CN116050291A - 一种台风条件下风电场大尺度气象预测降尺度方法与系统 - Google Patents
一种台风条件下风电场大尺度气象预测降尺度方法与系统 Download PDFInfo
- Publication number
- CN116050291A CN116050291A CN202211682368.1A CN202211682368A CN116050291A CN 116050291 A CN116050291 A CN 116050291A CN 202211682368 A CN202211682368 A CN 202211682368A CN 116050291 A CN116050291 A CN 116050291A
- Authority
- CN
- China
- Prior art keywords
- microscale
- model
- calculation
- downscaling
- wind
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Fluid Mechanics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种台风条件下风电场大尺度气象预测降尺度方法与系统,基于高分辨率数字高程地图和粗糙度数据,通过区域分割‑计算‑组合的方式建立微尺度数据库,计算域分割后按风向进行顺序计算,下游模型采用上游模型结果作为边界条件,并采用重叠域流量缩放和插值方法,保证了各子计算域组合后边界的连续性,有效控制了分区计算对结果准确性和连续性的影响。设计出新的区域动力降尺度方法,该方法实现了大区域几十米分辨率的长期数值模拟,有效降低了预测过程中的最低计算资源要求。除了台风条件下大尺度气象预测,还可应用于风电场群风功率预测,提高了灵活性和应用价值。
Description
技术领域
本发明涉及风电场自然灾害预警的技术领域,尤其是指一种台风条件下风电场大尺度气象预测降尺度方法、系统、存储介质及计算设备。
背景技术
中国地处西北太平洋西岸,台风灾害发生频率高、影响范围广、突发性强、群发性显著和成灾强度大,是遭受台风灾害最严重的国家之一。台风伴随的极端阵风、湍流和切边与海上台风大风引起的台风浪、风暴潮、海流直接威胁陆上和海上风电机组的安全。目前,我国运行在台风活动区域的风电机组已有上千台,其中大部分采用主动抗台控制策略。该控制策略执行效果高度依赖气象监测和预报的精确度。因此,亟需发展一种台风条件下大尺度气象预测降尺度方法,获取高精度、高分辨率的气象数据,对台风下降低机组载荷,提高安全性具有重要意义。
现有的台风预测技术主要是数值天气预报模式,空间分辨率低(3-9km),无法满足海上和近岸受地形、岛屿影响较大风电场的预测精度需求。目前降尺度方法主要包括两类:统计降尺度和动力降尺度。
统计降尺度方法是中尺度模型WRF结合统计学方法,包括传统统计方法(例如统计插值)和机器学习方法。这类方法一方面无法考虑地形下垫面影响,另一方面依赖历史观测数据,不适用于新建风电场。即使对于已运行多年的风电场,由于历史台风观测数据量少,导致计算结果不确定性大。
采用中尺度模型WRF嵌套微尺度模型CFD的动力降尺度方法,求解的是物理模型,计算精度高,不依赖于历史数据,但对计算资源需求巨大,适用于水平范围几十公里的区域。据统计,台风半径一般在20-1000公里,台风移动速度在30-40km/h。无法满足台风条件下这种大区域的气象预测需求。
发明内容
本发明的第一目的在于克服现有技术中预测空间分辨率低、不确定性大和大区域应用对计算资源需求高等问题,提供一种台风条件下风电场大尺度气象预测降尺度方法,基于高分辨率数字高程地图和粗糙度数据,通过区域分割-计算-组合的方式建立微尺度数据库,设计出新的区域动力降尺度方法。该方法实现了大区域几十米分辨率的长期数值模拟,有效降低了预测过程中的最低计算资源要求。除了台风条件下大尺度气象预测,还可应用于风电场群风功率预测,提高了灵活性和应用价值。
本发明的第二目的在于提供一种台风条件下风电场大尺度气象预测降尺度系统。
本发明的第三目的在于提供一种存储介质。
本发明的第四目的在于提供一种计算设备。
本发明的第一目的通过下述技术方案实现:一种台风条件下风电场大尺度气象预测降尺度方法,执行以下操作:
S1、确定降尺度区域范围、降尺度目标分辨率和可用计算资源情况;获取微尺度模型输入数据,包括数字高程地图和地表粗糙度数据;
S2、根据步骤S1中获取的降尺度区域范围确定微尺度模型计算域,并根据计算资源情况,把微尺度模型计算域分割为多个子区域,根据子区域范围对数字高程地图和地表粗糙度数据进行分割;
S3、基于步骤S2结果,对各子区域进行网格划分,生成对应的微尺度网格,建立微尺度模型,对风向和热稳定度划分,为各风向和热稳定度组合工况设置对应的微尺度模型的边界类型;
S4、根据步骤S3中风向划分结果,确定不同风向下各微尺度模型的计算顺序,即确定子区域计算顺序,在计算过程中更新子区域的微尺度模型入流边界条件,并完成所有风向、不同热稳定度下的微尺度模型计算,即得到不同风向和热稳定度下的各子区域微尺度仿真结果;
S5、对步骤S4中获取的不同风向和热稳定度下的各子区域微尺度仿真结果进行综合,建立微尺度数据库;
S6、筛选步骤S1中获取的降尺度区域范围内的历史台风数据,建立中尺度模型并进行台风模拟,完成模型验证和参数率定,确定区域最优参数化方案;
S7、获取中尺度模型所需背景场资料,基于步骤S6中确定的区域最优参数化方案对目标台风进行中尺度预报,基于预报结果计算各预报时刻的大气边界层高度和热稳定度;
S8、确定降尺度目标高度层,基于步骤S5建立的微尺度数据库和步骤S7中获取的中尺度预报结果提取各预报时刻不同大气边界层高度和降尺度目标高度层处的中尺度结果和微尺度结果;
S9、基于步骤S8结果,根据微尺度结果中降尺度目标高度层处和大气边界层高度处微尺度网格间各变量的比例关系,把大气边界层高度处中尺度预测的风速分量推算到降尺度目标高度层,完成降尺度计算。
进一步,在步骤S1中,所述微尺度模型输入数据的范围为降尺度区域边界外扩20km的区域,数字高程地图选取ASTGTM2 30m分辨率数字高程数据,地表粗糙度选取30米全球地表覆盖数据GlobeLand30,其中,数字高程地图用于微尺度模型的下边界,地表粗糙度用于设置下边界的表面粗糙度。
进一步,在步骤S2中,确定微尺度模型计算域的方法为:微尺度模型计算域长宽为降尺度区域边界外扩10-20km,微尺度模型计算域底面采用步骤S1中的数字高程地图,微尺度模型计算域的上边界海拔高度通过以下公式计算:
zabl=cu*/f(1)
f=2Ωsinφ(2)
ztop=zabl+k*(zmax-zmin)(3)
式中,zabl为行星边界层高度,c为经验常数,u*为摩擦速度,f为科里奥利力参数,Ω为地球自转角速度,φ是纬度,ztop为计算域上边界海拔高度,k为经验常数,zmax为计算域内地形最高海拔高度,zmin为计算域内地形最低海拔高度。
进一步,在步骤S2中,把微尺度模型计算域分割为多个子区域的方法为:首先,根据计算资源情况计算单次仿真能承受的最大网格数量;然后,按降尺度目标分辨率和地形复杂度情况,确定单个计算域的大小;最后,根据地形复杂度情况确定相邻计算域重叠区域大小,完成计算域分割。
进一步,在步骤S3中,所述微尺度模型为CFD模型;风向划分步长取22.5度,分16个扇区;热稳定度是通过Monin-Obukhov长度L的不同取值来定义,划分为非常不稳定、不稳定、中性、弱稳定、稳定和非常稳定六个等级。
进一步,在步骤S3中,微尺度模型的边界类型根据来流风向,其上游入口边界设为速度入口,其顶面和下游出口边界设为压力出口。
进一步,在步骤S4中,确定子区域计算顺序的方法为:根据不同来流风向,对子区域拐点坐标进行坐标系旋转,使来流风向在坐标系中始终沿着固定轴;根据子区域拐点坐标,判断相互之间的上下游关系,确定子区域沿来流从上游到下游的计算顺序,确保不同风向下,计算顺序始终都是从上游到下游。
进一步,在步骤S4中,子区域的微尺度模型入流边界条件更新方法为:上游子区域计算完成后,提取重叠域内的下游子区域入口边界面处的计算结果,并插值到下游子区域的入口边界面,作为其边界条件。
进一步,在步骤S5中,子区域微尺度仿真结果综合的方法为:首先,提取不同热稳定度和风向下的微尺度仿真结果;然后,根据子区域上下游关系计算相邻子区域重叠区域内风的流量,根据流量差异对下游子区域微尺度仿真结果进行比例缩放,使流量保持一致;最后,采用反距离加权插值方法把重叠区域结果合并,获取完整计算域的微尺度仿真结果。
进一步,在步骤S6中,所述历史台风数据采用CMA热带气旋最佳路径集,筛选标准为区域内台风中心最大风速为30m/s以上,同时获取降尺度区域范围内已有的测风塔、气象站、激光雷达这些观测数据和机组SCADA运行数据,用于模型优化;所述中尺度模型采用WRF模型;WRF模型采用三重计算域嵌套,最内层计算域范围应至少包含降尺度目标区域,三重计算域的水平网格分辨率分别为:27km、9km、3km;对中尺度计算域进行网格划分,建立中尺度网格;基于FNL或ERA5再分析数据进行WRF模型的台风模拟,对WRF模型中的微物理、积云对流和边界层参数化方案进行优化,完成模型验证和参数率定,确定区域最优参数化方案。
进一步,在步骤S7中,热稳定度计算方法为:
式中,L为热稳定度,u*为摩擦速度,κ为冯卡门常数,g为重力加速度,T为空气温度,H为运动热通量,cp为比热,ρ为空气密度。
进一步,在步骤S8中,从中尺度预报结果中提取大气边界层高度处的中尺度网格和结果变量,包含风速、风向以及风速分量U、V、W;根据热稳定度和风向分布情况从微尺度数据库中分别提取大气边界层高度处和降尺度目标高度层处的微尺度网格,并计算网格处风速分量U、V、W;具体方法为选取相邻热稳定度和风向扇区结果进行插值。
进一步,在步骤S9中,从大气边界层高度处中尺度预测结果推算到降尺度目标高度层的方法为:首先,把步骤S8中提取的大气边界层高度处中尺度预测的风速分量U、V、W从中尺度网格插值到微尺度网格;其次,把步骤S7中计算得到的热稳定度计算结果插值到降尺度目标高度层处的微尺度网格;然后,计算降尺度目标高度层处和大气边界层高度处微尺度网格间各变量在预测风向和热稳定度下的比例关系;最后,根据比例关系把大气边界层高度处中尺度预测的风速分量推算到降尺度目标高度层,并把风速分量转化为风速、风向、入流角;
重复步骤S8、S9,完成所有预报时刻的计算,作为降尺度预测结果,即降尺度目标高度层的预测结果。
本发明的第二目的通过下述技术方案实现:一种台风条件下风电场大尺度气象预测降尺度系统,用于实现上述的台风条件下风电场大尺度气象预测降尺度方法,其包括:
数据获取模块,用于确定降尺度区域范围、降尺度目标分辨率和可用计算资源情况;获取微尺度模型输入数据,包括数字高程地图和地表粗糙度数据;
计算域分割模块,根据数据获取模块获取的降尺度区域范围确定微尺度模型计算域,并根据计算资源情况,把微尺度模型计算域分割为多个子区域,根据子区域范围对数字高程地图和地表粗糙度数据进行分割;
微尺度模型建立模块,基于计算域分割模块的结果,对各子区域进行网格划分,生成对应的微尺度网格,建立微尺度模型,对风向和热稳定度划分,为各风向和热稳定度组合工况设置对应的微尺度模型的边界类型;
微尺度模型计算模块,根据微尺度模型建立模块中风向划分结果,确定不同风向下各微尺度模型的计算顺序,即确定子区域计算顺序,在计算过程中更新子区域的微尺度模型入流边界条件,并完成所有风向、不同热稳定度下的微尺度模型计算,即得到不同风向和热稳定度下的各子区域微尺度仿真结果;
微尺度数据库建立模块,用于对微尺度模型计算模块中获取的不同风向和热稳定度下的各子区域微尺度仿真结果进行综合,从而建立微尺度数据库;
区域最优参数化方案确定模块,用于筛选降尺度区域范围内的历史台风数据,建立中尺度模型并进行台风模拟,完成模型验证和参数率定,从而确定区域最优参数化方案;
预报模块,用于获取中尺度模型所需背景场资料,基于确定的区域最优参数化方案对目标台风进行中尺度预报,基于预报结果计算各预报时刻的大气边界层高度和热稳定度;
提取模块,用于确定降尺度目标高度层,基于微尺度数据库和中尺度预报结果提取各预报时刻不同大气边界层高度和降尺度目标高度层处的中尺度结果和微尺度结果;
降尺度计算模块,基于提取模块的结果,根据微尺度结果中降尺度目标高度层处和大气边界层高度处微尺度网格间各变量的比例关系,把大气边界层高度处中尺度预测的风速分量推算到降尺度目标高度层,完成降尺度计算。
本发明的第三目的通过下述技术方案实现:一种存储介质,存储有程序,所述程序被处理器执行时,实现上述的台风条件下风电场大尺度气象预测降尺度方法。
本发明的第四目的通过下述技术方案实现:一种计算设备,包括处理器以及用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现上述的台风条件下风电场大尺度气象预测降尺度方法。
本发明与现有技术相比,具有如下优点与有益效果:
1、采用建立微尺度数据库的方法,台风降尺度预测时不需要重新计算微尺度模型,提高了空间分辨和预报精度,同时保证了预报的时效性。
2、微尺度模型采用计算域分割-计算-组合的方法,降低了单次计算的网格量,实现了在单台服务器上运行台风这种大尺度天气现象的大区域几十米分辨率的高精度数值模拟,有效降低了计算资源要求。
3、计算域分割后按风向进行顺序计算,下游模型采用上游模型结果作为边界条件,并采用重叠域流量缩放和插值方法,保证了各子计算域组合后边界的连续性,有效控制了分区计算对结果准确性和连续性的影响。
4、降尺度过程中考虑了大气热稳定度和大气边界层高度变化的影响。考虑大气热稳定度是因为不同大气热稳定度下台风的近地风场特性具有显著差异。选择大气边界层高度处的中尺度结果作为降尺度输入数据,一方面是因为中尺度模型网格分辨率低,无法考虑微观地形变化对大气边界层内的仿真结果的影响;另一方面是因为微尺度模型无法模拟真实的大气边界层,采用提前设定的边界层高度作为边界条件。本方案可结合两者优势,通过精细化的数值模拟提高预测降尺度的精度和可靠性。
附图说明
图1为本发明方法的整体流程图。
图2为计算域分割示意图。
图3为不同风向下计算域排序示意图。
图4为单个预报时刻的降尺度计算流程图。
图5为本发明系统的架构图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例1
如图1所示,本实施例公开了一种台风条件下风电场大尺度气象预测降尺度方法,具体执行以下操作:
步骤S1:确定降尺度区域范围、目标分辨率和计算资源情况以及获取微尺度模型输入数据;微尺度模型输入数据的范围为降尺度区域边界外扩20km内的区域,数据类型包含高分辨率数字高程地图和地表粗糙度数据;数字高程地图可选取ASTGTM2 30m分辨率数字高程数据,地表粗糙度可选取30米全球地表覆盖数据GlobeLand30。其中数字高程地图用于微尺度模型的下边界,地表粗糙度用于设置下边界的表面粗糙度。
步骤S2:根据步骤S1中获取的降尺度区域范围确定微尺度模型计算域,具体方法为:微尺度模型计算域长宽取降尺度区域边界外扩10-20km,计算域底面采用步骤S1中的数字高程地图,上边界的海拔高度通过以下公式计算:
zabl=cu*/f (1)
f=2Ωsinφ (2)
ztop=zabl+k*(zmax-zmin) (3)
式中,zabl为行星边界层高度,c为经验常数,u*为摩擦速度,f为科里奥利力参数,Ω为地球自转角速度,φ为纬度,ztop为计算域上边界海拔高度,k为经验常数,一般取2-5,zmax为计算域内地形最高海拔高度,zmin为计算域内地形最低海拔高度。
计算域确定后根据计算资源情况,把计算域分割为多个子区域,如图2所示。
首先,根据计算资源情况计算单次仿真能承受的最大网格数量;CFD模型计算所需内存和方程数量以及物理模型有关,大致可按100万网格4G内存估计能承受的最大网格量,并结合地形复杂度、水平分辨率、计算域高度、垂直分辨率等估算单个计算域大小。考虑相邻计算域间重叠区域大小,完成计算域分割。重叠区域大小可根据地形复杂度设置为2-5km。根据划分后的子区域范围对数字高程地图和地表粗糙度数据进行分割。
本方案中动力降尺度方法采用的是中微尺度嵌套模型,其中中尺度采用WRF模型,分辨率为3km,微尺度采用CFD模型分辨率为30m。两者水平分辨率相差100倍。单个台风重点关注的影响区域有几百公里,CFD模型网格数量量级为几亿-几十亿。采用上述计算域分割方法可把单次计算网格量降到几千万,有效降低了最低硬件资源要求。
步骤S3:基于步骤S2结果,对各子区域进行网格划分,生成对应的微尺度网格,建立微尺度模型,对风向和热稳定划分,为各风向和热稳定组合工况设置对应的微尺度模型的边界类型;风向划分步长取22.5度,分16个方向;热稳定度的等级是通过Monin-Obukhov长度L的不同取值来定义,划分为非常不稳定、不稳定、中性、弱稳定、稳定和非常稳定6个类别,如表1所示。
表1热稳定度等级
热稳定度等级 | Monin-Obukhov长度L(m) |
非常不稳定 | -80 |
不稳定 | -500 |
中性 | 10000 |
弱稳定 | 1000 |
稳定 | 500 |
非常稳定 | 100 |
微尺度模型的入口边界采用速度入口,速度定义为风廓线,顶面和出口采用压力出口,湍流模型采用k-e湍流模型,对k-e湍流模型中的模型常数Cμ、C1ε、C2ε、σk、σε进行修正,修正后参数如表2所示。
表2湍流模型参数修正
模型常数 | <![CDATA[C<sub>μ</sub>]]> | <![CDATA[C<sub>1ε</sub>]]> | <![CDATA[C<sub>2ε</sub>]]> | <![CDATA[σ<sub>k</sub>]]> | <![CDATA[σ<sub>ε</sub>]]> |
默认参数 | 0.09 | 1.44 | 1.92 | 1 | 1.3 |
修正后 | 0.03 | 1.44 | 2.223 | 1 | 1.3 |
步骤S4:根据步骤S3中风向划分结果,确定不同风向下各微尺度模型计算顺序。如图3所示,根据不同来流风向,对子区域拐点坐标进行坐标系旋转,使来流风向在坐标系中始终沿着-Y轴;根据子区域拐点的Y坐标大小,判断相互之间的上下游关系,确定计算顺序。确保不同风向下,计算顺序始终都是从上游到下游。上游子区域计算完成后,提取重叠域内的下游子区域入口边界面处的计算结果,计算结果包含速度分量、湍动能、湍流耗散率;并插值到下游子区域的入口边界面,作为其边界条件。完成所有风向、不同热稳定度下的全部微尺度模型计算。
步骤S5:步骤S4中不同风向和热稳定度下各子区域仿真计算完成后,提取计算域内的微尺度结果,结果包含:速度分量、湍流。因上下游边界面网格可能不一致,插值后流量会出现不守恒,需根据上下游关系分别计算重叠区域风的流量,根据流量差异对下游结果进行比例缩放,使流量保持一致;最后,采用反距离加权插值方法把重叠区域结果合并,获得完整计算域的微尺度结果,并建立微尺度数据库。
步骤S6:筛选步骤S1中获取的降尺度区域范围内历史台风数据,历史台风数据可采用CMA热带气旋最佳路径集,筛选标准为区域内台风中心最大风速为30m/s以上。同时获取降尺度区域内已有的测风塔、气象站、激光雷达等观测数据和机组SCADA运行数据,用于模型优化。
WRF模型采用三重计算域嵌套,最内层计算域范围应至少包含降尺度目标区域,三重计算域的水平网格分辨率为:27km、9km、3km;对中尺度计算域进行网格划分,建立中尺度网格;
基于FNL或ERA5再分析数据进行WRF模型的台风模拟,对WRF模型中的微物理、积云对流和边界层等参数化方案进行优化,完成模型验证和参数率定,确定区域最优参数化方案。
步骤S7:获取中尺度模型所需背景场资料,可选取NECP GFS数据,基于步骤S6中确定的区域最优参数化方案对目标台风进行中尺度预报,基于预报结果计算大气边界层高度和热稳定度;热稳定度计算方法为:
式中,L为热稳定度,u*为摩擦速度,κ为冯卡门常数,g为重力加速度,T为空气温度,H为运动热通量,cp为比热,ρ为空气密度。
对于单个预报时刻的降尺度计算流程如图4所示,主要分为两个步骤:
步骤S8:确定降尺度目标高度层,基于步骤S5建立的微尺度数据库和步骤S7的获取的大气边界层高度和热稳定度空间分布变化情况,从中尺度预报结果中提取大气边界层高度处的中尺度网格和结果变量,包含风速、风向以及风速分量U、V、W;根据热稳定度和风向分布情况从微尺度数据库中分别提取大气边界层高度处和降尺度目标高度层处的微尺度网格,并计算网格处风速分量U、V、W;具体方法为选取相邻热稳定度和风向扇区结果进行插值。
步骤S9:基于步骤S8结果把大气边界层高度处中尺度预测的风速分量U、V、W推算到降尺度目标高度层处的微尺度网格。对于微尺度模型目标高度层和大气边界层对应网格上的每个格点,首先,计算各速度分量间的比例关系。然后根据比例关系把大气边界层高度处中尺度预报的风速分量推算到目标高度层。最后把风速分量转化为风速、风向、入流角,具体如下:
首先,把步骤S8中提取的大气边界层高度处中尺度预测的风速分量U、V、W从中尺度网格插值到微尺度网格;其次,把步骤S7中计算得到的热稳定度计算结果插值到降尺度目标高度层处的微尺度网格;然后,计算降尺度目标高度层处和大气边界层高度处微尺度网格间各变量在预测风向和热稳定度下的比例关系;最后,根据比例关系把大气边界层高度处中尺度预测的风速分量推算到降尺度目标高度层,并把风速分量转化为风速、风向、入流角;
重复步骤S8、S9,完成所有预报时刻的计算,作为降尺度目标高度层的预测结果。
实施例2
本实施例公开了一种台风条件下风电场大尺度气象预测降尺度系统,用于实现实施例1所述的台风条件下风电场大尺度气象预测降尺度方法,如图5所示,该系统包括以下功能模块:
数据获取模块,用于确定降尺度区域范围、降尺度目标分辨率和可用计算资源情况;获取微尺度模型输入数据,包括数字高程地图和地表粗糙度数据;
计算域分割模块,根据数据获取模块获取的降尺度区域范围确定微尺度模型计算域,并根据计算资源情况,把微尺度模型计算域分割为多个子区域,根据子区域范围对数字高程地图和地表粗糙度数据进行分割;
微尺度模型建立模块,基于计算域分割模块的结果,对各子区域进行网格划分,生成对应的微尺度网格,建立微尺度模型,对风向和热稳定度划分,为各风向和热稳定度组合工况设置对应的微尺度模型的边界类型;
微尺度模型计算模块,根据微尺度模型建立模块中风向划分结果,确定不同风向下各微尺度模型的计算顺序,即确定子区域计算顺序,在计算过程中更新子区域的微尺度模型入流边界条件,并完成所有风向、不同热稳定度下的微尺度模型计算,即得到不同风向和热稳定度下的各子区域微尺度仿真结果;
微尺度数据库建立模块,用于对微尺度模型计算模块中获取的不同风向和热稳定度下的各子区域微尺度仿真结果进行综合,从而建立微尺度数据库;
区域最优参数化方案确定模块,用于筛选降尺度区域范围内的历史台风数据,建立中尺度模型并进行台风模拟,完成模型验证和参数率定,从而确定区域最优参数化方案;
预报模块,用于获取中尺度模型所需背景场资料,基于确定的区域最优参数化方案对目标台风进行中尺度预报,基于预报结果计算各预报时刻的大气边界层高度和热稳定度;
提取模块,用于确定降尺度目标高度层,基于微尺度数据库和中尺度预报结果提取各预报时刻不同大气边界层高度和降尺度目标高度层处的中尺度结果和微尺度结果;
降尺度计算模块,基于提取模块的结果,根据微尺度结果中降尺度目标高度层处和大气边界层高度处微尺度网格间各变量的比例关系,把大气边界层高度处中尺度预测的风速分量推算到降尺度目标高度层,完成降尺度计算。
实施例3
本实施例公开了一种存储介质,存储有程序,所述程序被处理器执行时,实现实施例1所述的台风条件下风电场大尺度气象预测降尺度方法。
本实施例中的存储介质可以是磁盘、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、U盘、移动硬盘等介质。
实施例4
本实施例公开了一种计算设备,包括处理器以及用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现实施例1所述的台风条件下风电场大尺度气象预测降尺度方法。
本实施例中所述的计算设备可以是台式电脑、笔记本电脑、智能手机、PDA手持终端、平板电脑、可编程逻辑控制器(PLC,Programmable Logic Controller)、或其它具有处理器功能的终端设备。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (14)
1.一种台风条件下风电场大尺度气象预测降尺度方法,其特征在于,执行以下操作:
S1、确定降尺度区域范围、降尺度目标分辨率和可用计算资源情况;获取微尺度模型输入数据,包括数字高程地图和地表粗糙度数据;
S2、根据步骤S1中获取的降尺度区域范围确定微尺度模型计算域,并根据计算资源情况,把微尺度模型计算域分割为多个子区域,根据子区域范围对数字高程地图和地表粗糙度数据进行分割;
S3、基于步骤S2结果,对各子区域进行网格划分,生成对应的微尺度网格,建立微尺度模型,对风向和热稳定度划分,为各风向和热稳定度组合工况设置对应的微尺度模型的边界类型;
S4、根据步骤S3中风向划分结果,确定不同风向下各微尺度模型的计算顺序,即确定子区域计算顺序,在计算过程中更新子区域的微尺度模型入流边界条件,并完成所有风向、不同热稳定度下的微尺度模型计算,即得到不同风向和热稳定度下的各子区域微尺度仿真结果;
S5、对步骤S4中获取的不同风向和热稳定度下的各子区域微尺度仿真结果进行综合,建立微尺度数据库;
S6、筛选步骤S1中获取的降尺度区域范围内的历史台风数据,建立中尺度模型并进行台风模拟,完成模型验证和参数率定,确定区域最优参数化方案;
S7、获取中尺度模型所需背景场资料,基于步骤S6中确定的区域最优参数化方案对目标台风进行中尺度预报,基于预报结果计算各预报时刻的大气边界层高度和热稳定度;
S8、确定降尺度目标高度层,基于步骤S5建立的微尺度数据库和步骤S7中获取的中尺度预报结果提取各预报时刻不同大气边界层高度和降尺度目标高度层处的中尺度结果和微尺度结果;
S9、基于步骤S8结果,根据微尺度结果中降尺度目标高度层处和大气边界层高度处微尺度网格间各变量的比例关系,把大气边界层高度处中尺度预测的风速分量推算到降尺度目标高度层,完成降尺度计算。
2.根据权利要求1所述的一种台风条件下风电场大尺度气象预测降尺度方法,其特征在于,在步骤S1中,所述微尺度模型输入数据的范围为降尺度区域边界外扩20km的区域,数字高程地图选取ASTGTM2 30m分辨率数字高程数据,地表粗糙度选取30米全球地表覆盖数据GlobeLand30,其中,数字高程地图用于微尺度模型的下边界,地表粗糙度用于设置下边界的表面粗糙度。
3.根据权利要求2所述的一种台风条件下风电场大尺度气象预测降尺度方法,其特征在于,在步骤S2中,确定微尺度模型计算域的方法为:微尺度模型计算域长宽为降尺度区域边界外扩10-20km,微尺度模型计算域底面采用步骤S1中的数字高程地图,微尺度模型计算域的上边界海拔高度通过以下公式计算:
zabl=cu*/f (1)
f=2Ωsinφ (2)
ztop=zabl+k*(zmax-zmin) (3)
式中,zabl为行星边界层高度,c为经验常数,u*为摩擦速度,f为科里奥利力参数,Ω为地球自转角速度,φ是纬度,ztop为计算域上边界海拔高度,k为经验常数,zmax为计算域内地形最高海拔高度,zmin为计算域内地形最低海拔高度。
4.根据权利要求3所述的一种台风条件下风电场大尺度气象预测降尺度方法,其特征在于,在步骤S2中,把微尺度模型计算域分割为多个子区域的方法为:首先,根据计算资源情况计算单次仿真能承受的最大网格数量;然后,按降尺度目标分辨率和地形复杂度情况,确定单个计算域的大小;最后,根据地形复杂度情况确定相邻计算域重叠区域大小,完成计算域分割。
5.根据权利要求4所述的一种台风条件下风电场大尺度气象预测降尺度方法,其特征在于,在步骤S3中,所述微尺度模型为CFD模型;风向划分步长取22.5度,分16个扇区;热稳定度是通过Monin-Obukhov长度L的不同取值来定义,划分为非常不稳定、不稳定、中性、弱稳定、稳定和非常稳定六个等级。
6.根据权利要求5所述的一种台风条件下风电场大尺度气象预测降尺度方法,其特征在于,在步骤S3中,微尺度模型的边界类型根据来流风向,其上游入口边界设为速度入口,其顶面和下游出口边界设为压力出口。
7.根据权利要求6所述的一种台风条件下风电场大尺度气象预测降尺度方法,其特征在于,在步骤S4中,确定子区域计算顺序的方法为:根据不同来流风向,对子区域拐点坐标进行坐标系旋转,使来流风向在坐标系中始终沿着固定轴;根据子区域拐点坐标,判断相互之间的上下游关系,确定子区域沿来流从上游到下游的计算顺序,确保不同风向下,计算顺序始终都是从上游到下游。
8.根据权利要求7所述的一种台风条件下风电场大尺度气象预测降尺度方法,其特征在于,在步骤S4中,子区域的微尺度模型入流边界条件更新方法为:上游子区域计算完成后,提取重叠域内的下游子区域入口边界面处的计算结果,并插值到下游子区域的入口边界面,作为其边界条件。
9.根据权利要求8所述的一种台风条件下风电场大尺度气象预测降尺度方法,其特征在于,在步骤S5中,子区域微尺度仿真结果综合的方法为:首先,提取不同热稳定度和风向下的微尺度仿真结果;然后,根据子区域上下游关系计算相邻子区域重叠区域内风的流量,根据流量差异对下游子区域微尺度仿真结果进行比例缩放,使流量保持一致;最后,采用反距离加权插值方法把重叠区域结果合并,获取完整计算域的微尺度仿真结果。
10.根据权利要求9所述的一种台风条件下风电场大尺度气象预测降尺度方法,其特征在于,在步骤S6中,所述历史台风数据采用CMA热带气旋最佳路径集,筛选标准为区域内台风中心最大风速为30m/s以上,同时获取降尺度区域范围内已有的测风塔、气象站、激光雷达这些观测数据和机组SCADA运行数据,用于模型优化;所述中尺度模型采用WRF模型;WRF模型采用三重计算域嵌套,最内层计算域范围至少包含降尺度目标区域,三重计算域的水平网格分辨率分别为:27km、9km、3km;对中尺度计算域进行网格划分,建立中尺度网格;基于FNL或ERA5再分析数据进行WRF模型的台风模拟,对WRF模型中的微物理、积云对流和边界层参数化方案进行优化,完成模型验证和参数率定,确定区域最优参数化方案。
12.根据权利要求11所述的一种台风条件下风电场大尺度气象预测降尺度方法,其特征在于,在步骤S8中,从中尺度预报结果中提取大气边界层高度处的中尺度网格和结果变量,包含风速、风向以及风速分量U、V、W;根据热稳定度和风向分布情况从微尺度数据库中分别提取大气边界层高度处和降尺度目标高度层处的微尺度网格,并计算网格处风速分量U、V、W;具体方法为选取相邻热稳定度和风向扇区结果进行插值。
13.根据权利要求12所述的一种台风条件下风电场大尺度气象预测降尺度方法,其特征在于,在步骤S9中,从大气边界层高度处中尺度预测结果推算到降尺度目标高度层的方法为:首先,把步骤S8中提取的大气边界层高度处中尺度预测的风速分量U、V、W从中尺度网格插值到微尺度网格;其次,把步骤S7中计算得到的热稳定度计算结果插值到降尺度目标高度层处的微尺度网格;然后,计算降尺度目标高度层处和大气边界层高度处微尺度网格间各变量在预测风向和热稳定度下的比例关系;最后,根据比例关系把大气边界层高度处中尺度预测的风速分量推算到降尺度目标高度层,并把风速分量转化为风速、风向、入流角;
重复步骤S8、S9,完成所有预报时刻的计算,作为降尺度预测结果,即降尺度目标高度层的预测结果。
14.一种台风条件下风电场大尺度气象预测降尺度系统,其特征在于,用于实现权利要求1至13中任一项所述的台风条件下风电场大尺度气象预测降尺度方法,其包括:
数据获取模块,用于确定降尺度区域范围、降尺度目标分辨率和可用计算资源情况;获取微尺度模型输入数据,包括数字高程地图和地表粗糙度数据;
计算域分割模块,根据数据获取模块获取的降尺度区域范围确定微尺度模型计算域,并根据计算资源情况,把微尺度模型计算域分割为多个子区域,根据子区域范围对数字高程地图和地表粗糙度数据进行分割;
微尺度模型建立模块,基于计算域分割模块的结果,对各子区域进行网格划分,生成对应的微尺度网格,建立微尺度模型,对风向和热稳定度划分,为各风向和热稳定度组合工况设置对应的微尺度模型的边界类型;
微尺度模型计算模块,根据微尺度模型建立模块中风向划分结果,确定不同风向下各微尺度模型的计算顺序,即确定子区域计算顺序,在计算过程中更新子区域的微尺度模型入流边界条件,并完成所有风向、不同热稳定度下的微尺度模型计算,即得到不同风向和热稳定度下的各子区域微尺度仿真结果;
微尺度数据库建立模块,用于对微尺度模型计算模块中获取的不同风向和热稳定度下的各子区域微尺度仿真结果进行综合,从而建立微尺度数据库;
区域最优参数化方案确定模块,用于筛选降尺度区域范围内的历史台风数据,建立中尺度模型并进行台风模拟,完成模型验证和参数率定,从而确定区域最优参数化方案;
预报模块,用于获取中尺度模型所需背景场资料,基于确定的区域最优参数化方案对目标台风进行中尺度预报,基于预报结果计算各预报时刻的大气边界层高度和热稳定度;
提取模块,用于确定降尺度目标高度层,基于微尺度数据库和中尺度预报结果提取各预报时刻不同大气边界层高度和降尺度目标高度层处的中尺度结果和微尺度结果;
降尺度计算模块,基于提取模块的结果,根据微尺度结果中降尺度目标高度层处和大气边界层高度处微尺度网格间各变量的比例关系,把大气边界层高度处中尺度预测的风速分量推算到降尺度目标高度层,完成降尺度计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211682368.1A CN116050291A (zh) | 2022-12-26 | 2022-12-26 | 一种台风条件下风电场大尺度气象预测降尺度方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211682368.1A CN116050291A (zh) | 2022-12-26 | 2022-12-26 | 一种台风条件下风电场大尺度气象预测降尺度方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116050291A true CN116050291A (zh) | 2023-05-02 |
Family
ID=86117435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211682368.1A Pending CN116050291A (zh) | 2022-12-26 | 2022-12-26 | 一种台风条件下风电场大尺度气象预测降尺度方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116050291A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116738769A (zh) * | 2023-08-14 | 2023-09-12 | 长江三峡集团实业发展(北京)有限公司 | 一种风光数据生成模型构建方法及风光数据生成方法 |
-
2022
- 2022-12-26 CN CN202211682368.1A patent/CN116050291A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116738769A (zh) * | 2023-08-14 | 2023-09-12 | 长江三峡集团实业发展(北京)有限公司 | 一种风光数据生成模型构建方法及风光数据生成方法 |
CN116738769B (zh) * | 2023-08-14 | 2023-10-20 | 长江三峡集团实业发展(北京)有限公司 | 一种风光数据生成模型构建方法及风光数据生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110298115B (zh) | 一种基于简化地形气动参数的风场动力降尺度方法 | |
Mughal et al. | Wind modelling, validation and sensitivity study using Weather Research and Forecasting model in complex terrain | |
CN110598290B (zh) | 考虑气候变化的流域未来水电发电能力预测方法和系统 | |
Grassi et al. | Assessment of the wake effect on the energy production of onshore wind farms using GIS | |
CN113742910A (zh) | 基于中小流域洪水预报的水库来水量预警预报方法及系统 | |
CN111898303A (zh) | 基于气象预报及水动力模拟的流域水位及内涝预报方法 | |
CN110377953B (zh) | 一种基于并行模式下的风暴潮精细化模拟方法 | |
CN112100921A (zh) | 一种基于wrf和随机森林获取风资源风速的方法 | |
González-Longatt et al. | Wind-resource atlas of Venezuela based on on-site anemometry observation | |
CN112100922A (zh) | 一种基于wrf和cnn卷积神经网络的风资源预测方法 | |
CN116050291A (zh) | 一种台风条件下风电场大尺度气象预测降尺度方法与系统 | |
Nadeem et al. | Application of HEC-HMS for flood forecasting in hazara catchment Pakistan, south Asia | |
Wang et al. | Effect of the drag coefficient on a typhoon wave model | |
CN111666725A (zh) | 一种适应非复杂地形风电场的测风塔规划选址方法及系统 | |
CN108808671A (zh) | 一种风电场短期风速集合预报方法 | |
KR20160073604A (ko) | 연안국지 순환 분석 방법 및 시스템 | |
CN108363882B (zh) | 一种基于动力降尺度模式的山区输电线路设计风速推算方法 | |
CN113392365A (zh) | 一种高分辨率气象网格数据的生成方法及系统 | |
Hesty et al. | Energy potential assessments and investment opportunities for wind energy in Indonesia | |
CN105184667A (zh) | 双重嵌套模拟风电场风速分布的方法 | |
CN112541620B (zh) | 一种预测精度及效率高的台风风暴增水预测方法及系统 | |
CN116542029A (zh) | 基于海洋数值模式和观测资料同化制作mdt方法及系统 | |
CN114154325A (zh) | 一种定常与非定常混合风能资源评估方法及系统 | |
Kim et al. | Long-term wind resource mapping of Korean west-south offshore for the 2.5 GW offshore wind power project | |
Olaofe | Modeling and sensitivity of the seasonal ocean winds to local effects at west and south coasts of South Africa |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |