水平降尺度方法对WRF,风电场参数化方案风速模拟精度提升的研究
时间：2023-01-18 22:35:04 来源：柠檬阅读网 本文已影响 人 
赵咏年，薛 宇
（中国海洋大学 工程学院，山东 青岛 266000）
为了应对环境变化，控制温室气体的排放，中国提出了“2030 年碳达峰、2060 年碳中和”的行动目标，而发展清洁的可再生能源是实现这一目标的重要途径。得益于我国丰富的风资源，风力发电成为我国可再生能源的重要组成部分。
随着我国风电规模不断扩大，风电的波动性和间接性带来的并网问题日益突出，解决这一问题的关键在于更精准的风电功率预测。现有的功率预测方法主要为统计学方法与物理方法[1]，其中统计学方法主要是将机器学习方法与智能算法相结合，依据历史数据对模型进行训练；
物理方法则是通过模拟风电场运行的物理过程以及风电场与大气边界层之间的相互作用对风机的发电功率进行模拟预测。相比于统计学方法，物理方法具有不依赖历史数据、可以模拟下风向风机功率输出受上风向风机尾流的影响等优点，因而基于物理模型的功率预测方法值得进行研究。
在不同尺度的风电场物理模型中，基于中尺度天气预报（Weather Research and Forecast，WRF）模型的风电场参数化（Wind Farm Parameterization，WFP）模型实现了模拟时间与精度的平衡[2-3]。在WRF+WFP 模型中，风机的发电功率由模拟得到的风速与输入的功率曲线计算，因此对于风速的精准模拟是提高功率模拟精度的保证。以往的许多研究已经通过对不同风电场的模拟证明水平降尺度方法（提高WRF 模型的水平分辨率）对于提高WRF+WFP 模型的模拟准确度具有重要作用。例如，文献[4]对美国中部爱荷华州陆上风电场群进行的一系列研究中表明，更高的水平分辨率有助于提高WRF+WFP 模型模拟风电场的尾流和功率的准确度。文献[5]以欧洲北海地区海上风电场为研究对象，并用航空及卫星测量数据进行验证，证明了更高的水平分辨率有助于WRF+WFP 模型模拟大型海上风电场的湍流动能。文献[6]则证明了相比于其他变量，水平分辨率对WRF+WFP 模型模拟风电场尾流精度的影响最大。文献[7]以山东昌邑的陆上风电场为研究对象，表明更高的水平分辨率有助于提升WRF+WFP 模型微气象模拟水平。文献[8-11]则分别以新疆地区和张北地区的陆上风电场为研究对象，证明水平降尺度方法可以提升WRF+WFP 模型的风速模拟准确度。
在上述研究中，虽然已经证明了水平降尺度方法可以降低WRF+WFP 模型的风速模拟误差，但讨论的风速为风电场整体的入流风速，而对于功率预测而言，风电场中单台风机的入流风速更为重要。由于风电场中上风向风机从大气流场中汲取动能，导致下风向风机的入流风速减小，因而考察在风电场内部不同位置处水平降尺度方法对WRF+WFP 模型风速模拟的提升效果具有重要意义。本文基于单台风机的SCADA 数据，对风电场内部不同位置处水平降尺度方法提升WRF+WFP 模型的风速模拟精度的效果进行了研究。
在本节中将对本文的研究对象、测量数据来源、风电场参数化模型及模拟方案设计进行阐述。
1.1 研究对象和测量数据
1.1.1 研究对象
本文的研究对象和数据来源为某大型海上风电场，位于距离江苏省海岸约20 km 的黄海上。如图1 所示，风电场被分为两部分，分别命名为区域A 与区域B，在两个区域之间有一片宽约3 km 的隔离带。其中区域A包含3 排56 台风机，区域B 包含2 排44 台风机。风电场内部区域行与行之间的间距在1 070～1 200 m 之间，每行内部风机之间的间距约为600～810 m。风电场中的风机分为两种型号，分别记为型号1 和型号2，表1 中列出了两种型号风机的具体参数。本研究共选取了12 台位于风电场不同位置的风机作为研究对象，它们的编号在图1 中用灰色数字标出。如图1 所示，风电场中的风机共分为5 排，被选中的12 台风机位于不同的排，分别为区域A 的前后边界与区域B 的前后边界。除第二排之外，每排中有3 台风机被选取，沿东北到西南方向大致可分为3 列，每列4 台风机。1.1.2 测量数据来源
表1 风电场中两种型号风机的参数
本研究中使用的测量数据由风机的SCADA（Supervisory Control and Data Acquisition）系统采集记录。SCADA 系统可以对风机的健康状态进行监测，并每隔几秒收集风机的运行数据，如来流风速、输出功率等。本研究中采用的数据为SCADA系统输出的每10 min的平均值。如图2 所示，风速测量装置的结构由风轮和三杯风速仪组成。在图3中，整套测量装置位于风机机舱上方尾部，但由于测量得到的风速值经过了算法的校正，因此输出的风速值仍可认为是风机叶轮之前的风速值。
1.2 风电场参数化模型与实验方案设计
1.2.1 风电场参数化方案物理原理
在本研究中使用文献[2-3]开发的耦合于WRF V4.0[12-13]的WFP模型模拟风电场的运行。在WFP模型中，用风机所受推力做的功表示风机从流场中汲取的能量：
式中：V是水平风速；
CT是风机的推力系数，在WFP模型中随风速的变化而变化；
ρ是空气密度；
A=(πD)2/4是风机的扫风面积，D是风机叶轮的直径。
如图4 所示，在这个模型中，由于机械摩擦损失和电能输送损失忽略不计，因此风机所受推力做的功被分为两部分：一部分为风机向电网输送的电能；
另一部分为风机后的湍流动能。
在WFP 模型中，风机的发电功率由下式计算：
式中CP为风机的功率系数，在WFP 模型中随风速的变化而变化，但在实际中与风机的叶尖速比和变桨角有关。在WFP 模型中，风机被默认为始终正对来流方向。
在WFP 模型中湍流动能被用来表示风力发电机对大气边界层流场的影响。在风机叶片转动时，流场中高层流动与低层流动相混合，造成了风速垂直方向分量的变化。WFP 模型衡量每个网格内的湍流动能的公式为：
式中：i和j是模型格点的经向和纬向坐标；
k为模型的垂直分层；
格点（i，j）中风机的密度为N tij；
zk是k层的高度；
参数CTKE是一个无量纲数，在数值上等于风机的推力系数减去功率系数，但这两个系数有不同的物理意义。式（3）定义了在一个特定的格点内每单位质量空气的湍流动能变化率。
1.2.2 模拟工况设计及模拟配置
本研究中WRF 真实模式模拟的时间段为国际标准时间（UTC）2020 年1 月22 日18 时—25 日0 时（风电场当地时间为2020 年1 月23 日2 时—25 日8 时），其中6 h 为模型启动时间，即研究的模拟时段为48 h。模型的边界条件和初始条件采用NECP 提供的0.25°全球预报系统（Global Forecast System，GFS）再分析资料。本研究中共设置了三个不同的工况，表2 中列出了不同工况的模拟设置。这些工况之间的区别主要是最高水平分辨率的设置，工况3中的3层嵌套的水平分辨率分别为12 km，3 km 和1 km，对应的水平面格点数分别为200×200，201×201 和202×202。工况1 和工况2 的设置是为了研究WRF+WFP 模型在不同水平分辨率下的模拟精确度，其中工况1 只有一层嵌套，水平分辨率为12 km，格点数、覆盖区域与工况3 的第一层嵌套相同；
工况2 具有两层嵌套，这两层嵌套的水平分辨率、覆盖区域和格点数与工况3 的前两层嵌套相同。
表2 不同工况各嵌套域水平分辨率和格点数
在以上三个工况中，工况3是本研究中的基准工况，采用三重嵌套降尺度方法，如图5 所示。
在以上三个工况中，整个风电场被添加到水平分辨率最细的嵌套域中。除此之外，三个工况中在离海面200 m 高度以下的垂直分辨率均为10 m。
在物理过程方案的选择上，由于WFP 模型中涉及到了湍流动能，因此行星边界层（Plant Boundary Layer，PBL）方案为MYNN2.5方案。微物理（Microphysics）过程方案选择的是Thompson aerosol-aware方案；
长波（Longwave）方案选择的是RRTMG 方案；
短波（Shortwave）方案选择的是Dudhia 方案；
模型表面层（Surface Layer）选择的是Revised MM5 方案；
陆面（Land Surface）方案为Noah 方案；
最后，积云对流参数化方案为Grell-Devenyi ensemble方案。
本研究中采用nodwn 降尺度[13-14]方法进行水平降尺度研究。本研究中WRF真实模式的运行环境为Centos 7系统，设备为曙光高性能工作站，装载有64 颗Intel Gold Xeon 核心，内存容量为256 GB。
对风机来流风速的精准模拟是进行风电场对微气象的影响及功率预测等相关研究的基础。在WRF+WFP 模型中，由于风机汲取流场中的动能，因此流场中的风机所在的格点和风机后方（下风向）格点的风速会小于环境风速，即产生了风速亏损。风电场内某点处的风速亏损由此处的风机和上风向风机决定，因此水平降尺度方法在风电场不同位置处的效果需要进行研究。另外，经过查阅历史气象数据得知，在模拟时段内，风电场入流风向为东北风，因此图1 中区域A 为风电场的上风向区域，区域B 为风电场的下风向区域。
本实验中选取了四排中的12 台风机（在图1 中被粗体数字标记出）作为研究对象，但由于篇幅限制，图5 中只展示了其中一台风机（88 号）的风速随时间变化图。由于测量装置只记录了风机轮毂高度处的风速值，因此本研究中讨论的风速和风向均为风机轮毂高度处的值。模拟时段共54 h，但由于前6 h 为模型启动时间，故只有后48 h 的数据被采用。为了更清楚地反映变量的变化趋势，在图中只画出了每一小时的数据，但在进行定量分析时使用的是每10 min 的数据。另外，WRF 模型输出的值为瞬时值，SCADA 输出的数据为一段时间内的平均值，但由于中尺度模型对于湍流的模拟较为粗糙，导致数值上的波动可以被忽略，因此两者之间可以直接进行比较。在图6 中，对工况1、工况2 和工况3 中88 号风机的风速模拟值和测量数据进行了对比，定性分析水平降尺度方法提高风速预报准确度的有效性。
从图6 中可以进行定性分析并得出初步的结论，即水平降尺度方法在提高风速模拟准确度方面起到了一定的作用。在模拟时段内绝大部分时间WRF+WFP 模型的模拟值都要大于风机SCADA 系统的测量值，而随着水平分辨率的提高，代表模拟值的折线总体呈现稍微向下偏移的趋势，这意味着风机轮毂处风速的模拟值在水平降尺度方法下更接近于测量值。
为了更准确地描述WRF+WFP 模型在风速模拟方面的准确度以及水平降尺度方法在风电场不同位置处的降低模拟误差效果，需要对12 台风机轮毂高度处风速的模拟值和测量值进行定量的比较和分析。在本研究中，为了避免单一指标可能造成偶然性，采用了平均绝对误差（Mean Absolute Error，MAE）以及均方根误差（Root Mean Square Error，RMSE）两种定量指标，以下为误差指标的计算公式：
表3 不同工况下风速模拟值的平均绝对误差 m/s
在表3中，除了第一排的3台风机（3号、9号和15号）之外，其余9台风机都呈现出随着水平分辨率的降低，平均绝对误差值减小的现象。与之形成对比的是，第一排3 台风机的风速模拟平均绝对误差值相差不大（变化值小于等于0.04 m/s），这是因为第一排风机面临的是入流风，没有前排风机的尾流，因而在没有复杂地形的均匀流场上水平降尺度方法没有明显的效果。剩余三排风机都呈现出工况3 平均绝对误差最小，工况1 平均绝对误差最大的现象。这表明水平降尺度方法在风电场内部的效果更好。由于WRF+WFP 模型不能模拟出在同一个网格内的风机之间的相互作用，因而在网格尺度较大时，位于下风向的风机和上风向风机被插入了同一个网格中，导致上风向风机造成的风速亏损和下风向风机所受的尾流影响不能被模拟出来。采用水平降尺度模拟方案的优点就在于能将风机尽可能地插入到不同的网格之中，使得WRF+WFP 模型能够模拟出后排风机入流风速受前排风机的影响。
在水平降尺度方法提高模拟精度的效果方面，第三、第四和第五排共9台风机从12 km 降尺度至1 km，平均绝对误差减小的比例分别为14.2%（40 号）、20.8%（45 号）、13.4%（52 号）、17.7%（59 号）、20.3%（66 号）、17.1%（74号）、22.3%（82号）、29.1%（88号）和33%（97号）。可以看到，水平降尺度方法在提高模拟精度方面随着风向越往后越明显，而同一排风机中位于中间风机处的风速模拟精度提高效果要比两侧风机更好。
表4 中列出了除平均绝对误差之外的另一个考察指标，即不同工况下风速模拟值的均方根误差。风速模拟值均方根误差的分布与平均绝对误差的分布基本相同。首先，第一排3 台风机的风速模拟值均方根误差在不同工况下变化较小（变化值小于等于0.05 m/s），符合先前对于水平降尺度方法在风电场上风向第一排风机处提升风速模拟效果不明显的结论。同样地，在剩下三排风机中，相同工况下第四排风机的风速模拟值均方根误差最小。按列讨论时，可以得出中间一列风机（45 号、66 号和88 号）风速模拟最准的结论。
表4 不同工况下风速模拟值的均方根误差 m/s
在只考虑工况3 时，绝大多数情况下风电场的两个区域中前排风机的风速模拟准确度高于后排风机。最后，当从工况1 转换到工况3 时，除第一排风机之外风机在风速模拟均方根误差值上减小的幅度分别为14.7%（40 号）、21.2%（45 号）、12.7%（52 号）、21.8%（59 号）、22.9%（66号）、22.8%（74号）、21.2%（82号）、31.0%（88号）和26.2%（97 号）。由此可以得出，水平降尺度方法在提高风电场中的下风向风机处风速模拟准确度的效果更明显，且相对于靠近两侧边界的风机而言，在风电场中央的风机风速模拟值的均方根误差减小幅度更大，这同样与先前得到的结论相同。
本研究通过WRF+WFP 模型，采用水平降尺度方法模拟了某大型海上风电场在48 h 时段内的运行，并将风电场内部不同风机处的风速模拟值与风机SCADA 系统测量数据进行了对比分析。结果表明，水平降尺度方法对风电场上风向第一排风机处的风速模拟精度提升近乎无效，而对于下风向风机处的风速模拟误差减小的效果比较明显，且随着风电场内部流场的扩展，越往后的风机处风速模拟精度提高的幅度越大。在下风向最后一排风机处，当模型的水平分辨率由12 km 水平降尺度至1 km 时，风速模拟值的平均绝对误差和均方根误差减小的幅度至少为20%，最多为30%以上。除此之外，相比于位于风电场两侧边缘的风机，水平降尺度方法对于位于中间的风机风速模拟精度提升效果更好。
本文论述了水平降尺度方法对于WRF+WFP 模型模拟风电场内部不同位置处风速模拟准确度提升效果的不同，为将WRF+WFP 模型应用于实际的风电场功率预测工作提供了参考。另外，本文所得的模拟结果也可用作更加精细的风电场物理模型的初始条件与边界条件，以对风电场运行机制、尾流可视化、风电场空气动力学等方面进行进一步研究。
猜你喜欢 风向风电场风速 用于风电场群规划的风电场尺度尾流模型研究*风机技术(2022年2期)2022-05-09基于自升式平台的某海上风电场风机安装施工方案中国水运(2022年4期)2022-04-27高速铁路风速监测异常数据判识方法研究铁道建筑(2021年10期)2021-11-08数字化风电场后评估指标体系研究能源工程(2021年2期)2021-07-21《海上风电场设施施工检验指南》(GD01—2020)发布船舶标准化工程师(2020年1期)2020-06-12风向少年文艺·我爱写作文(2019年8期)2019-09-12逆风歌中国诗歌(2018年6期)2018-11-142006—2016年平凉市风速变化特征分析现代农业科技(2018年11期)2018-08-14《函数》测试题中学生数理化·八年级数学人教版(2016年4期)2016-08-23快速评估风电场50年一遇最大风速的算法风能(2016年11期)2016-03-04
