引言

随着科技的日益发展，人们生活水平的提高，人类对能源的需求也越来越多。目前人类使用的能源主要来源于煤炭、石油和天然气等不可再生资源，在未来的发展中受限于这些资源的储量及可能导致的环境恶化，使用清洁的可再生能源日益受到人们的重视。风电作为环保清洁的可再生资源，是当今世界新能源开发中技术最成熟、最具规模开发条件和商业化发展前景的发电方式，并得到广泛的开发和应用^[1]。2016年，全球风电累计装机达到4.9亿kW，新增装机达到5 460万kW，中国新增装机容量2 337万kW(未统计台湾地区数据)，累计装机容量达到1.69亿kW，风机装机规模连续8年位居全球首位^[2]。

国内外风能资源评估主要基于实测风资料或数值模拟，使用气象站或测风塔等观测资料进行的风能资源评估存在明显的局限性，研究表明，全球大部分地区^[3]气象站观测风速明显减小，其主要原因之一是受国民经济快速发展影响，大部分城市面积急剧扩张，城市区域土地利用类型改变导致下垫面粗糙度增加，使得当地气象站测风环境发生改变，导致城市区域的风速显著减小。而风能资源的开发利用多位于人类活动影响较小的山区、丘陵等乡村地区，使用气象站测风数据会显著低估当地风能资源实际特征。同时，气象站分布较稀疏，站与站间的距离达几十千米甚至上百千米，气象站测风高度为10 m，而风电场更多关注风机轮毂高度(70 m或更高)的风速，如果建立测风塔，需要耗费大量的人力、物力，且测风塔分布密度太稀疏又需要至少观测一年^[4]。

随着再分析数据和全球气候模式资料增多，为大范围的风能资源时空分布研究提供了基础数据，这些资料能准确地描述大尺度环流和气候特征^[5]，但由于其空间分辨率低，不能准确描述区域或局地环流特征，尤其是风速，其时空变化受下垫面影响显著，对于复杂的山地、丘陵地区，再分析资料不能详细刻画风速随地形的变化，这就需要发展高时空分辨率的全球气候模式，但受计算和储存量限制，全球高时空分辨率的再分析数据较难实现。因此，在研究缺乏现场观测地区的风能资源时，需要将再分析数据降尺度到更高的时空分辨率上。目前降尺度方法主要有统计降尺度和动力降尺度方法^[6]，统计降尺度是利用不同尺度间的物理关系估算中小尺度物理量属性，其计算量小，但缺乏物理基础^[7]。区域气候模式物理意义明确，通过对再分析数据或全球气候模式数据的动力降尺度，可直接获得轮毂高度处的风速，且时空分辨率高，能较准确地模拟区域风能资源分布，这已经成为研究风能资源时空分布不可或缺的主要手段^[8]。董旭光等^[9]运用MM5/CALMET模式系统对山东沿海地区的风能资源进行了模拟；张德等^[10]利用加拿大WEST模式系统对中国风能资源分布进行了数值模拟；穆海振等^[11]运用TAPM模式系统对上海地区的风能参数进行了模拟；李晓艳和余志^[12]利用MM5模式对风能资源进行了数值模拟研究；董旭光等^[4]利用WRF及其3DVAR同化模块对环渤海区域风场进行了一整年的模拟，分析了70 m高度风能参数的时空变化特征；惠小英等^[13]使用WRF模式对酒泉地区进行了风速模拟。诸多研究结果表明，区域气候模式可为缺乏观测数据地区提供精细化的风能资源研究基础资料。

本研究采用WRF3.8.1数值模式系统，通过对NCEP FNL再分析数据的动力降尺度，得到山东陆地和近海区域2017年不同高度逐时风场数据，通过分析山东近地面和风机轮毂高度风能资源的年内变化特征，找到内陆适合开发低风速风电场区域，研究结果对山东分散式低风速风电开发和利用^[14]具有积极的指导意义。

1 资料与方法 1.1 模式介绍及方案设计

WRF(Weather Research and Forecasting)模式是目前全球应用较广泛的中小尺度数值模式之一，WRF模式的模拟效果与模式空间分辨率、初始条件、模拟时长、参数化方案选取、驱动资料等多个因子有关^[15]，不同下垫面、不同地区、不同季节和不同天气形势下WRF模式的模拟性能存在一定差异^[16]。本研究使用NCEP FNL 1°×1°再分析资料为WRF模式提供初始场和侧边界条件。模式采用单向三重嵌套，中心经纬度为112.0 °E，40.0 °N，水平格距分别为27 km、9 km、3 km，格点数分别为177×139，205×107，262×265(东西向×南北向)，其中第三重区域包含山东陆地和环渤海区域，垂直方向为38层，距地面2 km以下共22层，1 km以下17层。模拟时段为2017年1月1日—12月31日，采用逐日模拟，每次模拟31 h，起始时间为每日14时(北京时)，前6 h作为模式起转时间，不参与后续分析，取第三重嵌套区域第7至30时次(即北京时每日21时至次日20时)输出结果做分析。参数化方案的选取直接影响WRF模式的模拟效果^[17]，结合前期山东及周边区域风场模拟研究成果^{[4, 9]}，本研究选用WSW6微物理参数化方案，RRTM长波辐射参数化方案，Dudhia短波辐射参数化方案，YSU边界层参数化方案，Noah陆面过程参数化方案。第一重和第二重嵌套区域采用Kain-Fritsch积云参数化方案。

1.2 模拟结果处理方法

文中风能参数(年平均风速、年平均风功率密度、空气密度等)的统计方法由国家标准《风电场风能资源评估方法(GB/T 18710-2002)》^[18]规定的方法计算得到。

1.2.1 年平均风速

日平均风速为每日00—23时风速的平均，年、月平均风速为时段内00—23时风速的平均，其表达式为：

$V = \frac{1}{n}\sum\limits_{i = 1}^n {{v_i}} $

(1)

式中：V为平均风速(单位：m·s^-1)，n为设定时段的记录数，v_i为第i个记录的风速(单位：m·s^-1)。

1.2.2 年平均风功率密度

设定时段的平均风功率密度表达式为：

${D_{{\rm{WP}}}} = \frac{1}{{2n}}\sum\limits_{i = 1}^n {(\rho )} \left( {v_i^3} \right) $

(2)

式中：D_WP为平均风功率密度(单位：W·m^-2)，n为设定时段的记录数，ρ为空气密度(单位：kg·m^-3)，v_i³为第i个记录的风速(单位：m·s^-1)值的立方。

1.2.3 空气密度

利用模拟得到的气压和气温数据，按照下式计算空气密度：

$\rho = \frac{p}{{RT}} $

(3)

式中：ρ为空气密度(单位：kg·m^-3)，p为气压(单位：Pa)，R为气体常数(287 J·(kg·K)^-1)，T为绝对温度(单位：K)。

1.3 评估方法

文中使用的模拟效果检验资料为山东省气象信息中心提供的全省122个国家级地面观测站(泰山站除外)2017年逐时风速观测资料。用于检验的模拟数据为逐时风速。使用的模拟和观测之间统计分析参数包括：相关系数(R)、平均偏差(MB)、均方根误差(RMSE)、观测和模拟的一致性指数(IOA)^[19]等，公式如下：

$R = \frac{{\sum\limits_{i = 1}^n {\left( {{O_i} - \bar O} \right)} \left( {{P_i} - \bar P} \right)}}{{\sqrt {\sum\limits_{i = 1}^n {{{\left( {{O_i} - \bar O} \right)}^2}} \sum\limits_{i = 1}^n {{{\left( {{P_i} - \bar P} \right)}^2}} } }} $

(4)

$MB = \frac{1}{N}\sum\limits_{i = 1}^N {\left( {{P_i} - {O_i}} \right)} $

(5)

$RMSE = \sqrt {\frac{1}{N}\sum\limits_{i = 1}^N {{{\left( {{P_i} - {O_i}} \right)}^2}} } $

(6)

$IOA = 1 - \frac{{\sum\limits_{i = 1}^N {{{\left( {{P_i} - {O_i}} \right)}^2}} }}{{\sum\limits_{i = 1}^N {{{\left( {\left| {{P_i} - \bar O} \right| + \left| {{O_i} - \bar O} \right|} \right)}^2}} }} $

(7)

式(4)—(7)中：P_i为第i个模拟值，O_i为第i个观测值，N为时间样本总数，O为观测值的平均，P为模拟值的平均。MB、RMSE越小表示模拟值和观测值之间的差异越小，R、IOA越接近1(0)表明模拟值和观测值之间的时空变化趋势吻合得越好(差)。

2 模拟结果分析 2.1 逐日平均风速模拟效果评估

山东122个站点2017年逐日模拟平均风速(由模拟的逐时小时风速计算得到)和实测平均风速的相关系数、一致性指数分别为0.897、0.974，各站相关系数以长清站最高，为0.853，莱州站最低，为0.328，但均通过0.01显著性水平检验，表明WRF模式能准确地模拟出风速的逐日变化特征。相对来说，沿海地区气象站点年相关系数较低(图 1)，这些站点又以夏季相关系数最低(图略)，可能与沿海地区夏季复杂的局地环流日变化引起的海陆风变化有关，间接导致模拟平均风速和实测平均风速的较大异质性。均方根误差和平均偏差分别为1.6 m·s^-1、1.9 m·s^-1，模拟值和实测值分别为3.8 m·s^-1、2.4 m·s^-1，WRF模拟风速高于观测风速。从四季对比结果看，模拟风速在3.6~4.0 m·s^-1之间，比观测风速高1.5~1.8 m·s^-1。春季、夏季的相关系数和一致性指数高于0.880，秋季、冬季则高于0.899(表 1)。四季的模拟风速均高于实测风速，平均偏差、均方根误差一般在1.5~2.0 m·s^-1之间。整体上看，WRF模式可以很好地模拟出平均风速的逐日变化特征，但模拟值高于实测值。

2.2 不同气象站模拟与实测逐日平均风速对比

由成山头站和长岛站2017年逐日模拟平均风速和实测平均风速对比结果(图 2)可见，WRF模式可以较好地模拟出气象站点逐日平均风速的时间变化，成山头、长岛模拟和实测平均风速相关系数分别达到0.844、0.737，均通过0.01显著性水平检验，一致性指数分别为0.923、0.890，逐日变化趋势较为一致。成山头站和长岛站模拟和实测平均风速平均偏差分别为1.1 m·s^-1、1.6 m·s^-1，均方根误差分别为1.7 m·s^-1、2.3 m·s^-1，模拟平均风速普遍大于实测平均风速。

2.3 模拟风场误差统计的空间分布

各气象站2017年模拟和实测平均风速相关系数和平均偏差的空间分布特征见图 1。可见，WRF模拟的平均风速的相关系数空间分布区域差异明显，鲁北、半岛沿海地区、鲁东南地区相关系数较小，小于0.610，鲁西、鲁西北、鲁中山区以南大部分地区、半岛部分地区相关系数相对较高，一般在0.680以上。平均偏差则表现为与相关系数大致相反的空间分布，相关系数低(高)的地区平均偏差相对较大(小)。冬季相关系数和平均偏差空间分布和全年类似(图略)，鲁西、鲁南、半岛中西部地区相关系数较高而平均偏差较低，其中半岛大部分地区相关系数大于0.662，平均偏差小于1.5 m·s^-1；春季，鲁西、鲁西南、鲁东南大部分地区和半岛地区相关系数较高，半岛大部分地区及内部个别地区平均偏差较低；夏季，山东中西部地区相关系数较高，其中鲁西北地区部分站点相关系数大于0.765，鲁中山区以北、鲁东南沿海地区、半岛地区平均偏差相对较大，部分地区大于2.1 m·s^-1；秋季相关系数和平均偏差与夏季类似。

从年和四季实测风速和模拟风速对比结果看，WRF模式可以较好地模拟出山东陆地近地层实际风场特征，可应用模拟结果进行该地区的风场分析。

3 不同高度平均风速、平均风功率密度时空分布 3.1 10 m平均风速时间变化

2017年山东122站模拟的平均风速年内变化明显(图 3)，总体上看，山东春季平均风速最大，其次为冬季，夏季各月平均风速较小。其中11月、5月、4月平均风速较大，大于4.0 m·s^-1，11月平均风速最大，为4.4 m·s^-1，其次为5月4.3 m·s^-1，4月4.1 m·s^-1，8月和1月平均风速最小，为3.5 m·s^-1。

3.2 平均风速与平均风功率密度空间分布 3.2.1 10 m高度

2017年山东陆地和沿海地区10 m高度模拟平均风速区域差异明显(图 4a)。沿海、半岛北部丘陵、崂山、日照中部五莲山、鲁中山区各山脉等地区以及微山湖、东平湖等大型湖泊地区年平均风速较大，大于4.6 m·s^-1，部分地区大于5.6 m·s^-1，鲁西北、鲁北内陆、半岛内陆等地区年平均风速小于4.0 m·s^-1，鲁西南、鲁南、鲁中山区北部等地区小于3.8 m·s^-1，大汶河、大清河、泗水河、沂河及其支流、淄河、潍河等流域中上游的山区间低矮平原地带年平均风速最小，部分地区小于3.2 m·s^-1。年平均风功率密度空间分布(图 4b)与年平均风速类似，沿海、丘陵山区、大型湖泊等地区年平均风功率密度大于200 W·m^-2，鲁中山区周边山东内陆地区普遍小于150 W·m^-2，鲁中山区南北两侧各河流流域中上游低矮平原地带最小，小于100 W·m^-2。其他地区年平均风速一般在3.4~4.6 m·s^-1之间，年平均风功率密度一般在50~150 W·m^-2。

3.2.2 70 m高度

2017年70 m高度山东各地平均风速差异明显减小(图 5a)，各地年平均风速和年平均风功率密度比10 m高度明显增大，其中沿海、半岛北部丘陵、崂山、五莲山、鲁中山区各山脉等地区年平均风速较大，大于6.6 m·s^-1，部分地区大于7.0 m·s^-1，相应的年平均风功率密度(图 5b)大于700 W·m^-2，部分地区大于900 W·m^-2。鲁北、鲁西北等地区年平均风速大于6.0 m·s^-1，年平均风功率密度在500 W·m^-2左右。大汶河、大清河、沂河及其支流中上游的山区间低矮平原地带年平均风速最小，小于4.6 m·s^-1，年平均风功率密度小于300 W·m^-2。其他地区年平均风速一般在5.0~6.0 m·s^-1之间，年平均风功率密度一般在300~500 W·m^-2。

3.2.3 100 m高度

2017年100 m高度山东各地平均风速差异比70 m高度减小(图 6a)，各地年平均风速和年平均风功率密度比70 m高度明显增大(图 6b)，大值区仍出现在沿海、半岛北部丘陵、崂山、五莲山、鲁中山区各山脉等地区，年平均风速普遍大于7.0 m·s^-1，部分地区大于8.0 m·s^-1，相应的年平均风功率密度大于900 W·m^-2，部分地区大于1 100 W·m^-2。鲁北、鲁西北及半岛北部大部分地区年平均风速大于7.0 m·s^-1，沿海岸线向内陆方向，平均风速、平均风功率密度递减，大汶河、大清河、沂河及其支流中上游的山区间低矮平原地带年平均风速较小(小于5.2 m·s^-1)其中大汶河流域上游小于4.6 m·s^-1，年平均风功率密度小于400 W·m^-2。其他地区年平均风速一般在6.0~6.6 m·s^-1之间，年平均风功率密度一般在450~550 W·m^-2。

各高度四季平均风速、平均风功率密度与年平均值空间分布类似(图略)，但数值差异明显，春季各地区平均风速、平均风功率密度均高于年平均值，低值区域明显减小，高值区域明显增大；夏季各地区平均风速、平均风功率密度低于年平均值；秋季内陆地区平均风速、平均风功率密度小于年平均值，半岛沿海地区则大于年平均值；冬季各地区平均风速、平均风功率密度略大于年平均值。

4 模拟与观测风速差异的主要原因

由2017年山东各气象站逐日模拟值和实测值相关系数和平均偏差空间分布(图 1)可以看出，五莲、青州、章丘、莱州、蓬莱、肥城等地模拟和观测风速平均偏差相对较大(2.5 m·s^-1)，这些站点多位于城市内，近地面观测风速受周边高耸建筑的影响显著，使得观测风速明显偏小。影响WRF模式模拟性能的因子较多，不同地区、不同季节和不同天气形势下中尺度数值模式的模拟性均存在一定差异，复杂的下垫面地形是WRF模式模拟风速偏差较大的重要因子。另外，边界层参数化方案是影响边界层气象要素模拟效果的重要因素^[20]，张碧辉等^[17]利用WRF模式研究了MYJ和YSU边界层参数化方案对气象场模拟的影响，发现YSU方案模拟的边界层顶卷挟和边界层内混合作用偏强，张龙等^[21]利用WRF模式模拟研究了YSU、MYJ和ACM2边界层参数化方案对兰州地区近地面气象场的影响，结果表明，不同边界层方案对近地面层风速、气温等气象要素模拟效果差异明显。

造成模拟值高于实测值的可能原因还包括格点代表性误差和未考虑次网格地形拖拽^[22]引起WRF模拟风速偏大，顾沈旦等^[23]研究发现2012年7月1—20日WRF模拟的济南地区平均风速明显高于实测平均风速，近400个区域自动站实测平均风速与模拟风速均方根误差在1.5~4.1 m·s^-1之间，平均偏差为1.8 m·s^-1，10 m风速的均方根误差与地形、坡度、模式格点与观测站点的地形偏差显著相关。另外，YSU边界层参数化方案模拟的湍流混合偏强等模式误差，导致模拟高估近地面风速^[20]，FNL再分析资料近地面风速比观测风速偏高33%，再分析资料风速偏高^[22]也可能是导致模拟风速高于观测风速的原因之一。

5 结论与讨论

本研究利用WRF数值模式对山东边界层不同高度风场进行了动力降尺度模拟，对不同高度平均风速、平均风功率密度的时空变化特征进行了研究，可以得到以下主要结论：

1) 利用WRF模式进行风场动力降尺度模拟研究可以较好地模拟山东地面风速，但模拟风速略高于观测风速。

2) 山东各地模拟和实测平均风速相关系数在鲁北、半岛沿海地区、鲁东南地区较小，鲁西、鲁西北、鲁中山区以南大部分地区、半岛部分地区相关系数相对较高。相关系数低(高)的地区平均偏差相对较大(小)。四季相关系数和平均偏差空间分布差异较大。

3) 山东各地10 m、70 m、100 m高度沿海、半岛北部丘陵、崂山、日照中部五莲山、鲁中山区各山脉等地区以及微山湖、东平湖等大型湖泊地区年平均风速较大，沿海岸线向内陆方向，平均风速、平均风功率密度递减，鲁中山区南北两侧各河流流域中上游低矮平原地带较小。四季平均风速和平均风功率密度空间分布类似，春季、冬季高于年平均值，夏季和秋季则小于年平均值，不同地区的风能资源差异随高度明显减小。

由此研究的结果来看，WRF模式能够较好地模拟山东风速的时空分布特征。但受数值模式的技术水平限制以及模式参数化方案的不同，本研究模拟风速与观测风速仍存在一定差异。气象站测风结果受局地复杂下垫面的影响明显，而模式地形是格点平均，模式不能完全考虑气象站点复杂下垫面的影响，是造成模拟风速与实测风速偏差的原因之一。而风电场多位于空旷开阔的平原或丘陵地区，土地利用类型变化较小，下垫面特征相对城市地区简单，模拟风速结果会较城市地区更接近实际风速。从本研究的风场模拟结果看，山东内陆地区存在多处分散的风速大值区，在平原及丘陵和山区的高海拔地带，适合建设大规模风电场；在平原和丘陵过渡地带，可有选择地安装高功率风机；在鲁中山区各山脉、五莲山、半岛丘陵的海拔相对较高地区存在着风能资源丰富区，适宜建立小规模分散式风电场。本研究结果可为指导分散式低风速风电场选址和风能资源开发利用提供参考。