1、第40卷 第1期2023年2月海洋预报MARINE FORECASTSVol.40，No.1Feb.2023收稿日期：2022-04-21；修回日期：2022-05-14。基金项目：中国长江三峡集团有限公司科研项目（WWKY-2020-0015、WWKY-2020-0703）。作者简介：杜梦蛟（1990-），男，工程师，博士，主要从事风能资源模拟与评估研究。E-mail:du_*通信作者：易侃（1992-），男，高级工程师，博士，主要从事新能源气象科技相关研究。E-mail:yi_WRF模式中不同物理参数化方案组合在中国近海风能资源评估中的适用性研究杜梦蛟，易侃*，文仁强，张子良，王浩（中国长
2、江三峡集团有限公司科学技术研究院，北京 100038）摘要：基于中尺度气象数值模式WRF（Weather Research and Forecasting），分别对我国广东、浙江、山东这3个近海典型风能资源储备区域进行了45组物理参数化方案组合连续1 M的敏感性试验，对试验中多要素的模拟结果进行综合评估，分别确定了适用于3个风能资源储备区各自排名前3的物理参数化方案组合，并对其模拟性能较优的原因进行分析。为了测试3个风能资源储备区筛选得到的物理参数化方案组合的适用性，利用不同于敏感性试验时段的模拟结果，结合海上测风塔和海洋气象站的实测数据开展进一步评估。结果表明，优选得到的物理参数化方案组合具
3、有较好的适用性，其对近海的风速模拟性能较优，具有实际业务应用价值。关键词：WRF模式；参数化方案；风能资源；适用性中图分类号：P743 文献标识码：A文章编号：1003-0239（2023）01-0065-14DOI:10.11737/j.issn.1003-0239.2023.01.0081引言随着碳达峰碳中和目标的提出，我国能源结构正在发生根本性变革。相比于传统的水力发电和火力发电等，风力发电是一种清洁的、可再生的新型发电形式。近几十年内，风力发电技术日臻完善，风电场的数目和规模均迅速扩大，风力发电在能源结构中的占比快速提高1-3。由于海上风电具有资源丰富、利用效率高、环境友好等优势，诸多
4、风电开发企业将视线转移至风能资源储备丰富的中国近海区域4-5。近年来，随着海上风电的迅速发展，大型化、深远海化、规模化发展已经成为未来我国风电开发的重要方向6-8。随着我国风电平价上网政策的逐步推进，风电行业通过技术创新实现降本提效已是大势所趋。这其中，对风能资源的精准评估是保障风电开发经济效益的重要因素。美国国家可再生能源实验室（National Renewable Energy Laboratory，NREL）指出，提高对大气物理过程和风电场流场特性的认识是目前风能研究和发展中主要面临的三大挑战之一9。在常规的风能资源评估中，认识和判别风电场所在区域的气象条件主要通过测风塔测风和气象观测资
5、料的统计分析来实现10-13。气象条件具有高度的非线性及混沌特性，其中的风场同样具有多时空尺度变化的复杂特性，因此，单一观测点位且观测时长有限的测风塔或气象站点的风观测资料，通常无法完全反映出较大范围的海上风电场内的风场实际时空分布特征14-15。在海上风电场站实际建设、运维和评估工作中暴露出的现场观测资料数据缺失、观测代表性不足以及资源评估周期长、难度大等问题，也进一步制约了海上风能的研究和发展16-18。随着海上风电产业的发展，为了尽量避免现场风观测存在的误差与缺测等问题，数值模拟技术在风资源评估中逐渐获得重视，其中气象数值模式和计算流体力学数值模式得到了较为广泛的应用19-22。海洋预报
6、40卷气象数值模式在风电领域的应用，在一定程度上降低了实际工程应用中现场测风的难度，摆脱完全依赖固定位置观测点的缺陷，能够有效地评估风电场的风能资源分布状况，为风电场的建设和运行提供重要参考23-25。受制于气象数值模式本身性能与目前大型计算机的运算能力，尽管存在诸多提升模拟性能的方法，但是数值气象预报仍然不可避免地存在一定误差26-28。由于气象数值模式主要关注天气和气候学问题，模式本身的动力框架及配套的参数化方案设置主要为了更好地模拟出格点可分辨尺度的天气和气候现象29-30，因此，即使是风能领域 应 用 最 广 泛 的 中 尺 度 气 象 数 值 模 式 WRF（Weather Rese
7、arch and Forecasting，其空间分辨率通常在330 km左右），其模拟得到的风场精度仍较为有限，很难完全满足风电场开发的实际需求31-32。对于海上风能资源的模拟和评估，虽然WRF模式的风场精度距离风电场实际应用需求还有一定的差距，但其仍然是目前最具应用前景的风场模拟工具之一。前人的研究表明，优化物理参数化方案组合是提高数值预报精度的有效手段33。WRF模式拥有繁多复杂的物理参数化方案，不同方案的组合从根本上决定了模式最终的模拟和预报效果34。目前，绝大多数WRF模式物理参数化方案组合优选是在陆地上进行的，其主要关注了模式在陆地上的模拟性能。然而，海上大气物理过程与陆地存在显著
8、差异，因此前人对于陆地的物理参数化方案组合的优选结果难以完全照搬到海上风能资源评估当中35。为了提高海上风能资源评估中WRF模式对气象要素的模拟和预报精度，使其更好地服务于中国海上风电产业，因此有必要对WRF模式开展以海域为主的物理参数化方案组合的优选和调整，针对中国近海的不同海况，选择最适用的WRF模式物理参数化方案组合。2数据与方法2.1WRF模式与数据介绍本文采用中尺度数值模式WRF对广东、浙江、山东这3个我国主要的海上风能资源储备区开展参数化方案的适用性研究。WRF模式是由美国国家大 气 研 究 中 心（National Center for AtmosphericResearch，N
9、CAR）、美国国家海洋和大气管理局（National Oceanic and Atmospheric Administration，NOAA）以 及 天 气 预 报 系 统 实 验 室（ForecastSystems Laboratory，FSL）等研究机构和大学联合开发的新一代高分辨率、非静力平衡的中尺度数值模式29。WRF模式主要包括前处理模块、同化模块、数值模式主模块以及后处理模块。本文使用的是WRF V3.8版本。本文采用的WRF模拟范围如图1所示。在3个研究区域内分别进行模拟，空间分辨率均为3 km3 km，采用的物理参数组合以及评分方案均相同。垂直分层共50层，根据由模式sigma
10、层到垂直高度的转换计算，能够显示海上风能资源评估最为关注的200 m以下风场以及相关天气系统的精细结构。首先选取45组试验参数化方案，以2017年7月作为模拟时段，分别进行24 h、48 h、72 h的敏感性试验。根据45组敏感性试验的分析结果，筛选出广东、浙江、山东各自模拟效果排名前三的参数化方案组合，结合测风塔观测资料，分别选取冷季（2020年1月为代表）和暖季（2019年7月为代表）检验模拟效果，以此给出适用于3个地区海上风能资源评估的WRF参数化方案组合。本文采用的观测数据包括中国长江三峡集团有限公司海上测风塔的多层观图1本文采用的WRF模拟区域与观测位置示意图Fig.1The WRF
11、 simulation domain and observation locationused in this paper66杜梦蛟等：WRF模式中不同物理参数化方案组合在中国近海风能资源评估中的适用性研究1期测数据（本文主要采用100 m高度处的风速、风向）以及中国海洋观测台站的观测资料（观测点位见图1，包括海洋气象、波浪、温度和盐度，经过格式检查、标准化、质量控制和校准等处理形成标准化数据集，其中风速、风向的观测高度为10 m）。除此之外，相应时段的ERA5再分析数据36（全球空间分辨率为 0.250.25，时间分辨率为 1 h）以及 GPM（Global Precipitation Me
12、asurement）卫星降水数据37（针对全球雨雪进行测量的国际卫星任务，每3 h对全世界的雨雪进行一次观测）也被用于本文的分析，ERA5及其海温数据作为本文 WRF模拟的初始及边界条件数据。本文共使用18种微物理参数化方案（见表1）、17组大气边界层方案与近地层物理参数化方案组合（见表2）、10组短波与长波辐射方案组合（见表3）进行试验，为方便试验及表述，文中均使用所有方案的简称（见表13）。表 1 本文所用微物理参数化方案及其简称Tab.1 Microphysics parameterization schemes and theirabbreviations used in this s
13、tudy微物理参数化方案KesslerLinWSM3WSM5Eta(Ferrier)WSM6GoddardThompsonMilbrandt 2-momMorrison 2-momCAM5.1SBU-YLinWDM5WDM6NSSL 2-momNSSL 2-mom w/CCN predictionNSSL 1-momNSSL 1-momlfo简称MP1MP2MP3MP4MP5MP6MP7MP8MP9MP10MP11MP13MP14MP16MP17MP18MP19MP21表 2 本文所用大气边界层与近地层物理参数化方案组合及其简称Tab.2 The combination of planetar
14、y boundary layer andsurface layer physical parameterization schemes andtheir abbreviations used in this study大气边界层与近地层物理参数化方案组合YSU-revised MM5 Monin-Obukhov schemeMYJ-Eta similarityQNSEMYNN2-revised M-OMYNN2-M-OMYNN2-MYNNMYNN3-revised M-OMYNN3-M-OMYNN3-MYNNACM-revised M-OBouLac-revised M-OBouLac-M-O
15、UW-revised M-OUW-M-OShin-Hong-revised M-OGBM-reivsed-M-OMRF-revised-M-O简称PB1SF1PB2SF2PB4SF4PB5SF1PB5SF2PB5SF5PB6SF1PB6SF2PB6SF5PB7SF1PB8SF1PB8SF2PB9SF1PB9SF2PB11SF1PB12SF1PB99SF1表 3 本文所用短波与长波辐射方案组合及其简称Tab.3The combination of shortwave and longwaveradiation schemes and their abbreviations used inthis
16、 study短波与长波辐射方案组合CAM-CAMCAM-RRTMGCAM-RRTMGRRTMG-CAMRRTMG-RRTMGRRTMG-RRTMGNew GoddardRRTMG-CAMRRTMG-RRTMGRRTMG-FAST简称LW3SW3LW3SW4LW3SW24LW4SW3LW4SW4LW4SW24LW5SW5LW24SW3LW24SW4LW24SW242.2方法介绍由于数值模式的输出变量众多，对各个变量模67海洋预报40卷拟的水平也参差不齐。为了研究适用于不同海域的WRF参数化方案组合，经综合评估后选择了下列评估因子：200 hPa、500 hPa、700 hPa、850 hPa 和900 hPa的位势高度、温度、经向风与纬向风，以及地面温度、经向风与纬向风、降水。对于降水以外的变量使用均方根误差（Root Mean Squared Error，RMSE）与相关系数（Correlation Coefficient，CC）进行定量评估。公式如下：RMSE=1Ni=1N(Fi-Oi)2（1）CC=i=1N(Fi-F)(Oi-O)/i=1N(Fi-F)2i=1N(Oi-O)2（2）