在500 W/m²以上的风能资源丰富区面积占流域面积的12%，在400~500 W/m²的风能资源次丰富区占流域面积的17%，风功率密度为300~400 W/m²的风能资源可利用区占流域面积的18%。大面积的风发能资源丰富区主要位于宁蒗河与敢鱼河之间的区域，以及甘孜所在经线两侧的带状区域，两块区域的风功率密度多数在400 W/m²以上。然而，这两块区域均属高海拔地区，风电开发难度较大，因此目前开发的重点仍然集中在安宁河谷等低海拔区域。
3.3 风速年内分布分析按照月份对2000-2016年的小时平均风速进行统计，并对各月份平均风速再求平均，得到雅砻江流域各月平均风速分布情况，选择4月份、7月份、10月份和1月份作为春季、夏季、秋季和冬季的代表月份，绘制平均风速分布如图 7所示。

图 7 雅砻江流域70 m高度处风速年内分布

图选项

由图 7可知，雅砻江流域的年内风速空间分布与年平均风速分布相同，但在季节分布上具有较大差异。雅砻江流域冬季风速最大，相当一部分区域1月份70 m高度处的平均风速达到10 m/s以上；夏季风速最小，全流域大部分区域的平均风速在3 m/s左右；春季平均风速基本与全年平均风速持平，而秋季平均风速则整体低于春季但高于夏季。雅砻江流域高风速主要集中于冬春季的特点，与流域内夏季丰富的水电资源形成了天然互补效应，结合水电打捆输出既可以弥补夏季风能资源的贫乏，又可以在冬季利用水电平抑风电的不稳定性，增加风电上网量，提高外送通道的年内利用效率，提升流域整体发电效益。
3.4 年风能可利用小时分析年风能可利用小时是指一年内可以运行在有效风速范围内的时间。根据目前常规风力发电设备的机械与电力特性，一般将切入风速定为3 m/s，即轮毂处风速大于3 m/s就可开始并网发电，切出风速一般定为25 m/s，即轮毂处风速大于25 m/s风机就须切出电网。根据雅砻江流域2000-2016年的小时平均风速模拟资料，统计每一年风速位于3~25 m/s的小时数并做多年平均，绘制雅砻江流域年风能可利用小时分布，如图 8所示。

图 8 雅砻江流域70 m高度处年风能可利用小时分布

图选项

由图 8可知，雅砻江流域年风能可利用小时分布基本与平均风速分布一致，高值区主要分布在安宁河谷下游德昌县至米易县段、冕宁县以北的安宁河段，九龙河河谷地区、九龙县以西至雅砻江干流左岸的广大地区，宁蒗河与敢鱼河之间的区域，以及雅砻江最南端盐边县至攀枝花的干流以西等区域。雅江县以北甘孜县以南的流域西侧则存在成片的高值区，随着风机技术不断发展以及待开发的低海拔风电场日益减少，高原风电开发将逐渐升温，该区域有望为雅砻江提供优质风电资源。
4 结论与展望本文基于WRF模式构建了雅砻江流域风速模拟模型，利用FNL资料作为初始场和边界场驱动WRF模式，实现对雅砻江流域2000年1月1日至2016年12月31日分辨率为3 km的小时平均风速数值模拟，获得该流域长达17年的高分辨率风速资料。利用德昌风电场测风塔数据对数值模式的可靠性进行了检验，发现WRF模式能够较好地跟踪风速变化过程，对平均风速的模拟满足初步评估要求，能够反映风速时空分布特征。本文以平均风速空间分布、风功率密度空间分布、风速年内分布以及年风能可利用小时分布等对雅砻江流域70 m高度处的风能资源进行了初步评估，结论与展望如下：
1) 中尺度数值模式WRF能够较好地反映流域风速变化特征，对平均风速模拟效果较好，通过数值模式对流域风能资源进行初步评估是可行的，并且在经济性方面具有较大优势。
2) 雅砻江流域地处四川省西北部，在全国范围内风能资源并不算十分丰富，但受大气环流与地形的共同作用，流域内存在一定比例的风能资源富集区，例如宁蒗河与敢鱼河之间、甘孜所在经度线两侧、安宁河谷等成片区域。通过数值模拟方式，可以获取该流域高分辨率的风速空间分布特征，初步掌握流域内风能资源富集区的地理位置，未来可通过实地测风等方式，针对这些地区作进一步的风能资源详查，为流域风能资源开发提供更加可靠和精细的数据。
3) 雅砻江流域地形复杂，多数区域属于高原地形，局部地形对风速的影响较大，未来利用数值模式对区域风能资源进行模拟时应重点提高模式的分辨率，可考虑将WRF模式与区域诊断模式(如Calmet等)相耦合，进行二次动力降尺度，从而实现复杂地形下100 m分辨率级别的精细化风速模拟。
4) 雅砻江流域水能资源丰富，是中国能源发展规划的十三大水电基地之一，丰富的水能资源有助于平抑风电的不稳定性。另外，从时间分布上来看，雅砻江流域风能资源在冬春季节较为丰富，而在夏季则较少，可与流域水能资源形成天然互补效应，有助于提高流域整体发电效益。

参考文献

[1]	吴世勇, 周永, 王瑞, 等. 雅砻江流域建设风光水互补千万千瓦级清洁能源示范基地的探讨[J]. 四川水力发电, 2016, 35(3): 105–108. WU S Y, ZHOU Y, WANG R, et al. To explore the construction of the Yalong River million kilowatts water-wind-solar complementary clean energy base[J]. Sichuan Water Power, 2016, 35(3): 105–108. (in Chinese)
[2]	李泽椿, 朱蓉, 何晓凤, 等. 风能资源评估技术方法研究[J]. 气象学报, 2007, 65(5): 708–717. LI Z C, ZHU R, HE X F, et al. Study on the assessment technology of wind energy resource[J]. Acta Meteorologica Sinica, 2007, 65(5): 708–717. DOI:10.11676/qxxb2007.066(in Chinese)
[3]	封宇, 何焱, 朱启昊, 等. 近海及海上风资源时空特性研究[J]. 清华大学学报(自然科学版), 2016, 56(5): 522–529. FENG Y, HE Y, ZHU Q H, et al. Temporal and spatial characteristics of offshore wind resources[J]. Journal of Tsinghua University (Science and Technology), 2016, 56(5): 522–529. (in Chinese)
[4]	李正泉, 宋丽莉, 马浩, 等. 海上风能资源观测与评估研究进展[J]. 地球科学进展, 2016, 31(8): 800–810. LI Z Q, SONG L L, MA H, et al. Review of methodologies for offshore wind resource observation and assessment[J]. Advances in Earth Science, 2016, 31(8): 800–810. (in Chinese)
[5]	STORM B, DUDHIA J, BASU S, et al. Evaluation of the weather research and forecasting model on forecasting low level jets:Implications for wind energy[J]. Wind Energy, 2009, 12(1): 81–90.
[6]	张华, 孙科, 田玲, 等. 应用WRF模型模拟分析风力发电场风速[J]. 天津大学学报(自然科学与工程技术版), 2012, 45(12): 1116–1120. ZHANG H, SUN K, TIAN L, et al. Wind speed simulation of wind farm using WRF model[J]. Journal of Tianjin University (Science and Technology), 2012, 45(12): 1116–1120. (in Chinese)
[7]	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 H Y, DU J W, HOU J Z, et al. The numerical simulation of wind fields in main landing-area by model WRF in the phase of "Shen Zhou 6" spacecraft mission[J]. Journal of the Meteorological Sciences, 2008, 28(1): 56–61. (in Chinese)
[8]	王澄海, 胡菊, 靳双龙, 等. 中尺度WRF模式在西北西部地区低层风场模拟中的应用和检验[J]. 干旱气象, 2011, 29(2): 161–167. WANG C H, HU J, JIN S L, et al. Application and test of lower level wind field simulation with meso-scale model WRF in western region of northwest China[J]. Journal of Arid Meteorology, 2011, 29(2): 161–167. (in Chinese)
[9]	邓伟, 陈海波, 马振升, 等. NCEP FNL全球分析资料的解码及其图形显示[J]. 气象与环境科学, 2009, 32(3): 78–82. DENG W, CHEN H B, MA Z S, et al. Decoding and graphic display of the NCEP FNL global analysis data[J]. Meteorological and Environmental Sciences, 2009, 32(3): 78–82. (in Chinese)
[10]	YANG M X, JIANG Y Z, LU X, et al. A weather research and forecasting model evaluation for simulating heavy precipitation over the downstream area of the Yalong River Basin[J]. Journal of Zhejiang University:Science A (Applied Physics and Engineering), 2015, 16(1): 18–37. DOI:10.1631/jzus.A1400347
[11]	杨明祥, 蒋云钟, 王忠静, 等. 雅砻江流域WRF模式构建及应用[J]. 天津大学学报(自然科学与工程技术版), 2016, 49(4): 349–354. YANG M X, JIANG Y Z, WANG Z J, et al. Building and application of WRF model in Yalong River Basin[J]. Journal of Tianjin University (Science and Technology), 2016, 49(4): 349–354. (in Chinese)
[12]	PENNELLY C, REUTER G, FLESCH T. Verification of the WRF model for simulating heavy precipitation in Alberta[J]. Atmospheric Research, 2014, 135: 172–192.
[13]	柳成, 王天宇, 曲永印, 等. 风电场的风力资源分析以及场址选择[J]. 太阳能学报, 2016, 37(11): 2835–2842. LIU C, WANG T Y, QU Y Y, et al. Wind resource analysis and site selection of wind power plant[J]. Acta Energiae Solaris Sinica, 2016, 37(11): 2835–2842. (in Chinese)