基于LAGFD-WAM海浪數值模式的海南萬寧近海波浪能資源評估

李澤文，周強，楊永增

（1.華能新能源股份有限公司，北京100036；2.國家海洋局第一海洋研究所，山東青島266061）

基于LAGFD-WAM海浪數值模式的海南萬寧近海波浪能資源評估

李澤文1，周強1，楊永增2

（1.華能新能源股份有限公司，北京100036；2.國家海洋局第一海洋研究所，山東青島266061）

利用1991—2010年的NCEP再分析風場驅動LAGFD-WAM海浪數值模式，通過數值后報方法，對海南萬寧近海海域近20年的波浪場進行了逐時數值模擬，數值模擬結果和實測結果對比的一致性良好。在數值后報數據的基礎上計算了萬寧近海波浪能流密度和能流密度變異系數，并對其年內變化特點、區域分布特征和穩定性進行了分析。萬寧近海年均波浪能流密度3—10 kW/m，屬于波浪能資源可利用區和較豐富區。年內各月月均能流密度差別較大，12月波浪能資源最好，5月波浪能資源最差。秋季（9—11月）和冬季（12—2月）月均波浪能流密度分別為5—24 kW/m和6—29 kW/m，春季（3—5月）和夏季（6—8月）分別為3—7 kW/m和1—6 kW/m。地形對波浪能量的輻聚作用明顯，受岬角、島嶼、海底陡坡等因素影響，大洲島、白鞍島周邊、大花角附近及白鞍島以北部分近岸區域形成波浪能富集區。除9月外，年內其他時段能流密度變異系數都在2.8以下，9月能流密度變異系數在3.0—5.9之間。

LAGFD-WAM海浪模式；波浪能；資源評估；萬寧

1 引言

眾所周知，煤炭和石油等化石能源由于其不可再生性，資源儲量不斷減少并勢必逐漸走向枯竭，加之化石能源燃燒造成的環境污染和溫室效應日趨嚴重。國際社會逐步意識到發展風能、海洋能和生物質能等可再生、清潔能源的重要性，許多國家相繼將可再生能源作為其能源發展戰略的重要組成部分。當前，國際社會對可再生能源的研究及利用方興未艾，根據國際能源署（IEA）2007年統計數據，全球海洋能年可發電總量為93100TWh/年，超過全球年總發電量17400 TWh/年[1]。其中，波浪能儲量約為2 TW，波浪能可發電總量為1000—1500 TWh/年[1]。可見，波浪能作為海洋可再生能源的一種，是最有希望和前景的能源來源之一。此外，波浪能較之于其他海洋可再生能源，具備可預測性強、能流密度高、電站（場）對環境負面影響小等突出優點。我國海岸線長達18000 km，波浪能分布廣泛，我國沿岸波浪能資源理論平均功率為1285.22萬千瓦[2]，大規模地開發海洋能可以改善區域能源供給結構，是解決能源短缺和環境污染問題的一條有效途徑。

波浪能發電技術經過大量試驗研究和實海況應用已日趨成熟[3]，但在波浪能資源評估和微觀選址方面所做工作仍然較少。實驗證明，當波浪能發電裝置在欠載或者過載條件下運行時，設備的運行效率都會大幅降低[4]。因此，通過資源評估掌握各時段能流密度水平，優選波浪能電站場址，并使波浪能發電裝置在最佳負荷條件下運行，提高運行效率就顯得極其重要。目前，對波浪能資源評估的途徑主要有：通過獲取波浪浮標現場觀測數據[5]、衛星高度計的測波數據[6]以及利用海浪數值模式進行數值模擬[7]這三種途徑進行。在實際應用過程中，受技術水平、實際環境條件等因素限制，一些評估方法不盡完善。在通過波浪浮標現場觀測數據評估方面，由于波浪浮標觀測歷時所限，個別年份的浮標觀測結果受臺風等極端天氣影響很大，評價結果存在一定的誤差，不具有代表性，并且波浪浮標數據僅能描述某一點的波浪特征，不能進行區域性評價。衛星高度計又存在測量數據稀疏和在時間和空間上不能實現全覆蓋的固有缺點[8]。而海浪數值模式評估波浪能具有時間上的連續性和空間上的全覆蓋的特點[9]，可以得到波浪能隨時間的變化特點及波浪能在空間上的分布特征。本文利用LAGFD-WAM海浪數值模式[10]，通過兩重嵌套，對中國海南省東南部萬寧市近海的波浪場進行高分辨率模擬，評估該海域的波浪能資源，以優選波浪能電站場址。

2 研究區域

海南島東部海域波浪能資源豐富，水深較大，淺水海底摩擦的消浪作用較小，是我國波浪能資源較為富集的海域之一。萬寧市位于海南島東南部，近海海底地形坡度相對較大（見圖1），具備波浪輻聚的條件。本文開展波浪能資源評估的海域位于萬寧市近海，研究區域范圍：110.0°—111.0°E， 18.5°—19.5°N，模型驗證的實測波浪數據來源于模擬區域內海南博鰲海洋環境監測站2010年的波浪浮標觀測數據。

圖1 海南島東南部萬寧近海海海域水深示意圖

圖2 區域地形與模式嵌套設計示意圖

3 數值模式及波浪能計算方法

3.1 風場數值模式

風場的模擬采用LAGFD-WIN海面動力風場數值模式[11]，風場驅動為1991—2010年的20年NCEP再分析風場數據，利用海面氣溫、水溫和臺風外圍氣壓場并嵌入模型氣壓場，運用邊界層垂直積分的動力模式而產生背景風場，將渦旋模式積分到準穩態，得到垂直平均邊界層風，再利用變分原理進行變分調整，最終給出了較好的氣壓場和逐時風應力場，提供給海浪和海流數值模式后報計算。

3.2 海浪數值模式

在波浪后報中采用的數值模式為LAGFDWAM第三代海浪模式，其以特征線嵌入的格式求解能譜平衡方程。為了改善計算分辨率，尤其在譜峰附近的計算分辨率，采用一種非一致的波數格點劃分，空間被均分為12個方向，沿每一方向的射線上波數段被分為圍繞主峰的25個波數節點。本計算采用嵌套模式設置，嵌套模式的區域設置如圖2。采用粗網格計算區域的結果作為細網格計算區域的邊界條件。粗網格區域模式分辨率為5′×5′，計算的時間步長為5 min，細網格區域模式分辨率為1′×1′，計算時間步長為1 min，足夠細密的網格能夠保證數值后報的高精度。

模式中大部分源函數與第三代海浪模式WAM[12]中所用的相同，但本模式采用了不同于WAM模式的耗散源函數，并加進了波—流相互作用項。利用上述海浪和風場模式，對1991—2010年期間該海域的波浪場進行了模擬。計算結果包括網格點上的一系列方向波數譜以及由波譜得出的其它統計結果，比如波數空間中的能量分布，各種平均波高和周期以及波浪傳播的主方向。

3.3 波浪能流密度及計算方法

訚耀保和Tomiji Watabe[13]給出了波浪能流密度的計算公式：

各月波浪能能流密度變異系數的計算方法如下[15-16]：

式中，Cv為變異系數、Pˉw為波浪能流密度均值、S為標準差：

4 數值模式驗證

4.1 衛星高度計資料檢驗

海浪模式建立后與衛星高度計資料進行了模式檢驗。利用和模擬時間對應的Jason-1衛星高度計數據，開展衛星高度計軌道資料的全場檢驗驗證，進行衛星高度計軌道資料的高頻信息濾波處理，開展衛星資料與模擬數據的時空相位配準設計，統計衛星軌道上的全場誤差分布，優化模式并提高模擬性能。模擬所得有效波高值和衛星高度計資料觀測值的散點對比圖如圖3所示，其中色標表示0.05 m×0.05 m劃分方格內數據對的統計數目。由于篇幅所限，本文只給出1月和7月的對比結果。

對比結果顯示：數值模擬有效波高與衛星高度計反演的有效波高基本一致。1月份模擬得到的有效波高均方根誤差為0.70 m，平均絕對誤差為0.42 m；7月份模擬得到的有效波高均方根誤差為0.83 m，平均絕對誤差為0.43 m，數值模擬與衛星高度計數據一致性良好。

4.2 博鰲站浮標資料檢驗

通過收集粗網格模擬區域內博鰲站2010年的波浪浮標觀測資料，進行了數值模擬結果與實測數據的對比驗證。以1月份和7月份為例，數值模擬有效波高與實測資料的對比結果如圖4所示。

由圖4可以看出，數值模擬的有效波高與波浪浮標實測的有效波高變化趨勢基本一致，兩者的有效波高平均絕對誤差多在0.5 m以下，數值模擬結果與實測數據符合性良好，從而驗證了LAGFDWAM數值模式在該海域的有效性。

5 模擬結果分析與評估

5.1 波浪能流密度分布特征

圖3 數值模擬有效波高與衛星高度計觀測散點對比圖

圖4 數值模擬有效波高（實線）與博鰲站波浪浮標觀測有效波高（散點）對比圖

圖5 研究區域平均有效波高分布圖

模擬時間區間為20年，逐時模擬得出有效波高波浪特征要素，并且利用公式（1）計算得到了對應的波浪能流密度。經過統計計算，結合地理信息系統軟件，得到了各月的平均波浪能流密度圖。以1月和7月為例，給出了月平均有效波高（見圖5）和月平均能流密度（見圖6）。

萬寧近海年均波浪能流密度3—10 kW/m，按鄭崇偉等[17]提出的劃分標準，該海域屬于波浪能資源可利用區和較豐富區。研究區年內各月的月均能流密度及同一月份不同海域的月均波能密度差別較大，最小月均波能密度出現在5月，最小值1 kW/m，月均波能密度出現在12月的白鞍島南側海域，達到29 kW/m。通過對比各月份波浪能資源評估結果發現，春季（3—5月），研究區波浪能流密度也較小，月均值在3—7 kW/m之間；夏季（6—8月），波浪能流密度月均值在1—6 kW/m之間；秋季（9—11月）波浪能流密度在5—24 kW/m之間；冬季（12—2月）波浪能流密度相近，能流密度值在6—29 kW/m之間。總體上，冬季波浪能資源最好，夏季波浪能資源最差，秋季和冬季波浪能資源好于夏季和春季，這是因為秋季和冬季是南海大風出現頻率較高的季節，而春季頻率最低[18]，因此形成了波浪能流密度的這種季節變化特征。

研究區各月波浪能流密度分布特點相近，從圖6可以看出，在該海域內存在明顯的波能富集區，由南至北主要分布在大洲島西南、大花角西南、白鞍島周邊和白鞍島以北近岸海域，從地貌上看，前三處波能富集海域分別位于島嶼、岬角、島嶼附近，白鞍島以北的波能富集區與海底地形圖（見圖1）對比可見，波浪能流密度較大的區域與等深線密集區域具有很好的一致性。波浪富集區形成的主要原因是在島嶼和岬角區域，波浪發生折射，使波能輻聚[19]，波高增大；在等高線密集，海底地形坡度大的區域，隨著波浪向岸線的傳播，波能存在的空間被壓縮，波浪能流密度變大。

5.2 能流密度穩定性分布特征

在波浪能發電選址的評估中，不僅關注波浪能的富集程度，也極為關注能流密度的穩定性，越是穩定，越有利于波浪能的捕獲與轉換。通過計算研究區各月的能流密度變異系數，對各月時間范圍內波能的穩定性進行了分析。研究區11—2月能流密度變異系數較小，多在1.6以下，能流密度穩定，9月能流密度變異系數在3.0—5.9之間，能流密度不穩定推測是由臺風多發所造成。其他月份能流密度變異系數在1.6—2.8之間，能流密度比較穩定，較之于臺灣島周邊海域3.0以上的能流密度變異系數[20]，萬寧近海的波浪能更有利于波浪能的捕獲和轉換。

圖6 研究區域平均能流密度分布圖

6 結論

以1991—2010年的NCEP再分析風場作為驅動風場，采用LAGFD-WIN海面動力風場數值模式和第三代海浪數值模式LAGFD-WAM，完成了萬寧近海海域高分辨率海浪數值模式設計和嵌套計算模塊設計，開展了高分辨率海浪數值模擬，與Jason-1衛星高度計數據和博鰲海洋環境監測站波浪浮標實測數據的對比誤差較小，一致性良好。通過數值后報方法，對萬寧近海海域近20年的波浪場進行了逐時數值模擬，得到了萬寧近海波浪能流密度，并對其年內變化特點、區域分布特征和穩定性進行了分析。萬寧近海年均波浪能流密度3—10 kW/m，研究區春季（3—5月）、夏季（6—8月）、秋季（9—11月）、冬季（12—2月）的月均波浪能流密度分別為3—7 kW/m、1—6 kW/m、5—24 kW/m、6—29 kW/m之間。秋冬季波浪能資源好于春夏季。受岬角、島嶼、海底陡坡等地形影響，在大花角、白鞍島附近及白鞍島以北部分近岸區域存在波浪能富集區。9月能流密度變異系數在3.0—5.9之間，其他月份能流密度變異系數在2.8以下，能流密度穩定性較好。

[1]Implementing agreement on ocean energy systems(IEA-OES), annual report of international energy agency[R].Paris,International EnergyAgency,2007.

[2]滕吉文,張永謙,阮小敏.發展可再生能源和新能源與必須深層次思考的幾個科學問題—非化石能源發展的必由之路[J].地球物理學進展,2010,25(4):1115-1152.

[3]游亞戈,李偉,劉偉民,等.海洋能發電技術的發展現狀與前景[J].電力系統自動化,2010,34(14):1-12.

[4]Retzler C.Measurements of the slow drift dynamics of a model Pelamis wave energy converter[J].Renewable Energy,2006,31(2): 257-269.

[5]Aoun N S,Harajli H A,Queffeulou P.Preliminary appraisal of wave power prospects in Lebanon[J].Renewable Energy,2013,53 (5):165-173.

[6]Tsai C P,Hwang C H,Hwa C,et al.Study on the wave climate variation to the renewable wave energy assessment[J].Renewable Energy,2012,38(1):50-61.

[7]Eugen R,Guedes S C.Wave energy pattern around the Madeira Islands[J].Energy,45(1):771-785.

[8]Cotton P D,Carter D J T.Cross calibration of TOPEX,ERS-1 and Geosat wave heights[J].Journal of Geophysical Research,1994,99 (12):25025-25033.

[9]Jesus P,Jeison S,Luigi C.Wave energy resources:Wave climate and exploitation[J].Renewable Energy,2012,57(2):594-605.

[10]袁業立,華鋒,潘增弟,等.耗散源函數及LAGFD-WAM海浪數值模式的改進[J].海洋與湖沼,1993,(4):1-7.

[11]江志輝.熱帶氣旋模型風場改進及其在LAGFDWAM中的應用[D].國家海洋局第一海洋研究所,2007.

[12]楊春成.WAM模式——第三代海浪數值模式（一）[J].氣象科技,1985,4:37-50.

[13]訚耀保,Tomiji Watabe.海洋波浪能量綜合利用[M].上海科學技術出版社,2011:192.

[14]Hagerman G.Guidelines for preliminary estima-tion of power production by offshore wave energy devices[EB/OL].Palo Alto: Electric Power Research Institute,2003.[2003-06-22].http:// www.epri.com/oceanenergy/.

[15]鄭崇偉,潘靜,田妍妍,等.全球海域風浪、涌浪、混合浪波候圖集[M].北京:海洋出版社,2012:1-3.

[16]鄭崇偉,林剛,孫巖,等.近22年南海波浪能資源模擬研究[J].熱帶海洋學報,2012,31(6):13-19.

[17]鄭崇偉,蘇勤,劉鐵軍.1988-2010年中國海域波浪能資源模擬及優勢區域劃分[J].海洋學報,2013,35(3):104-111.

[18]謝辛,李燕初,許德偉,等.利用TOPEX衛星高度計資料分析臺灣島周邊海域巨浪和大風特征[J].海洋學報,2009,31(5):1-9.

[19]Iglesias G,Carballo R.Wave energy potential along the Death Coast(Spain)[J].Energy,2009,34(11):1963-1975.

[20]李靖,周林,鄭崇偉,等.臺灣海峽及其鄰近海域波浪能資源評估[C].中國可再生能源學會2011年學術年會論文集,2011.

Assessment of nearshore wave energy resource of Wanning,Hainan Province by using LAGFD-WAM Wave Model

LI Ze-wen1,ZHOU Qiang1,YANG Yong-zeng2
（1.Huaneng Renewables Corporation Limited,Beijing 100036 China;2.The First Institute of Oceanography,SOA,Qingdao 266061 China）

The third generation spectral wave model,LAGFD-WAM is adopted for the long term hindcasting data for the adjacent sea of Wanning City.The model is driven by the NCEP reanalysis wind data from 1991 to 2010. The model result agrees well with the observational data.Based on the hindcasting data,wave energy density and coefficient of variation(COV)are calculated and the temporal and spatial distributions of the wave are analyzed. This result shows that wave energy is rich in the adjacent sea area of Wanning City.Annual average wave energy flux density is in the range of 3—10 kW/m.The difference of monthly wave energy flux density is great.The richest wave energy occurs in December,and the poorest in May.Wave energy flux density in autumn and winter is 5—24 kW/m and 6—29 kW/m respectively.Wave energy flux density in spring and summer is 3—7 kW/m and 1—6 kW/m respectively.On account of the existence of special sea terrain of islands,headland,and steep seabed, the wave energy in the adjacent area of Dazhou island and Baian island,Dahuajiao headland,and coastal region to the north of Baian island is rich enough.The wave energy flux density variation coefficient is 3.0—5.9 in September,and it is less than 2.8 in other months.

LAGFD-WAM Wave Model；wave energy；resource assessment；Wanning

P743.2

：A

：1003-0239（2014）05-0013-07

10.11737/j.issn.1003-0239.2014.05.003

2013-11-20

國家高技術研究發展計劃“863”項目(2013AA09A506)

李澤文（1986-），男，工程師，主要從事海洋可再生能源評估和開發利用技術研究。E-mail:zewen_li@hnr.com.cn