中国海装风电刘静：基于WRF与CFD结合的数值模拟研究

　　2021年10月17日-20日，2021北京国际风能大会暨展览会（CWP 2021）在北京新国展隆重召开。作为全球风电行业年度最大的盛会之一，这场由百余名演讲嘉宾和数千名国内外参会代表共同参与的风能盛会，再次登陆北京。

　　

　　本届大会以“碳中和——风电发展的新机遇”为主题，历时四天，包括开幕式、主旨发言、高峰对话、创新剧场以及关于“国际成熟风电市场发展动态及投资机会”“国际新兴风电市场发展动态及投资机会”“风电设备智能运维论坛”“碳达峰碳中和加速能源转型”等不同主题的15个分论坛。能见App全程直播本次大会。

　　

　　在19日下午召开的风资源精细化评估论坛上，中国船舶集团海装风电股份有限公司整体方案经理刘静发表了题为《基于WRF与CFD结合的数值模拟研究》的主题演讲。

　　

　　刘静：各位风电行业朋友们大家下午好，我是中国海装刘静，今天我所分享内容是“基于WRF和CFD相结合的主枝模拟研究”。我分为两个部分，第一个是WRF模拟，第二个是CFD模拟部分。

　　

　　首先看第一个部分，在座很大一部分都是风资源工程师，我们经常思考发电量不确定性究竟有哪些方面，我总结了三个方面，第一大气环境不确定性，包括像风测量以及风未来年级变化。第二机组不确定性，它的可靠性等等。第三，模型仿真不确定性，也是我今天分享的内容。

　　

　　自然界的风是多尺度的，从中尺度到微尺度都会影响到风资源评估，微尺度本身不能提供指定范围内气象背景场，中尺度由于分辨率限制没有变化细化到每一台机位点的风流要素，我们将它们两者进行结合，增加发电量模拟一个准确性。

　　

　　技术路线是通过全球尺度一个再分析数据，通过我们的中尺度WRF模式，再降到中尺度，再通过CFD模拟选择最新版WT再降到微尺度。

　　

　　跟大家简单介绍一下WRF模式，由美国研发的数据同化系统，它主要流程用地形数据和气象数据，通过WPS前处理，再通过粗编辑制作最后驱动我们的计算，计算之后的结果可以提取出来做WRF再分析。

　　

　　此次模拟的风电场位于广东南雄，也是一个复杂山地，有五个测风塔，我们采用三层嵌套方式，做到一公里×一公里的精度，采用了最适应的参数化方案。我们都知道风电场建在大气边界层以内的，难点就是大气边界层以内的边界参数和方案，我们如何准确描述它的一个风波动，也就是湍流，做了两种技术方案。第一，加密垂直边界层的垂直分辨率，我们可以看到下面两张图，黑色是观测，红色通过加密之后的，它比不加密更加准确的描述出风波动的风流情况。第二尝试采用更细化的边界层参数化方案，能够提高湍流描述能力。

　　

　　除了通过以上两种方案之外，还会通过一些中尺度天气系统来验证模式准确性，我这边采用了降水和台风方式验证，首先先看一下降水，由于降水产生，也是伴随着天气系统生成发展，沉着消亡的，我们可以通过形势场预报判断WRF是否准确。2017年6月4号降水是地压槽东移南亚的过程，随着时间的推移，因为我们左侧是实侧，右边是模拟的，我们做这么一个对比。虽然时间的推移，它的低压槽东移南亚的，模拟和实测来看速度和准确性强度都还是趋势一致。

　　

　　这次降水量一个预报也是趋势比较一致，4号达到了峰值，7号降水趋于0的过程，虽然说降水量可能还是有一定差距，但是趋势来说还是不错的。

　　

　　再看另外一个降水形式，它由于我们东亚大槽逐渐加深的过程，情况跟上面的一个情况基本上是一个类似的，它的东亚大槽逐渐向东边移动，并且加强的过程，产生了此次暴雨过程。这次降水量是在8号达到最大值。

　　

　　接下来看一下台风，可能大家都知道广东有很多台风，这次台风我们用了2018年9月份的台风，它左侧是实测，右侧是WRF模拟的情况，台风位于南雄东南方向沿海的，随着时间的推移是往西北方向平移，低压涡旋也是非常明显的。

　　

　　9月17号暖心结构已经消失了，它的台风已经登录了，并且逐渐消散的过程，可以看到从实测对比来看WRF这次模拟还是比较准确的。

　　

　　再看风速和风向比对，除了天气系统我们常用风速和风向验证，左边是平均风速，右边是平均风向，因为我们风电场有5个测风塔，就这个来看，它的风速和风向趋势都是一致的，会有一些细小差距，但是差距不是很大。

　　

　　我们知道中尺度它由于分辨率限制，它地形刻划并不是这么准确，所以我们进近层模拟并不是很准，我们通过美德最新版6.3尝试把地形刻划加进去，我们采用两种模式，第一种点模式，第二区域单元模式，点模式类似于虚拟测风塔形式，单元模式将我们中尺度网格内所有风加速因子加权到一个风加速因子，这次我们采用区域单元模式。

　　

　　通过与CFD结合，在五个测风塔位置来看，与中尺度相结合不同高度，它的结果是不一样的，五个测风塔随着高度一个增加，风速是逐渐减小的，平均风速误差绝对值先减少，达到一个最低值，然后再增加的，尤其注意的是，这两个1505和1507在500米情况下都还没有达到一个最佳拟合高度，风速跟实测风速都还有差距，所以我们进一步往上面进行模拟了，这个测风塔1507在600米左右达到了比较好的结果，它的平均风速误差跟实测比较接近，而1505在650米左右。

　　

　　基于刚刚计算的规律我们引入一个量叫做地形复杂度，以测风塔为中心，在中尺度单元网格范围内采用一公里×一公里的，提取微尺度WT网格点高层一个标准偏差，我们作为地形复杂度，来描述每个测风塔位置它的地形复杂度，这张图，横坐标是地形复杂度，纵坐标是中尺度最佳的拟合高度，除了1505之外，其他四个塔都是呈线性相关的，越复杂的地形，它的最佳中尺度拟合高度应该是越高的。

　　

　　看一下1505测风塔为什么没有明显的趋势，是因为1505测风塔位置比较数，它处于山坡位置，并且周围四周都是高山，它属于洼地位置，我们分析它中尺度模拟的风速情况不理想，所以导致我们需要更高的一个中尺度高度来进行结合。

　　

　　除了不同的中尺度高度进行结合之外，我们知道还可以通过不同的热稳定度，大气稳定度来改变我们的入口风控线，在主风向上，不同人稳定下的风加速因子的分布图，不稳定大气条件下，它垂直湍流比较大，风加速因子较小，我们可以验证得到，改变大气稳定度是可以改变入口风控线的。

　　

　　基于以上的规律做了三种测试，第一种是用大气稳定度时间序列进行结合，跟中尺度WRF结合，我们根据中尺度两个高度层一个温度差做一个温度梯度进行计算大气稳定度的时间序列，再结合微尺度进行模拟。第二种方法，工程上经常用的中性大气稳定度做一个模拟。第三种结合二者之间，取了一个折中，分散区的大气稳定度，每一个散区选用分布频率最大的那一个。理应我们做这三种尝试，从理论上来说第一种，大气稳定度时间序列应该是最准确的，第二种才是分散区，最后才是中性，但是我们结合实际情况来看，它并没有很大的趋势，从风速误差和风速相关性来看，跟我们所预想理论是有偏差的，它的相关性和误差都是如此，没有明确的趋势，我们考虑它产生的原因，一是因为我们计算大气稳定度是基于两个高度层温度，温度来源于中尺度WRF模拟出来的一个近地层的温度，模拟准确性不高。第二点，参考我们国家气象局研究院对于稳定度频率统计结果来看，这个风电场它是全年有55%时间是处于中性的，也有可能大部分时间是中性的，然后说它采用不同的去测试它的变化不大，当然这两种都有可能，所以说我们未来可能做的第一种多案例去验证，仅采用这一个项目肯定得不了决定性因素。第二，提出更多的大气稳定度的方法，我们仅采用温度梯度去做，可能也会存在一些误差。

　　

　　最后我们通过WRF跟CFD结合采用不同的中尺度数据高度模拟之后得到的降尺度或者平均风速误差都是小于2%，因此可以得到以下四点结论。

　　

　　第一，中尺度数据高度对于平均误差影响是比较明显的，而风速相关性和风向相关性敏感性都比较低。第二，在采用最佳中尺度高度之后微尺度降尺度后的平均风速误差是能够控制在2%以内的。第三，通常情况下中尺度最佳高度随着地形复杂度提高而提高，呈现一个正相关，所以说当我们位置特殊的时候，最佳的中尺度高度应该要特殊去关注，而不仅仅看我们一个地形复杂度。谢谢大家，我的分享到此结束！

　　

　　(根据速记整理，未经本人审核)