中国风能资源精细化评估和风电数值天气预报

中国风能资源精细化评估与风电数值天气预报技术朱蓉中国气象局风能太阳能资源评估中心中国气象局公共气象服务中心主要内容1.国内外风能资源概况2.中国风能资源精细化评估3.短期风电功率预测的数值天气预报技术支持1.国内外风能资源概况风能资源区域风能资源政府制定风电发展规划分布，储量风电场风能资源风电场选址和设计风机排布欧洲部分地区风图丹麦Risoe实验室80年代12个国家，208个气象站10年资料风能资源等级按5种地形分类外推到50m高度丹麦风图Risoe实验室WASP1999年完成2003年更新HansBergström–Luft-ochvattenlära/meteorologi–Inst.f.geovetenskaper–Uppsalauniversitet5kmupplösning1kmupplösning年平均风速80m200m×200m黄色→红色风能资源三级以上1980年用975个气象站，1986年增加270多气象站，10年气象资料，按照风速随高度1/7指数率外推到50m高度。美国80m高度上的年平均风速分布，水平分辨率为2.5km×2.5km。2010.1Areaswithannualaveragewindspeedsaround6.5m/sandgreaterat80-mheightaregenerallyconsideredtohavesuitablewindresourcefordevelopment.印度风图RISØKAMM/WAsP5km×5km50m,49GW,0.5-2%land80m,100GW,1-2%land按每年发电2200小时计算，相当于28亿千瓦。俄国风图美国RAMS模式，5km×5kmMicrowaveRadiometer（SSM/I）+WAsP日本风图Japanhasdecidedtobuilda1GWwindfarm.Thenewwindfarmwillbecomprisedof143windturbinesonaplatformthatis16km(9.9miles)offthecoastofFukishima.Itisexpectedtobebuiltby2020.WindLensfloatingfarmscouldtripleelectricityproduction1km×1km《IPCC可再生能源与减缓气候变化特别报告》•风能资源技术开发量的大小与风能资源评估技术和风能资源开发技术水平有关,对于全球风能资源技术开发量的评估，由于方法不同所得到的结果也不尽相同。•全球风能资源储量能够满足人类对风电发展的需求，但地球上风能资源的分布是十分不均匀的。•随着风能资源评估技术的不断发展，对风能资源技术开发量的评估就越来越准确；•随着风能开发技术的不断进步，越来越多的风能资源得到开发利用。如果以年发电2000小时估算，全球风能资源技术开发量大致范围在97亿kW到625亿kW之间，约相当于2008年全球发电量的1-6倍，其中近海风能技术开发量20亿kW到185亿kW。1980s200620071980s中国气象局历次风能资源普查成果全国年平均风功率密度分布风功率密度w/m270m1km×1km1979-2008ItemsChinaOnshoreAmericanOnshoreHeight80m80mStandardofwindpowerdevelopment≥6.5m/s≥6.5m/sHorizontalResolution1km×1km200m×200mAvailableArea(103km2)2,4702,100TechnicalPotential(GW)9,10010,500ComparisonofWindPowerPotentialBetweenChinaandAmerican台湾海峡风能资源最丰富，其次是广东东部、浙江近海和渤海湾中北部。存在的问题：海上测风资料不足海面粗糙度的变化技术方案：卫星反演+数值模拟（中丹科技合作项目）海上风能资源评估离岸5-25m水深，约2亿kW；5-50m水深，约5亿kW。2.中国风能资源精细化评估风能资源评估目的：寻找可开发利用的风能资源，且在今后20年内风速变化趋势稳定。评估方法：观测2年，点，耗时2年；数值模拟，面，计算量随评估范围、分辨率和评估年限成指数增长。以MM5为例，使用IBM1600巨型计算机（21.5万亿次/秒）并且同时运行512个CPU，在230km×230km数值模拟区内做24小时风能资源的数值模拟需耗机时35分钟，做1年的风能资源数值模拟就需要213小时，2年需要18天，30年需要267天。WERAS/CMA中国气象局风能资源数值模式系统典型日筛选Typicaldaychoosing数值模拟中尺度+小尺度WRF/CALMETGIS空间分析WeatherClassificationSchemeofWERASwindspeedonheightof850hPa(8)0-2，2-5，5-10，10-15，15-20，20-25，25-30,above30m/s.winddirectiononheightof850hPa(8)equallydividedinto8.dailymaximumheightofABL(4)0-150，150-500，500-800,above800m.Max.Number:256PrepareregularsondeandsurfacedataoftensofyearsSonde:08:00;Surface:14:00Randomlytakeout5%daysineachweatherclassastypicaldaysSimulatingbasedonNECPandobservationsforeachtypicalday1234WRF26个模式计算区9km×9km128×1281979--2008区域尺度风能资源数值模拟评估—全国119,477131,495145,495105,458103,440134,490118,490157,497123,475156,503178,493194,525160,515156,476132,478152,506128,440128,44089,437131,487137,479179,503155,509175,500177,518173,512CALMET97个模式计算区1km×1km631×631中国丹麦/加拿大美国样本选取方法天气背景分类考虑季节随机抽取500左右典型日风型分类250左右分型考虑季节随机抽取365天数值模拟方法逐日模拟逐小时输出诊断模拟6-9小时逐日模拟逐小时输出可供风能参数统计的样本数大于10000250左右8760与国外风能资源数值模拟方法的对比全国年平均风功率密度分布100m1km×1km1979-2008100m全国年平均风功率密度分布70m1km×1km1979-200870m全国年平均风功率密度分布50m1km×1km1979-200850m50m5km×5km1971-2000全国年平均风功率密度分布中国风能资源专业观测网TheProfessionalMonitoringNetworkofWindResourcesinChina329masts,70m68masts,100m3masts,120m完全扣除的区域：海拔高度超过3500m年平均风功率密度低于3级GIS坡度大于30%沼泽、湿地、湖泊等水体城市及周围3km缓冲区国家自然生态保护区军事用地、埋矿基本农田∙∙∙∙∙∙∙部分利用地区:草地:80%灌木:65%森林:20%0GIS坡度30%:1–5MW/m2∙∙∙∙∙∙∙风能储量的GIS分析可装机密度分布年平均风功率分布提取达到300w/m2的区域剔除3500m以上地区剔除居民区及缓冲区剔除沙地叠加地形坡度利用系数叠加植被区域利用系数风能资源储量分析12345678DivisionLevel中国风能资源地理区划70m1km×1km1979-2008年平均风功率密度分布•除了三北和沿海丰富的风能资源以外，西南山区也有风能资源开发潜力；•每个省（市、自治区）都有可开发利用的风能资源；•中国风能资源丰富，能够满足2020年风电累计装机2亿千瓦、2030年4亿千瓦和2050年10亿千瓦的风电发展需求；分散式风电开发规划的风能资源评估CALMETCFD……PlanningWindFarm200m×200m小尺度数值模拟全国风能资源数据库1979-2008年典型日气象资料中尺度数值模拟结果(9km×9km)中尺度数值模拟3短期风电功率预测的数值天气预报技术支持数值天气预报技术简介数值天气预报起源：20世纪初，英国科学家首先尝试数值天气预报；1950年，美国在计算机上首次成功地作了24小时的预报；1954年，瑞典数值天气预报业务，6个月后美国开始。中国数值天气预报：1950年，数值天气预报理论研究；70年代末，三维原始方程模式开发和试验；1982年，开始数值天气预报业务；1991年，引进欧洲中期预报中心全球谱模式并业务运行；2005年，自主开发GRAPES-Meso业务运行。观测资料ObservationalData全球数值天气预报产品GlobalNWPProducts预报结果ModelOutput数值模式NumericalModel数值天气预报概念图SimpleDiagramofNWP数值预报是初值问题影响预报准确率的第一要素是初值fvxpzuwyuvxuutu1)(fuypzvwyvvxvutv1)(gzpzwwywvxwutw1)(动量守恒质量守恒)(wzvyuxt热量守恒Szwyvxut水物质守恒nqnnnnSzqwyqvxqutq)(大气状态方程PTP大气运动原始方程组天气尺度全球环流谱模式GFS、EC，T639大尺度、中尺度区域数值预报模式WRF、MM5除垂直风速w以外，变量都定义在半σ层上。例：有限区域模式启动初值场+侧边界三维网格全球环流谱模式输出时间间隔3-6小时背景场观测资料风、温、压、湿三维网格初值场全球环流谱模式预报场侧边界2万多地面自动气象站全球环流模式产品水平分辨率垂直层数预报时效输出时间间隔NCEPT382≈35km64180h3h间隔ECMWFT7990.25°×0.25°91240h前3天3h间隔4-10天6h间隔GSMT9590.1875×0.187560216h前84h，6h间隔216h，12h间隔CMAT6390.28125×0.2812560240h前5天3h间隔6-7天6h间隔8-10天12h间隔主要的格点要素输出：气压、温度、湿度、风向风速、地面气压、海平面气压、10m高度风向风速、……全球数值天气预报产品近40年来数值天气预报技巧改进的四个原因：1超级计算机能力的提高，更细的分辨率和更少的近似；2次网格尺度物理过程参数化方法的改进；3更精确的资料同化方法的使用，改善模式初始条件；4资料可用性增加，尤其是卫星资料和飞机资料。提高数值天气预报准确率的主要技术手段----资料同化资料同化实质上是从模式提供的背景场出发，将观测资料与数值预报模式中大气演变过程以科学的方式融合，通过吸收各种观测资料得到更接近大气真实状态的过程。资料同化是数值预报系统的重要组成部分。定量估计预报的不确定性范围----集合预报重大天气事件经常与不稳定大气相连，在大气不稳定状态下，初值上或物理过程、模式处理中的微小差异可能会导致完全不同的预报结果。集合预报是单一决定论预报向多值的概率论预报转变的关键技术。ForecastUncertainty预报的不确定性预报误差ForecastErrorsUncertainty不确定性Instrument仪器Observation观测Assimilation同化Analys