风速变化（共4篇）
风速变化 篇1
1 引言
南海是中国近海中水深最深、面积最大的海域,位于太平洋与印度洋之间,海洋资源极为丰富,也是各国商业航运、石油运输和海军舰队往返的主要航道,亦是中国海上丝绸之路的重要通道[1,2],关系到我国海上石油安全与海洋权益,战略地位不言而喻[3]。
海浪包括风浪和涌浪,在一些典型灾害性天气的影响下往往破坏力惊人,海上钻井平台、航行中的商船客船都曾发生过被大浪袭击而倾覆的惨痛案例,生命财产蒙受巨大损失。狂风巨浪对军事行动也有重大影响,“二战”时期美国海军舰队因对“海尔赛”台风预测不准确而遭到台风浪侵袭,损失惨重[4,5,6,7]。因此,详细了解与分析南海海域的风浪场分布尤为重要。
齐义泉等[8,9]曾利用约59个月的TOPEX/Poseidon(T/P)高度计反演的海表风速和有效波高,采用经验(自然)正交函数分析(Empirical Orthogonal Function,EOF)方法,分析南海海表风场和浪场的时空分布特征,研究发现有效波高的前两个模态与风场的前两个模态基本相似,得出南海的风、浪之间有很好的相关性;同时初步判定风场的第一典型场可能是季风强盛期的风场特征,第二典型场体现出季风转换期的风场特征,而第三模态的风浪场则开始表现明显不同的特征。
前人对海表风速、波高年际变化的精细化研究仍较为少见。本文利用ERA-40资料系统计算1957—2002年海表风速、波高的空间分布特征、长期变化趋势和突变现象,为研究全球气候变化、海洋能开发等提供依据。
2 资料与方法
ERA-40海浪资料来自欧洲中期天气预报中心(ECMWF)。ERA-40海浪再分析资料是全球第一份耦合海浪(WAM)和大气环流模式模拟结果并同化观测资料得到的再分析产品,利用EOF分析方法,首先分析海表风速、波高的空间分布特征,并进一步分析各自模态的时间系数随时间的变化特征,最后用MK检验方法分析南海海表风场、有效波高的气候突变形势,探讨海表风速、波高年际变化的精细化研究。该资料的空间范围为90°S—90°N、180°W—180°E,时间范围为1957年9月1日0:00至2002年8月31日18:00,空间分辨率为1.5°×1.5°,时间分辨率为6h[10]。ERA-40海浪资料是目前风浪和涌浪分离的较佳选择。
3 海表风速、波高的年际变化
对南海1957—2002年逐年年平均的海表风速、有效波高进行EOF分析。为突出年际变化的扰动特征,用年平均距平值作为EOF资料矩阵。
3.1 空间分布特征
年际变化中海面风速、混合浪波高的前3个特征向量的原始距平场的方差贡献率如表1所示,可以看出,风场和海浪的前两个模态累积方差贡献分别超过50%和82%,因此本文只取前两个模态分析已能充分反映要素场年际变化的扰动特征。
%
海表风场的空间分布特征如图1所示,第一模态最大增加区在南海区域呈现NE—SW走向,这一模态反映的是影响整个南海的季风最强盛时期的状况,这与齐义泉[8]的结论一致;第二模态显示,南海南部海域风速存在负偏差、北部为正偏差,反映的是南海南部受季风减弱或增强而北部将对应增强或减弱的反相关关系,其零偏差大约在10°N线附近,这一模态的风场分布比王静[9]的结论偏南5°,可能是与选取的ERA-40与TP高度计资料的差异有关。事实上,在冬季风和夏季风的建立过程中,南北部的风场分布确实存在明显的反相关关系[8,9]。
有效波高的空间分布特征如图2所示,不难看出第一模态的分布形式与风速距平场有很好的对应关系,说明南海风场与海浪场之间有很好的正相关性;但第二模态的分布已经有明显差别,说明在长周期序列中海浪场的分布不完全由风场决定,南海涌浪场的分布差别可能是影响有效波高空间分布的原因之一。
3.2 长期变化趋势
将南海海表风速、有效波高的前两个模态进行逐年平均来分析各自模态的时间系数随时间的变化特征,其中EOF分析的第一模态的时间系数如图3a所示,风场和波高的变化特征具有明显的正相关性,且波高的响应具有一定的滞后性。
海面风场、海浪场EOF分析的第二模态的时间系数如图3(b)所示,风场和波高的变化特征在1978年之前具有明显的负相关性,且1978年之前的个别年风场和波高的时间系数连线有所相交;1978年之后则完全没有相交,而且风场和波高的变化趋势又再次呈现正相关的特征。
3.3 突变现象
利用海面风场、海浪场EOF分析的第一模态的时间系数,采用MK检验方法分析南海海表风场、有效波高的气候突变形势。MK突变检验是判断序列发展趋势的检验方法之一,这里的MK方法是一种非参数统计检验方法,也称无分布检验,其优点是不需要样本遵从一定的分布,也不受少数异常值的干扰,更适用于类型变量和顺序变量,计算也比较方便[11]。
UF表示顺序时间序列下的统计量,UB表示逆序时间序列下的统计量,上下直线表示在显著性水平α=0.05时的临界值±1.96(图4)。1958—1972年间,UF和UB曲线虽然存在5个交点,且交点在临界线之间,但海表风场UF曲线并无穿越临界线的区域,故该时间段无突变现象;而1973—2002年,南海海表风场第一模态时间系数有下降趋势,两条曲线不穿越临界线,故该时间段也不是出现突变的时间区域,只是1997—2002年两条曲线有4个交点,综上海表风速在1958—2002年并不存在突变现象[图4(a)]。1967—2002年,UF曲线的取值一直小于0,说明南海波浪场第一模态时间系数有下降趋势,且1980年后UF曲线的取值低于-1.96,说明波浪场的下降趋势显著;1985年UF与UB两条曲线在-1.96的临界线下方存在一个交点,但按照MK检验方法的定义并不能判断波浪场的突变时间为1985年,因此南海风速场和海浪场在1973—2002年都存在下降趋势,海浪场的下降趋势更为显著[图4(b)]。
4 结论
(1)南海风场的第一个模态最大增加区呈现NE—SW走向,这一模态反映的是影响整个南海的季风最强盛时期的风场特征;第二模态显示南海南部海域风速存在负偏差、北部为正偏差,南海南部与北部的风速空间分布存在反相关关系,其零偏差在10°N线附近。
(2)南海有效波高的空间分布特征,其第一个模态的分布形式与风速距平场有很好的对应关系,说明南海风场与海浪场之间有很好的正相关性,第二模态的分布差别说明在45年的长周期序列中海浪场的分布不完全由风场决定,南海涌浪场的分布差别可能是影响有效波高空间分布的原因之一。
(3)通过对第一模态的时间系数分析可知,风场和波高的变化特征具有明显的正相关性,而且波高的响应具有一定的滞后性;风场和波高的变化特征在1978年之前具有明显的负相关性,且1978年之前的个别年风场和波高的时间系数连线有所相交;1978年之后则完全没有相交,而且风场和波高的变化趋势又再次呈现正相关的特征。
(4)利用MK突变检验方法,可知南海风速场和海浪场在1973—2002年都存在下降趋势,而海浪场下降趋势更为显著,这更能从突变的角度反映经过EOF分析的第一模态下南海风、浪之间有很好的正相关性。
摘要：文章以ERA-40资料为基础,利用EOF方法分析南海海面风速、波高的两个模态空间分布,系统计算1957—2002年南海海表风速、波高的空间分布特征、长期变化趋势和突变现象。分析结果显示,南海海面风、浪场的第一模态具有很好的相似性,第二模态已表现出不同的特征;第一模态的时间系数也表明风场和波高的变化特征具有明显的正相关性,而且波高的响应具有一定的滞后性;南海风速场和海浪场在1973—2002年都存在下降趋势,海浪场的下降趋势更为显著。
关键词：南海风浪场,海表风速,有效波高,海洋气候
参考文献
[1]郑崇伟,李崇银.中国南海岛礁建设:重点岛礁的风候、波候特征分析[J].中国海洋大学学报:自然科学版,2015,45(9):1-6.
[2]郑崇伟,李崇银.中国南海岛礁建设:风力发电、海浪发电[J].中国海洋大学学报:自然科学版,2015,45(9):7-14.
[3]尹兵,于中华.南海-印度洋风、浪、海温等海洋水文要素统计分析[J].科技信息,2013(2):408-409.
[4]郑崇伟,潘静,孙威,等.经略21世纪海上丝路之海洋环境特征系列研究[J].海洋开发与管理,2015,32(7):4-9.
[5]梅勇,宋帅,周林.北印度洋-南海海域海浪场、风场的年际变化特征分析[J].海洋预报,2010,27(5):27-33.
[6]郑崇伟,李训强,高占胜,等.经略21世纪海上丝路之海洋环境特征:风候统计分析[J].海洋开发与管理,2015,32(8):4-11.
[7]郑崇伟,付敏,芮震峰,等.经略21世纪海上丝路之海洋环境特征:波候统计分析[J].海洋开发与管理,2015,32(10):1-7.
[8]齐义泉,施平,毛庆文,等.基于T/P资料分析南海海面风、浪场特征及其关系[J].水动力学研究与进展,2003,18(5):619-624.
[9]王静,齐义泉,施平.南海海面风、浪场的EOF分析[J].海洋学报,2001,23(5):136-140.
[10]郑崇伟,高占胜,张雨,等.经略21世纪海上丝路之海洋环境特征:极值风速、极值波高[J].海洋开发与管理,2015,32(11):4-8.
[11]魏凤英.现代气候统计诊断与预测技术[M].北京:气象出版社,1999.
风速变化 篇2
青海省位于我国西北地区, 处于青藏高原东北部, 其气候变化具有明显的高原特色, 是我国气候变化的敏感区。本文通过趋势分析和Mann-Kendall突变检验等统计手段对青海省近50年的风速变化进行分析, 旨在揭示区域尺度的风速变化规律。
1 数据来源和研究方法
本文通过对中国气象局提供的青海省29个气象站点1960年至2010年逐年和逐月风速气象资料进行量化分析。对年际风速变化进行趋势及Mann-Kendall突变检验分析, 对四季风速变化进行趋势分析。
2 青海省风速的年际变化
近50年来, 青海省的风速呈下降趋势 (图1) , 线性拟合的倾向率为-0.122 m/ (s·10a) 。从5年滑动平均曲线来看, 1967年至1971年为明显的上升时段, 1974年至2003年为明显的下降时段。最高值出现在1969年, 为3.17 m/s, 最低值出现在2003年, 为2.05 m/s。从M-K突变检验可以看出, 在1974年前呈波动变化, 且UF>0, 风速呈增大趋势这与五年的滑动趋势相符。因为UB线和UF线在交叉前后分别处于信度线外, 所以突变不明显。
3 青海省风速的四季变化
图2是四季风速变化趋势图, 可知春季风速表现为明显的下降趋势, 线性拟合的倾向率为-0.0166 m/ (s·10a) 。依照5年滑动平均曲线来看, 1968年至1974年为上升阶段, 自1974年之后为持续的下降时段, 最大值出现在1970年, 为3.98 m/s, 最小值出现在1997年, 为2.58 m/s, 二者之差为1.4 m/s。
夏季风速也呈现下降趋势, 线性拟合的倾向率为-0.0121 m/ (s·10a) 。从5年滑动平均曲线来看, 1967年至1974年为上升趋势, 1974年之后一直呈下降趋势, 最高值出现在1973年, 为3.08 m/s, 最低值出现在2003年, 为2.02 m/s。
秋季风速下降的倾向率为-0.0127m/ (s·10a) 。从5年滑动平均曲线来看, 1967年至1969年为明显的上升时段, 自1973年之后, 表现为持续的下降趋势, 最高值出现在1969年, 为2.73 m/s, 最低值1.72 m/s在2001年。
冬季风速下降的倾向率为-0.0 1 3m/ (s·1 0 a) , 平均值是2.19 m/s。依照5年滑动平均曲线看, 1967年至1973年为上升阶段, 自1974年之后为持续下降趋势, 最高值出现在1973年, 为3.08 m/s, 最低值出现在2003年, 为2.0 2m/s。 (见图2)
4 结论
近50年来青海省的年际风速呈下降趋势, 线性拟合的气候倾向率为-0.122 m/ (s·10a) 。从M-K突变检验可知, 青海省风速在95%的信度线内没有明显的突变。青海省的四季风速也是呈不同规模的下降趋势。从5年滑动平均可知, 青海省年际和四季的风速都是先呈快速上升, 20世纪70年代中期后呈现缓慢下降的趋势。
参考文献
[1]刘苏峡, 邱建秀, 莫兴国, 等.华北平原1951年至2006年风速变化特征分析[J].资源科学, 2009, 31 (9) :1486-1492.
[2]龚强, 于华深, 蔺娜, 等.辽宁省风能、太阳能资源时空分布特征及其初步区划[J].资源科学, 2008, 30 (5) :654-661.
[3]McVicar T.R., T.G.Van Niel, L.T.Li, et al.Donohue, Wind speed clima-tology and trends for Australia, 1975-2006:Capturing thestilling phenomenonand comparison with nearsurface re-analysis output[J].Geophysical ResearchLetters, 2008, 35 (20) :20403.
[4]荣艳淑, 梁嘉颖.华北地区风速变化的分析[J].气象科学, 2008, 28 (6) :655-6 5 8.
风速变化 篇3
这里的仿真对象是一个由6台1.5 MW双馈异步风力发电机组组成的9 MW的风电场。这个风电场连接着一个25 k V的分布式发电系统,它的电能通过35 km长、电压等级为25 k V的馈线(B25)输入到120 k V的电网上。有2 300 k V,2MVA的用电设备也同样连接在B25这条馈线上。这些用电设备包括一台1.68 MW的异步电动机和200 k W的阻性负载。风电机和电动机负载都由保护系统控制着电压、电流和电动机转速。利用Matlab/Simulink建立双馈式风力发电机及其仿真模型和风力发电机变浆距控制模型,并进行了以下几个方面的仿真。
2 变浆距仿真过程及结果分析
本文采用目前流行的使用较多的风力四分量模型,包括基本风W1、阵风W2、渐变风W3和随机风W4。用matlab做了一个基本风为15 m/s的风速仿真模型,可看出风速基本能反映自然风速。
1)在风速突然变化的情况下,风力发电机变浆距系统的反应。
开始仿真,可以从“"Wind Turbine”的示波器监测风电机的电压、电流、有功功率和无功功率、直流总线电压和风机转速。仿真波形如图1所示。
从图1可以看出:在t=5 s的时候,产生的有功功率平稳地增长(同风机转速一起),用了差不多17 s的时间达到了额定的9 MW功率。在这段时间内,风机转速标么值从0.80增长到1.30。初始的时候,叶片的节距角是0°,风机随着红色的功率特征曲线运行直到D点。节距角也由0°增加到7°,用来限制机械功功率。通过调控无功功率来维持电压在1 pu。在额定功率的时候,风电机吸收了0.72MVar(也就是Q=-0.72 MVar)来控制电压,使其在1 pu。
2)在渐变风的情况下,风力发电机变浆距系统的反应。
开始仿真,可以从“Wind Turbine”的示波器监测风电机的电压、电流、有功功率和无功功率、直流总线电压、风机转速和浆距角的变化。可以看出:在21 s前产生的有功功率平稳地增长。在12 s时,风速超过额定风速12 m/s,此时应该开始变浆,但是由于一些机械的原因(如金风1.5 MW风机变浆距时是由变浆电机驱动齿形带来带动变浆的,动作需要时间),变浆会有一个延时。延时9 s钟后才开始变浆,浆距角由0°上升到30°。由于风速的持续增长,当风速增长到达风机的切出风速时,风机开始执行停机。在31 s时,风速达到了风机的切出风速,风机执行停机,此时输出的有功功率变为零。
3)在随机风速的情况下,风力发电机变浆距系统的反应。
开始仿真,可以从“"Wind Turbine”的示波器监测风电机的电压、电流、有功功率和无功功率、直流总线电压、风机转速和浆距角的变化。从仿真波形图1可以看出:在42 s时,风速达到额定风速,输出的有功功率达到9 MW。在43 s时,风速超过额定风速,风机开始变浆距,延时1 s钟后,浆距角从0°增长到7°,用来限制机械功率。分别把其中9 MW风场的风机分成三个3 MW的风机,分别把其中的基本风速改为25 m/s,此时的风速已经远远大于了风机的运行风速,三部分风机所加基本风速25 m/s的时间分别为仿真起始时间的第2 s、第4 s和第6 s,由于风机控制策略直接控制风力机的转速,而且也是通过风力机运行的实际旋转速度来进行保护的,所以即使检测到了风速已大于风机所能承受的输出功率范围,只要没通过转速检测到或者达到暴风等风机设计的风速保护范围值,风机还是可以正常启动。随着风速的增加,风机的转速也增加,输出功率也增加,变桨角度也随之增加,以便来限制风机功率,但风速继续增加,而通过变桨已经限制不了风机的功率,风机从而进入风速过大的超发保护阶段而停机,最终也能达到安全停机的目的。
3 结语
本文基于Matlab/Simulink三相双馈异步风力发电机的仿真,通过对风速变化输出的波形进行分析,可以看出在风速变化的情况下通过变浆距的调节,可以有效调节输出功率,从而避免了定浆距风力发电机组在确定功角后夏季发电低而冬季又超发的问题,在低风速段功率得到优化,在高风速段输出功率也更加稳定。
摘要：探讨了Matlab/Simulink对风速变化下三相双馈异步风力发电机的仿真,对风速变化输出的波形进行分析,研究了变浆距仿真过程及结果。
风速变化 篇4
1资料来源
由于福建沿海观测台站有较完整最大风速和极大风速观测数据的年限多在2005年后,故选取2005—2011年福建沿海崇武、东山、平潭3个具有代表性的沿海大风站,以及诏安、漳浦、 厦门、晋江、秀屿、罗源、福鼎、长乐8个距离海岸40 km、分布均匀的内海代表站风速观测资料进行分析,其中风速资料缺测的日数据不作统计。由表1可以看出,各台站单站最大风速与极大风速的相关系数的值均在0.9以上,显然,两者有着明显的近似线性关系。
2线性回归分析
选择日极大风速为预报量,日最大风速为预报因子,选取不同的资料组合集,对比分析两者的线性回归关系。
假设10 min最大风速与极大风速线性关系为一元N次回归方程,即:
其中,x为最大风速,y为极大风速,ai、b为线性回归系数。
用F检验对回归方程作显著性检验。α=0.05时,分子自由度为N,分母自由度为“样本数-N-1”,查F分布表得到Fα;用相关系数r来表示,即F=(n-2) r2/(1-r2);当回归方程的F>Fα,通过显著性检验。
建立预报值的95%置信区间估计方程Y,其中为无偏估计量。
2.1单站回归分析
对2005—2010年崇武站资料进行回归分析,建立单站资料X与Y的一元一次、一元二次、一元三次回归方程,同时评估方程,并对同一资料源2011年的资料进行拟合检验。回归方程如下:
评估方程如下:
根据回归方程(2)~(4)的统计数据来看,(2)、(3) 回归方程表现较好, 对2011年资料进行试报检验,拟合效果较好,且均通过显著性检验,其他台站进行回归分析也得到同样的结果。 最大风速与极大风速的关系可由一元一次回归方程确定,获取最大风速和极大风速间的线性关系。
2.2多站回归分析
选取2005—2010年崇武、东山、平潭3个沿海大风站共6 570个样本数及诏安、漳浦、厦门、晋江、秀屿、罗源、福鼎、长乐8个内海站点共17 520个样本数,分别建立多站资料X与Y的一元一次回归方程(5)、(6),同时建立评估方程(5')、(6'),并对2011年的资料进行试报检验。回归方程如下:
评估方程如下:
对比(5)、(6)的统计数据及评估方程(5')、(6')的试报检验结果,3个沿海大风站回归方程和评估方程的误差较大,绝对误差>3 m/s,比例也较单站回归方程大,整体拟合效果较差;另外8个内海站点回归方程的统计数据和评估方程对2011年的试报检验结果表现较好,与单站资料建立的方程相比, 两者的拟合水平相当。
2.3区域平均风速回归分析
受地形和海峡“狭管效应”影响, 福建沿海南北风速存在差异,而且3个沿海大风站多站资料回归分析拟合效果较差也反映了这一点。以崇武为界进行划分,以北选崇武、平潭两站,以南选取崇武、东山两站,两站平均风速代表区域内的沿海风速,用2005— 2010年资料分别建立区域内平均风速X与Y的一元一次回归方程,同时建立评估方程。回归方程为:
评估方程为:
根据回归方程(7)拟合值与实况风速的差值(残差)逐月变化情况,可看到区域平均风速月平均差值5—8月在0.5~1.0 m/s,其余月份在±0.5 m/s内;回归方程(8)拟合与实况风速差值较稳定在0~0.5 m/s。通过残差分析可看到区域平均风速建立的回归方程的拟合效果较好,风速误差较小,回归方程和评估方程绝对误差>3 m/s的比例<1%,由台站拟合与实况风速差值曲线来看,平均风速最大差值<2.5 m/s,误差的振幅与风速大小大致呈线性比例,这一误差值在风力预报上是可接受的,大风预报误差值在风速上的比重更小,实用性更加可靠。
3结论
(1)福建沿海各站点2005—2011年日最大风速与极大风速间有较好的线性关系,且在风向上存在较好的一致性。
(2)8个内海站点建立的多站资料回归方程的统计数据和回报检验结果都较好,与单站资料建立的方程相比, 两者的拟合水平相当。