1. 引言
风是表征空气水平运动的一个气象要素,它与人们的生活和生产活动密切相关。随着科技文明的进步,作为间歇性无污染的可再生能源,风能具有很大的随机性和不可控性,风速变化与其发展潜力休戚相关 [1] [2]。风速预测是风力发电研究中的一个关键问题 [3] [4]。目前,我国风电场历史数据还不够完善。由于风机的轮毅高度多数在10 m、甚至70 m,而气象站的风力数据一般只能得到10 m高度上的风能资源分布,很难满足风电场风能资源的估计 [5] [6] [7]。另一方面,实测的风速数据存在一些缺陷,如测风高度较低、时空分布不均、地形影响、测量工具落后造成数据质量较差等缺点。而结合再分析资料恰恰因为其高时空分辨率能够很好弥补观测数据不足、时空分布不均等问题,解决了深层次研究气候变化、大气运动机制的数据不足问题 [8] [9]。
山西垣曲位于中国华北西部黄土高原东翼地区,受冬季的大陆冷高压及南下东北冷涡影响。目前已经有部分学者对我国风速的时空变化进行研究,然而针对垣曲风电场实测风速资料的研究较少,将实测风速与再分析风速资料的比较和评估工作也还未展开,对当地风场缺少全面系统的研究。本文从垣曲的月平均风速变化将实测风速资料和再分析资料的差异进行对比分析,研究再分析风场资料在山西垣曲的适用性,有利于实际模态电厂维护。
2. 资料和方法
2.1. 资料概况
1) NCEP/DOE再分析资料。美国环境预报中心(NCEP)和美国能源部(DOE)联合发布的再分析数据集 [10]。NCEP/DOE风速资料,选用1979.01-2019.02,10 m高度,水平分辨率1.875˚ × 1.9˚的逐月平均风速数据。位势高度场的数据则选用1979.01-2018.10,垂直方向17层,水平分辨率2.5˚ × 2.5˚的再分析资料。
2) ERA-interim再分析资料。ERA-interim风速资料,采用1979.01-2018.12,10 m高度,水平分辨率为0.75˚ × 0.75˚的逐月平均风速数据。ERA-interim高度场则选用1979.01-2018.02,垂直方向23层,水平分辨率为2.5˚ × 2.5˚的再分析资料。
实测资料采用2015年1月至2017年11月山西垣曲县测风塔站的逐十分钟风速资料,测风塔测风高度分别为10 m、30 m、50 m及70 m。
2.2. 方法
本文从风速月平均变化角度对比再分析资料及其与实测资料的差异,了解山西垣曲风电场风速变化特征、再分析资料位势高度及风场的特征和差异。利用偏差(Bias)、均方根误差(RMSE)、标准偏差(STDE)、相关系数(r)来定量评价再分析数据 [11],评估ERA-interim、NCEP/DOE再分析资料在山西垣曲的适用性问题。
偏差是一种(Bias)是指观测值与观测值平均值之间的差异,它可以用来衡量观测结果的准确度高低,这里采用偏差表示实测风速与再分析资料风速之差,用来衡量再分析风速数据与实测风速数据的平均差异,其公式定义为:
(1)
均方根误差(RMSE)是各组数据偏离真实值的距离平方和的平均数开方,也即误差平方和的平均数开方 [12],这里为实测风速值和再分析资料风速值之差的平方与观测次数n比值的平方根,常常用其来衡量实测风速值与再分析风速值之间的偏差,其公式定义如下:
(2)
标准偏差(STDE)是数据偏离平均数的距离(平均偏差)的平均数,是离差平方和平均后的方根,是一种度量数据分布的分散程度的统计量 [12],定义如下:
(3)
相关系数(r)是用以反映不同变量之间关系密切程度的一种统计指标 [12],取值范围为(−1,1),表示两个变量之间的相关性强弱。相关系数是以两变量与各自平均值的离差为基础,通过积差方法计算得出,利用两个离差相乘来反映两变量之间相关程度,其公式定义如下:
(4)
3. 风电场风速变化总体特征
对风能资源储量的研究表明,我国划分为风能资源丰富区、较丰区、季节利用区和贫乏区 [13] [14] [15]。图1为利用ERA-Interim再分析资料绘制的近四十年来我国10 m高度平均风速空间分布。由图1可见,我国风能资源最丰富地方位于内蒙古东北部、山东北部、海南以及青藏高原中部。山西省地处黄土高原东部,是一个被黄土广泛的山地高原,呈东北斜向西南的平行四边形,绝大部分地区海拔高度在1000米以上,与其南部的华北平原,北部的内蒙古自治区相比,呈强烈的隆起形势。地形复杂多变,地势呈现出东北高而西南低的状态。山西地区风能资源相对丰富,近年来相当数量风电场相继投入运行,图中蓝色实心点表垣曲风电场电机位置。从图中可见,垣曲风电场风能资源较为丰富,可以进行风能开发。
![](//html.hanspub.org/file/1-2160219x13_hanspub.png)
Figure 1. Distribution of 40 years mean wind speed calculated by ERA-interim reanalysis data (The blue solid point represents yuanqu wind motor as the position)
图1. ERA-Interim再分析资料四十年平均风速分布(蓝实心点表示垣曲风电机为位置)
3.1. 不同高度风速变化特征
在气象学中,风玫瑰图是一种可以长时间研究某个地区风速风向分布的图例 [16] [17]。它通过统计某一个地区风向风速的规律,预测未来风速风向的变化趋势。风玫瑰图上以指向极坐标中心的方向表示风的来向,通过极坐标系中的半径来表示各方向风的出现频率。
从图2中可看出,10 m高度上主导风向为东南风,发生的频率是38%,其次为北风,发生频率是18%。总平均风速为4 m/s,风速标准差为2 m/s,平均风向为东南偏南风。70 m高度上的以北风为主,占比38%,东南风次之,占15%。总平均风速为6 m/s,风速标准差为4 m/s,平均风向为东北偏北风。其次,测量高度10 m处的主要风速频次集中在2~6 m/s区间上;70 m高度处,各频次的风速出现频率比较均匀。
![](//html.hanspub.org/file/1-2160219x14_hanspub.png)
Figure 2. Wind roses at 10 m and 70 m
图2. 10 m和70 m高度风玫瑰图
为进一步研究垣曲风速变化特征,利用逐十分钟实测数据计算了垣曲地区逐日和逐月风速平均值(表1)。由表可知,30 m、50 m和70 m这三层之间的平均风速相关性较高,已经接近1,而这三层与10 m高度上平均风速的相关性也超过0.92,说明各高度之间风具有较好的一致性。
![](Images/Table_Tmp.jpg)
Table 1. The correlation coefficient of wind speed between three height
表1. 实测资料各高度风速相关系数
3.2. 风速日变化特征
平均风速是估算某地区风能资源的重要指标。国际通用的风速指标是逐小时平均风速值。图3为2015年1月至2017年11月35个月风速日变化曲线。由图可见,70 m、50 m以及30 m的逐日风速在0~16 m/s范围内波动,风速变化振幅比较大;而10 m高度上风速在0~10 m/s范围内变化,振幅较其以上三层小。由于日数太多,并不能很好的体现垣曲风速逐日变化特征,进一步分析可以发现,随着高度的增加,风速逐渐增大,但三层之间风速相差并不明显,并且风速波动也比较接近,这也可以进一步说明其彼此间的相关性较好。
![](//html.hanspub.org/file/1-2160219x15_hanspub.png)
Figure 3. Time series of measured wind speed
图3. 实测风速的逐日变化曲线
进一步对垣曲近地层风速的日变化特征进行分析。图4为多年平均的10 m风速和温度日变化特征。从图中可见,风速随着昼夜交替呈现出规律,风速随着辐射(温度)的变化而变化,在10 m高度处,温度在14时出现最大值,同时段风速出现最小值。图5进一步给出了垣曲70 m、50 m、30 m及10 m高度上的风速日变化特征,可以发现,风速日变化波动基本一致。风速最小值出现在午间,而最大值出现在午夜。随着日出的出现,风速开始逐步减小至午间达到最小值,之后风速平缓变化至17时左右,风速逐渐增强。
![](//html.hanspub.org/file/1-2160219x16_hanspub.png)
Figure 4. Diurnal variation of wind speed and temperature at 10 m
图4. 10 m高度风速和温度的日变化曲线
![](//html.hanspub.org/file/1-2160219x17_hanspub.png)
Figure 5. Diurnal variation of wind speed at different heights
图5. 不同高度风速日变化曲线
3.3. 风速月变化特征
对于整个大气系统而言,风的产生主要依赖于太阳辐射,而太阳辐射又随着时间的变化出现一定规律,这种规律性分布就体现在风速的季节性变化上。一般来说,春季风力最强,其次是秋冬,夏季最弱,并且不同高度的年平均风速随高度的增加而增大,近地面的风速变化主要受观测环境和城市化等非自然因素影响。
从图6近地面月平均风速变化图中可以看到,垣曲地区近地面平均风速表现出明显的月变化特征。随着高度的增加,10 m到70 m之间的风速逐渐增大,尤其特别是30 m至70 m的变化趋势非常一致,并且风速值差距不大。10 m高度与其他三层之间尽管有2~3 m/s的差异,但总体变化趋势是较为一致的。
![](//html.hanspub.org/file/1-2160219x18_hanspub.png)
Figure 6. Monthly variation of wind speed at each layer
图6. 各层风速的逐月变化
进一步分析各层平均风速的年内变化(图7)。由图可见,垣曲地区在10~70 m高度之间的月平均风速最大值出现在冬末(2月份),最小值出现在夏末秋初之间。各月平均风速的年变化趋势呈“两峰一谷”型。这两个峰值一个出现在冬季(12~2月),另一峰值出现在春季(3~5月),谷值出现在夏秋季(7~10月)。
![](//html.hanspub.org/file/1-2160219x19_hanspub.png)
Figure 7. Annual variation of wind speed in each layer
图7. 各层风速的年内变化
4. 再分析资料的风速变化特征
再分析资料的对比
为研究两套再分析资料与实测风速之间的差异,选取距离垣曲风电场最近网格点的风速。NCEP/DOE数据选择10 m高度层径向风速u与纬向风速v合成风速V及10 m高度上的ERA-Interim数据风速矢量。下文将从偏差与相关这两个角度对两套再分析资料与实测风电场的月平均风速进行分析比较。
通过对比垣曲站上空再分析资料逐月风速与实际观测资料计算获得的月平均风速可以看出,再分析风速资料整体准确性低于实测资料。从表2中10 m高度年平均风速对比结果上来看,10 m高度上ERA-Interim数据与实测值最为接近。表3为10 m高度实测资料与再分析资料间的差异。由表可见,ERA-Interim数据与实测风速年平均值的偏差为1.47 m/s,均方根误差值为1.57 m/s;而NCEP/DOE数据与实测年平均风速差距较大,偏差值为2.73 m/s,均方根误差值为2.92 m/s。总体来看,实测风速与ERA-Interim数据的风速的误差明显小于NCEP/DOE风速。
![](Images/Table_Tmp.jpg)
Table 2. Annual mean wind speed of observational data and reanalysis data at 10 m
表2. 10 m高度实测资料与再分析资料的年平均风速
![](Images/Table_Tmp.jpg)
Table 3. Difference between observational data and reanalysis data at 10 m height
表3. 10 m高度实测资料与再分析资料的差异
图8不同高度实测数据与再分析数据逐月平均风速曲线。由图可见,实测风速与两套再分析数据的风速变化特征基本一致。NCEP/DOE再分析数据风速变化波动比较跟实测风速比较接近,但偏差较大;ERA-Interim再分析数据变化较实测平缓,且振幅小。由表4实测数据与再分析数据的相关性比较可知,ERA-Interim数据与实测风速相关性最高,而NCEP/DOE的相关性较差,远低于ERA-Interim数据。出现这种情况是由于山地地区的地势起伏多变,海拔落差较大,因此风能资源分布随时空变化不均匀,再分析资料与实测资料的偏差较大。进一步对比了不同时段实测数据与两套再分析资料间的相关系数(表5)。由表可知,二者在不同时段相关性存在一定差异,实测数据与ERA-Interim数据相关性最好的时间段在2016上半年。实测数据与ERA-Interim数据总的上下半年的相关性相差不大;与NCEP/DOE上半年相关性仍然较差,且与下半年呈负相关。综合来看,ERA-Interim再分析数据更接近于实测数据。
为讨论垣曲风速变化与风场、位势高度等气象因子的相关性,进一步利用2015年1月~2017年11月逐月NCEP/DOE和ERA-Interim位势高度场和风场进行分析。由于实测风速在70 m、50 m、30 m高度上的变化与再分析资料有很强相关性,所以只选用经标准化过后的实测10 m、70 m高度上的风速分别与925 hPa高度上再分析资料风场、位势高度进行相关性分析。
![](Images/Table_Tmp.jpg)
Table 4. Correlation coefficient between reanalysis data and observational monthly mean wind speed
表4. 再分析资料与实测资料月平均风速间的相关系数
![](Images/Table_Tmp.jpg)
Table 5. Correlation coefficient between reanalysis data and observational monthly mean wind speed at differnent periods
表5. 不同时段实测数据与再分析数据风速间的相关系数
![](//html.hanspub.org/file/1-2160219x20_hanspub.png)
Figure 8. Monthly mean wind speed variaton of observational data and reanalysis data at different heights
图8. 不同高度实测数据与再分析数据逐月平均风速曲线
图9为再分析资料位势高度场与垣曲风场的相关系数分布图。由图中可见,相关分布存在一定的相似性,但仍存在一定差异。垣曲10 m高度风速月平均变化与我国东北925 hPa风速变化正相关,与安徽、河南的风速变化呈负相关,且均通过99.9%的显著性检验,相关系数达到0.8以上(图9(a))。图9(c)与图10(c)表明垣曲70 m高度上的风速月平均变化与925 hPa风场上我国华北地区具有较强的正相关性,相关系数均达到0.8以上且通过99.9%的显著性检验。从图10(a)上看,10 m高度上垣曲的风速变化与我国925 hPa东北风速变化正相关,与新疆东部风速变化负相关,且通过99.9%的显著性检验。图9(b),图10(b)显示垣曲10 m高度上与再分析资料925 hPa位势高度相关场,揭示垣曲的风速变化主要与东亚气压场成正相关,与太平洋上的气压场成负相关。由图9(d),图10(d)垣曲70 m高度上与再分析资料925 hPa位势高度较10 m高度上的相关性明显减小。这表明,垣曲在10 m、70 m高度上的风速的增大与925 hPa上我国东北区域风速的增大、华东的风速减小有关。
5. 结论
通过计算风的各项平均指标(如日平均风速、月平均风速、年平均风速等),利用这些指标来估算垣曲的风能资源情况,从而有利于指导垣曲风电机组的安装和运行、调试,对当地风电开发计划也存在一定的帮助作用。本文利用测风塔实测风速资料分析了垣曲风电场风速变化特征,并利用实测资料与再分析资料逐月资料进行对比分析得出如下结论:
![](//html.hanspub.org/file/1-2160219x21_hanspub.png)
Figure 9. Correlation coefficient distribution between observational wind speed and NCEP/DOE 925 hPa wind speed and potential height
图9. 实测风速与NCEP/DOE 925 hPa的风速和位势高度相关系数分布
![](//html.hanspub.org/file/1-2160219x22_hanspub.png)
Figure 10. Same as Figure 9, but for EAR-Interim
图10. 同图9,但为,EAR-Interim再分析资料
1) 山西垣曲10 m高度风向主要以东南风为主,平均风速为4 m/s;70 m高度上以北风为主,平均风速为6 m/s。平均风速表现出明显的日、月变化特征。随着高度的增加,10 m到70 m之间的风速增大。30 m至70 m风速变化具有很强的相关性,且各层风速值差距不大,与10 m高度上风速之间存在2~3 m/s的差距,但总的变化趋势一致。垣曲在10 m~70 m高度上风速的日变化最大值出现在午夜,最小值出现在午间;月平均风速最大值出现在冬末,最小值出现在夏末秋初,各月平均风速的年变化趋势呈“两峰一谷”型。这两个峰值一个出现在冬季(12~2月),另一峰值出现在春季(3~5月),低谷出现在夏秋季之间(7~10月)。
2) 再分析风速资料整体准确性低于实测风速资料。再分析资料年平均风速均比实测资料年平均风速低,ERA-Interim再分析资料月平均变化振幅小,NCEP/DOE变化振幅与实测10 m高度上风速变化类似,但存在一定偏差。ERA-Interim的风速数据更接近实测风速。与观测值相比,NCEP/DOE、ERA-Interim的风速偏差分别为2.73 m/s、1.47 m/s。风速均方根误差RMSE分别为2.92 m/s、1.57 m/s。
基金项目
成都信息工程大学本科教学工程项目(BKJX2019007,BKJX2019013,BKJX2019042,BKJX2019056,BKJX2019062,BKJX2019081,BKJX2019089,BKJX2019120和JY2018012)支持。