[发明专利]一种基于中尺度模型和微尺度模型结合的风资源计算方法

说明书

本发明提供了一种基于中尺度模型和微尺度模型结合的风资源计算方法，包括：获取目标区域的测风塔实测数据，并且获取与所述目标区域对应的再分析数据作为背景场；通过中尺度模型对背景场进行模拟计算，得到WRF中尺度气象模式数据；通过微尺度模型对背景场进行模拟计算，得到OpenFOAM微尺度计算结果；根据测风塔实测数据和WRF中尺度气象模式数据建立统计关系；利用统计关系修正OpenFOAM微尺度计算结果，得到风资源修正计结果。本发明可实现在中尺度气候要素与区域气候要素相关性差的地区进行运算和预测，提高了计算效率、降低了计算量、并且大大提高了对气候模拟的准确度。

技术领域

本发明涉及风资源评估技术领域，更具体地说，涉及一种基于中尺度模型和微尺度模型结合的风资源计算方法。

背景技术

WRF(Weather Research and Forecast天气研究和预测)是一个被广泛使用的气象模型。WRF模式现在具备最为先进的数值方法和数据同化技术，采用经过改进的物理过程方案，同时具有多重嵌套及易于定位于不同地理位置的能力，重点考虑几公里至几十公里分辨率的水平网格，改进了从云尺度到天气尺度等不同尺度重要天气特征的模拟和预报精度，很好地适应从理想化研究到业务预报等不同应用的需要，并己广泛地使用在风资源模拟和风速预测的业务中。由于WRF属于中尺度模式，重点模拟的是从几公里到几百公里尺度的天气现象，一般只考虑1-10公里分辨率的水平网格，而无法达到几十米分辨率的小尺度精细化模拟。尤其是在复杂地形下，地形对于风速的强迫改变作用难以在WRF中得到体现。因此一般使用降尺度的方法，将WRF输出的低分辨率风速数据转化为高分辨率的精细化数据。

目前降尺度方法主要分为统计降尺度和动力降尺度。其中，统计降尺度法是利用多年的观测资料建立中尺度气候状况和区域气候要素之间的统计关系，并用独立的观测资料检验这种关系，最后再将这种关系应用于全球气候模式输出的中尺度气候信息，来预测区域要素的气候变化趋势；而动力降尺度就是中尺度模式驱动小尺度模式得到更精细化的风场，如中尺度模拟结果提供整个区域真实的气象背景作为CFD模型的入口条件；而CFD模型对中尺度模拟结果进行细化。

目前，统计降尺度法的缺点是需要足够的观测资料建立统计模式，不能用于中尺度气候要素与区域气候要素相关性差的地区；而传统的动力降尺度方法的缺点是计算量大，费机时，受全球气候模式提供的边界条件影响，动力模式对气候模拟的系统误差比较大。

发明内容

有鉴于此，本发明提供一种基于中尺度模型和微尺度模型结合的风资源计算方法以解决现有技术的不足。

为解决上述问题，本发明提供一种基于中尺度模型和微尺度模型结合的风资源计算方法，所述中尺度模型为WRF中尺度模型，所述微尺度模型为OpenFOAM微尺度模型，包括：

获取目标区域的测风塔实测数据，并且获取与所述目标区域对应的再分析数据作为背景场；

通过所述中尺度模型对所述背景场进行模拟计算，得到WRF中尺度气象模式数据；并且，通过所述微尺度模型对所述背景场进行模拟计算，得到OpenFOAM微尺度计算结果；

根据所述测风塔实测数据和所述WRF中尺度气象模式数据建立统计关系；

利用所述统计关系修正所述OpenFOAM微尺度计算结果，得到风资源修正计算结果。

优选地，所述“通过所述中尺度模型对所述背景场进行模拟计算，得到WRF中尺度气象模式数据”包括：

根据所述中尺度模型，构建WRF中尺度模式的所述目标区域中的公里级网格；

基于所述背景场，针对所述目标区域计算所述公里级网格的风速，得到WRF中尺度气象模式数据。

优选地，所述“根据所述中尺度模型，构建WRF中尺度模式的所述目标区域中的公里级网格”包括：