WRF模式在風(fēng)能開發(fā)中的應(yīng)用研究進(jìn)展

鄧 浩,李 霄

(1.成都信息工程大學(xué) 大氣科學(xué)學(xué)院，四川 成都；2.中電投電力工程有限公司,上海 200233)

1 引言

除了水電以外，風(fēng)力發(fā)電是開發(fā)技術(shù)最成熟、開發(fā)成本最低廉和最具規(guī)模化開發(fā)價值的可再生能源之一。根據(jù)世界風(fēng)能協(xié)會的統(tǒng)計，截至2020年全球風(fēng)電總裝機(jī)容量達(dá)到了744GW，可滿足全球能源的7%以上；雖然COVID-19的大流行減緩了一些國家風(fēng)電裝機(jī)容量，但風(fēng)電在中國依舊發(fā)展迅速，僅2020年就新增裝機(jī)容量52GW，相當(dāng)于全球的56%[1]。

促進(jìn)風(fēng)能開發(fā)的前提是對風(fēng)電場及周邊地區(qū)風(fēng)場特征進(jìn)行準(zhǔn)確分析，然而低層風(fēng)場往往具有高度非均勻性，影響因子繁多且過程十分復(fù)雜，依靠有限范圍的觀測資料或數(shù)學(xué)推導(dǎo)并不能準(zhǔn)確描述風(fēng)機(jī)輪轂高度風(fēng)場特征。與此同時，隨著風(fēng)力機(jī)葉片半徑的增大以及風(fēng)能開發(fā)的“主戰(zhàn)場”轉(zhuǎn)向地形地貌更復(fù)雜的山區(qū)和遠(yuǎn)離陸地的海上，風(fēng)電開發(fā)對風(fēng)場特征更高的細(xì)節(jié)需求促使高分辨率數(shù)值模式在風(fēng)能領(lǐng)域扮演著越來越重要的角色[2]。各種數(shù)值天氣模式中，WRF模式(Weather Research and Forecasting Model)能很好地模擬大氣溫、壓、濕、風(fēng)等物理量而被廣泛用于風(fēng)能開發(fā)利用研究[3～13]。作為風(fēng)電場開發(fā)運營的最主要環(huán)節(jié)，本文將總結(jié)歸納WRF模式在風(fēng)資源評估、微尺度風(fēng)場特征研究、風(fēng)功率預(yù)測和風(fēng)電場天氣氣候效應(yīng)中的應(yīng)用，并指出相關(guān)研究中存在的問題。

2 WRF模式介紹

WRF模式實質(zhì)是一整套求解包含牛頓第二運動定律(動量守恒)、熱力學(xué)第一定律(能量守恒)、連續(xù)性方程(質(zhì)量守恒)和狀態(tài)方程在內(nèi)的大氣運動方程組的數(shù)值計算程序。Bjerknes[14]最早在1904年提出數(shù)值天氣預(yù)報的概念，他認(rèn)為大氣演變可看作是給定初值的方程求解問題，通過積分求解完整的大氣運動方程組可以獲得大氣變量下一時刻的值，進(jìn)而實現(xiàn)天氣預(yù)報。但早期計算條件限制一直未能實現(xiàn)有意義的數(shù)值預(yù)報，隨著電子計算機(jī)的誕生與應(yīng)用，Charney等[15]在1950年才第一次通過數(shù)值天氣預(yù)報模式得到了500hPa高度場的24 h預(yù)報結(jié)果。隨著時間發(fā)展，在大氣科學(xué)基本理論的進(jìn)一步完善的同時計算機(jī)技術(shù)也在迅速發(fā)展，兩者的共同進(jìn)步促使數(shù)值模式的模擬能力和精細(xì)化程度迅速增強。

作為氣象領(lǐng)域使用最廣泛的中尺度數(shù)值天氣預(yù)報模式，WRF模式以第五代區(qū)域中尺度數(shù)值模式MM5為基礎(chǔ)、并結(jié)合其他中尺度數(shù)值模式的優(yōu)點于2000年發(fā)布，現(xiàn)已更新到4.3版本。模式的編程語言是Fortran，時間積分方案為三階或四階Runge-Kutta算法，實驗表明Runge-Kutta三階方案是準(zhǔn)確的、穩(wěn)定的，其穩(wěn)定時間步長大小較二階蛙躍式方案要大2～3倍，可明顯節(jié)省計算時間[16]。模式空間上將三維大氣按立方體網(wǎng)格域劃分，由于采用Arekawa-C交錯網(wǎng)格，風(fēng)速分量U、V、W分別定義在計算域正交邊界的東西向、南北向和垂直向，而溫度、氣壓、濕度等標(biāo)量則定義在網(wǎng)格域中央，每完成一次積分網(wǎng)格域上的氣象要素也會發(fā)生變化。水平網(wǎng)格域大小代表水平分辨率，垂直網(wǎng)格域分層則代表了垂直分辨率，一般越小的水平網(wǎng)格距和越多的垂直分層對應(yīng)更詳細(xì)準(zhǔn)確的地形特征，邊界層風(fēng)場的模擬結(jié)果也越接近實況。為了反映次網(wǎng)格天氣特征，WRF模式還提供了不同的云微物理、積云參數(shù)化、長波輻射、短波輻射、陸面過程行星邊界層等物理參數(shù)化方案，具體描述可參見[17]。

3 WRF模式在風(fēng)能開發(fā)中的應(yīng)用

3.1 風(fēng)資源評估

高質(zhì)量的風(fēng)數(shù)據(jù)是風(fēng)資源評估的基礎(chǔ)，且風(fēng)數(shù)據(jù)連續(xù)觀測時間應(yīng)至少達(dá)到一年以上，因此有研究采用氣象臺站觀測資料進(jìn)行風(fēng)資源評估[18]，但氣象臺站建設(shè)成本高、維護(hù)周期長、遠(yuǎn)離海上風(fēng)電場，同時觀測資料存在時空分辨率低和無法直接獲得輪轂高度風(fēng)速等缺陷；而規(guī)劃、建設(shè)和維護(hù)專門的風(fēng)力測量設(shè)備則需要昂貴的費用，如果測量結(jié)果顯示特定地點的風(fēng)能潛力差時，前期成本將是不可逆轉(zhuǎn)的損失。而將WRF模擬作為風(fēng)數(shù)據(jù)替代源具有成本低、時空分辨率高等優(yōu)勢，因此WRF模式在風(fēng)資源評估中具有廣泛應(yīng)用。Ping et al[19]對WRF模擬的近海風(fēng)資源與測風(fēng)塔觀測進(jìn)行了對比，發(fā)現(xiàn)模式模擬與實測之間并無顯著差異，充分肯定了WRF模擬的可信度；鄧國衛(wèi)等[20]對酒泉風(fēng)資源的模擬也表明WRF模式能較好地再現(xiàn)復(fù)雜地形對風(fēng)速的影響。WRF模式還廣泛應(yīng)用于湖泊等水陸交接區(qū)域的風(fēng)資源評估中，基于WRF模式對洪澤湖地區(qū)風(fēng)能資源的季節(jié)變化、空間分布和垂直特征的模擬研究[21]表明模式可以很好的再現(xiàn)該地區(qū)的風(fēng)資源特征。Mattar等[22]基于WRF模擬指出智利中部海域140 m高度處風(fēng)功率密度約為1000 W/m2，若安裝典型的8MW風(fēng)機(jī)，預(yù)估年發(fā)電量達(dá)到30 GW·h。WRF模式對泰國灣海上風(fēng)資源的評估也顯示該海域可開發(fā)風(fēng)功率介于6000～8000 MW之間，年發(fā)電量在50～70 PW·h之間，相當(dāng)于約減排0.3～0.4億tCO2[23]。此外，一些學(xué)者還利用WRF模式評估了菲律賓、伊比利亞半島沿岸和山東等地區(qū)的風(fēng)資源特征[24～27]。

由于數(shù)值模式自身的計算誤差以及模式動力框架和物理參數(shù)化方案還有待改進(jìn)，WRF風(fēng)場模擬與實測仍存在一定偏差。Carvalho et al[28]研究了表面層方案、行星邊界層方案和陸面方案的選擇對風(fēng)場模擬的敏感性，指出MM5-YSU-Noah為最佳參數(shù)化方案組合。此外，敏感性試驗也表明提高分辨率可顯著提高復(fù)雜地形風(fēng)場的模擬效果，尤其低層風(fēng)場改進(jìn)效果最為明顯[24,29]。此外，研究人員還就模式靜態(tài)地形數(shù)據(jù)、地表粗糙度、是否提供海溫驅(qū)動、初始場更新頻率、模式積分時間、模式嵌套特征、不同邊界條件和垂直分層數(shù)等進(jìn)行了實驗研究[28,30～32]。總的來說，為提高WRF模式對風(fēng)資源評估的準(zhǔn)確性，既需要從模式動力框架和物理參數(shù)化方案優(yōu)化入手，也要關(guān)注區(qū)域差異性，在綜合考慮地形、邊界條件、模式嵌套設(shè)置、分辨率、積分步長和物理參數(shù)化方案的適用性等情況下確定WRF模式在風(fēng)資源評估中的最佳配置。

3.2 微尺度風(fēng)場特征研究

微尺度風(fēng)場在地形、植被和建筑物等影響下會出現(xiàn)分離繞流和爬坡等，綜合考慮微尺度風(fēng)場特征開展風(fēng)機(jī)選址才能確保風(fēng)機(jī)效率最大化。理論上數(shù)值天氣預(yù)報模式可模擬全球尺度到微觀尺度的風(fēng)場特征，但由于網(wǎng)格距的減小會造成計算量迅速增大，同時WRF模式對低于網(wǎng)格分辨率的湍流特征捕捉較差。而微尺度流場特征研究中常使用CFD模型，但虛擬的理想化邊界條件導(dǎo)致CFD單獨模擬的流場時常與實際風(fēng)場相差較大[33,34]。因此需要綜合WRF模式與CFD模型的優(yōu)勢，利用WRF模擬輸出為CFD模型提供真實的、動態(tài)的邊界條件，而CFD模型則通過對地形和湍流特征的精細(xì)化模擬再次優(yōu)化WRF模式輸出，進(jìn)而實現(xiàn)特定區(qū)域的微尺度風(fēng)場特征研究。方艷瑩等[35]通過耦合WRF模式和CFD軟件對廣東海陵島風(fēng)場進(jìn)行了水平分辨率為100 m×100 m的高分辨率模擬，結(jié)果表明WRF模式與CFD模型耦合后對區(qū)域風(fēng)能資源分布趨勢的模擬結(jié)果比僅采用CFD軟件模擬更為準(zhǔn)確。在東非復(fù)雜地形區(qū)域的風(fēng)場模擬結(jié)果也表明，耦合WRF與計算流體力學(xué)軟件后對風(fēng)速的模擬相較WRF模式單獨模擬的準(zhǔn)確性提高了10%[36]。鄱陽湖吉山地區(qū)的研究[37]也顯示W(wǎng)RF模式與Fluent耦合后對吉山站風(fēng)速和風(fēng)向的模擬效果得到明顯改善。劉郁玨等[38]結(jié)合WRF模式大渦模擬對冬奧會小海坨山賽區(qū)風(fēng)場進(jìn)行了尺度為37 m的高分辨率模擬，指出耦合模型能更好的捕捉邊界層小尺度運動特征，刻畫出局地流場結(jié)構(gòu)，獲得更精細(xì)準(zhǔn)確的近地面風(fēng)場。

將WRF模式與計算流體力學(xué)軟件進(jìn)行耦合是一個復(fù)雜的過程，主要包括CFD計算域的建模與網(wǎng)格劃分、耦合邊界條件的處理以及湍流模型選擇等。為了進(jìn)一步耦合系統(tǒng)如何影響微尺度風(fēng)場特征模擬，Jin et al[34]采用多項式混沌展開法分析了CFD模型的湍流方案的經(jīng)驗參數(shù)和不同入流風(fēng)廓線指數(shù)對耦合結(jié)果的影響，指出風(fēng)廓線指數(shù)差異導(dǎo)致的邊界條件不確定性影響較大，而湍流方案參數(shù)不確定性的影響相對較小。在河北崇禮山區(qū)微尺度風(fēng)場研究中，Li et al[39]指出采用Gressman插值法較采用風(fēng)廓線外推作為CFD模型入流邊界條件的耦合結(jié)果更優(yōu)，更能刻畫地形對風(fēng)場的影響。

3.3 風(fēng)功率預(yù)測

數(shù)值天氣預(yù)報模型、統(tǒng)計方法、深度學(xué)習(xí)及其混合方法是風(fēng)功率預(yù)測中較常見的方法，其中基于WRF模式的風(fēng)功率預(yù)測具有顯著的數(shù)學(xué)物理意義、且預(yù)測時間尺度可橫跨幾分鐘至幾年，因此在文獻(xiàn)中屢見不鮮。馬文通等[41]采用WRF模式與CFD模型結(jié)合的動力降尺度技術(shù)構(gòu)建了適用于復(fù)雜地形的短期風(fēng)功率預(yù)測系統(tǒng)，該系統(tǒng)可實現(xiàn)未來15 min的發(fā)電量預(yù)測。結(jié)合WRF模式、深度學(xué)習(xí)和支持向量機(jī)回歸方法也實現(xiàn)了未來1 h較高精度的風(fēng)功率預(yù)測[42]。葉小嶺等[43]以WRF模式為基礎(chǔ)，結(jié)合最小二乘支持向量機(jī)和粒子群優(yōu)化算法開發(fā)了海上風(fēng)電場短期風(fēng)速預(yù)測系統(tǒng)；類似的，WRF模式結(jié)合卡爾曼濾波方法也能夠較好地實現(xiàn)短期風(fēng)功率預(yù)測[44]。在中長期風(fēng)功率預(yù)測中，WRF模式能較好地捕捉風(fēng)速的時間變化趨勢，并可提前2～4 d預(yù)測風(fēng)電場風(fēng)速情況[45]；同樣，肖寅[46]利用WRF模式的研究也實現(xiàn)了72 h的短期風(fēng)速預(yù)測，并基于優(yōu)化學(xué)習(xí)機(jī)和主成分分析對風(fēng)速預(yù)測進(jìn)行了訂正。在更長的時間尺度上，Prósper et al[47]采用WRF模式對西班牙風(fēng)電場進(jìn)行了一年高分辨率模擬，結(jié)果顯示預(yù)測的風(fēng)電場年產(chǎn)能與實況吻合良好，年平均風(fēng)速誤差僅有1.87 m/s，產(chǎn)能誤差只有14.75%。

3.4 風(fēng)電場天氣氣候效應(yīng)研究

風(fēng)電場建設(shè)運營主要從兩方面改變邊界層大氣特征，一是改變地表粗糙度，二是通過風(fēng)機(jī)葉片的旋轉(zhuǎn)對大氣施加擾動，進(jìn)而與其他氣象因子相互作用影響天氣和氣候。測風(fēng)塔、衛(wèi)星遙感和風(fēng)洞實驗等研究[48～53]已經(jīng)證實風(fēng)電場建設(shè)運營會改變地表熱通量、地表蒸發(fā)、湍流強度、溫度場和風(fēng)場，大型風(fēng)電場甚至影響區(qū)域環(huán)境和全球氣候。雖然直接觀測是研究風(fēng)電場天氣氣候效應(yīng)最有效的方式，但觀測實驗范圍有限、數(shù)據(jù)稀缺且成本昂貴，而WRF模式開放、可移植等特點促使其成為相關(guān)人員研究風(fēng)電場對天氣氣候影響的重要方法，基于模式模擬也進(jìn)一步揭示了風(fēng)電場改變天氣氣候的物理機(jī)制。

WRF模擬實驗展示了風(fēng)電場建設(shè)運營對溫度[54,55]、風(fēng)速和湍流動能[56]等氣象要素空間三維的改變——大型風(fēng)電場改變了從地表到輪轂高度的整層大氣溫度，風(fēng)電場下游的溫度場表現(xiàn)為白天降溫，而夜間升溫的日變化特征；風(fēng)速的改變在垂直方向上可達(dá)邊界層頂，水平方向則可超過60 km，風(fēng)速降低最大可達(dá)1.5 m/s，在輪轂高度處風(fēng)速甚至可減少16%，而風(fēng)電場地表附近風(fēng)速增大可達(dá)11%；湍流動能的變化同樣可從地表延伸至邊界層頂，在輪轂高度處向下游延伸可達(dá)10 km，湍流動能最大增幅可達(dá)0.9 m2/s2，較無風(fēng)電場時增大7倍。基于WRF模擬[57]還發(fā)現(xiàn)大型風(fēng)電場會改變美國東部東南區(qū)域的暖季降水，而Lauridsenet al[58]的研究也表明風(fēng)電場擾動會改變中低緯氣旋的多種氣象要數(shù)場特征。基于WRF模擬實驗還就風(fēng)電場影響天氣氣候的物理機(jī)制進(jìn)行了研究：例如Xia et al[55]指出地表顯熱通量改變是造成風(fēng)電場區(qū)域溫度變化的主要原因，診斷分析結(jié)果也顯示湍流混合促進(jìn)增溫，而風(fēng)電場動量匯造成降溫；Sun et al[59]認(rèn)為風(fēng)電場導(dǎo)致的特定區(qū)域夏季500 hPa位勢高度增加是湍流動能造成的，而位勢高度的減小是風(fēng)電場動量匯造成的；Vautard et al[60]則指出風(fēng)電場的擾動與歐洲高層反氣旋環(huán)流的結(jié)合是歐洲冬季氣溫和降水發(fā)生變化的主要原因。

4 總結(jié)與展望

隨著數(shù)值模式的發(fā)展，WRF在風(fēng)資源評估、微尺度風(fēng)場特征、風(fēng)電場功率預(yù)測和天氣氣候效應(yīng)研究中得到了廣泛的應(yīng)用。結(jié)合當(dāng)前研究中存在的問題，本文對未來研究應(yīng)關(guān)注的方向進(jìn)行了展望。具體如下：

(1)基于WRF模式的風(fēng)資源評估優(yōu)勢明顯，因此具有廣泛適用性；但由于地表特征和大氣狀況復(fù)雜多變，WRF模式在不同地區(qū)的風(fēng)資源評估時應(yīng)確定適宜的方案配置，相關(guān)研究也應(yīng)注重風(fēng)資源評估的準(zhǔn)確性和偏差校正。

(2)WRF-CFD耦合系統(tǒng)的研究區(qū)域的建模、網(wǎng)格劃分、邊界條件耦合和湍流方案選擇等對模擬結(jié)果有顯著影響。湍流仍是制約微尺度風(fēng)場特征研究的主要問題，通過改進(jìn)WRF模式邊界層方案的湍流計算理論和方法、優(yōu)化WRF-CFD耦合系統(tǒng)自身的參數(shù)將是未來研究的趨勢之一。

(3)WRF模式在中長期風(fēng)功率預(yù)測中性能良好，將模式與其他方法的結(jié)合也實現(xiàn)了分鐘尺度的風(fēng)功率預(yù)測。風(fēng)功率預(yù)測的研究將重點關(guān)注WRF模擬時空分辨率的提高以及如何減小風(fēng)功率預(yù)測的誤差，因此，創(chuàng)新邊界層風(fēng)場理論并改進(jìn)相應(yīng)的參數(shù)化方案、將WRF模式與人工智能模型、統(tǒng)計模型以及CFD模型等其他方法結(jié)合使用等將有助于提高風(fēng)速預(yù)測準(zhǔn)確性。

(4)應(yīng)用WRF模式既可以分析風(fēng)電場對溫度場、風(fēng)場、湍流、降水等氣象要素甚至氣候系統(tǒng)的改變，也可以進(jìn)一步分析造成相應(yīng)變化的原因。但基于WRF模擬的風(fēng)電場天氣氣候效應(yīng)研究結(jié)果可能受數(shù)值模式自身誤差的限制，因此需進(jìn)一步通過觀測實驗驗證；為了增加模擬結(jié)果的準(zhǔn)確性，也需要優(yōu)化完善適用于風(fēng)電場湍流特性的邊界層參數(shù)化方案。