下载掌阅APP，畅读海量书库
立即打开
所谓数值天气预报（Numerical Weather Prediction，NWP），就是在给定初始条件和边界条件的情况下，利用高性能计算机数值求解大气运动基本方程组，由已知的初始时刻大气状态预报未来时刻的大气状态。数值天气预报有两种模式，一种是全球尺度数值气象模式，另一种是中尺度（区域）数值气象模式。
数值天气预报与经典的天气学预报方法不同，其根据大气实际情况，在一定初值和边界条件下，通过数值计算预报未来天气，是一种定量的、客观的预报。首先，数值天气预报需要一个初始时刻的状态作为初始场，初始场一般由常规观测资料以及其他非常规观测资料（雷达观测，船舶观测，卫星观测等）同化而成；其次，数值天气预报要求建立一个能较好反映预报时段（短期的、中期的）的数值预报模式和误差较小、计算稳定、运算较快的计算方法，在此基础上，数值天气预报基于五个基本方程（运动方程、连续方程、状态方程、热力学方程、水汽方程），并根据预报的时空尺度和预报对象对方程组进行简化，使用不同的差分方式进行数值计算；再次，数值天气预报需要基于数值模式的动力框架将物理过程进行参数化以描述不同尺度的天气过程，参数化过程的优化和改进对提升预报准确率起着关键的作用。数值天气预报的基本方程组如下所示：
全球尺度数值气象模式在空间范围上覆盖整个地球，其目标是求解全球的天气状况。目前世界上较为著名的全球尺度数值气象模式包括美国的GFS、欧洲的ECMWF、加拿大的GEM、日本的GSM等，我国的全球尺度数值气象模式主要为T639和GRAPES模式，目前全球尺度的预报数据已成为各国开展天气预报的主要参考信息。
1975年成立的欧洲中期天气预报中心是目前全球模式研发水平最高的机构，其全球尺度数值气象模式ECMWF的预报技巧演变如图2.1所示，包括了北半球和南半球的3天、5天、7天和10天的预报技巧演变曲线，其中预报技巧超过60%表示预报结果可用，超过80%表示预报准确度很高。从图中可以看到，过去近40年间，预报技巧每10年就能提高大约1天。目前第6天的预报准确性水平与10年前第5天的预报准确性水平相当（1999年之后北半球和南半球曲线收敛是因为使用了变分方法同化卫星资料）。美国国家环境预报中心（NCEP）的GFS模式背景场使用较为广泛，为了在预报精度上追赶ECMWF模式，GFS模式已多次升级，其分辨率和精度都有一定提升。综合来看，全球模式背景场精度的提升是一个较为缓慢的过程。
图2.1 ECMWF 500百帕（hPa）位势高度要素的预报技巧演变图
中国气象局目前的业务化全球模式为T639和GRAPES。T639的核心技术引自国外，GRAPES模式则是我国自主研发的全球模式。目前GRAPES模式的各项技术指标已超过T639模式，虽然综合指标与国际一流水准尚存一定差距，但部分要素的预报能力已经接近ECMWF模式的预报水平。
表2.1展示了目前主要的全球模式背景场信息，最高水平空间分辨率均达到了0.25°×0.25°左右（对于我国所处的经纬度，1°可近似认为约100km），其中ECMWF模式达到了0.1°×0.1°。但精细化的同时也带来了下载数据量大、下载时间不及时的问题，因此许多机构使用的仍是较低版本的0.5°×0.5°，甚至是1°×1°分辨率的背景场数据。
表2.1 主要的全球模式背景场信息
全球尺度数值气象模式是一个复杂的系统工程，背景场精度的提升需要在动力框架、同化方法、计算方案、参数化方案、软件工程等多个方面取得突破，还需提升计算机的计算速度以进一步提高模式分辨率。此外，还应推动全球各个国家和地区的气象观测数据共享互助，包括增加观测站点数量、提升观测数据质量，以及促进数据共享等。以参数化方案为例，全球模式将越来越重视改进云微物理过程、积云对流过程、陆面过程、地形效应等微尺度物理过程，并且注重大气同陆地之间的耦合效应；以数据同化为例，全球模式将使用四维变分同化、卡尔曼滤波等方法的混合同化，吸收越来越丰富的卫星等观测资料。
如前文所述，全球尺度数值气象模式的水平空间分辨率一般在数十至上百公里量级，由于空间分辨率过低，全球尺度数值气象模式难以体现微地形、微气象引起的风电场、云层和辐照度的精细变化，所以对于风光新能源发电功率预测的应用场景，一般需要使用更为精细化的中尺度（区域）数值气象模式。
中尺度（区域）数值气象模式的水平空间分辨率一般在几公里量级，对云微物理、微地形、陆面过程、边界层过程等物理过程的参数化方案描述更为细致，能够动力解析局地对流过程，且能够高频地同化局地更多卫星、雷达等的观测资料，预报结果较全球尺度数值气象模式更为精确。目前较为著名的中尺度（区域）数值气象模式包括美国的WRF、MPAS、我国的GRAPES-MESO等。
美国国家大气研究中心（NCAR）研发的WRF模式是使用最为广泛的中尺度（区域）数值气象模式。通过数十年的研发，WRF模式具备先进的数值方法和物理过程参数化方案，同时具有多重网格嵌套能力，预报效果较好。WRF模式的数据同化接口较多，如WRF-DA、GSI、DART等主流同化系统均与WRF模式有接口，为局地数据同化提供了便利。针对辐照度预报，NCAR在WRF模式的基础上研发了WRF-Solar模式，其在气溶胶、云微物理、辐射的交互作用物理参数化方案上做了改进，可同化卫星辐照度、地面辐照度等观测数据。
我国自主研发的GRAPES-MESO模式于2006年首次在国家气象中心实现了业务化运行和应用，通过不断地改进和发展，其产品作为国家级区域数值预报指导产品向各省（自治区、直辖市）气象台站下发。同时，GRAPES-MESO模式的专业化和本地化开发与应用也在国家级和一些区域级气象中心展开，目前已在中国气象局实现了3000m×3000m水平空间分辨率的业务运行。
不同于全球尺度数值气象模式，中尺度（区域）数值气象模式对于一般的机构或人员来说具备较强的可操作性和较大的提升空间，但是中尺度（区域）气象模式一般需要全球尺度数值气象模式提供背景场数据，其一般运行流程如图2.2所示。
图2.2 中尺度（区域）数值气象模式运行流程
目前在电力系统中，以风电与光伏为主的新能源发电占比正在不断提升。新能源发电受气象条件影响较大，存在明显的随机性、波动性与间歇性，大规模接入会给电力系统的安全稳定运行带来严峻的挑战。因此，利用数值天气预报技术构建电力气象预报，实现对风光新能源发电功率的精准预测，可以有效提升电力系统运行的稳定性和抵御极端天气的能力，避免弃风、弃光等资源浪费现象的发生。数值天气预报输出的气象要素多达200余种，风光新能源发电预测主要关注与其密切相关的气象要素，如风速（风电）、辐照度（光伏发电）、温度等，对数值气象的空间分辨率要求较高，时间分辨率需与电力机构保持一致。目前面向风光新能源发电预测的电力气象预报以中尺度（区域）数值气象模式为主，以全球尺度数值气象模式为辅，以短期、超短期预测为主，以中长期预测为辅。
通过采用以下方式可进一步提升气象预测的精准性、全面性与稳定性。
1.数据同化技术
中尺度（区域）数值气象模式的运行需要初始条件和边界条件驱动，对于短期预报来说，初始条件比边界条件更为重要（长期气候预测中，边界条件比初始条件重要），很大程度上决定了短期预报的准确性。数据同化的含义是将观测数据实时吸收进模式，然后在时间和空间格点上对初始场进行校正，以使初始场更加贴近真实。数据同化是提升初始场精度的重要手段之一，具体面向风光新能源发电预测主要包含以下三方面。
（1）利用气象卫星和雷达观测数据进行同化
我国风电场与光伏电站主要分布在三北地区，然而该区域气象部门的观测站点较为稀疏，气象卫星和雷达的观测主要为辐射率或回波强度，利用气象卫星和雷达观测数据，并通过实时同化技术改进区域模式，是提升风速和辐照度等气象预报精度的有效手段之一。对于辐照度，可通过变分的方法直接同化资料，无需反演气象要素，能够较大程度地提升地面水汽、气溶胶、沙尘、云量的初始场精度，进而提升辐照度的预报效果，此种同化方法称为云分析；对于风速预测，云分析的效果并不明显，可通过识别观测资料中特征云和水汽的位置，并逐时刻对其位置进行追踪，以反演出风速和风向，再进行同化以改进风电场预报效果。目前我国常用的卫星数据特征信息见表2.2。
表2.2 目前我国常用的卫星数据特征信息
（续）
（2）利用风电场、光伏电站的测风、测光数据进行同化
风电场和光伏电站一般都建有场站资源观测装置，风电场的标准观测包括了10m、30m、50m、70m、轮毂高度的风速、风向等要素，光伏电站的标准观测包括了总辐射、直射辐射、散射辐射、环境温度、气压、相对湿度等要素，将这些场站观测数据同化进数值模式将有利于提升初始场精度。值得注意的是，如果仅仅同化单一场站的观测数据，那么同化仅能在预报时段的前几个小时起作用，这是由于单一观测点对初始场的校正作用会随着大气的运动“流走”。如果接入更多的场站群的观测数据，同化时效将会延长，且接入场站观测数据越多、涉及空间范围越广，同化时效越长。
（3）快速循环更新
数值模式定期更新的背景场中不包含云和水汽信息，在启动一段时间后云和水汽才由参数化方案逐渐生成，在下一次启动时刻云和水汽信息将会被清除，不利于模式对辐照度的预报。快速循环更新是解决该问题的常用手段，即降低模式背景场的更新频率，如每三天更新一次，其间的常规启动不再使用背景场，改为使用上一次预报的预报场，以此方式保留上一次预报的云和水汽信息，无需再由参数化方案生成，有利于提高辐照度的预报精度和减少计算时间。
2.集合预报技术
数值天气预报对初始场误差具有较强的敏感性，微小的初始误差在数值积分过程中将被逐渐增大，集合预报可在一定程度上缓解该问题。集合预报的技术路线有：
1）初值扰动方法，即通过对初始条件进行扰动，得到同时刻的一系列初值成员，再分别向前进行集合预报，较为成功的初值扰动方法有蒙特卡罗法、滞后平均法、增长模繁殖法、奇异向量方法、观测扰动法、集合变换卡尔曼滤波方法等。
2）模式扰动方法，即从物理过程出发，通过引入随机扰动来综合考虑次网格物理过程的不确定性，构建多个参数化方案组合成员进行集合预报，在理论和应用上更具优势，包括SPPT方案、随机参数扰动方案等。
在选取集合预报成员时，各成员预报评分应比较接近，且各成员的整体离散度较高，以有效代表预测不确定性的范围。集合平均预报是集合预报的一个典型应用，即初始条件不同、数值模式不同或参数化方案不同，但区域和时间段相同的多个预报结果的平均值。此外，也可通过依赖初始误差密度函数和模式不确定性，基于集合预报结果提供预报量或预报场的概率分布信息，便于用户做出更合理的决策。
3.物理过程参数敏感性分析
风速和辐照度分别是影响风电和光伏出力的最关键的气象因素，对数值模式的物理过程参数进行敏感性分析是提升风速和辐照度预测精度的常用手段之一。以中尺度（区域）数值气象模式中的WRF模式为例，主要的物理过程参数包括：云微物理过程、积云对流、长波辐射、短波辐射、行星边界层、陆面过程等，具体描述如下：
1）云微物理过程：云微物理过程是微观云粒子（云滴、冰晶）的形成、转化和聚合增长的过程。Lin方案和Rutledge-Hobbs方案奠定了云微物理过程参数化方案的基础，目前的主流方案有暖云方案、简单冰相方案、复杂混合相云方案等。
2）积云对流：积云对流是积云内的对流运动，是大气受热不均匀造成密度水平差异而引起的小尺度局地热对流。在其发展过程中还受大气层结、凝结潜热释放、云内/外空气的混合（夹卷过程）、环境气流状况等的重要影响。目前的主流积云参数化方案有抽吸式方案、对流方案、郭氏参数化方案、质量通量方案等。
3）长波辐射：长波辐射是大气发射的能量中波长在4～120μm范围内的辐射。目前的主流参数化方案有RRTM长波辐射方案、GFDL长波辐射方案等。
4）短波辐射：短波辐射是波长短于3μm的电磁辐射，其在地表能量的平衡中起着重要作用。目前的主流参数化方案有Dudhia短波辐射方案、Goddard短波辐射方案、GFDL短波辐射方案等。
5）行星边界层：行星边界层又称大气边界层，是旋转地球大气的湍流边界层，其厚度从几百米至1500～2000m，平均为1000m，因其包围旋转的地球（行星）而得名。其基本特征为：湍流黏性有不小于地转偏向力（科里奥利力）或气压梯度力的量级、运动充分湍流化。目前主流的参数化方案有MM5相似理论方案、ETA相似理论方案、MRF边界层方案、YSU边界层方案等。
大量文献研究表明，对于风速预报，行星边界层和陆面过程参数化方案的选取对预报结果的精度具有明显的影响，而对于短波辐射预报，云微物理过程和积云对流物理过程参数化方案的确定则是主要影响因素。因此在实践过程中，可根据面向风电功率预测和光伏功率预测的不同需求，针对性地设计敏感性分析试验，确定最优物理过程参数方案组合，以节约时间和提升效率。
4.预测结果后处理误差订正
对于业务化运行的中尺度（区域）数值气象模式来说，相同或近似天气类型下的背景场输入数据相似性较高，因此各模式的预报结果也往往较为接近，导致相似天气类型下的系统性偏差将会不断“重现”。进而，在具备一定规模的气象观测数据后，可建立预报模式的统计后处理误差订正模块。具体地，利用人工神经网络、卡尔曼滤波等统计方法，通过分析历史天气类型下预测误差和诊断当前天气形势，对当前的风速、辐照度等关键气象因子的预报结果进行误差订正，以提高预报准确性。此外，针对微地形引起的风速变化，可使用CALMET、WAsP、WindSim等精细化流场诊断工具通过加速因子对风速预报结果进行订正。这些诊断模式的地形分辨率可达几十到几百米量级，采用线性或非线性流体力学的风电场计算方法，可有效改善由微地形引起的风速预报偏差。