再分析数据在风能资源评估中的优势和局限性*

文 | 刘汉武，王文本，江滢，董旭光

再分析数据在风能资源评估中的优势和局限性*

文 | 刘汉武，王文本，江滢，董旭光

国家标准《风电场风能资源评估办法》规定，利用风电场附近气象站、海洋站等长期测站的测风数据，将风电场测风塔短期测风数据订正为代表年风况数据，以达到评估风电场风能资源气候平均态的目的。长期测站的选取应有：30年以上规范的测风记录；距离风电场较近；与风电场区域具有相似的地形、地貌和天气气候特征。但是，部分气象站，由于近几十年来城市（城镇）的快速发展，气象台站周边楼房等人为建筑物逐渐耸立，气象台站离地10m的测风数据或多或少都受到台站周边人为建筑物的影响，已不足以代表中国的风况。随着数值模拟技术的快速发展，再分析数据和卫星反演数据等代用数据也逐渐为应用工程服务。部分学者开始探究将再分析或卫星数据代替气象站长期测风数据用于风能资源评估的可能性。风能资源评估从评估区域的空间尺度可分为全国和区域的较大尺度的资源评估和拟建风电场区域较小尺度的资源评估两类。陈胜东等和赵彦厂等以NCEP/ NCAR再分析资料为基础分别对浙江和江苏省区域的风能进行数值模拟，并与实测风速进行对比分析，结果表明 NCEP/ NCAR 再分析资料能较好地反映研究区域风能空间分布。冯双磊等利用 NCEP/NCAR 数据，采用MCP分析方法评估了某规划风电场的风能资源。施晓晖等从气候变化角度分析了NCEP/NCAR再分析风速和表面温度的可信度。这些研究都局限于某个风电场或局地风能资源的分析研究。本文系统地分析研究了再分析资料在模拟中国近地层风速的平均分布、数值大小、变化趋势、年变化特征以及大小风速年景等方面的能力；并选取安徽省萧县和泗县气象站为典型个例，探讨再分析资料在风电场风能资源评估中应用的特点；最后从工程应用的角度，着重分析再分析资料在风能资源评估方面，尤其在风能资源分布和长年代订正方面的优势和局限性。

资料和方法

一、实测资料

本文从中国基准、基本气象台站和一般气象台站中挑选出1961年－2005年时段内无缺测，且周边人为建筑影响较小的535个气象站，这些气象站都符合WMO全球观测系统规范和中国气象局观测技术规范，由国家气象信息中心提供。

二、再分析数据

美国国家环境预报中心（NCEP）分别与美国国家大气研究中心（NCAR）和美国能源部（DOE）合作研制的NCEP/NCAR再分析数据集。欧洲中期天气预报中心（ECMWF）再分析中心研发的ERA-40和ERA-Interim再分析数据集。

三、对比检验法

风速偏大（小）年：是指该年年平均风速比多年平均风速大（小）。

大（小）风年景：是指该年年平均风速比多年平均风速大（小）超过多年平均风速的4%。

风速偏大小年一致率（大小风年景一致率）：是指对比的两组风速偏大年（大风年景）与实测一致的年数与偏小年（小风年景）与实测一致的年数的和，与总年数的比率。

风速偏大小年相反率（大小风年景相反率）：是指模拟风速偏大年（大风年景）时，实测风速为偏小年（小风年景）的年数；与模拟风速偏小年（小风年景）时，实测风速为偏大年（大风年景）的年数和，与总年数的比率。

四、剔除线性趋势法

风速序列与线性回归序列的残差序列即为剔除变化趋势的风速序列。

五、区域划分

根据中国近地层风速分布和变化特征，结合地形地貌特点，将中国地区分为北-西北、东北、西南、中南和东南5个区域。

分布特征比较

表1 各区年平均风速值（m/s）和风速历年变化趋势（m/s·10a）表（1961年-2005年）

中国1961年－2005年年平均风速呈“北大南小，沿海大内陆小”的基本分布特征，其中新疆大部、河套至四川华南为两个较小风速中心；青藏高原、华北至东北南部、东南沿海三个较大风速中心（图1）。再分析数据都能较好地模拟出中国“北大南小，沿海大内陆小”的基本分布特征，并也在一定程度上模拟出中国平均风速两个较小风速中心和三个较大风速中心，但大（或小）风速中心的位置和范围有所差异，其中ERA-interim模拟较小（或大）风速中心的位置和范围最接近实测。

从再分析平均风速与实测的差值分布来看（图略），ERA-40和ERA-interim模拟全国绝大部分地区平均风速均偏小。NCEP模拟新疆大部、东北东部和华北至江南的部分地区平均风速偏小，模拟宁夏南部至四川和云南等部分地区平均风速偏大。

变化特征比较

一、 变化趋势

1961年－2005年中国各区实测年平均风速呈明显的减小趋势变化（图2），与许多学者的研究结论一致。NCEP能模拟出各区域和全国风速呈显著减小的变化趋势，且模拟北-西北、西南、东南和全国平均风速减小趋势值与实测相当，但未能模拟出东北区和中南区平均风速变化趋势特征。ERA-interim和ERA-40模拟出各区域风速变化趋势与实测差约1个量级。

表2 风资源区和全国大小风年景表（1985年-2005年）

二、 大小风年景的一致性

为了避免再分析数据模拟风速变化趋势的能力影响大小风年景的判别，首先剔除年平均风速的变化趋势。从表2中可以看出，除了ERA-40模拟东北区平均风速偏大和偏小年与实测一致率超过70%外，三套再分析数据模拟全国平均和风能资源丰富的北-西北、东北和东南区平均风速偏大和偏小风年与实测一致率一般在50%-70%。

再分析数据模拟中国和区域风速的大小风年景与实测的一致率非常不稳定，其中ERA-40和NCEP模拟的东北区风速大小风年景非常好，与实测一致率达80%，但ERA-40模拟的北-西北区、东南区和全国大小风年景与实测的一致率为0%。除了NCEP模拟东北区外，没有再分析数据模拟大小风年景与实测相反（表2）。也就是说，再分析数据难以模拟区域平均风速的年际变化特征。

表3 典型站多年年平均风速及其变化趋势（1985年-2001年）

三、季节变化特征

实测风速年变化特征表明（图3），北-西北区平均风速季节变化特征明显，ERA-40和ERA-interim基本上能模拟出北-西北区平均风速的季节变化，但NCEP不能模拟出平均风速的季节变化；NCEP能较好地模拟出中南区的季节变化，而ERA不能；三种再分析数据都能较好地模拟出西南区风速的季节变化，且都不能模拟出东北区和东南区风速的季节变化。从全国平均来看，三种再分析数据难以稳定地模拟出中国风速的季节变化特征。

个例分析

选取安徽省典型测站进行分析。挑选条件为：（a）地形地貌特征一致；（b）天气气候特征一致；（c）1985年－2001年期间无迁址、无测风仪器变更、无测风仪器高度改变；（d）1985年－2001年期间周边10km无超过2层楼房建设。以符合条件的萧县和泗县为典型测站，对再分析数据模拟近地层风速能力进行个例分析和检验。

从表3可知，1985年－2001年萧县和泗县年平均风速呈明显的减小趋势。再分析数据模拟这两个典型测站无明显或略呈增加趋势变化。再分析数据模拟两站平均风速值比实测小50%左右，即，再分析数据不能模拟出单点的风速的长期趋势变化特征。

剔除变化趋势后，萧县年平均风速偏大和偏小年与泗县的一致率达76.49%；再分析模拟风速偏大和偏小年与实测的一致率一般在50%左右。两测站大小风年景一致率达84.21%；再分析数据模拟大小风年景一致率一般不到50%。两测站大小风年景相反率为0%，但三套再分析数据模拟测站风速大小风年景与实测相反率为30－40%（表4）。

表4 典型测站大小风年景表统计表（1985年-2001年）

可知按照本节条件选择A、B两测站，假设A测站仅有一年观测，用另一测站B对其偏大或偏小年订正到多年平均态时，准确率达84%，个别年即使不是大风（小风）年景，也是偏大（偏小）风年。因此，利用A、B测站进行风能资源评估的长年代订正，无论使用《标准》规定的相关系数法，还是简单直观的大小风年景法，都可以减小因拟建风电场测风塔观测时间短，而造成的观测误差。如果用再分析数据对A测站一年的观测进行长年代订正，由于再分析数据与实测一致率仅为50%左右，使得订正后的风速有50%的可能性，能减小观测时间短造成的观测误差；又因再分析数据与实测存在相反率，即，存在一定的可能性，把A测站实测年风速大于（小于）多年平均风速时的风速订正得更大（更小），而带来额外的误差。

小结与讨论

通过前面的对比研究可知，ERA-40、ERA-interm和NCEP再分析数据在模拟中国区域近地层风速分布方面具有一定的能力。即，再分析数据在提供和分析较大尺度的区域风能资源的分布特征，较粗略地了解风速较大区域和风速较小区域等方面具有一定的优势。但再分析数据都较难模拟出近50年来中国和区域风速呈显著减小的变化趋势、大小风年景以及季节变化特征。

两个典型气象站间具有较高的风速偏大偏小年一致性和较高的大小风年景的一致性，且无大小风年景相反率为0%；再分析数据模拟气象站位置的年平均偏大偏小风速年与实测的一致率较小，大小风年景一致率不稳定，且存在一定的相反率。由此说明，在尽量排除认为建筑影响的前提下，相同的天气气候条件、相似的地形地貌特征的两个测站，具有相似的风速变化特征，进行风能资源长年代订正可以减小由于测风塔观测时间短而带来的观测误差；而利用再分析数据进行长年代订正，有50%的可能性能减小测风塔观测年短造成的观测误差，同时存在带来额外误差的可能性。

当然，本文使用的大小风年景或偏大偏小风速与《标准》中附录A推荐使用的16方位测风塔风速与气象站风速相关关系法有所不同。但是，无论什么方法，长年代订正主要目的是判断测风塔实测年风速是否与近30年平均风速存在差异，并将这种差异对测风塔实测数据进行订正，以减小由于测风塔实测年较短而带来的观测误差。个例分析说明，如果采用再分析数据代替长期测站进行长年代订正，有30%－50%的可能性会给评估带来额外误差。另外，再分析数据不仅仅只有这三种，还有JMA、CMA等单位再分析数据，也有3-Tier和MERRA等融入了卫星、更多的实测数据和增加了更先进的数据处理技术等的代用数据集。但是无论是卫星数据还是再分析数据（目前大多数再分析数据融合了实测数据、卫星数据和遥感数据等），或是两者融合等数据集，都是通过数值模拟、卫星反演等技术方法获得的代用数据集。此类数据在分析、研究甚至应用于较大范围的风能资源分布特征，将实测数据由“点”推广到“面”等方面具有明显的优势。但代用数据由于受到其研制原理和目前技术能力所限，在模拟或反演近地层风速变化方面仍存在明显的不足。个人认为，就目前的代用数据来说，不宜直接用于风电场风能资源评估中的长年代订正。对于风电场风能资源评估的长年代订正，今后应从实际应用角度出发，进一步研发实测数据的应用技术、实测与再分析数据和卫星数据集联合应用技术、模式和模型等的应用技术等。

（作者单位：刘汉武，王文本：安徽省巢湖气象局；江滢：中国气象局公共气象服务中心；董旭光：山东省气候中心）

国家自然基金“中国观测风速长期变化的原因和机制研究”项目（41205114）