一种结合区域气候、局地日变化以及多尺度相互作用特征的区域风能资源精细化评估方法

摘要

本发明公开了一种结合区域气候、局地日变化以及多尺度相互作用特征的区域风能资源精细化评估方法，获取最近年的全球逐小时再分析数据ERA5，进行降尺度模式时采用5小时的谱逼近同化方案，导出最近年近地面等地面高度层全国范围0.10度经纬网格坐标上的风矢量、风速、水平风向、风功率等要素产品；再生成区域气候分析产品，用WRF模式模拟生成全国范围2km分辨率的模拟场，对上述2km分辨率模拟场进行同化，生成全国范围2km分辨率的气象分析场；以上述2km分辨率气象分析场为背景场，利用90m分辨率地形数据，将风场降尺度到200m分辨率上，生成最近5年200m分辨率微尺度风资源数据。

说明书

技术领域

本发明涉及气象与新能源发电系统领域，具体涉及一种区域风能资源精细化评估方法。

背景技术

风资源评估是风电企业制定宏观规划的必要条件，准确的风资源评估是风电场选址和选型的第一步。对风资源的深刻理解和准确评估有助于在风电场投入运营后设定更合适的控制策略、准确地预测发电量、极大地降低风电度电成本、减少由发电能力预测决定项目投资回报预期所带来的财务风险。

风能资源评估的方法主要有两类，一是对气象站的历史观测资料进行统计分析，一是利用数值模拟手段。两类方法各有优缺点：利用站点观测资料评估时，需要的计算资源很少，站点位置的评估比较准确，但在没有观测、地形复杂的时候，很难获取准确的风能资源空间分布；而利用数值模拟来实现风能资源调查能获取具有动力特征的风能资源时空分布，但需要大量计算资源，而且其精度依赖于数值模式本身、资料同化技术以及模式产品的释用方法。

中国气象局分别在1980年、1984-1987年和2004年进行了3次陆上风能资源普查，采用的方法都是基于中国气象站的历史观测资料进行统计分析。这种基于站点的普查方式基本可以了解中国风能资源的宏观分布，但不能详细地评估风能资源的分布位置、区域面积和储量等。因此，随着计算能力的快速提高以及数值预报技术的快速发展，采用数值模拟对风能资源进行评估就成了主要手段。

在运用数值模式手段进行风资源评估时，一种方法是对全球再分析资料进行统计分析，如Kubik等(2013，Renewable Energy)采用MERRA(Modern-Era RetrospectiveAnalysis for Research and Applications)资料和能量法则(Power Law)对北爱尔兰风力发电资源进行了评估。目前可能用于风能资源评估的再分析资料包括MERRA-2、FNL、JRA-25、ERA-interim、 ERA5等。这类方法从气象部门提供的再分析资料出发，不运行动力数值模式，可以极大地节省计算资源。但缺点是1)全球再分析资料分辨率很粗而不能反应局地小尺度特征；2)地形数据分辨率很粗而不能反应复杂地形对近地面风场的影响；3)近地面垂直层次很少，不能捕捉风机所在高度层次内的风场特征。因此这种方法主要的作用是分析一个区域的区域气候变化特征。第二种方法是采用中尺度模式，对全球再分析数据进行动力降尺度，生成较高水平分辨率、较高近地面层垂直分辨率的气象场数据。该方法理论上比第一种方法要准确，但反应的仍然是中尺度气象场信息。第三种方法是采用“分型+中尺度模式+线性微尺度模式”的方法得到高分辨率的风能资源图谱(Yu et al.，2006)。此类方法依据各气象探空观测站的资料对选定的探空站进行天气分型，然后从各分型中抽取少量比例的天数来进行中尺度模式 +线性微尺度模式的模拟。这种方法需要的计算资源可以通过调整抽取天数的比例来减少，但缺点是：1)探空站比较稀疏，其分型不能真实反应风电场的区域特征，特别是对于内蒙、新疆、西藏等区域；2)分型采用的是850百帕(约1500米海拔高度)和700百帕(约3000 米海拔高度)的风向、风速以及日最大混合层高度(何晓凤等，2015，气象学报)，由于地形和边界层的影响，其分类特征可能与风电需要的高度(地面70-150米)上的特征有差别；3) 是探空观测一般一天只有两次，分别是北京时间早晨8点和傍晚8点，较难反应天气的日变化特征。第四种方法是在中尺度模型的基础上，直接用微尺度模型获取高分辨率的风能资源数据。该方法的优点是风能数据的分辨率能满足需求，但缺点也非常明显：1)是需要非常巨量的计算资源，计算代价非常大；2)是获取的数据量非常大，对于风能资源统计分析非常艰难；3)是得到的结果更多的反应是微尺度的结构特征，该特征在用于分析区域气候特征时会有很多噪音，无法真实的反应区域气候变化特点，不利于确定该区域的风能资源开发前景。

上述四种方法包含了风能资源评估所用的方法，这四种方法的特点是：第一种方法只有区域气候特征；第二种方法只能反应区域风能资源气候特征；第三种方法不能反应日变化、季节变化、年际变化等包含时间信息的变化特征；第四种方法不能用于气候评估。

发明内容

本发明要解决的技术问题是解决上述现有技术的不足，提供一种结合区域气候变化、局地日变化以及多尺度相互作用特征的区域风能资源精细化评估方法。

为了解决上述现有技术的不足，本发明采用的技术方案为：一种结合区域气候、局地日变化以及多尺度相互作用特征的区域风能资源精细化评估方法，包括如下步骤：

1)获取最近n年的全球逐小时再分析数据ERA5；

2)获取全球GTS观测、待评估区域所在的国家或者地区内的自动站观测、测风塔观测数据；

3)应用WRF模式系统，以ERA5逐小时再分析资料进行动力降尺度到待评估区域所在的国家或者地区内12km分辨率尺度，进行降尺度模式时采用5小时的谱逼近同化方案；

4)应用GSI同化系统，采用步骤2中获取的观测数据，对最近41年的待评估区域所在的国家或者地区内12km分辨率大气场进行变分同化；

5)通过水平、垂直空间插值处理，导出最近n年近地面等地面高度层待评估区域所在的国家或者地区范围0.10度经纬网格坐标上的风矢量、风速、水平风向、风功率、温度、湿度、气压等要素产品；

6)对上一步生成的待评估区域所在的国家或者地区逐小时的数据用区域气候分析方法进行统计分析，生成区域气候分析产品；

7)利用最近的5年ERA5数据做为背景场，采用单向嵌套以及谱逼近同化方案，用WRF模式模拟生成待评估区域所在的国家或者地区范围2km分辨率的模拟场；

8)利用变分同化方法和获取的观测资料，对上述2km分辨率模拟场进行同化，生成待评估区域所在的国家或者地区范围2km分辨率的气象分析场；

9)通过水平、垂直空间插值处理，导出近5年近地面等地面高度层待评估区域所在的国家或者地区范围0.02度经纬网格坐标上的风矢量、风速、水平风向、风功率、温度、湿度、气压要素产品；

10)以上述2km分辨率气象分析场为背景场，利用90m分辨率地形数据，采用微尺度统计动力降尺度模型calMET，将风场降尺度到200m分辨率上，生成最近5年200m分辨率微尺度风资源数据。

从上述技术方案可以本发明具有以下优点：该方法既能反应区域气候变化特征，又能反应局地边界层特征、日、季节及年际变化特征，能从不同时间尺度上反应中尺度、小尺度及微尺度的风能资源特征，并且该方法在有限的计算资源下能够得以实现。该方法获取的产品可以用于评估区域的气候特征、风能资源分布特征，可以用于预测区域风能资源开发前景，可以为风电场宏观选址、风电场微观布局、风机选型、运营成本估算等提供基础数据，也可以为风电功率预测系统和电力调度系统提供更好的数据依据。

附图说明

图1为本发明的流程图。

具体实施方式

以下结合附图，以中国地区为例，对本发明的具体实施方式做具体说明。

1)获取最近41年(1979-2019)的全球逐小时再分析数据ERA5；

2)获取全球GTS观测、中国自动站观测、测风塔观测数据；

3)应用WRF模式系统，以ERA5逐小时再分析资料进行动力降尺度到中国区域12km分辨率尺度，进行降尺度模式时采用5小时的谱逼近同化方案；

4)应用GSI同化系统，采用步骤2中获取的观测数据，对最近41年的逐小时中国区域12km 分辨率大气场进行变分同化；

5)通过水平、垂直空间插值处理，导出最近41年近地面等地面高度层全国范围0.10度经纬网格坐标上的风矢量、风速、水平风向、风功率、温度、湿度、气压等要素产品；

6)对上一步生成的全国范围逐小时的数据用区域气候分析方法进行统计分析，生成区域气候分析产品；

7)利用2015至2019年最近的5年ERA5数据做为背景场，采用单向嵌套以及谱逼近同化方案，用WRF模式模拟生成全国范围2km分辨率的模拟场；

8)利用变分同化方法和获取的观测资料，对上述2km分辨率模拟场进行同化，生成全国范围2km分辨率的气象分析场；

9)通过水平、垂直空间插值处理，导出近5年近地面等地面高度层全国范围0.02度经纬网格坐标上的风矢量、风速、水平风向、风功率、温度、湿度、气压等要素产品；

10)以上述2km分辨率气象分析场为背景场，利用90m分辨率地形数据，采用微尺度统计动力降尺度模型calMET，将风场降尺度到200m分辨率上，生成最近5年200m分辨率微尺度风资源数据。

上述方案的特征是一个包含较长时间序列(最近40+年)的风能资源普查数据集、一个包含近年(最近5+年)的风能资源较高分辨率的动力分析时间序列数据集、以及一个一个包含近年(最近5+年)的高分辨率(200m)风能资源详查时间序列数据集。

在上述方案的基础上，步骤1中所述的全球逐小时再分析数据ERA5为欧洲中期天气预报中心(ECMWF)在ERA-interim再分析资料的基础上升级生成的全球逐小时再分析数据集。研究表明(Olauson,J.，2018)，ERA5比风能领域通用的MERRA-2资料的优点为：相关性高、平均误差小20％、时间分辨率高、用于长期订正目的的不确定性小20％(用一年的数据去做接下来的1-5年的预测)。

该方法既能反应区域气候变化特征，又能反应局地边界层特征、日、季节及年际变化特征，能从不同时间尺度上反应中尺度、小尺度及微尺度的风能资源特征，并且该方法在有限的计算资源下能够得以实现。该方法获取的产品可以用于评估区域的气候特征、风能资源分布特征，可以用于预测区域风能资源开发前景，可以为风电场宏观选址、风电场微观布局、风机选型、运营成本估算等提供基础数据，也可以为风电功率预测系统和电力调度系统提供更好的数据依据。