劉麗珺，梁友嘉

(1.甘肅省氣象服務(wù)中心，甘肅　蘭州　730020；2.武漢理工大學資源與環(huán)境工程學院，湖北　武漢　430070)

?

BJ-RUC模式的低層風場預(yù)報產(chǎn)品質(zhì)量檢驗
——以甘肅省當金山風電場為例

劉麗珺1，梁友嘉2

(1.甘肅省氣象服務(wù)中心，甘肅蘭州730020；2.武漢理工大學資源與環(huán)境工程學院，湖北武漢430070)

利用2013年甘肅華電阿克塞當金山49.5 mW風電場風機監(jiān)控數(shù)據(jù)采集系統(tǒng)的觀測數(shù)據(jù)，對BJ-RUC模式的低層風場預(yù)報產(chǎn)品進行質(zhì)量檢驗。結(jié)果表明：(1)總體上有效風速區(qū)在各季節(jié)預(yù)測效果較滿發(fā)風速區(qū)好，且這2個風速區(qū)秋季預(yù)報效果最好，冬季預(yù)報效果最差；(2)年尺度上，觀測值的Weibull分布眾值偏右，形態(tài)相對接近正態(tài)分布，而預(yù)測值的Weibull分布眾值偏左，形態(tài)相對偏離正態(tài)分布。月尺度上，除1月外，其余各月實況和預(yù)測的Weibull分布與全年的基本一致，且各月預(yù)測風速形狀參數(shù)k值接近2，為中性風，說明BJ-RUC模式模擬強陣性風速有局限性；(3)模擬的主導風向與實測的風向有較大偏差，僅對接近滿發(fā)風速區(qū)的風向模擬得較準確，表明BJ-RUC模式對風向模擬有待提高。

風速；風向；BJ-RUC模式；誤差分析

引　言

隨機變化的低層風場通常會導致電廠風電輸出功率呈現(xiàn)出波動性和間歇性的特點[1]。風電場輸出功率的預(yù)測研究已成為提高電網(wǎng)中風電并網(wǎng)能力的重要技術(shù)支撐和研究熱點[2]。風電功率預(yù)測通常以數(shù)值天氣預(yù)報(Numerical Weather Prediction，NWP)模式為基礎(chǔ)，并與物理、統(tǒng)計和耦合預(yù)測算法集成，最終預(yù)測風電場輸出功率。NWP模式的數(shù)據(jù)質(zhì)量和不確定性顯著影響并制約風電功率的預(yù)測精度，亟需對NWP模式數(shù)據(jù)進行科學評估和檢驗，這也是提高不同時間尺度風電功率預(yù)報精度的難點[3]。

目前，國際上可用于風電場功率預(yù)測的經(jīng)典NWP模式主要有：MetUM(Met Office Unified Model)、GEM(Global Environmental Multiscale Model)、ECMWF(European Centre for Medium-Range Weather Forecasts)、WRF(Weather Research Forecasting)、MM5(Fifth-Generation Penn State/NCAR Mesoscale Model)、RUC(Rapid Update Cycle)和COSMO(Consortium for Small Scale Modeling)等[4]。近年來，國內(nèi)相關(guān)研究也發(fā)展迅速，其中，北京市氣象局在RUC模式基礎(chǔ)上開發(fā)的北京快速循環(huán)更新同化系統(tǒng)(Beijing Rapid Update Cycle，BJ-RUC)已廣泛應(yīng)用于國內(nèi)低層風場的風電功率預(yù)測[5-6]。相應(yīng)地，針對多種低層風場數(shù)值模擬產(chǎn)品的檢驗方法也開始迅速發(fā)展，如：Powers[7]對6種主流中尺度模式的模擬值與觀測值分別進行風速偏差(Mean Error，ME)、平均絕對誤差(Mean Absolute Error，MAE)和均方根誤差(Root Mean Square Error，RMSE)分析，系統(tǒng)評價了各模式數(shù)據(jù)預(yù)測質(zhì)量；Jiménez等[8]對復(fù)雜地形下的低層風場進行2 km高分辨率的數(shù)值模擬，并使用標準化Taylor方法對各站點RMSE及相關(guān)系數(shù)進行檢驗；Storm等[9]通過擬合的威布爾(Weibull)風速概率密度函數(shù)對比分析了低空風切變條件下的風速模擬精度；李軍等[10]利用雙參數(shù)Weibull分布模型分析內(nèi)蒙古草原6層高度近1 a的風速序列資料，并利用最大似然法估計多時段、多高度Weibull分布尺度參數(shù)c和形狀參數(shù)k；Wang等[11]基于WRF模式預(yù)報的甘肅酒泉電場區(qū)域風速和風向預(yù)報產(chǎn)品，分析了西北地區(qū)風場預(yù)報中的誤差特征及其影響因素。本文利用2013年甘肅阿克塞當金山風電場風機實況數(shù)據(jù)，對BJ-RUC模式的低層風場數(shù)值預(yù)報產(chǎn)品進行評估檢驗，并探討B(tài)J-RUC模式在干旱區(qū)開展風預(yù)報應(yīng)用的優(yōu)勢和局限性，可為電廠提高風電功率產(chǎn)出和掌握區(qū)域風速特征和風能資源狀況提供科學參考，并為BJ-RUC模式區(qū)域性應(yīng)用和改進提供案例參考。

1　數(shù)據(jù)與方法

1.1數(shù)據(jù)

實況數(shù)據(jù)源于2013年甘肅華電阿克塞當金山49.5 mW風電場風機監(jiān)控數(shù)據(jù)采集系統(tǒng)(Supervisory Control and Data Acquisition，SCADA)，該系統(tǒng)由中國華電集團福新能源股份有限公司甘肅分公司提供。風電場位于甘肅省酒泉市阿克塞哈薩克族自治縣(簡稱阿克塞縣)南部約70 km處的高原戈壁，場址北側(cè)為當金山，三面環(huán)山。場區(qū)海拔在3 050～3 200 m之間，地形平坦、地勢開闊，附近有215國道，施工交通便利。風功率模擬數(shù)據(jù)由BJ-RUC模式獲取，BJ-RUC主模式為WRF V2.2，前處理模塊為WPS V2.2和WRF-VAR V2.1，模擬時間為2013年全年。模式同化和預(yù)報區(qū)域設(shè)置為27 km、9 km、3 km三重嵌套，其中西北地區(qū)選用9 km分辨率數(shù)據(jù)，模式模擬范圍為96.45°E—127.53°E、37.20°N—54.48°N，垂直方向38層，模式層頂為50 hPa。模式參數(shù)化方案為：WSM6顯式微物理方案、Kain-Fritseh(new Eta)對流參數(shù)化方案、YSU邊界層方案、RRTM長波輻射方案、Goddard短波輻射方案、Noah陸面模式[12]。模式采用全球環(huán)流模式背景場資料(T639的GFS資料)進行再分析獲得模式初值，并將常規(guī)及加密探空觀測、常規(guī)及加密地面觀測、船舶/浮標觀測、飛機觀測等全球觀測資料作為業(yè)務(wù)運行同化資料[13]。

通過BJ-RUC將WRF數(shù)值預(yù)報模式產(chǎn)品9 km分辨率提高至3 km，并進一步利用CALMET(California Meteorological Model)動力降尺度模式將分辨率再次提高到1 km，然后插值到每個風機的輪轂高度(80 m)，并輸出未來72 h內(nèi)每15 min格點的風速、風向、垂直風速、溫度、相對濕度和壓強等氣象要素資料(圖1)。

圖1　技術(shù)路線

1.2基礎(chǔ)數(shù)據(jù)檢驗

參考《風電場風能資源評估方法》(GB/T 18710-2002)，數(shù)據(jù)檢驗主要關(guān)注數(shù)據(jù)的完整性和合理性。數(shù)據(jù)完整性是指其數(shù)量和時間順序是否完整。其中，數(shù)據(jù)數(shù)量應(yīng)等于預(yù)期記錄的數(shù)量，而時間順序應(yīng)符合預(yù)期的開始和結(jié)束時間，且時間區(qū)間應(yīng)連續(xù)。利用測風有效數(shù)據(jù)完整率指標檢驗，風電廠所需有效數(shù)據(jù)完整率一般需>90%，具體公式如下：

(1)

式(1)中，Rvi為有效數(shù)據(jù)完整率，No為應(yīng)測數(shù)目(即15 min測量間隔數(shù))，Nm為缺測數(shù)目(即未記錄的15 min間隔平均值數(shù)目)，Ni為無效數(shù)據(jù)數(shù)目(即不合理的15 min間隔平均值數(shù)目)。合理性檢驗主要是根據(jù)數(shù)據(jù)的合理性范圍來檢驗數(shù)據(jù)。通常，風速范圍為0～40 m·s-1，風向范圍為0°～360°。數(shù)據(jù)初始檢驗后，對缺測和不合理的數(shù)據(jù)進行二次判別，進一步甄別符合實際情況的有效數(shù)據(jù)，并將其加入原始數(shù)據(jù)組。并分析備用和參考傳感器的同期記錄數(shù)據(jù)，用于填補無效或缺測數(shù)據(jù)。

表1是當金山風電場2013年逐月測風有效數(shù)據(jù)的完整率，通過檢驗其各月的實況數(shù)據(jù)，剔除并替換無效數(shù)據(jù)，最終獲取研究區(qū)實測的逐15 min風速風向數(shù)據(jù)。

1.3誤差分析

在數(shù)據(jù)檢驗基礎(chǔ)上，進一步提高BJ-RUC模式模擬的NWP數(shù)據(jù)的準確性和可靠性，通過多尺度數(shù)據(jù)檢驗方法實現(xiàn)：(1)誤差指數(shù)：包括標準化平均絕對誤差(NMAE)、標準化均方根誤差(NRMSE)、平均絕對百分比誤差(MAPE)和相關(guān)系數(shù)(R)[14]，其中NMAE、NRMSE和MAPE越低則表明預(yù)報效果越好，R越高表明模擬值與實況值的相關(guān)性越好；(2)誤差分布：包括風速頻率威布爾分布和風向風速玫瑰圖。根據(jù)上述指標分析風速區(qū)間和年、月尺度下模擬與實測數(shù)據(jù)的誤差分布特征。

表1　2013年各月當金山風電場測風有效數(shù)據(jù)的完整性

1.3.1誤差指數(shù)

風機運轉(zhuǎn)對風速有嚴格要求。風速<3.0 m·s-1時，風機難以運轉(zhuǎn)；風速在3.0～11.5 m·s-1區(qū)間內(nèi)，風機輸出功率隨風速增大而相應(yīng)增大；風速>11.5 m·s-1后，風機處于滿發(fā)狀態(tài)，其輸出功率不再隨風速增加而增大；風速≥25.0 m·s-1時，往往易造成風機結(jié)構(gòu)損壞[15]。故參考上述標準，將風速劃分為4個等級區(qū)間：低風速區(qū)(0～3.5 m·s-1)、有效風速區(qū)(3.5～11.5 m·s-1)、滿發(fā)風速區(qū)(11.5～25.0 m·s-1)和高風速區(qū)(≥25.0 m·s-1)。分析不同風速區(qū)的預(yù)報特性及誤差分布規(guī)律，有針對性地提高風功率預(yù)測精度。

為更好地描述風速預(yù)報效果，首先，分別計算MAE、RMSE和R。其中，對MAE和RMSE進行標準化處理以消除量綱影響，從而得到NMAE和NRMSE。其次，按照《中華人民共和國能源行業(yè)標準(NB/T 31046-2013)：風電功率預(yù)測系統(tǒng)功能規(guī)范》要求：“單個風電場短期預(yù)測月均方根誤差率應(yīng)<20%，超短期預(yù)測第4 h預(yù)測值月均方根誤差率應(yīng)<15%”進行檢驗和分析。為準確評價預(yù)報在不同時段的效果，還需計算平均絕對百分比誤差(MAPE)。

1.3.2誤差分布

雙參數(shù)威布爾(Weibull)分布函數(shù)f(v)是一單峰的正偏態(tài)分布函數(shù)，更接近風速實際分布[16]，其風速v的函數(shù)式(3)。式(3)中：f(v)為風速分布函數(shù)；k為無量綱形狀參數(shù)，反映風速分布情況。k值越大，說明風速分布越集中，表示風的變化越小，陣性越弱；k值越小，說明風速分布越分散，表示風的變化越大，陣性更強；c為尺度因子(m·s-1)，其與平均風速相關(guān)，平均風速越大，c值越大；μ為估算的風速平均值(m·s-1)；σ為估算的風速標準差(m·s-1)；Γ(1+1/k)為伽馬函數(shù)。

(2)

(3)

此外，風向風速玫瑰圖是一種重要的圖形分析工具，可用于與風速因子密切相關(guān)的氣象預(yù)報、城市規(guī)劃、建筑規(guī)劃和風資源評估等研究中[17]。風向風速玫瑰圖基于網(wǎng)格化極坐標系統(tǒng)制圖，通過不同方位匯集風向及其頻數(shù)，頻數(shù)最大方位表示該風向出現(xiàn)次數(shù)最多，用不同顏色帶區(qū)別風速大小。

2　結(jié)果與分析

2.1不同等級風速區(qū)的誤差

由四季不同等級風速區(qū)間的頻率分布(圖2)發(fā)現(xiàn)：各季中有效風速區(qū)間所占比例最大，且夏、秋季較高，分別占全季的83.43%和89.89%；低風速區(qū)間次之，春、冬季較高，分別占全季的32.74%和33.85%；滿發(fā)和高風速區(qū)間所占比例整體較小。其中，滿發(fā)風速夏季占比最高為1.09%，秋季最低為0.28%；高風速秋季占比最高為1.28%，冬季最低為0.94%。

圖2　2013年當金山風電場四季不同等級風速頻率(單位：%)

由于高、低風速區(qū)不能發(fā)電，這里僅分析有效風速區(qū)和滿發(fā)風速區(qū)各季節(jié)風預(yù)報效果(圖3)。從季節(jié)來看，實況與預(yù)報值之間的相關(guān)系數(shù)R在2個風速區(qū)都表現(xiàn)為秋季>冬季>春季>夏季。其中，在有效風速區(qū)實況與預(yù)報值四季均為正相關(guān)，而在滿發(fā)風速區(qū)二者秋、冬季表現(xiàn)為正相關(guān)，春、夏季表現(xiàn)為負相關(guān)；除了冬季滿發(fā)風速區(qū)誤差較高外，其余季節(jié)2個風速區(qū)的NMAE和NRMSE都為0.5～1.0 m·s-1，且自秋、夏、春季依次降低；2個風速區(qū)的MAPE季節(jié)分布略有不同。在有效風速區(qū)，MAPE表現(xiàn)為冬季>夏季>秋季>春季，而在滿發(fā)風速區(qū)則表現(xiàn)為冬季>夏季>春季>秋季。對比2個風速區(qū)的誤差和相關(guān)系數(shù)發(fā)現(xiàn)，平均R，有效區(qū)>滿發(fā)區(qū)；MAPE，除夏季外，有效區(qū)<滿發(fā)區(qū)；NMAE和NRMSE，有效區(qū)<滿發(fā)區(qū)。綜上分析可見，有效風速在各季節(jié)的預(yù)測效果較滿發(fā)風速好，且秋季預(yù)報效果總體較好，冬季預(yù)報效果最差。

2.2不同時間尺度誤差

2.2.1年尺度

年尺度誤差分析能夠體現(xiàn)BJ-RUC模式綜合預(yù)報效果。由圖4可知，當金山風電廠2013年全風速區(qū)BJ-RUC模式預(yù)報值與實況的NMAE為0.51 m·s-1，NRMSE為0.65 m·s-1，R為0.25，MAPE為39%，接近可發(fā)電風速區(qū)的誤差結(jié)果，說明該模式產(chǎn)品總體質(zhì)量較優(yōu)。

圖3　BJ-RUC模式預(yù)報的當金山風電場2013年四季有效風速區(qū)和滿發(fā)風速區(qū)與實況之間的R、NMAE、NRMSE和MAPE

圖4　2013年BJ-RUC模式預(yù)報的當金山風電場風速與實況的NMAE、NRMSE、R及MAPE

根據(jù)全年實況(Obs)和預(yù)測(SL)輪轂高度風速估計的Weibull曲線(圖5)得到：觀測的全年輪轂高度c_Obs為5.78，k_Obs為2.84；預(yù)測的全年輪轂高度c_SL為6.33，k_SL為1.74。年實況Weibull分布眾值偏右，形態(tài)相對接近正態(tài)分布；年預(yù)測Weibull分布眾值偏左，形態(tài)相對偏離正態(tài)分布。

分析當金山風電場2013年風機輪轂高度處的風向玫瑰圖(圖6)發(fā)現(xiàn)：該電廠區(qū)觀測的主導風向為南(S)和南南東(SSE)，其頻率分別達26.5%和22%；模擬的主導風向為南南東(SSE)和北北西(NNW)，與實測有較大偏差，該模式對風向預(yù)報效果需提高。

2.2.2月尺度

總體上，各月實況(Obs)與預(yù)測(SL)風速數(shù)據(jù)的Weibull曲線(圖7)與全年大致相同。除1月外，各月實況Weibull分布眾值偏右，相對接近正態(tài)分布；預(yù)測值分布的眾值偏左，相對偏離正態(tài)分布。各月k_Obs在2.29～4.33之間，其中1—4月均<3，4月最小，5—12月均>3，9月最大；c_Obs在4.16～7.06之間，其中6月最大，12月最小?？傮w上，春、冬季c_Obs和k_Obs比夏、秋季小。各月c_SL在4.17～8.09之間，3月最大，12月最小；k_SL在1.28～2.12之間，12月最小，8月最大，1—10月均接近2。根據(jù)《風電場風能資源評估方法》(GB/T 18710-2002)：當k=2時，Weibull分布變?yōu)镽ayleigh分布。由于各月k_SL在2.0左右，故風的變化一般，陣性強度中等，說明該模式未模擬出陣性較強的風速序列，預(yù)測較實況風速變化平緩。

圖5　2013年當金山風電場風速實況與BJ-RUC模式模擬的威布爾風頻圖

圖6　2013年當金山風電場的實況與BJ-RUC模式模擬的風向風速(單位：m·s-1)玫瑰圖

圖8是當金山風電廠2013年各月風機輪轂高度處風向風速玫瑰圖，發(fā)現(xiàn)該廠區(qū)觀測的各月主導風向均為偏南風(S)，而預(yù)測的主導風向除1月為東風(E)外，其余月份均為南東(SE)、南西(SW)、北東(NE)和北西(NW)方向，說明該模式對月尺度風向預(yù)報效果仍需提高。鑒于觀測的全年主導風向均為偏南方向，應(yīng)調(diào)整模式模擬風向。

2.2.3日尺度

波動性和隨機性導致風速很難準確預(yù)報，在大尺度環(huán)流背景相對穩(wěn)定時，風的局地性使其日變化可能較大。因此，進一步計算日尺度模擬風速與實況的NRMSE、MAPE和R。通過對當金山風電場2013年8月1—31日風速模擬與實況間的誤差和相關(guān)系數(shù)(表2)分析發(fā)現(xiàn)：1個月中2/3的天數(shù)的NRMSE<20m·s-1，MAPE<25%，基本滿足規(guī)范中精度要求；相關(guān)系數(shù)R多為負值，表明BJ-RUC模式還需優(yōu)化參數(shù)化方案，以提高相關(guān)性，同時也說明此方法對模擬結(jié)果有較好的檢驗效果。

圖7　2013年當金山風電場風速逐月實況與BJ-RUC模式模擬的威布爾風頻圖

日期NRMSE/m·s-1MAPE/%R日期NRMSE/m·s-1MAPE/%R12.2119.050.35173.0826.04-0.6821.6521.160.07182.4123.350.3331.9323.420.77192.7326.28-0.4643.4230.01-0.21202.8633.41-0.5555.7440.36-0.65213.1029.760.2763.1230.510.34222.5322.40-0.2071.9222.830.16232.2024.93-0.5183.5550.560.73243.4940.94-0.5992.1720.89-0.11253.0528.820.70102.9426.700.19262.8721.730.04111.2320.250.28274.5943.86-0.51122.0023.920.84281.7930.080.81132.0818.950.63292.7039.33-0.80143.7020.54-0.56302.7532.720.33151.9813.43-0.15311.7415.95-0.31162.9530.30-0.44

圖8　2013年當金山風電場的逐月實況(Obs.1-12)與BJ-RUC模式模擬(SL.1-12)的風向風速(單位：m·s-1)玫瑰圖

3　結(jié)論與討論

(1)當金山電場2013年各季中有效風速區(qū)所占比例最大，低風速區(qū)次之，滿發(fā)和高風速區(qū)所占比例整體較小。

(2)BJ-RUC模式模擬與觀測的有效風速區(qū)和滿發(fā)風速區(qū)的NMAE、NRMSE和MAPE值在秋季最小、冬季最大，且有效風速區(qū)的誤差小于滿發(fā)風速區(qū)，表明秋季2個風速區(qū)的預(yù)報效果優(yōu)于其他季節(jié)，且各季節(jié)有效風速區(qū)的預(yù)測效果整體較好。

(3)年尺度上，實況的Weibull分布眾值偏右，形態(tài)相對接近正態(tài)分布，而預(yù)測的Weibull分布眾值偏左，形態(tài)相對偏離正態(tài)分布；月尺度上，除1月外，其余各月觀測與模擬的Weibull分布與全年基本一致。風速的c和k都有明顯的季節(jié)變化：總體上，春、冬季觀測的c_Obs值比夏、秋季小，而k_Obs值秋季最大，春季最?。活A(yù)測的各月風速估計k值接近2，較觀測值偏低，為中性風，說明BJ-RUC模式模擬的風速月變化較為平緩，觀測值的曲線較觀測更趨于對稱，對強陣性風速預(yù)測有局限性。

(4)模式預(yù)測的風機主導風向與實測風向有較大偏差，但接近滿發(fā)風速區(qū)的風向模擬較為準確。

低層風場既受天氣形勢變化影響，也受復(fù)雜下墊面影響，從而形成特殊的局地環(huán)流。BJ-RUC數(shù)值模式的邊界條件、物理參數(shù)化方案以及觀測數(shù)據(jù)等方面都存在不確定性。首先，BJ-RUC模式的預(yù)報中心定位為北京地區(qū)，西北干旱區(qū)與前者的地理位置、氣候條件和下墊面條件均不一致，在模式的邊界條件、物理參數(shù)化方案沒有進一步本地化的情況下進行預(yù)報勢必會影響預(yù)報精度；其次，當金山風電場無測風塔，觀測數(shù)據(jù)來源于風機輪轂高度處SCADA系統(tǒng)采集的數(shù)據(jù)，風機數(shù)據(jù)受尾流影響較大，從而影響了模式的對比精度。BJ-RUC能夠快速更新循環(huán)同化最新的探測資料，其優(yōu)勢使其預(yù)報產(chǎn)品廣泛應(yīng)用于甘肅、陜西、內(nèi)蒙古等新能源服務(wù)地區(qū)，已成為一種不可替代的數(shù)值預(yù)報產(chǎn)品，對BJ-RUC產(chǎn)品的質(zhì)量評估與本地化應(yīng)用是未來新能源領(lǐng)域開展數(shù)值預(yù)報服務(wù)的研究重點。

致謝：感謝中國華電集團福新能源股份有限公司甘肅分公司提供SCADA數(shù)據(jù)以及審稿專家和編輯的寶貴建議

[1] Alois Schaffarczyk. Understanding Wind Power Technology: Theory, Deployment and Optimisation[M]. John Wiley & Sons, Ltd., 2014,1-44.

[2] Liu Z Y. Electric Power and Energy in China[M]. John Wiley & Sons Singapore Pte. Ltd., 2013,73-136.

[3] 孫川永,陶樹旺,羅勇,等. 高分辨率中尺度數(shù)值模式在風電場風速預(yù)報中的應(yīng)用[J]. 太陽能學報, 2009,30(8):1097-1099.

[4] Ishak A M, Srivastava P K, Gupta M, et al. The Development of Numerical Weather Models-A review[J]. Bulletin of Environmental and Scientific Research, 2014,3(1):15-20.

[5] 江瀅,宋麗莉,程興宏. 風電場風速預(yù)報集合訂正方法的嘗試性研究[J]. 資源科學, 2013,35(3):673-680.

[6] 盛春巖,劉詩軍,肖明靜. 十一運會WRF-RUC系統(tǒng)應(yīng)用及典型個例評估[J]. 氣象科技, 2010,38(增刊):6-12.

[7] Powers J G. Numerical prediction of an Antarctic severe wind event with the Weather Research and Forecasting (WRF) model[J]. Monthly Weather Review, 2007,135(9):3134-3157.

[8] Jiménez P A, González-Rouco J F, García-Bustamante E, et al. Surface wind regionalization over complex terrain:evaluation and analysis of a high-resolution WRF simulation[J]. Journal of Applied Meteorology and Climatology, 2010,49(2):268-287.

[9] Storm B, Basu S. The WRF model forecast-derived low-level wind shear climatology over the United States Great Plains[J]. Energies, 2010,3(2):258-276.

[10] 李軍,胡非,王丙蘭,等. 風速的Weibull分布參數(shù)[J]. 太陽能學報, 2012,33(10):1667-1671.

[11] Wang C H, Jin S L. The Features of the Errors and their Possible Causes from a Low-level Wind Field Simulated by WRF[J]. Wind Energy. 2013, DOI:10.1002/we.1635.

[12] 魏東,尤鳳春,范水勇,等. 北京快速更新循環(huán)預(yù)報系統(tǒng)(BJ-RUC)模式探空質(zhì)量評估分析[J]. 氣象,2010,36(8):72-80.

[13] Benjamin S G, Dévényi D, Weygandt S S, et al. An hourly assimilation-forecast cycle:The RUC[J]. Monthly Weather Review, 2004,132(2):495-518.

[14] 劉永前,史潔,楊勇平,等. 基于預(yù)測誤差分布特性的風電場短期功率預(yù)測不確定性研究[J]. 太陽能學報, 2012,33(12):2179-2184.

[15] Thomas Ackermann. Wind power in power systems[M]. John Wiley & Sons, Ltd., 2005,25-51.

[16] Bowden G, Barker P R, Shestopal V, et al. The Weibull distribution function and wind power statistics[J]. Wind Engineering, 1983,7(2):85-98.

[17] Mertens S. The energy yield of roof mounted wind turbines[J]. Wind Engineering, 2003,27(6):507-518.

Quality Assessment of Low-level Wind Prediction Product by BJ-RUC Model：A Case Study of Akesai Wind Farm in Gansu Province

LIU Lijun1, LIANG Youjia2

(1.GansuMeteorologicalServiceCentre,Lanzhou730020,China; 2.SchoolofResourcesandEnvironmentalEngineering,WuhanUniversityofTechnology,Wuhan430070,China)

Based on the observation data of Dangjinshan wind farm with 49.5 mW power in Akesai Kazak county of Gansu Province in 2013, the low-level wind prediction product of Beijing Rapid Update Cycle (BJ-RUC) with high-resolution system was assessed. The results are as follows: (1) The forecast effect for the effective wind speed (3.5 - 11.5 m·s-1) was better than the rated wind speed (11.5 - 25 m·s-1) in four seasons as a whole, and that was the best in autumn and the worst in winter. (2) The Weibull distribution of wind speed frequency from the observation in a year was close to the normal distribution, while that from the simulation deviated from the normal distribution. The Weibull distribution of wind speed frequency in other months was similar to annual wind speed frequency except January. Thekvalue from the simulated by BJ-RUC model in each month approximated 2.0, which indicated that the wind was neutral and simulated gustiness with strong wind speed by BJ-RUC model had limitations. (3) By comparison of the wind rose diagram, the simulations of dominant wind direction for four different levels wind in 2013 were greatly differ from the observation on the whole, but that for the approximative rated wind speed was accurate, which indicated the simulation of wind direction by BJ-RUC model need to be improved.

wind speed; wind direction; BJ-RUC model; error analysis

10.11755/j.issn.1006-7639(2016)-04-0743

2015-10-12；改回日期：2016-01-20

國家自然科學基金(41601184)和中央高校基本科研業(yè)務(wù)費專項資金(2016IVA044)共同資助

劉麗珺(1988- )，女，甘肅定西人，工程師，主要從事CFD風場模擬研究. E-mail: chenshi2124@126.com

梁友嘉(1985- )，男，甘肅慶陽人，講師，主要從事生態(tài)系統(tǒng)評價和環(huán)境建模研究. Email:yjliang@whut.edu.cn

1006-7639(2016)-04-0743-09DOI:10.11755/j.issn.1006-7639(2016)-04-0743

P457.5

A

劉麗珺，梁友嘉.BJ-RUC模式的低層風場預(yù)報產(chǎn)品質(zhì)量檢驗——以甘肅省當金山風電場為例[J].干旱氣象，2016，34(4)：743-751, [LIU Lijun, LIANG Youjia. Quality Assessment of Low-level Wind Prediction Product by BJ-RUC Model：A Case Study of Akesai Wind Farm in Gansu Province[J]. Journal of Arid Meteorology, 2016, 34(4):743-751],