中國海裝風電劉靜：基于WRF與CFD結合的數(shù)值模擬研究

　　2021年10月17日-20日，2021北京國際風能大會暨展覽會（CWP 2021）在北京新國展隆重召開。作為全球風電行業(yè)年度最大的盛會之一，這場由百余名演講嘉賓和數(shù)千名國內外參會代表共同參與的風能盛會，再次登陸北京。

　　

　　本屆大會以“碳中和——風電發(fā)展的新機遇”為主題，歷時四天，包括開幕式、主旨發(fā)言、高峰對話、創(chuàng)新劇場以及關于“國際成熟風電市場發(fā)展動態(tài)及投資機會”“國際新興風電市場發(fā)展動態(tài)及投資機會”“風電設備智能運維論壇”“碳達峰碳中和加速能源轉型”等不同主題的15個分論壇。能見App全程直播本次大會。

　　

　　在19日下午召開的風資源精細化評估論壇上，中國船舶集團海裝風電股份有限公司整體方案經(jīng)理劉靜發(fā)表了題為《基于WRF與CFD結合的數(shù)值模擬研究》的主題演講。

　　

　　劉靜：各位風電行業(yè)朋友們大家下午好，我是中國海裝劉靜，今天我所分享內容是“基于WRF和CFD相結合的主枝模擬研究”。我分為兩個部分，第一個是WRF模擬，第二個是CFD模擬部分。

　　

　　首先看第一個部分，在座很大一部分都是風資源工程師，我們經(jīng)常思考發(fā)電量不確定性究竟有哪些方面，我總結了三個方面，第一大氣環(huán)境不確定性，包括像風測量以及風未來年級變化。第二機組不確定性，它的可靠性等等。第三，模型仿真不確定性，也是我今天分享的內容。

　　

　　自然界的風是多尺度的，從中尺度到微尺度都會影響到風資源評估，微尺度本身不能提供指定范圍內氣象背景場，中尺度由于分辨率限制沒有變化細化到每一臺機位點的風流要素，我們將它們兩者進行結合，增加發(fā)電量模擬一個準確性。

　　

　　技術路線是通過全球尺度一個再分析數(shù)據(jù)，通過我們的中尺度WRF模式，再降到中尺度，再通過CFD模擬選擇最新版WT再降到微尺度。

　　

　　跟大家簡單介紹一下WRF模式，由美國研發(fā)的數(shù)據(jù)同化系統(tǒng)，它主要流程用地形數(shù)據(jù)和氣象數(shù)據(jù)，通過WPS前處理，再通過粗編輯制作最后驅動我們的計算，計算之后的結果可以提取出來做WRF再分析。

　　

　　此次模擬的風電場位于廣東南雄，也是一個復雜山地，有五個測風塔，我們采用三層嵌套方式，做到一公里×一公里的精度，采用了最適應的參數(shù)化方案。我們都知道風電場建在大氣邊界層以內的，難點就是大氣邊界層以內的邊界參數(shù)和方案，我們如何準確描述它的一個風波動，也就是湍流，做了兩種技術方案。第一，加密垂直邊界層的垂直分辨率，我們可以看到下面兩張圖，黑色是觀測，紅色通過加密之后的，它比不加密更加準確的描述出風波動的風流情況。第二嘗試采用更細化的邊界層參數(shù)化方案，能夠提高湍流描述能力。

　　

　　除了通過以上兩種方案之外，還會通過一些中尺度天氣系統(tǒng)來驗證模式準確性，我這邊采用了降水和臺風方式驗證，首先先看一下降水，由于降水產生，也是伴隨著天氣系統(tǒng)生成發(fā)展，沉著消亡的，我們可以通過形勢場預報判斷WRF是否準確。2017年6月4號降水是地壓槽東移南亞的過程，隨著時間的推移，因為我們左側是實側，右邊是模擬的，我們做這么一個對比。雖然時間的推移，它的低壓槽東移南亞的，模擬和實測來看速度和準確性強度都還是趨勢一致。

　　

　　這次降水量一個預報也是趨勢比較一致，4號達到了峰值，7號降水趨于0的過程，雖然說降水量可能還是有一定差距，但是趨勢來說還是不錯的。

　　

　　再看另外一個降水形式，它由于我們東亞大槽逐漸加深的過程，情況跟上面的一個情況基本上是一個類似的，它的東亞大槽逐漸向東邊移動，并且加強的過程，產生了此次暴雨過程。這次降水量是在8號達到最大值。

　　

　　接下來看一下臺風，可能大家都知道廣東有很多臺風，這次臺風我們用了2018年9月份的臺風，它左側是實測，右側是WRF模擬的情況，臺風位于南雄東南方向沿海的，隨著時間的推移是往西北方向平移，低壓渦旋也是非常明顯的。

　　

　　9月17號暖心結構已經(jīng)消失了，它的臺風已經(jīng)登錄了，并且逐漸消散的過程，可以看到從實測對比來看WRF這次模擬還是比較準確的。

　　

　　再看風速和風向比對，除了天氣系統(tǒng)我們常用風速和風向驗證，左邊是平均風速，右邊是平均風向，因為我們風電場有5個測風塔，就這個來看，它的風速和風向趨勢都是一致的，會有一些細小差距，但是差距不是很大。

　　

　　我們知道中尺度它由于分辨率限制，它地形刻劃并不是這么準確，所以我們進近層模擬并不是很準，我們通過美德最新版6.3嘗試把地形刻劃加進去，我們采用兩種模式，第一種點模式，第二區(qū)域單元模式，點模式類似于虛擬測風塔形式，單元模式將我們中尺度網(wǎng)格內所有風加速因子加權到一個風加速因子，這次我們采用區(qū)域單元模式。

　　

　　通過與CFD結合，在五個測風塔位置來看，與中尺度相結合不同高度，它的結果是不一樣的，五個測風塔隨著高度一個增加，風速是逐漸減小的，平均風速誤差絕對值先減少，達到一個最低值，然后再增加的，尤其注意的是，這兩個1505和1507在500米情況下都還沒有達到一個最佳擬合高度，風速跟實測風速都還有差距，所以我們進一步往上面進行模擬了，這個測風塔1507在600米左右達到了比較好的結果，它的平均風速誤差跟實測比較接近，而1505在650米左右。

　　

　　基于剛剛計算的規(guī)律我們引入一個量叫做地形復雜度，以測風塔為中心，在中尺度單元網(wǎng)格范圍內采用一公里×一公里的，提取微尺度WT網(wǎng)格點高層一個標準偏差，我們作為地形復雜度，來描述每個測風塔位置它的地形復雜度，這張圖，橫坐標是地形復雜度，縱坐標是中尺度最佳的擬合高度，除了1505之外，其他四個塔都是呈線性相關的，越復雜的地形，它的最佳中尺度擬合高度應該是越高的。

　　

　　看一下1505測風塔為什么沒有明顯的趨勢，是因為1505測風塔位置比較數(shù)，它處于山坡位置，并且周圍四周都是高山，它屬于洼地位置，我們分析它中尺度模擬的風速情況不理想，所以導致我們需要更高的一個中尺度高度來進行結合。

　　

　　除了不同的中尺度高度進行結合之外，我們知道還可以通過不同的熱穩(wěn)定度，大氣穩(wěn)定度來改變我們的入口風控線，在主風向上，不同人穩(wěn)定下的風加速因子的分布圖，不穩(wěn)定大氣條件下，它垂直湍流比較大，風加速因子較小，我們可以驗證得到，改變大氣穩(wěn)定度是可以改變入口風控線的。

　　

　　基于以上的規(guī)律做了三種測試，第一種是用大氣穩(wěn)定度時間序列進行結合，跟中尺度WRF結合，我們根據(jù)中尺度兩個高度層一個溫度差做一個溫度梯度進行計算大氣穩(wěn)定度的時間序列，再結合微尺度進行模擬。第二種方法，工程上經(jīng)常用的中性大氣穩(wěn)定度做一個模擬。第三種結合二者之間，取了一個折中，分散區(qū)的大氣穩(wěn)定度，每一個散區(qū)選用分布頻率最大的那一個。理應我們做這三種嘗試，從理論上來說第一種，大氣穩(wěn)定度時間序列應該是最準確的，第二種才是分散區(qū)，最后才是中性，但是我們結合實際情況來看，它并沒有很大的趨勢，從風速誤差和風速相關性來看，跟我們所預想理論是有偏差的，它的相關性和誤差都是如此，沒有明確的趨勢，我們考慮它產生的原因，一是因為我們計算大氣穩(wěn)定度是基于兩個高度層溫度，溫度來源于中尺度WRF模擬出來的一個近地層的溫度，模擬準確性不高。第二點，參考我們國家氣象局研究院對于穩(wěn)定度頻率統(tǒng)計結果來看，這個風電場它是全年有55%時間是處于中性的，也有可能大部分時間是中性的，然后說它采用不同的去測試它的變化不大，當然這兩種都有可能，所以說我們未來可能做的第一種多案例去驗證，僅采用這一個項目肯定得不了決定性因素。第二，提出更多的大氣穩(wěn)定度的方法，我們僅采用溫度梯度去做，可能也會存在一些誤差。

　　

　　最后我們通過WRF跟CFD結合采用不同的中尺度數(shù)據(jù)高度模擬之后得到的降尺度或者平均風速誤差都是小于2%，因此可以得到以下四點結論。

　　

　　第一，中尺度數(shù)據(jù)高度對于平均誤差影響是比較明顯的，而風速相關性和風向相關性敏感性都比較低。第二，在采用最佳中尺度高度之后微尺度降尺度后的平均風速誤差是能夠控制在2%以內的。第三，通常情況下中尺度最佳高度隨著地形復雜度提高而提高，呈現(xiàn)一個正相關，所以說當我們位置特殊的時候，最佳的中尺度高度應該要特殊去關注，而不僅僅看我們一個地形復雜度。謝謝大家，我的分享到此結束！

　　

　　(根據(jù)速記整理，未經(jīng)本人審核)