基于WRF-LeS模型和观测 nudging同化方法的海上风力涡轮机湍流设计参数模拟

《Ocean Engineering》：Turbulent design parameters simulation for offshore wind turbines combined WRF_LES model and observation nudging assimilation method

南海LF点56小时风场特性模拟与验证研究。采用WRF-LES模型结合观测数据同化技术，在88.89米分辨率下成功模拟了100米高度风功率谱密度、湍流强度（MAPE 16.53%-19.87%）、Gust因子（MAPE 2.90%-3.86%）及TKE（MAPE 26.26%-27.03%），验证了模型在风场设计参数预测中的有效性，但存在小尺度湍流参数化不足的问题。

　　

江东|张琪|胡秦|王志峰

中国海洋大学海岸与海洋工程国家重点实验室，青岛，266100，中国

摘要

本研究利用WRF_LES和观测数据 nudging 同化技术，模拟了南海LF点56小时的实际情景。通过设置3.E-3s^?1的观测数据 nudging 强度系数，模型有效模拟了100米高度处的风速波动。WRF_LES模拟的湍流强度和阵风因子随着平均风速的增加而减小，这与观测数据一致。在10月24日至10月25日以及10月27日至10月29日期间，100米高度处U和V分量的湍流强度的平均绝对百分比误差（MAPE）分别为17.88%、17.40%、16.53%和19.87%；阵风因子的MAPE分别为2.90%、3.34%、3.08%和3.86%；湍流动能（TKE）的MAPE分别为27.03%和26.26%。在88.889米的分辨率下，模型成功模拟了海上风力涡轮机的关键设计参数，包括风速波动、湍流强度、阵风因子和TKE。功率谱密度（PSD）的比较表明，观测数据和模拟数据都大致符合能量耗散斜率的?5/3规律。尽管WRF_LES能够有效模拟大尺度涡旋结构，但其参数化方案的使用限制了其对小尺度湍流特征的捕捉能力。

引言

近年来，全球变暖的影响，如海平面上升、海水入侵以及极端天气事件的频率和强度增加，使得人们对风能、波浪能和太阳能等可再生能源的开发和利用给予了更多关注（Ueckerdt等人，2015年；Huangfu等人，2017年）。中国计划到2030年安装60吉瓦的海上风电容量，到2050年达到200吉瓦（Wang等人，2023年）。截至2020年，全球海上风电容量为35吉瓦，其中近70%来自北欧（Kong等人，2022年）。这表明中国海上风电应用具有巨大潜力。

许多学者评估了中国的海上风电资源。Yu等人（2019年）、Chang等人（2015年）和Wang等人（2018年）分别评估了渤海、台湾海峡和南海的风能潜力。Jiang等人（2013年）报告称，中国10米高度处的总海上风电潜力为660吉瓦，其中南海的风能潜力最高。风能潜力的评估有助于海上风力涡轮机的选址。然而，在设计海上风力涡轮机时，不仅要考虑长期风特性，还要考虑阵风和湍流等短期风因素（Manwell等人，2007年）。海上风力涡轮机的设计标准，如国际电工委员会（IEC）（2025年）的规定，明确指出了在设计过程中考虑湍流强度和阵风效应的重要性。

天气研究与预报模型（WRF）是一种中尺度数值天气预报（NWP）模型，与其他模型相比具有更高的分辨率和准确性（Tian等人，2021年）。在WRF模型的中尺度模拟中（范围从几公里到几十公里），湍流应力和通量使用一维行星边界层（PBL）参数化方案描述。因此，湍流效应被完全参数化，这限制了模型捕捉大气动力学驱动的微尺度变化的能力（Liu等人，2020年）。天气研究与预报模型的大涡模拟版本（WRF_LES）是一个基于WRF模型的耦合中尺度-微尺度系统，主要用于高分辨率大气模拟（范围从几十米到几百米）（Skamarock等人，2008年；Udina等人，2020年）。其主要目标是研究PBL内的小尺度湍流结构和动态过程。在WRF_LES中，大尺度涡旋被直接求解，而小尺度涡旋则使用参数化模型计算。采用子网格尺度（SGS）应力模型来描述在三维惯性湍流中产生能量的各向同性涡旋（Mu?oz-Esparza等人，2014年）。WRF_LES模型目前广泛应用于实际案例研究和风力涡轮机模拟。Udina等人（2020年）使用WRF_LES进行了25天的大涡模拟，重点研究了湍流强度，他们的结果表明LES成功再现了涡旋的能量。Liu等人（2020年）分析了WRF_LES中不同PBL方案在复杂地形下的敏感性，发现NBA模型在37米分辨率下表现最佳，有效捕捉了大气环流特征。此外，Doubrawa等人（2017年）研究了风力涡轮机尾流效应对WRF_LES实际案例的影响，分辨率达到100米。

作为一种耦合模型，WRF_LES能够模拟从大尺度到小尺度的流场，从而能够解析湍流应力和通量（Udina等人，2020年）。尽管已有许多研究将其用于实际案例和风力涡轮机模拟，但这些模拟仍存在某些局限性（Doubrawa等人，2017年；Udina等人，2020年；Liu等人，2020年）。首先，这些研究仅针对10分钟平均风速验证了模型，并未包括风速波动的比较。其次，WRF_LES需要初始和边界条件，这些条件通常来自欧洲中期天气预报中心（ECMWF）和国家环境预报中心（NCEP）的最终运行全球分析场（FNL）等数据集。然而，在几十米到几百米的分辨率下，WRF_LES模拟的结果与再分析数据之间经常存在差异，尤其是在10分钟平均风速方面。这对于模拟涡轮机湍流和阵风因子尤为重要。许多研究表明，湍流强度和阵风因子与平均风速有关。在低风速下，湍流强度随平均风速的增加而减小；而在高风速下，湍流强度和阵风因子相对保持不变（Davis和Newstein，1968年；Balderrama等人，2012年；Cao等人，2015年）。为了提高WRF模型的性能，采用了 nudging方法将强迫项引入源项，使模型输出更接近观测数据（OBS nudging）或再分析数据（Analysis nudging）。利用精确的观测数据，观测数据 nudging被认为是一种成本效益高且有效的提高模拟精度的方法（Gilliam和Pleim，2010年；Czader等人，2013年）。Cheng等人（2017年）使用陆基涡轮机的观测数据进行OBS nudging，使得0-3小时内的平均绝对误差减少了30%到40%。Mylonas等人（2018年）应用OBS nudging改进了海上风力涡轮机的中尺度建模，风速均方根误差（RMSE）降低了27%。

为了准确模拟海上风力涡轮机的短期风特性并为设计提供参考，本研究使用WRF_LES模型对广州附近潜在海上风电场LF点2022年10月24日16:00至2022年10月25日16:00以及2022年10月27日16:00至2022年10月29日00:00期间的风速进行了精细化模拟。此外，还结合观测数据使用了观测数据 nudging 同化技术来估计海上风力涡轮机的关键设计参数，如湍流强度、阵风因子和湍流动能（TKE）。本文的主要结构如下：第2节介绍数据和方法，包括WRF_LES建模和观测数据 nudging 同化技术；第3节研究和分析了不同区域的风速波动、湍流强度、阵风因子、TKE、功率谱密度（PSD）和其他设计参考因素，并将其与观测数据进行了比较；此外，还包括对台风“Nesat”后强风事件的案例分析。最后一节提出了研究的结论和总结。

章节摘录

WRF-LES模型设置和数据

本研究采用Advanced Research WRF4.3（ARW）动态求解器，选择了Mercator投影。使用了5层嵌套模型，每个域的水平网格尺寸为121 × 121。空间分辨率为12000米、4000米、800米、266.667米和88.889米，时间步长分别为45秒、15秒、3秒、1秒和0.333秒。为了提高模型精度（Philip等人，2016年），所有域都设置了77个垂直层，低海拔区域的层次更密集：5层

WRF-LES结果的分析和验证

我们使用第2节中的WRF_LES方案配置和观测数据 nudging 同化技术来模拟LF点处的风速波动。应用了6小时的启动时间，在此期间没有进行统计分析。分析重点关注2022年10月24日16:00至2022年10月25日16:00以及2022年10月27日16:00至2022年10月29日00:00的数据。

结论

在海上浮动风力涡轮机的设计中，短期风特性是关键参考因素之一。本研究利用WRF_LES和观测数据 nudging 同化技术，模拟了2022年10月24日16:00至2022年10月25日16:00以及2022年10月27日16:00至2022年10月29日00:00期间，南海LF点100米高度处u和v方向的风速波动。主要结论如下。

使用

CRediT作者贡献声明

江东：撰写 – 审稿与编辑，撰写 – 原稿，验证，监督，资源获取，调查，资金筹集，正式分析。张琪：验证，项目管理，资金筹集，正式分析，数据管理。胡秦：可视化，验证，监督，调查，数据管理。王志峰：验证，监督，软件，方法论，调查，正式分析。

利益冲突声明

作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。

致谢

本研究得到了国家自然科学基金（42377457）和中国海洋石油总公司（KJZX-2022-12-XNY-0200、KJGG2022-0202）研究项目的财政支持。我们感谢中国海洋大学先进海洋研究所的海洋大数据中心提供的数据转换和存储服务，以及Yujie Dong提供的专业和技术支持。