2. 北京华新天力能源气象科技中心,北京 100081;
3. 中国气象局风能太阳能资源中心,北京 100081
2. Huaxintianli Energy and Meteorological Technology Center, Beijing 100081;
3. Wind and Solar Power Resource Centre, CMA, Beijing 100081
环北极地区处于沿海或位于北冰洋,常年风速较高,风能资源丰富,白令海、楚科奇海、巴伦支海、格陵兰岛、喀拉海均适于风电开发。此外,北极地区是北半球三大洲向北延伸的交汇,在实现三大洲电网联网方面拥有无与伦比的地理位置优势,也是全球能源互联网构建的必经之地,对优化全球能源格局具有重要战略意义。然而,北极地区气候极端,强风和低温使得风电资源开发及外送对风机、杆塔、输电线路等仪器设备的要求很高。因此,在风电场和输电线路设计阶段需要详细调查北极地区风温等气象要素的分布状况以及风场特性、抗风参数等,为输电线路抗风和风电场微观选址提供参考依据。
目前在北极地区地面观测资料较少,主要依赖于国际交换站历史资料。然而,此资料是一天4次或8次的定时记录结果,而风场特性和抗风参数研究往往需要逐时风速风向资料和最大风速资料,因此,需要对定时资料计算结果进行相应的转换。定时资料与逐时资料的转换,通常是利用同期的两种记录进行相关性分析得到。在我国不同地区也有一些经验关系(朱瑞兆,1991)。但是,对工程具有非常重要意义的重现期风速,如何从定时资料获取,却鲜有研究。
通常重现期风速是对气象站历史年最大风速序列进行概率分布函数拟合(例如极值分布函数、P-Ⅲ分布函数等)得到。但是,定时记录里可能没有出现年最大风速值,从而导致年最大风速值估计偏小,影响重现期风速值计算结果。如何从定时观测数据中获取年最大风速,目前还没有很好的方法。虽然也有一些针对气象要素的插补研究(江志红等,1999;王海军等,2008;余予等,2012;王远和钟华,2012;刘志远等,2016),但是,在极值的重构方面还没有很好的效果。目前虽然也有各种再分析资料,但是,由于模式本身的缺陷和观测资料的稀疏,在缺资料地区再分析资料的可靠性也还存在问题(魏丽和李栋梁,2003;赵天保等,2004;2010;谢爱红等,2007;谢潇等,2011;胡梦玲等,2015;除多等,2016),而且,再分析资料通常用于平均态和较大空间尺度的分析(赵天保等,2010),在局地范围的极值分析方面极少应用(高路等,2014;Cannon et al, 2015)。因此,对重现期风速的计算主要考虑对定时记录得到的重现期风速进行修正。
1 资料介绍 1.1 北极地区气象站资料选取喀拉海和拉普捷夫海沿岸附近风速较大(>3 m·s-1)、记录比较长(1980—2015年)的国际交换站资料进行分析。站点分布见图 1。资料来自于国家气象信息中心全球地面天气报定时资料集。
由于国际交换站资料为实时传输资料,未经过质量控制或仅经过一些简单的质量控制(熊安元,2003;窦以文等,2008;韩海涛和李仲龙,2012;任芝花等,2015),资料质量存在严重问题。国家气象信息中心对1980年以来的国际交换站资料进行了一系列的质量检查和分析,各要素的质量有大幅提高(任芝花等,2006)。但是,对于风速的质量检查只包括了气候界限值、要素允许值范围检查、台站气候极值检查、内部一致性检查等(任芝花等,2006),对风速资料质量控制还不够。因此,首先要对全球地面天气报风速历史资料进行质量分析和控制。
图 1中的28个站原始的风速序列存在一些不合理的大值(图 2a)。通过质量判别码剔除一些不合理值之后,仍存在一些较大的风速值(图 2b)。这些值是否正确,还需要进一步的分析。
由于重现期风速关注的是年最大风速,因此,进一步的质量控制主要针对较大的风速值。通常大风伴随一定的天气系统运动,气压、气温等要素也会有相应的变化,相邻的气象站各要素也可能存在相应变化,这些都可以作为大风速值的合理性判断依据。
喀拉海和拉普捷夫海附近区域主要受冰洋大陆或海洋气团控制,两种气团性质相近,气温低、水汽少、气层非常稳定,大风的性质与我国偏北地区的冷空气大风相似。其次,喀拉海和拉普捷夫海沿岸区域海拔高度差不大,常年平均风速较大,与我国北方内蒙古地区相似。因此,风速差值的阈值主要参考内蒙古风速较大地区的风速变化差值。
选取内蒙古地区1980—2015年年平均风速>3 m·s-1的国家气象站风速资料(共43个站),计算6 h风速变化绝对值,统计各站最大风速变化绝对值,得到6 h风速变化绝对值范围分别为14~23 m·s-1。
借鉴此结果,选取6 h风速变化绝对值>14 m·s-1的值作为进一步分析的大风速值。同时,质量判别码为可疑的数据中风速较大的值(>14 m·s-1)也一并进行分析。
针对每个大风速值,参照刘小宁和任芝花(2005)对气温极端事件的质量控制方法,对大风速值的质量控制也进行了不同观测项目(风速、风向与气温、气压、露点)间的一致性检查、邻近站检验,同时参考NCEP资料分析的天气过程等,对不合理的大风速值进行了剔除,最后得到比较平稳的风速序列(图 2c)。
1.3 我国国家站资料同时,选取我国国家站中风速较大(>3 m·s-1)、年最大风速记录和定时记录均比较长(1980—2015年)的站点用于研究重现期风速修正关系。站点分布见图 3。其中,沿海地区共35站,东北和内蒙古地区共103站,新疆等复杂地形地区共14站,其中有一些高山站和海上观测站。
对图 1中的气象站,从定时资料中统计出每年的风速最大值,得到年最大风速序列,利用耿贝尔分布函数进行拟合,得到50年一遇和100年一遇重现期风速Vd50和Vd100,如表 1和图 4所示。重现期风速分布基本上与平均风速分布一致,平均风速最大的地方重现期风速也最大,这也体现了主要受系统性大风影响的区域的风特性。50年一遇和100年一遇的重现期风速最大分别为44.4和46.3 m·s-1,出现在喀拉海西侧新地岛上。
同时,从NCEP每天4次的再分析资料中统计每年的风速最大值,得到年最大风速序列,也利用耿贝尔分布函数进行拟合,得到50年一遇和100年一遇重现期风速,如图 5所示。与气象站资料计算的重现期风速相比,NCEP再分析资料得到的重现期风速在风速较大的区域明显偏小,尤其是在喀拉海西岸的新地岛。
对图 3中的气象站,首先分别对定时资料统计得到的年最大风速序列Xd,和年值统计资料的年最大风速序列Xy进行概率分布拟合(耿贝尔函数),得到50年一遇和100年一遇的两组重现期风速Vd50、Vd100和Vy50、Vy100(图 6)。然后,分别计算两组资料得到的重现期风速的差值D50=Vy50-Vd50和D100=Vy100-Vd100。将此差值与Xd的均方差σd进行一阶函数拟合,得到拟合的重现期风速分别为:
$ {V_{{\rm{f5}}0}} = 0.64{\sigma _{\rm{d}}} + 2.08 + {V_{{\rm{d50}}}} $ | (1) |
$ {V_{{\rm{f100}}}} = 0.57{\sigma _{\rm{d}}} + 2.06 + {V_{{\rm{d1}}00}} $ | (2) |
拟合平均相对误差分别为3.47%和3.3%,平均绝对误差分别为0.95和0.86 m·s-1。其中,选取均方差σd>2的站点拟合的重现期风速分别为
$ {V_{{\rm{f}}50}} = 0.74{\sigma _{\rm{d}}} + 1.44 + {V_{{\rm{d50}}}} $ | (3) |
$ {V_{{\rm{f1}}00}} = 0.85{\sigma _{\rm{d}}} + 1.36 + {V_{{\rm{d100}}}} $ | (4) |
拟合平均相对误差分别为2.49%和2.87%,平均绝对误差分别为0.79和0.65 m·s-1,绝对误差最大值不超过2 m·s-1。选取均方差σd < 2的站点用方差的线性函数拟合误差较大。表 1中各站均方差>2,故利用式(3)和式(4)拟合计算重现期风速。
由于式(3)和式(4)是根据不同地形下的气象站资料统计得到,可以推广应用到北极大风区。利用式(3)和式(4)对图 1中的气象站定时资料得到的重现期风速进行修正,得到新的重现期风速(表 1)。
3 结论重现期风速是风电、电网、铁路、桥梁等工程项目建设非常关注的一个参数,与工程投入直接关联。在北极地区由于风观测资料较少,主要是国际交换站资料。国际交换站的风速资料中存在一些异常大的值。需要对其合理性进行分析。在缺少其他参考资料的情况下,根据北极地区大风天气过程特征,从不同要素间的一致性和不同站点间的一致性等来检验。通过质量分析后的数据用来计算重现期风速,并根据我国部分风速较大的国家站的定时资料和年值资料中的最大风速分别计算的重现期风速的关系:Vf50=0.74σd+1.44+Vd50,Vf100=0.85σd+1.36+Vd100(当均方差>2时),推荐了北极喀拉海和拉普捷夫海沿岸部分气象站位置50年一遇和100年一遇的风速。但是,由于缺少其他参考资料,此重现期风速的可靠性难以进一步论证。
目前有一些研究利用再分析资料分析极端气象条件。但是,在北极这种观测资料稀少,气候极端的地区,NCEP再分析资料虽然能够反映天气变化趋势,但总体序列较实际观测结果平稳,重现期风速比实际观测资料计算的结果小。
除多, 杨勇, 罗布坚参, 等, 2016. MERRA再分析地面气温产品在青藏高原的适用性分析[J]. 高原气象, 35(2): 337-350. DOI:10.7522/j.issn.1000-0534.2015.00018 |
窦以文, 屈玉贵, 陶士伟, 等, 2008. 北京自动气象站实时数据质量控制应用[J]. 气象, 34(8): 77-81. DOI:10.7519/j.issn.1000-0526.2008.08.012 |
高路, SchulzKarsten, 陈兴伟, 等, 2014. 基于ERA-Interim再分析资料的中国极端气温分析[J]. 南水北调与水利科技, 12(2): 75-106. |
韩海涛, 李仲龙, 2012. 地面实时气象数据质量控制方法研究进展[J]. 干旱气象, 30(2): 261-265. |
胡梦玲, 游庆龙, 林厚博, 2015. 青藏高原地区多套位势高度和风场再分析资料的对比分析[J]. 冰川冻土, 37(5): 1229-1244. |
江志红, 丁裕国, 屠其璞, 1999. 气象场序列几种插补方案的对比试验[J]. 南京气象学院学报, 22(3): 353-359. |
刘小宁, 任芝花, 2005. 地面气象资料质量控制方法研究概述[J]. 气象科技, 33(3): 199-203. |
刘志远, 李良县, 任腊春, 2016. 插补测风塔缺测数据的相关性计算方法讨论[J]. 可再生能源, 34(9): 1342-1347. |
任芝花, 许松, 孙化南, 等, 2006. 全国地面天气报历史资料质量检查与分析[J]. 应用气象学报, 17(4): 412-420. DOI:10.11898/1001-7313.20060404 |
任芝花, 张志富, 孙超, 等, 2015. 全国自动气象站实时观测资料三级质量控制系统研制[J]. 气象, 41(10): 1268-1277. DOI:10.7519/j.issn.1000-0526.2015.10.010 |
魏丽, 李栋梁, 2003. NCEP/NCAR再分析资料在青藏铁路沿线气候变化研究中的适用性[J]. 高原气象, 22(5): 488-494. |
王海军, 涂诗玉, 陈正洪, 2008. 日气温数据缺测的插补方法试验与误差分析[J]. 气象, 34(7): 83-91. DOI:10.7519/j.issn.1000-0526.2008.07.012 |
王远, 钟华, 2012. 风电场缺失测风数据插补方法的分析[J]. 可再生能源, 30(3): 14-21. |
谢爱红, 秦大河, 任贾文, 等, 2007. NCEP/NCAR再分析资料在珠穆朗玛峰-念青唐古拉山脉气象研究中的可信性[J]. 地理学报, 62(3): 268-278. DOI:10.11821/xb200703004 |
谢潇, 何金海, 祁莉, 2011. 4种再分析资料在中国区域的适用性研究进展[J]. 气象与环境学报, 27(5): 58-65. |
熊安元, 2003. 北欧气象观测资料的质量控制[J]. 气象科技, 31(5): 314-320. |
余予, 李俊, 任芝花, 等, 2012. 标准序列法在日平均气温缺测数据插补中的应用[J]. 气象, 38(9): 1135-1139. |
赵天保, 艾丽坤, 冯锦明, 2004. NCEP再分析资料和中国站点观测资料的分析与比较[J]. 气候与环境研究, 9(2): 278-294. |
赵天保, 符淙斌, 柯宗建, 等, 2010. 全球大气再分析资料的研究现状与进展[J]. 地球科学进展, 25(3): 242-254. |
朱瑞兆, 1991. 应用气候手册[M]. 北京: 气象出版社.
|
Cannon D J, Brayshaw D J, Methven J, et al, 2015. Using reanalysis data to quantify extreme wind power generation statistics: a 33 year case study in Great Britain[J]. Renewable Energy, 75: 767-778. DOI:10.1016/j.renene.2014.10.024 |