巴基斯坦瓜达尔港风能资源的历史变化趋势及预测

ACTA Scientiarum Naturalium Universitatis Pekinensis - - 北京大学学报 -

郑崇伟 高悦 陈璇

郑崇伟1,2,3,† 高悦4 陈璇1

1. 解放军理工大学气象海洋学院, 南京 211101; 2. 中国科学院可再生能源重点实验室, 广州 510640; 3. 海军大连舰艇学院航海系, 大连 116018; 4. 中国海洋报社, 北京 100860; † E-mail: chinaoceanzcw@sina.cn

摘要 利用欧洲中期天气预报中心的Era-interim海表10 m风场资料, 计算巴基斯坦瓜达尔港的风能资源近36年(1979—2014年)期间的历史变化趋势, 并利用线性回归和BP神经网络两种方法, 对该港的风能资源进行长期年度预测, 得到以下结果。1) 瓜达尔港夏季的风能资源比冬季丰富, 且夏季的稳定性明显好于冬季。2) 近36年期间, 风能密度、有效风速频率和100 W/m2以上能级频率分别以−0.78 W/(m2·a), −0.21%/a和−0.22%/a的速度逐年显著递减, 且该趋势主要体现在夏季, 冬季无显著变化趋势; 风能资源的稳定性(变异系数、月变化指数和季节变化指数)无显著变化趋势。3) 从预测值来看, 瓜达尔港的风能资源在2015年与多年平均状态持平, 2016年则趋于更丰富; 2015—2016年, 风能资源的稳定性比多年平均状态略差。研究结果可以为“21世纪海上丝绸之路”建设以及中国海域的岛礁和港口建设提供依据和参考。关键词 21世纪海上丝调之路; 瓜达尔港; 风能资源; 历史变化趋势; 预测中图分类号 P743

作为“21 世纪海上丝绸之路”的关键节点之一,巴基斯坦瓜达尔港(Gwadar Port)的风能资源开发利用将有利于提高其可持续发展能力, 同时可以造福沿线人民, 成为我国的海外示范工程。资源开发应评估先行。郑崇伟等[1]利用来自 ECMWF 的 Erainterim的风场资料, 率先评估瓜达尔港风能资源的季节特征, 结果表明: 瓜达尔港的风能资源常年可用, 年平均风能密度为 121 W/m2, 年平均有效风速频率为 43%; 风能常年稳定地由偏西南向的风贡献。Chang 等[2]对台湾地区的风速特征和风能资源进行分析, 发现该地区蕴藏着较为丰富的风能资源。陈飞等[3]利用 30 多年的气象资料, 分析了连云港地区及其近海的风能资源特征, 发现该地区风能储量丰富, 风速变化稳定, 有广阔的风能开发前景。毛慧琴等[4]利用 100 多个观测站数据, 对广东省沿海的风能进行分析, 发现广东省风能的潜在开发区分布于沿海和河口一带, 可开发量理论值为7.99×l03 MW。周荣卫等[5]指出我国沿海风能资源非常丰富, 沿海多年平均风功率密度约在 300~800 W/m2 之间。郑崇伟等[67]对我国南海重点岛礁的海浪发电和海上风电可行性展开论证, 为南海岛礁建设提供科学依据。前人对我国近海的风能资源评估做了大量研究, 但目前关于瓜达尔港风能的研究还较为稀少, 针对其历史变化趋势和预测的研究更是凤毛麟角。在风力发电和风力提水等风能的实际开发过程中, 往往关注资源的历史变化趋势以及未来预测,以便为长期计划提供科学依据。本研究利用来自ECMWF 的近 36 年 Era-interim 海表 10 m风场资料, 计算瓜达尔港的风能资源在近 36 年期间的历史变化趋势, 并利用线性回归和 BP 神经网络两种方法, 对该港的风能资源进行长期年度预测(30 分钟内的预测为超短期预测, 72 小时内的预测为短期预测, 10 天以上的预测为长期预测[8]), 为风能开发的长期规划、战略支撑点建设等提供科学依据, 为“21世纪海上丝绸之路”建设提供决策辅助。

1 资料与方法1.1 资料

利用欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts, ECMWF)近36 年(1979—2014 年)的 Era-interim 海表 10 m 风场资料。Era-interim 再分析资料是继其早期产品

618 ERA-40 之后的新产品, 使用分辨率更高的气象模式, 在观测资料的应用及同化方法方面也有很大改进[910]。Era-interim 使用最新的 12 小时窗口四维变分同化技术, 同化的资料包括卫星资料、常规观测资料以及模式数据, 其作用是提供 ECMWF 早期产品与新一代产品之间的衔接, 目的是对 ERA-40以及更早的数据进行完善。Era-interim 风场的空间范围为 90°S—90°N, 180°W—180°E; 空间分辨率有 0.125°×0.125°, 0.25°×0.25°, 0.5°×0.5°, 0.75°×0.75°, 1.0°×1.0°, ..., 2.5°×2.5° (本文选择的空间分辨率为0.125°×0.125°); 时间序列为 1979 年 1 月 1 日 00:00至今(不断更新中)(本文选择的时间序列为 1979— 2014 年); 时间分辨率为逐 6 小时(每 6 小时一个数据)[11]。Dee 等[9]、Song 等[10]、Bao 等[12]及马永锋等[13]曾将 NCEP-CFSR, NCEP-NCAR, Era-interim和 ERA-40 Reanalysis 这几种数据与观测资料进行比较, 发现 Era-interim 在均方根误差和偏差方面更优。

1.2 方法

利用 Era-interim 海表 10 m 风场资料, 根据风能密度的计算方法[1415], 首先计算得到近36 年逐 6小时的瓜达尔港海表 10 m 的风能密度数据。基于该数据, 采用一元线性回归方法, 计算分析瓜达尔港风能资源的历史变化趋势, 主要包括风能密度、有效风速频率、能级频率、大风频率、稳定性在近 36 年的历史变化趋势(含 1 月、7 月和逐年的变化趋势)。此外, 还利用 BP 神经网络和线性回归预测方法, 对瓜达尔港的风能资源进行长期年度预测, 主要包括风能密度、有效风速频率、能级频率和稳定性的预测。目前线性回归和 BP 神经网络预测方法比较成熟[1617], 广泛运用于气候分析与预测[18]、城市可持续发展[19]、海平面预测[20]、生态系统风险研究[21]、金融预报[22]等诸多领域。

线性回归模型: 假设预报量为 y, 预测因子向量为 x, 则方程形式为yˆ  a x b , 其中 yˆ 为相应于y 的预测量形式, 该表示形式是为了与预报量的实际值相区别; x′表示 x (默认 x 为行向量形式)的转置; a 和 b 为方程的拟合系数。对于一般数据来说,该方程是超定的, 为此, 常采用最小二乘法求解系

n数, 即: 求取误差表达式 (y  a x b)2取最小值

i i i 1情况下的拟合系数, 其中 n 为样本总量, yi 及 x′i 为相应的样本。

Newspapers in Chinese (Simplified)

Newspapers from China

© PressReader. All rights reserved.