基于数值模拟的云南省风能资源分布研究

云南大学学报（自然科学版），2012，34（6）：684 688CN53－1045/N ISSN0258－7971 Journal of Yunnan University http：//www．yndxxb．ynu．edu．cn基于数值模拟的云南省风能资源分布研究*杨晓鹏，杨鹏武（云南省气候中心，云南昆明650034）摘要：介绍了利用中尺度气象模式MM5和小尺度诊断模式CALMET组成的风能资源数值模拟模式系统，模拟了2009年6月1日—2010年5月31日1个完整年，1km水平分辨率下各高度层的风速、风功率密度，给出了云南省风能资源数值模拟分布图．利用云南省4座测风塔的同期实测资料对模拟结果进行验证．最后对云南省风能资源的进一步开发提出了建议．关键词：风能；数值模拟；云南中图分类号：P49文献标识码：A文章编号：0258－7971（2012）06－0684－05随着我国的经济快速发展，对于能源的需求急剧上升，以及我国政府在哥本哈根气候大会做出了减排承诺，开发绿色能源成为当务之急．近年来风力发电成本的不断下降和国家政策的鼓励，风能资源成为大力开发的新能源．从云南省大理者磨山风电场的建成投产表明，云南省高海拔山区的风能资源较为丰富，可进行开发利用．因此如何较为准确地掌握云南省风能资源空间分布是风能资源开发的一项极其重要的基础性工作．不少学者利用气象站风速观测资料对云南省风能资源进行了分析［1－2］，其中顾本文等利用13个气象站风观测数据分析得到了“云南多数山区风能分布广泛，在冬春季风能极具开发价值．”的结论．云南省气候中心于2005年完成的《云南省风能资源评价报告》中利用133个气象站的风观测数据及结合GIS技术，插值计算分析提出了风能资源开发的重点区域，并绘制了风能资源图集．很多学者采用测风塔和现有的气象台站网的测风资料作为基础数据计算和评估各地的风能资源［3－8］．但云南省大部分气象站位于坝区，地形崎岖，受环境条件的影响，气象站所代表的区域有限，基于气象站观测资料的风能资源评估不能满足工程开发的需要．由于建立测风塔观测的费用较高，不可能在大范围内建立较多，建立基于气象模式的风能资源数值模型可填补无测风塔地区风资源状况的空白．从基础理论上讲，建立在对边界层大气动力和热力运动数学物理描述基础上的数值模拟技术要优于仅仅依赖气象站观测数据的空间插值方法［9］．云南省风能资源受高空西风急流影响较为明显，高空急流动量下传是形成近地层风的主要因素．10月中旬以后东亚高空西风急流分为南北两支，云南省受南支西风急流影响，急流强度逐渐加强达全年最强，造成了云南省冬春季风力为全年最大．南支西风急流于3 6月先后发生2次显著减弱，风速开始减小．到夏季后南支急流消失，风速达到最小，9月份后，南支的西风带逐渐恢复，风速开始变大．气象数值模拟能利用全球再分析资料及地形高程、地表植被数据将西风急流等要素及高空急流的动量下传等物理过程反应在模式当中，模拟出风能资源的各项参数．笔者利用中尺度气象模式MM5和小尺度诊断模式CALMET组成的风能资源评估模式系统，模拟了2009年6月1日—2010年5月31日云南全省1 km水平分辨率下的10、30、50、70、100、150m各高度层风向风速，并以此为基础分析得到各层风能资源参数．最后利用云南省范围内的4个70m测风塔实测资料对模拟结果进行验证，利用ArcGIS绘*收稿日期：2012－01－16基金项目：《全国风能资源详查和评价》项目资助（气发〔2008〕312号）．作者简介：杨晓鹏（1980－），男，云南人（白族），工程师，主要从事气候资源开发与GIS应用方面的研究．E－mail：mudlee@126．com．制出云南省50m高度层风能资源分布，为云南省风能资源规划以及风电场的选址提供参考．1模式系统介绍及模拟评估方案1．1模式介绍MM5模式是美国宾州大学（Penn State University）和国家大气研究中心（NCAR）共同研制的中尺度非静力气象模式，已经被国内外的科研单位广泛应用于一些重要天气过程的模拟以及对资源环境科学的研究，在应用中该模式也被不断地完善升级．CALMET模式是边界层风场诊断模式，是利用质量守恒原理对风场进行诊断，是一个包括地形动力效应、地形阻塞效应参数化、差分最小化和一个用于陆面和水面边界条件的计算混合层高度、稳定度、海陆风环流、山谷风环流等的基于3D网格点的边界层气象学模型．目前，该模式在国内外环境影响评价领域有着广泛的应用，主要用于边界层大气扩散气象场模拟［10－11］．1．2总体模拟方案首先采用MM5中尺度模式模拟出云南省水平分辨率为9kmˑ9km的气象要素场，然后采用CALMET模式将模拟区调整为水平分辨率1kmˑ1km的模拟结果，经后处理程序计算出垂直高度150m以下10m间隔的各层1kmˑ1km水平分辨率的各项风能资源参数．为与测风塔观测时间同步，确定风能资源数值模拟运算时间为2009年6月至2010年5月．1．2．1MM5模式模拟方案模式版本：MM5V3．7．4；模拟区域：采用套网格方案，分大区、小区两层区域嵌套进行模拟．大区范围基本覆盖88ʎ 115ʎE、15ʎ 32ʎN的区域，东西长约2781km，南北宽约1971km．小区范围覆盖云南省全境．地图投影采用兰勃托（LAMBERT－CONFORMAL）投影方式．网格数和水平分辨率：大区网格数为73ˑ103，分辨率为27km．小区网格数为91ˑ91，分辨率为9 km．垂直分辨率：垂直方向上共分35层，考虑到风能资源评估主要关注近地面的风况，在近地层进行了特殊加密处理，模式顶取10hPa．初值场方案：初猜场采用2009年5月31日00时—2010年5月31日18时（世界时）的NCEP全球再分析资料，资料时间间隔为6h．地表资料采用了USGA（U．S．Geological Survey）全球2min．地形高度和陆面资料，地表分类为24类．气象观测资料采用中国气象局常规地面和探空观测资料，资料时段与初猜场NCEP资料同步，探空资料时间间隔为12h，地面资料时间间隔为6h．积分时间步长：大区时间步长为90s，小区为30s．运行方案：共设定365个作业．第1个作业以2009年5月31日00时（世界时）的NCEP资料为初值，并6h提供1次侧边界，为消除模式的自适应过程，积分36h，模拟结果逐时输出，取小区σ面后24h的气象要素模拟场作为有效数据（即北京时间2009年5月31日21时—6月1日20时）输入给CALMET模式；第2个作业以2009年6月1日00时（世界时）的NCEP资料为初值进行计算，得到北京时间2009年6月1日21时—2日20时的模拟值；以此类推，得到2009年6月—2010年5月1a的逐时气象要素场模拟结果．1．2．2CALMET模式模拟方案水平分辨率：1kmˑ1km．垂直分辨率：垂直方向上共分6层，分别为离地10、30、50、70、100、150m高度．初值场方案：气象场采用MM5模式小区逐时模拟数据．地表资料采用了30m分辨率的SRTM3地形高度和陆面资料．运行方案：共设定365个作业．第1个作业对2009年5月31日21时—6月1日20时（北京时）的MM5模式小区气象场模拟结果进行高分辨率风场调整；第2个作业对2009年6月1日21时—6月2日20时（北京时）的MM5模式小区气象场模拟结果进行高分辨率风场调整；以此类推，得到2009年6月—2010年5月1a的逐时风场模拟结果．输出方案：每小时输出1次各网格点的空气密度、纬向风速和经向风速．输出时间为正点时间，即北京时前日21—当日20时．2模拟结果分析对模拟结果进行后处理和统计，最后得到2009年6月1日—2010年5月31日为期1a的各风能资源参数．因现行的《风电场风能资源评估国家标准》GB/T18710—2002中主要以测风塔50m 高度的年平均风速、年平均风功率密度进行评估，所以利用ArcGIS绘制云南省50m高度年平均风速和风功率密度风能资源分布图进行分析．2．1年平均风速分析对50m高度的模拟结果586第6期杨晓鹏等：基于数值模拟的云南省风能资源分布研究进行分析，由图1可知以哀牢山及高黎贡山作为分界线，分界线以东风能资源较好，在此区域内在海拔3000m 以上的山脊上年平均风速大于8．0m /s ，有很好的开发价值．其中楚雄、昆明、曲靖、玉溪，地处云贵高原，地势较西部横断山区平缓，有大面积的区域风速介于6．50 8．0m /s 之间，有较好的开发价值．另外昭通南部、红河北部、文山的高山山脊上风速介于6．50 8．0m /s 之间，也有较好的开发价值．在分界线以西的德宏、临沧、普洱、西双版纳大部分区域年平均风速小于6．0m /s ，现阶段开发价值较小．2．2年平均风功率密度分析由图1可知年平均风功率密度的分布与年平均风速的分布较为一致，由于风功率密度与风速的3次方成正比，风功率密度的空间差异较风速明显．在分界线以东的海拔3000m 左右的山脊上，年平均风功率密度为400W /m 2以上，具有很好的风能资源．其中楚雄、昆明、曲靖、玉溪，地处云贵高原，地势较西部横断山区平缓，有大面积的区域年平均风功率密度介于300 400W /m 2之间，有较好的开发价值．另外昭通南部、红河北部、文山的高山山脊上风功率密度也大于300W /m 2，也有较好的开发价值．在分界线以西的德宏、临沧、普洱、西双版纳大部分区域年平均功率密度小于300W /m 2，现阶段开发价值较小．2．3模拟效果检验将网格点上的模拟结果通过双线性内插的方法插到测风点上，作为观测点上的模拟值，通过与4个实际测风塔观测值进行比较．这4座测风塔分别位于下关者磨山、会泽大海草山、曲靖郎目山、蒙自朵谷，具体位置见图1．测风塔均位于所在区域高山山脊上，无遮挡，代表性较好，塔高70m ，在10，30，50，70m 均有风速观测．在选择的模拟时段内，测风塔测风序列资料的数据完整率在90%以上，具有较高的数据完整率．通过对模拟值与实测值的对比分析见表1可知：（1）测风塔观测高度越高模拟效果越好，各测风塔均出现了从10 70m 模拟相对误差逐渐减小的现象．（2）海拔较低地区的模拟效果好于海拔较高的地区，郎目山测风塔海拔2380m ，70m 高度的相对误差仅为0．98%，者磨山测风塔海拔2900m ，70m 高度的相对误差为－10．86%，大海草山测风塔海拔3600m ，70m 高度的相对误差为－18．85%．（3）70m 高度实测年平均风速在7．8m /s 达到最佳模拟效果，高于此风速，实测年平均风速越高，模拟效果越差，低于此风速，模拟效果也较差．2．4误差原因分析笔者认为数值模拟存在误差主要有以下4个方面原因造成：（1）模式系统本身的问题数值模式系统为气象模式，由于受气象学理论发展、计算条件等限制，模式参数化过程有一些假设条件和大众化的经验参数，模式方案设计也要考虑一些优化，因此模式本身就包含有一定误差．如在模式中考虑地表影响过大，特别是10m 层风速明显小于其它各层，误差较大，而70m 层受地表影响较小，在各层中模拟图1云南省50m 高度年平均风速（a ）及平均风功率密度（b ）分布图Fig．1The annual average wind speed at 50m height of Yunnan Province （a ）and average wind power density （b ）distribution686云南大学学报（自然科学版）第34卷表1各测风塔平均风速模拟误差Tab．1The average wind speed of wind tower simulation error测风塔海拔/m测风高度/m观测值/（m·s－1）模拟值/（m·s－1）相对误差/%者磨山2900106．964．08－41．39307．745．77－25．48507．876．69－14．93708．117．23－10．86大海草山3600109．045．55－38．61308．976．63－26．06509．587．2－24．85709．337．57－18．85郎目山2380105．64．86－13．32306．676．21－6．92507．177．20．43707．817．890．98朵谷2190104．923．94－19．79305．84．96－14．41506．145．5－10．5706．275．81－7．26误差最小．（2）模式分辨率因素模拟采用的初值场为NCEP全球再分析资料时空分辨率较低，其空间分辨率仅为1ʎˑ1ʎ，时间分辨率为6h间隔．模拟结果代表的是1kmˑ1km这一个方格中的平均情况，而风是一个高时空变化的气象要素．1kmˑ1km 的空间范围在云南山区的复杂程度较大，风资源的实际差异较大，模拟结果无法反应出这种差异．（3）地形和地表数据的精度地形和地表状况对风的影响非常大，而模式使用的地形资料最细到30ᵡ，地表分为24类，在云南山区这样的精度是无法真实反映出实际地形和地表状况对当地风资源的影响的．如在高海拔的大海草山和者磨山地区1km范围内既有山峰也有山谷，地形起伏变化太大，造成这两个地区的模拟误差较大．4座测风塔所在地区为高山地区，地形复杂，地表有灌木丛、庄稼地、树林、沙石地等不同覆盖层，并随着季节不同，其植被长势不同，地表粗糙度变化较大，对风场影响较大．（4）测风塔的代表性问题由于风的空间变异性较大，测风塔所代表的空间范围有限．每座测风塔的建设成本较为昂贵，测风塔数量有限，不可能在1kmˑ1km的空间范围建立多座测风塔．每座测风塔基本建设在地形、地貌比较复杂的地点，测风塔所测资源状况不能完全代表其附近1kmˑ1km范围内的平均风能资源状况．3风能资源开发利用建议（1）模拟结果显示，云南山地风能资源丰富，从地理位置上来看，风电场选址应从滇东、滇中、滇西及滇西北的风能资源较丰富区域选取．（2）从海拔高程来看，风电场选址应选择海拔较高的高山山脊，这种地形下海拔越高风速越大，但应考虑交通条件及冰雪天气影响；坝区的风速受地形影响一般比较小，祥云、昆明等坝区风速虽没有高山山脊风速大，但交通条件便利，开发面积大，可考虑建立观测塔考察其风能资源．（3）云南风能资源集中在山区，其分布虽具有较强的区域性规律，但局地性极强，风电场选址应遵循国家标准，在场址范围内合理分布测风塔位置786第6期杨晓鹏等：基于数值模拟的云南省风能资源分布研究及数量．（4）从风能资源分布来看，云南省各地均有风电场，空间分布较为离散，各风电场虽装机容量不大，但资源相对好，十分有利于电网的接入．4讨论（1）中尺度气象模式MM5和小尺度诊断模式CALMET组成的风能资源评估模式系统可以较为精确地模拟出云南省风能资源的空间分布及资源等级，虽然模拟结果存在误差，但其宏观上还能够显示出全省风能资源分布的基本特征，弥补了云南山区气象站稀少及缺少工程开发利用的专业测风塔的不足，可作为云南省风能资源进一步开发的依据．（2）对于此次模拟结果中存在的误差问题，可考虑改变模式中的参数减少地表摩擦对10 30m 风速的影响，以及提高地形资料的分辨率，尝试利用其它中尺度模式与小尺度模式结合等手段来提高模拟准确率，达到减小模拟误差的效果．（3）从测风塔现场测风观测结果及数值模拟分布来看，以哀牢山及高黎贡山作为分界线，分界线以东的云南高山山脊年平均风速达到7m/s以上，平均风功率密度达到300W/m2以上，风能资源较为丰富，具有较大的开发价值．（4）受限于数值模拟的空间分辨率及资料来源的准确率影响，为确定风能资源的准确分布和特征，必须在风能开发区域建立测风塔，开展风能资源详查．且云南因山区局地性强，地形起伏较大，进行风能资源开发，应综合考虑交通、冰雪及电网介入等问题，并应合理布置测风塔的地理位置和数量，为全面掌握风资源状况提供依据．参考文献：［1］陈二永．云南的风能资源及其利用研究［J］．云南师范大学学报：自然科学版，1992（2）：65-70．［2］顾本文，王明，施晓晖．云南风能资源的特点［J］．太阳能学报，2000（1）：45-49．［3］成驰，杨宏青，袁业畅，等．基于数值模拟的湖北省风能资源储量估算［J］．安徽农业科学，2011，39（12）：7373-7377．［4］李晓燕，余志．基于MM5的沿海风资源数值模拟方法研究［J］．太阳能学报，2005，26（3）：400-408．［5］龚强，袁国恩，张云秋，等．MM5模式在风能资源普查中的应用试验［J］．资源科学，2006，28（1）：145-150．［6］张鸿雁，丁裕国，刘敏，等．湖北省风能资源分布的数值模拟［J］．气象与环境科学，2008，31（2）：35-38．［7］白玉艳，周汝良，王白娟，等．基于GIS的微尺度山地近地表风速小网格推算研究［J］．云南大学学报：自然科学版，2010，32（S2）：255-258．［8］刘逵，戴智诚，尤卫红．云南上空700hPa等压面风能资源分布分析［J］．云南大学学报：自然科学版，2011，33（S1）：247-252．［9］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（5）：709-717．［10］中国气象局．中国风能资源评价报告［M］．北京：气象出版社，2006．［11］周荣卫，何晓凤，朱蓉．MM5/CALMET模式系统在风能资源评估中的应用［J］．自然资源学报，2010（12）：2102-2113．An reseach on the distribution of wind energy resources in Yunnan Provincebased on numerical simulationYANG Xiao-peng，YANG Peng-wu（Climate Center of Yunnan Province，Kunming650034，China）Abstract：This article introduces the application of mesoscale meteorological model MM5and small－scale model CALMET which makes up the wind energy resources system simulation model，and then imitates the each highly layer wind speed，wind power density with1km horizontal resolution during this time from June1，2009to May31，2010．Moreoer，this article has worked out the distribution map of numerical simulation on wind energy resources in Yunnan Province．Finally，this article validates the correctness between the the simulation results and actual measurement data provided by4anemometer towers in Yunnan Province．Key words：wind energy resources；numerical simulation；Yunnan Province886云南大学学报（自然科学版）第34卷。