基于氣象監測數據的臺風風場降尺度預測方法及應用研究

張鋒，張怡，裘愉濤，王少華，張秋實，唐律，莫建國

（1.國網浙江省電力有限公司，浙江 杭州 310007；2.浙江水利水電學院，浙江 杭州 310018）

0 引 言

近年來，在全球變暖背景下超強臺風極端氣象災害發生頻率和強度增大[1]，其對電力設施影響和危害加劇[2-3]。臺風引起的強風暴雨會對電網尤其是輸電網造成大范圍故障和設備損壞，給事故處置和電網搶修帶來巨大壓力。隨著電網規模擴大，輸電通道日益緊張，處于復雜地貌及臺風風口區域內的輸電線日漸增加，強臺風影響給電網安全運行帶來更為嚴峻考驗[4-5]。

目前，國內主流臺風氣象預警系統提供的臺風信息主要包括臺風中心位置、中心風力、臺風風圈、臺風路徑等大尺度信息，簡單通過線性插值算法或者簡單的臺風模型來推算電力設施所處位置的風速信息，例如華東電網從氣象部門獲取臺風預報信息并接入安全穩定防御系統來生成預想故障集[6]。實際上，文獻[6]系統提出的預想故障集建立在利用臺風路徑走向和風圈影響等大尺度數據上，而沒有實際考慮百米尺度復雜微地形風速對輸電線造成的可能影響。實際生產中，同樣的10 級臺風風圈，有些輸電線處于風口位置，風速很大，而有些恰好處于背風面等，風速很小。該類方法不考慮百米尺度下復雜微地形影響，存在預測模擬能力不足問題[7]。近年來，通過臺風動力降尺度方法的引入，較好地實現將低分辨率的廣域臺風信息預測轉換為考慮微地形的高分辨率臺風風力預測。但文獻[8]也提出由于臺風是一個高度非平穩、非中性層結的復雜天氣系統，而目前的動力降尺度研究多是基于平穩大氣、中性層結這一假設，動力預測依然存在部分場景出現較大偏差的問題，要提高其預測準確性，引入統計數據完成修正成為現實需求。

伴隨近年來中國智能電網持續建設與發展[9]，大量電網氣象監測數據的準確獲取、及時傳輸和科學利用已經成為可能[10-12]。如果能通過長期定點監測并有效利用這些氣象信息，通過分析統計，結合動力降尺度方法，工程應用上就能通過統計與動力相結合降尺度法實現百米級水平網格分辨率的臺風走向、強度預報和研究，多元融合利用這些分析，結合輸電網基礎信息，可以提前分析判斷臺風路徑，研判其經過區域的電力設施可能會受到的影響，進一步智能化分析電網薄弱環節并提出應對舉措?；诖?，本文創新提出一種將電網氣象監測數據與降尺度預測模型有機結合指導臺風災害輸電故障預警研判方法。方法首先提出一種適用于我國沿海不同區域復雜地形條件下的臺風微尺度（百米級）風場模擬方法Stidm 法，該方法實質是一種統計與動力相結合的風速降尺度預測法。通過電網氣象監測可為Stidm 提供統計數據，并在臺風影響期間實時將預測數據與實測數據修正比對，形成Stidmaj 修正模型。并通過Stidmaj 模型建立預警研判系統，具體工程應用有三個方面：1)日常情況下，通過持續觀測統計修正提高降尺度預測模型預測魯棒性和準確性；2)臺風來襲時，通過電網氣象監測實時數據提高臺風災害局部地形空間內的預警精度及可信度；3)臺風過境后，通過電網氣象監測故障時刻數據與模擬預測結果對比研判，實現輸電故障原因前期研判、提高搶修效率。應用實踐表明，該系統可顯著減少臺風災害影響和提高后期搶修效率，為臺風災前防御、災中處置、災后搶修指明方向，具有重要的理論意義和工程應用價值。

1 基于電網氣象監測數據的臺風預測系統架構

文獻[10]提出智慧輸電線路建設方案，通過現場監測、無線傳輸、人工智能、云計算等 技術手段的應用，推進智慧輸電線路建設與應用。智慧輸電線路具有實時感知特征，其內涵是指通過高可靠性監測技術等手段，實時掌控輸電線狀態、走廊環境，為開展科學研判和搶修處置提供可靠支撐。典型輸電應用場景分為五大類共計22 項。表1 中“自然災害全景感知與預警決策”位列第二大類，其中，第5 小項“微氣象全域監測與輔助決策”及第11小項“臺風監測預警與智能決策”，為臺風監測預警提供了數據基礎。

表1 智慧輸電線路內典型應用場景

微氣象全域監測與輔助決策模塊依據重要輸電通道及微地形分布區域，網格化部署微型氣象站、氣象數值在線監測系統等感知裝置，準確采集線路附近溫濕度、風速、風向、雨量等關鍵氣象數據，實現線路走徑的氣象全域監測。臺風監測預警與智能決策依托網格化輸電線路氣象監測裝置等風場監測設備獲取臺風風場狀態數據，與權威臺風預警數據平臺融合共享，基于臺風動力降尺度預報模型和微地形等多源信息，實時計算與評估輸電線風害風險，為運維人員提出輔助決策建議，并充分應用微信、短信等信息化手段，向運維單位與各級調度部門實時推送風害預警信息。臺風過境后，進一步開展實際風場監測情況與預測模擬分析比對，進而研判故障發生可能原因，為緊急搶修做好提前物資、人員和技術準備。

根據智能電網調度控制系統新型應用架構設計[13-16]，基于電網氣象監測數據的臺風災害輸電故障預警研判系統從實際運行角度出發，通過實時采集輸電線周邊風場等信息，結合導線實際結構和參數，基于安全前提下，建立專家輔助決策模塊，智能、實時、友好形成輸電線災害風險分析與處置應對輔助決策建議。系統架構及主要信息交互如圖1 所示。

圖1 GlobeLand30 土地利用數據全球示意圖

圖1 中，電力二次系統安全防護共有4 個分區，I 區為實時控制區，II 區為非控制生產區，III區為生產管理區，IV 區為管理信息區。電網氣象監測數據通過數據采集系統上送到IV 區，經過防火墻在III 區完成與大尺度臺風氣象預報平臺的數據匯集，經隔離裝置進入II 區送入臺風微氣象監測與分析決策模塊實現Stidm 計算分析，并將計算結果經隔離裝置送回III 區的專家輔助決策系統，實現分析結果的調度控制高級應用。

2 電網輸電通道臺風風場降尺度預測方法

目前，世界各國基本把數值天氣預報(Numerical Weather Prediction, NWP) 作為氣象預測的主要方法，當前主流方法主要是新一代中尺度預報模式和同化系統WRF 方法(Weather Research and Forecasting Model, WRF)和臺風風場動力降尺度CFD 方法。

動力降尺度研究多是基于平穩大氣、中性層結的假設，實際上臺風是一個高度非平穩、非中性層結的復雜天氣系統，且在眼墻區存在較強的垂直對流活動，采用目前的動力降尺度技術對其近地微尺度風場模擬時勢必出現偏差，故而有必要針對臺風天氣條件下輸電線路在復雜地形作用下的近地面（線路及桿塔高度）微尺度風場進行研究。值得注意的是，隨著近年來用于電網的臺風氣象監測點和觀測網絡的不斷建設，電網氣象監測信息的質量、歷史資料累積、實時獲取能力不斷提高，通過電網氣象監測數據來修正動力降尺度方案成為可能。本文所提出的基于電網氣象監測數據的中尺度模式與微尺度CFD 模式相結合的動力降尺度方法，可以更好實現輸電線路區域風速風場變化情況預測模擬。通過地形獲取、風場模擬與動力特性分析構建風場降尺度預測方法。

2.1 微地形提取及簡化

為了實現水平分辨率為百米級的臺風風向、風速等要素預報，需要提取水平網格分辨率為百米級甚至十米級的微地形特征，包括地形高程、土地利用數據等，分析復雜地形對臺風近地面風場的影響，從而建立百米級分辨率的臺風風場動力降尺度模型。

本文采用國家基礎地理信息中心發布的全球30 米分辨率地表覆蓋數據（GlobeLand30）形成的全球示意圖見圖2 所示。在形態學上，復雜地形可以看成是若干個“基本地形”的組合。如果將一個山體看成是一個“基本地形”，則描述這個山體的主要特征參數有：坡度、坡向、坡長、地表覆蓋類型等。根據《建筑結構荷載規范》（GB50009-2012）可知，計算結構的風荷載標準值時，主要受地表粗糙度、離地高度、山體坡度、山體高度或者坡長、結構高寬比、截面形狀等因素影響。為了簡化三維地形的復雜程度，從二維地形的角度考慮，排除結構高寬比、截面形狀影響后，描述山體地表氣動參數的主要因子有：山體坡度、山體坡長、地表粗糙度等。根據風洞試驗和CFD 數值模擬的經驗，認為影響二維山體地表面氣動參數的關鍵因子，從最重要的開始依次為：山體坡度>山體坡長≈地表粗糙度。利用這一結論，即可在后續通過建立坡度、坡長等對應擬合函數關系實現微地形風場數值模擬。

圖2 輸電線路風場動力降尺度模型實現流程圖

2.2 微地形風場數值模擬

對于登陸臺風而言，由于其近地面的風速和風向在短時間內（如半小時內）變化不大，可近似看成穩態來流。若假定為穩態來流條件，則理論上該來流條件所對應的空間流場分布是唯一的，采用CFD 模型對流場進行穩態數值模擬，可以獲得該來流條件下的流場分布。以中尺度網格區域為例，如果若干預測時刻具有相同或相近的來流條件，則這些時刻中尺度網格區域內的流場也將呈現出相同或相似的分布。因此，對某一時刻進行風速模擬或預測時，可以采用CFD 事先模擬出各種天氣條件下（如不同來流方向，不同大氣穩定度）的風場分布，建立微尺度流場動力特性數據庫，然后直接根據中尺度氣象模式的模擬或預報結果，選擇對應來流條件的風場進行降尺度計算。

描述空氣狀態的基本參數有四個：風速、氣壓、溫度、濕度。其中，風速和氣壓屬于動力參數，溫度和濕度屬于熱力參數。在臺風近地面風場研究中，空氣動力過程為主導因素，而熱力過程為次要因素，一般選取風壓系數和風速比作為計算流體動力學模型CFD 計算的輸出結果。

其中風壓系數的定義為：

式(1)中：Pi為測點i的平均壓力，PH為參考高度H處的靜壓，UH為參考高度H處的平均風速，空氣密度ρ=1.225kg/m3。

風速比的定義為：

式(2)中：Ui為測點i的平均風速。

2.3 流場動力特性數據庫建立與調用

為了進一步提高預測模型的計算效率，保持系統運行的穩定性和安全性，有必要建立流場動力特性數據庫，在此過程中充分考慮微地形中山體坡度、山體坡長、地表粗糙度等影響因素。流場動力特性數據庫中的數據是指通過CFD 數值模擬所獲取的風壓系數Cp和風速比Ri兩個參數。

數據庫建立完畢后，可被風場降尺度模型直接調用，詳見節3.4。簡單來說，根據中尺度天氣預報模型提供中尺度網格格點風速（公里級分辨率），結合風速比Ri，便可通過迭代降尺度得到次網格尺度的風速（百米級分辨率）。在該方法中，風速比Ri體現了次網格復雜地形對中尺度模式格點風速的影響，從而實現風場降尺度計算。在流場動力特性數據庫中，風壓系數Cp主要用于風場動力降尺度方法的升級和改進之中。按此方法建立的流場動力特性數據庫，不僅可以進行中國區域風場降尺度計算，也可結合GlobeLand30 信息，適用于全球任意復雜地形的風場降尺度計算，其數據具有普適性。

2.4 輸電線路風場動力降尺度模型與實現

在前述微地形提取及簡化、微地形風場數值模擬、流場動力特性數據庫建立調用的基礎上計算出各輸電線路微地形點對應的風速比Ri，輸電線風場動力降尺度方案的計算基于WRF 中尺度風場進行。按此思路，提出基于簡化地形氣動參數的風場動力降尺度方法Stidm，利用此Stidm降尺度方法可以進一步實現輸電線路風場動力降尺度模型。

計算過程的核心思想是：基于中尺度風場，結合簡化地形氣動參數（平均風速比Ri），綜合考慮微地形信息和桿塔高度等多源信息，對中尺度網格角點位置的風速在降尺度網格內進行再分配、再修正，形成優化動力降尺度Stidm 方案，再利用電網氣象監測數據持續修正形成Stidmaj，實現適合輸電線路臺風影響研判的百米級分辨率風場降尺度計算與評估，適應輸電線路風場動力降尺度模型核心方案流程圖如圖3 所示。

圖3 Stidm 降尺度模式計算緯向風速U 過程示意圖

風場動力降尺度模式實現過程中，將風速分解為緯向風速U和經向風速V，以緯向風速U為例，Stidm 的計算過程示意圖如圖4 所示，具體的計算方法如公式(3)—(9)所示。

具體運算步驟為：

步驟1：先把中尺度網格（粗實線）四個角點位置的緯向風速U賦值給降尺度網格緯向風速u（細實線）。

步驟2：求中尺度網格（粗實線）四邊中點的緯向風速u：

步驟3：求中尺度網格中心點的緯向風速u：

步驟4：同步驟1—步驟3 原理，計算得出式(9)中的降尺度網格中心的經向風速v。

步驟5：執行步驟1—步驟4，便完成了第一次降尺度計算。若要進一步降尺度，可在四個降尺度網格（細實線）內重復步驟1—步驟4，進行多次降尺度計算。假設中尺度網格的水平分辨率為Δx(公里級)，則完成第一次降尺度后，其水平網格分辨率為Δx/2；完成第二次降尺度后，其水平網格分辨率為Δx/4；完成第三次降尺度后，其水平網格分辨率為Δx/8。如此類推，多次循環，直到水平網格分辨率達到需要的降尺度要求為止。

在圖4 和公式(3)—(9)中，U、V為中尺度模式中地表10m 高度（輸電桿塔高度）的平均緯向風速和平均徑向風速，來源于區域中尺度數值天氣模式預測輸出結果；u、v為輸電線路降尺度風場中地表10 m 高度的平均緯向風速和平均徑向風速；Ri為平均風速比。

步驟6：根據設定輸電線路降尺度風場緯向風速u和經向風速v，可以計算得到降尺度風場中地表10 m 高度的平均風速v10 和平均風向θ10為：

式中：p=0,1,...；q=0,1,...。

以上6 個步驟便構成了Stidm 風場動力降尺度計算方案，由此結合權威氣象部門提供的中尺度模式預報數據，即可實時進行設定所需分辨率降尺度風場計算。

2.5 Stidmaj 模型修正實現

風場計算數值模式預報結果的精度主要受到兩個關鍵因素的制約：一個是預報模式對大氣物理過程的反映程度，即數值預報模式本身的準確程度；第二是用作模式積分的初始條件的好壞，即預報的初始同化資料場。雖然已經有不少的研究在不斷地改善模式物理參數化方案，提高模式初始場質量，但是由于資料誤差和模式誤差在現階段不可避免，導致數值預報的結果在現階段需要修正。實踐證明，統計修正方法可以達到較好的修正效果，風場誤差的傳統統計修正方法主要基于線性的數理統計方法，比如自適應偏最小二乘回歸、均生函數方法、AVT(average variance trend)方法等。

針對Stidm 模型，在對各類影響降尺度風速預報偏差的因子進行相關性分析的基礎上，選取了相關性較明顯的10m 風速（u10）、850 hPa 風速（u850）、700 hPa 風速（u700）、海平面氣壓（pres）、海拔高度誤差（dh）、坡角（sa）、相對坡長（rps）、預報時刻（hour）、10 m濕度（rh）、測站緯度（lat）、10 m 溫度（tmp）、測站經度（lon）、實際測站高度（hobs）等作為回歸因子，利用選定時間段（一般選3 至6 個月）電網氣象監測數據資料作為訓練樣本，統計建立起針對Stidm降尺度風場的多元線性回歸訂正模型Stidmaj。得到的訂正關系如下：

基于此修正Stidmaj，即可選取可信度最佳的方案指導臺風防范與事故搶修。具體應用場景為：

1)常態化根據電網氣象監測數據動態修正動力降尺度預測修正模型Stidm，同時根據Stidmaj預測研判識別電網氣象監測壞數據，消除壞數據，提高系統精準性和可用性；

2)臺風來襲時，根據Stidmaj 預測值和電網氣象監測實時值對比研判，動態調整臺風防范處置方案，指導過程中的調度事故處置，及時調整電網運行方式；

3)輸電線路故障發生區域，通過Stidmaj 預測值與電網氣象監測值歷史值對比研判，研究該故障影響因素是否有由大風導致，如果排除該區域發生大風，則研判是否由降水導致，避免原因不明耽誤物資等準備，為后續科學搶修提供決策參考依據。

3 基于降尺度預測方法的臺風預測系統工程應用

2019 年超強臺風利奇馬(Super Typhoon Lekima，國際編號：1909)于8 月10 日1 時45分在中國浙江省溫嶺市沿海登陸，登陸時中心附近最大風力16 級(52 米/秒，超強臺風級)，中心最低氣壓930hPa，該臺風具有登陸強度強、陸上滯留時間長、風雨強度大、影響范圍廣、災害影響重等特點，其移動路徑及強度變化如圖5 所示。在此次臺風應對過程中，利用本文所提出的臺風預測系統，較好研判了各類輸電線路故障在此次臺風中發生原因和故障性質，為電網臺風防范和事故搶修提供了具有工程價值的指導。本節中從氣象監測信息、模型預測結果以及臺風破壞研判分析三個方面詳細展示了本文所提出的臺風預測系統的實際應用。

圖5 某省風場降尺度地表10 米風速均值時序圖

3.1 某東部省級電網氣象監測信息配置情況

經過多年的建設發展，某省級電網已完成約2000 個自動觀測站點配置。經過站點典型代表性、質量穩定性和線路重要性等條件篩選后，選取共約350 個站點的氣象監測信息風速資料用于研判分析，研究區域內的自動觀測站點分布圖6 所示。

圖6 臺風利奇馬造成的線路故障點分布圖

選定氣象監測數據時間范圍為利奇馬臺風集中影響的時段，即2019 年8 月9 日20 時至10 日22 時。氣象監測信息中采集的風場信息包括有十分鐘平均風速和風向、最大風速、極大風速。本文中用于研判分析的風力信息為十分鐘平均風速及風向。

3.2 基于氣象監測信息評估降尺度模型預測結果

2019 年8 月9 日20 時至10 日22 時利奇馬臺風影響期間，該省級電網配置在全省范圍的350 個自動觀測站全時段平均風速約為3～7 m/s，其中在臺風登陸溫嶺期間（9 日23 時至10 日01時）有較明顯的波動。圖7 給出了利奇馬臺風影響期間，該省風場降尺度地表10 米風速的均值時序圖，其中obs 為觀測值，warr 為中尺度模式1 小時預報值，Stidm 為風場降尺度模式1 小時預報值，Stidmaj 為訂正后的風場降尺度模式1 小時預報值，灰色柱條為有效監測點數目。

圖7 3 號故障點地表10 米風速均值時序圖

由圖7 可看出，中尺度模擬預測值warr 和訂正前的降尺度模擬預測結果Stidm 較為接近，其平均風速約8～15m/s，模擬預測結果較實際觀測值明顯偏大。訂正后的降尺度模擬結果Stidmaj和觀測風速非常接近，其平均風速約5～8 m/s，均方根誤差約為3～5 m/s，偏差約為-1～3.5 m/s。由此可以認為，訂正后的風場降尺度模式Stidmaj比訂正前的風場降尺度模式Stidm 的風場模擬能力有較大提高，幅度約為50%，擬合效果更佳。

3.3 基于臺風預測系統的破壞性研判分析

8 月10 日1 時45 分左右，臺風“利奇馬”在浙江省溫嶺市沿海以超強臺風級登陸，臺風中心先后穿過臺州市、金華市、紹興市、杭州市、湖州市等地，在浙江省滯留超20 小時，于10 日22 時離開浙江進入江蘇。臺風“利奇馬”影響期間該省電網輸電線路出現故障點48 處，主要出現在溫嶺市，玉環市、溫州市東部沿海地區以及舟山市西側海島，具體分布如圖8(a)所示，圖中黑框地域為事故密集區，其放大圖為圖8(b)所示。

圖8 臺風“利奇馬”浙江省電網輸電線路故障點

3.3.1 溫嶺電網破壞研判分析

由于超強臺風利奇馬在溫嶺市登陸，溫嶺市輸電網遭受破壞最嚴重，溫嶺市和溫州北部輸電線路共有32 處出現故障，選取3 號故障點為例，其地表10 米高度的觀測風速和降尺度模擬風速如圖9 所示。圖中，預測最大風速為27.34m/s，周邊最近監測點實測最大風速22.53m/s，發生在臺風中心登陸時刻附近，由此推測電塔的破壞主要由強風及風向快速變化造成。

圖9 3 號故障點地表10 米風速均值時序圖

3.3.2 舟山西部電網破壞研判分析

超強臺風利奇馬造成舟山西側輸電線路出現兩處故障點，故障點1 處其地表10 米高度的觀測風速和降尺度模擬風速如圖10 所示。圖中降尺度預測模型預測最大風速為25.15m/s，周邊最近監測點實測最大風速7.68m/s，說明該處故障與風力關聯度較小，調取舟山地區降水圖，8 月9 日夜晚21—23 點，10 日凌晨1—4 點均有大暴雨甚至特大暴雨發生，由此推測舟山市兩個輸電塔的破壞與強降水有關，有可能是強降水誘發了地基滑坡。后續搶修情況也佐證了此推測，為該處事故搶修前期準備提供了科學參考。

圖10 1 號故障點地表10 米風速均值時序圖

4 結論

超強臺風往往造成省域范圍內大面積輸電線路故障和大數量用戶停電，為盡快實現正常供電，提高臺風影響下輸電線路的故障處理和應急修復效率具有重要意義。智慧輸電線路建設作為保障電網安全可靠運行的科學技術手段，使得網格化氣象監測數據的可靠獲取、實時傳輸和分析應用成為可能。本文創新提出一種將電網氣象監測數據與降尺度預測模型有機結合指導臺風災害輸電故障預警研判系統。此系統在某東部省級電網應用實踐，證明了在電網臺風災害輸電故障預警研判中成效明顯，并且對臺風影響區沿海電網有普遍的實用性和指導價值。