基于气象监测数据的台风风场降尺度预测方法及应用研究

张锋，张怡，裘愉涛，王少华，张秋实，唐律，莫建国

（1.国网浙江省电力有限公司，浙江 杭州 310007；2.浙江水利水电学院，浙江 杭州 310018）

0 引 言

近年来，在全球变暖背景下超强台风极端气象灾害发生频率和强度增大[1]，其对电力设施影响和危害加剧[2-3]。台风引起的强风暴雨会对电网尤其是输电网造成大范围故障和设备损坏，给事故处置和电网抢修带来巨大压力。随着电网规模扩大，输电通道日益紧张，处于复杂地貌及台风风口区域内的输电线日渐增加，强台风影响给电网安全运行带来更为严峻考验[4-5]。

目前，国内主流台风气象预警系统提供的台风信息主要包括台风中心位置、中心风力、台风风圈、台风路径等大尺度信息，简单通过线性插值算法或者简单的台风模型来推算电力设施所处位置的风速信息，例如华东电网从气象部门获取台风预报信息并接入安全稳定防御系统来生成预想故障集[6]。实际上，文献[6]系统提出的预想故障集建立在利用台风路径走向和风圈影响等大尺度数据上，而没有实际考虑百米尺度复杂微地形风速对输电线造成的可能影响。实际生产中，同样的10 级台风风圈，有些输电线处于风口位置，风速很大，而有些恰好处于背风面等，风速很小。该类方法不考虑百米尺度下复杂微地形影响，存在预测模拟能力不足问题[7]。近年来，通过台风动力降尺度方法的引入，较好地实现将低分辨率的广域台风信息预测转换为考虑微地形的高分辨率台风风力预测。但文献[8]也提出由于台风是一个高度非平稳、非中性层结的复杂天气系统，而目前的动力降尺度研究多是基于平稳大气、中性层结这一假设，动力预测依然存在部分场景出现较大偏差的问题，要提高其预测准确性，引入统计数据完成修正成为现实需求。

伴随近年来中国智能电网持续建设与发展[9]，大量电网气象监测数据的准确获取、及时传输和科学利用已经成为可能[10-12]。如果能通过长期定点监测并有效利用这些气象信息，通过分析统计，结合动力降尺度方法，工程应用上就能通过统计与动力相结合降尺度法实现百米级水平网格分辨率的台风走向、强度预报和研究，多元融合利用这些分析，结合输电网基础信息，可以提前分析判断台风路径，研判其经过区域的电力设施可能会受到的影响，进一步智能化分析电网薄弱环节并提出应对举措。基于此，本文创新提出一种将电网气象监测数据与降尺度预测模型有机结合指导台风灾害输电故障预警研判方法。方法首先提出一种适用于我国沿海不同区域复杂地形条件下的台风微尺度（百米级）风场模拟方法Stidm 法，该方法实质是一种统计与动力相结合的风速降尺度预测法。通过电网气象监测可为Stidm 提供统计数据，并在台风影响期间实时将预测数据与实测数据修正比对，形成Stidmaj 修正模型。并通过Stidmaj 模型建立预警研判系统，具体工程应用有三个方面：1)日常情况下，通过持续观测统计修正提高降尺度预测模型预测鲁棒性和准确性；2)台风来袭时，通过电网气象监测实时数据提高台风灾害局部地形空间内的预警精度及可信度；3)台风过境后，通过电网气象监测故障时刻数据与模拟预测结果对比研判，实现输电故障原因前期研判、提高抢修效率。应用实践表明，该系统可显著减少台风灾害影响和提高后期抢修效率，为台风灾前防御、灾中处置、灾后抢修指明方向，具有重要的理论意义和工程应用价值。

1 基于电网气象监测数据的台风预测系统架构

文献[10]提出智慧输电线路建设方案，通过现场监测、无线传输、人工智能、云计算等 技术手段的应用，推进智慧输电线路建设与应用。智慧输电线路具有实时感知特征，其内涵是指通过高可靠性监测技术等手段，实时掌控输电线状态、走廊环境，为开展科学研判和抢修处置提供可靠支撑。典型输电应用场景分为五大类共计22 项。表1 中“自然灾害全景感知与预警决策”位列第二大类，其中，第5 小项“微气象全域监测与辅助决策”及第11小项“台风监测预警与智能决策”，为台风监测预警提供了数据基础。

表1 智慧输电线路内典型应用场景

微气象全域监测与辅助决策模块依据重要输电通道及微地形分布区域，网格化部署微型气象站、气象数值在线监测系统等感知装置，准确采集线路附近温湿度、风速、风向、雨量等关键气象数据，实现线路走径的气象全域监测。台风监测预警与智能决策依托网格化输电线路气象监测装置等风场监测设备获取台风风场状态数据，与权威台风预警数据平台融合共享，基于台风动力降尺度预报模型和微地形等多源信息，实时计算与评估输电线风害风险，为运维人员提出辅助决策建议，并充分应用微信、短信等信息化手段，向运维单位与各级调度部门实时推送风害预警信息。台风过境后，进一步开展实际风场监测情况与预测模拟分析比对，进而研判故障发生可能原因，为紧急抢修做好提前物资、人员和技术准备。

根据智能电网调度控制系统新型应用架构设计[13-16]，基于电网气象监测数据的台风灾害输电故障预警研判系统从实际运行角度出发，通过实时采集输电线周边风场等信息，结合导线实际结构和参数，基于安全前提下，建立专家辅助决策模块，智能、实时、友好形成输电线灾害风险分析与处置应对辅助决策建议。系统架构及主要信息交互如图1 所示。

图1 GlobeLand30 土地利用数据全球示意图

图1 中，电力二次系统安全防护共有4 个分区，I 区为实时控制区，II 区为非控制生产区，III区为生产管理区，IV 区为管理信息区。电网气象监测数据通过数据采集系统上送到IV 区，经过防火墙在III 区完成与大尺度台风气象预报平台的数据汇集，经隔离装置进入II 区送入台风微气象监测与分析决策模块实现Stidm 计算分析，并将计算结果经隔离装置送回III 区的专家辅助决策系统，实现分析结果的调度控制高级应用。

2 电网输电通道台风风场降尺度预测方法

目前，世界各国基本把数值天气预报(Numerical Weather Prediction, NWP) 作为气象预测的主要方法，当前主流方法主要是新一代中尺度预报模式和同化系统WRF 方法(Weather Research and Forecasting Model, WRF)和台风风场动力降尺度CFD 方法。

动力降尺度研究多是基于平稳大气、中性层结的假设，实际上台风是一个高度非平稳、非中性层结的复杂天气系统，且在眼墙区存在较强的垂直对流活动，采用目前的动力降尺度技术对其近地微尺度风场模拟时势必出现偏差，故而有必要针对台风天气条件下输电线路在复杂地形作用下的近地面（线路及杆塔高度）微尺度风场进行研究。值得注意的是，随着近年来用于电网的台风气象监测点和观测网络的不断建设，电网气象监测信息的质量、历史资料累积、实时获取能力不断提高，通过电网气象监测数据来修正动力降尺度方案成为可能。本文所提出的基于电网气象监测数据的中尺度模式与微尺度CFD 模式相结合的动力降尺度方法，可以更好实现输电线路区域风速风场变化情况预测模拟。通过地形获取、风场模拟与动力特性分析构建风场降尺度预测方法。

2.1 微地形提取及简化

为了实现水平分辨率为百米级的台风风向、风速等要素预报，需要提取水平网格分辨率为百米级甚至十米级的微地形特征，包括地形高程、土地利用数据等，分析复杂地形对台风近地面风场的影响，从而建立百米级分辨率的台风风场动力降尺度模型。

本文采用国家基础地理信息中心发布的全球30 米分辨率地表覆盖数据（GlobeLand30）形成的全球示意图见图2 所示。在形态学上，复杂地形可以看成是若干个“基本地形”的组合。如果将一个山体看成是一个“基本地形”，则描述这个山体的主要特征参数有：坡度、坡向、坡长、地表覆盖类型等。根据《建筑结构荷载规范》（GB50009-2012）可知，计算结构的风荷载标准值时，主要受地表粗糙度、离地高度、山体坡度、山体高度或者坡长、结构高宽比、截面形状等因素影响。为了简化三维地形的复杂程度，从二维地形的角度考虑，排除结构高宽比、截面形状影响后，描述山体地表气动参数的主要因子有：山体坡度、山体坡长、地表粗糙度等。根据风洞试验和CFD 数值模拟的经验，认为影响二维山体地表面气动参数的关键因子，从最重要的开始依次为：山体坡度>山体坡长≈地表粗糙度。利用这一结论，即可在后续通过建立坡度、坡长等对应拟合函数关系实现微地形风场数值模拟。

图2 输电线路风场动力降尺度模型实现流程图

2.2 微地形风场数值模拟

对于登陆台风而言，由于其近地面的风速和风向在短时间内（如半小时内）变化不大，可近似看成稳态来流。若假定为稳态来流条件，则理论上该来流条件所对应的空间流场分布是唯一的，采用CFD 模型对流场进行稳态数值模拟，可以获得该来流条件下的流场分布。以中尺度网格区域为例，如果若干预测时刻具有相同或相近的来流条件，则这些时刻中尺度网格区域内的流场也将呈现出相同或相似的分布。因此，对某一时刻进行风速模拟或预测时，可以采用CFD 事先模拟出各种天气条件下（如不同来流方向，不同大气稳定度）的风场分布，建立微尺度流场动力特性数据库，然后直接根据中尺度气象模式的模拟或预报结果，选择对应来流条件的风场进行降尺度计算。

描述空气状态的基本参数有四个：风速、气压、温度、湿度。其中，风速和气压属于动力参数，温度和湿度属于热力参数。在台风近地面风场研究中，空气动力过程为主导因素，而热力过程为次要因素，一般选取风压系数和风速比作为计算流体动力学模型CFD 计算的输出结果。

其中风压系数的定义为：

式(1)中：Pi为测点i的平均压力，PH为参考高度H处的静压，UH为参考高度H处的平均风速，空气密度ρ=1.225kg/m3。

风速比的定义为：

式(2)中：Ui为测点i的平均风速。

2.3 流场动力特性数据库建立与调用

为了进一步提高预测模型的计算效率，保持系统运行的稳定性和安全性，有必要建立流场动力特性数据库，在此过程中充分考虑微地形中山体坡度、山体坡长、地表粗糙度等影响因素。流场动力特性数据库中的数据是指通过CFD 数值模拟所获取的风压系数Cp和风速比Ri两个参数。

数据库建立完毕后，可被风场降尺度模型直接调用，详见节3.4。简单来说，根据中尺度天气预报模型提供中尺度网格格点风速（公里级分辨率），结合风速比Ri，便可通过迭代降尺度得到次网格尺度的风速（百米级分辨率）。在该方法中，风速比Ri体现了次网格复杂地形对中尺度模式格点风速的影响，从而实现风场降尺度计算。在流场动力特性数据库中，风压系数Cp主要用于风场动力降尺度方法的升级和改进之中。按此方法建立的流场动力特性数据库，不仅可以进行中国区域风场降尺度计算，也可结合GlobeLand30 信息，适用于全球任意复杂地形的风场降尺度计算，其数据具有普适性。

2.4 输电线路风场动力降尺度模型与实现

在前述微地形提取及简化、微地形风场数值模拟、流场动力特性数据库建立调用的基础上计算出各输电线路微地形点对应的风速比Ri，输电线风场动力降尺度方案的计算基于WRF 中尺度风场进行。按此思路，提出基于简化地形气动参数的风场动力降尺度方法Stidm，利用此Stidm降尺度方法可以进一步实现输电线路风场动力降尺度模型。

计算过程的核心思想是：基于中尺度风场，结合简化地形气动参数（平均风速比Ri），综合考虑微地形信息和杆塔高度等多源信息，对中尺度网格角点位置的风速在降尺度网格内进行再分配、再修正，形成优化动力降尺度Stidm 方案，再利用电网气象监测数据持续修正形成Stidmaj，实现适合输电线路台风影响研判的百米级分辨率风场降尺度计算与评估，适应输电线路风场动力降尺度模型核心方案流程图如图3 所示。

图3 Stidm 降尺度模式计算纬向风速U 过程示意图

风场动力降尺度模式实现过程中，将风速分解为纬向风速U和经向风速V，以纬向风速U为例，Stidm 的计算过程示意图如图4 所示，具体的计算方法如公式(3)—(9)所示。

具体运算步骤为：

步骤1：先把中尺度网格（粗实线）四个角点位置的纬向风速U赋值给降尺度网格纬向风速u（细实线）。

步骤2：求中尺度网格（粗实线）四边中点的纬向风速u：

步骤3：求中尺度网格中心点的纬向风速u：

步骤4：同步骤1—步骤3 原理，计算得出式(9)中的降尺度网格中心的经向风速v。

步骤5：执行步骤1—步骤4，便完成了第一次降尺度计算。若要进一步降尺度，可在四个降尺度网格（细实线）内重复步骤1—步骤4，进行多次降尺度计算。假设中尺度网格的水平分辨率为Δx(公里级)，则完成第一次降尺度后，其水平网格分辨率为Δx/2；完成第二次降尺度后，其水平网格分辨率为Δx/4；完成第三次降尺度后，其水平网格分辨率为Δx/8。如此类推，多次循环，直到水平网格分辨率达到需要的降尺度要求为止。

在图4 和公式(3)—(9)中，U、V为中尺度模式中地表10m 高度（输电杆塔高度）的平均纬向风速和平均径向风速，来源于区域中尺度数值天气模式预测输出结果；u、v为输电线路降尺度风场中地表10 m 高度的平均纬向风速和平均径向风速；Ri为平均风速比。

步骤6：根据设定输电线路降尺度风场纬向风速u和经向风速v，可以计算得到降尺度风场中地表10 m 高度的平均风速v10 和平均风向θ10为：

式中：p=0,1,...；q=0,1,...。

以上6 个步骤便构成了Stidm 风场动力降尺度计算方案，由此结合权威气象部门提供的中尺度模式预报数据，即可实时进行设定所需分辨率降尺度风场计算。

2.5 Stidmaj 模型修正实现

风场计算数值模式预报结果的精度主要受到两个关键因素的制约：一个是预报模式对大气物理过程的反映程度，即数值预报模式本身的准确程度；第二是用作模式积分的初始条件的好坏，即预报的初始同化资料场。虽然已经有不少的研究在不断地改善模式物理参数化方案，提高模式初始场质量，但是由于资料误差和模式误差在现阶段不可避免，导致数值预报的结果在现阶段需要修正。实践证明，统计修正方法可以达到较好的修正效果，风场误差的传统统计修正方法主要基于线性的数理统计方法，比如自适应偏最小二乘回归、均生函数方法、AVT(average variance trend)方法等。

针对Stidm 模型，在对各类影响降尺度风速预报偏差的因子进行相关性分析的基础上，选取了相关性较明显的10m 风速（u10）、850 hPa 风速（u850）、700 hPa 风速（u700）、海平面气压（pres）、海拔高度误差（dh）、坡角（sa）、相对坡长（rps）、预报时刻（hour）、10 m湿度（rh）、测站纬度（lat）、10 m 温度（tmp）、测站经度（lon）、实际测站高度（hobs）等作为回归因子，利用选定时间段（一般选3 至6 个月）电网气象监测数据资料作为训练样本，统计建立起针对Stidm降尺度风场的多元线性回归订正模型Stidmaj。得到的订正关系如下：

基于此修正Stidmaj，即可选取可信度最佳的方案指导台风防范与事故抢修。具体应用场景为：

1)常态化根据电网气象监测数据动态修正动力降尺度预测修正模型Stidm，同时根据Stidmaj预测研判识别电网气象监测坏数据，消除坏数据，提高系统精准性和可用性；

2)台风来袭时，根据Stidmaj 预测值和电网气象监测实时值对比研判，动态调整台风防范处置方案，指导过程中的调度事故处置，及时调整电网运行方式；

3)输电线路故障发生区域，通过Stidmaj 预测值与电网气象监测值历史值对比研判，研究该故障影响因素是否有由大风导致，如果排除该区域发生大风，则研判是否由降水导致，避免原因不明耽误物资等准备，为后续科学抢修提供决策参考依据。

3 基于降尺度预测方法的台风预测系统工程应用

2019 年超强台风利奇马(Super Typhoon Lekima，国际编号：1909)于8 月10 日1 时45分在中国浙江省温岭市沿海登陆，登陆时中心附近最大风力16 级(52 米/秒，超强台风级)，中心最低气压930hPa，该台风具有登陆强度强、陆上滞留时间长、风雨强度大、影响范围广、灾害影响重等特点，其移动路径及强度变化如图5 所示。在此次台风应对过程中，利用本文所提出的台风预测系统，较好研判了各类输电线路故障在此次台风中发生原因和故障性质，为电网台风防范和事故抢修提供了具有工程价值的指导。本节中从气象监测信息、模型预测结果以及台风破坏研判分析三个方面详细展示了本文所提出的台风预测系统的实际应用。

图5 某省风场降尺度地表10 米风速均值时序图

3.1 某东部省级电网气象监测信息配置情况

经过多年的建设发展，某省级电网已完成约2000 个自动观测站点配置。经过站点典型代表性、质量稳定性和线路重要性等条件筛选后，选取共约350 个站点的气象监测信息风速资料用于研判分析，研究区域内的自动观测站点分布图6 所示。

图6 台风利奇马造成的线路故障点分布图

选定气象监测数据时间范围为利奇马台风集中影响的时段，即2019 年8 月9 日20 时至10 日22 时。气象监测信息中采集的风场信息包括有十分钟平均风速和风向、最大风速、极大风速。本文中用于研判分析的风力信息为十分钟平均风速及风向。

3.2 基于气象监测信息评估降尺度模型预测结果

2019 年8 月9 日20 时至10 日22 时利奇马台风影响期间，该省级电网配置在全省范围的350 个自动观测站全时段平均风速约为3～7 m/s，其中在台风登陆温岭期间（9 日23 时至10 日01时）有较明显的波动。图7 给出了利奇马台风影响期间，该省风场降尺度地表10 米风速的均值时序图，其中obs 为观测值，warr 为中尺度模式1 小时预报值，Stidm 为风场降尺度模式1 小时预报值，Stidmaj 为订正后的风场降尺度模式1 小时预报值，灰色柱条为有效监测点数目。

图7 3 号故障点地表10 米风速均值时序图

由图7 可看出，中尺度模拟预测值warr 和订正前的降尺度模拟预测结果Stidm 较为接近，其平均风速约8～15m/s，模拟预测结果较实际观测值明显偏大。订正后的降尺度模拟结果Stidmaj和观测风速非常接近，其平均风速约5～8 m/s，均方根误差约为3～5 m/s，偏差约为-1～3.5 m/s。由此可以认为，订正后的风场降尺度模式Stidmaj比订正前的风场降尺度模式Stidm 的风场模拟能力有较大提高，幅度约为50%，拟合效果更佳。

3.3 基于台风预测系统的破坏性研判分析

8 月10 日1 时45 分左右，台风“利奇马”在浙江省温岭市沿海以超强台风级登陆，台风中心先后穿过台州市、金华市、绍兴市、杭州市、湖州市等地，在浙江省滞留超20 小时，于10 日22 时离开浙江进入江苏。台风“利奇马”影响期间该省电网输电线路出现故障点48 处，主要出现在温岭市，玉环市、温州市东部沿海地区以及舟山市西侧海岛，具体分布如图8(a)所示，图中黑框地域为事故密集区，其放大图为图8(b)所示。

图8 台风“利奇马”浙江省电网输电线路故障点

3.3.1 温岭电网破坏研判分析

由于超强台风利奇马在温岭市登陆，温岭市输电网遭受破坏最严重，温岭市和温州北部输电线路共有32 处出现故障，选取3 号故障点为例，其地表10 米高度的观测风速和降尺度模拟风速如图9 所示。图中，预测最大风速为27.34m/s，周边最近监测点实测最大风速22.53m/s，发生在台风中心登陆时刻附近，由此推测电塔的破坏主要由强风及风向快速变化造成。

图9 3 号故障点地表10 米风速均值时序图

3.3.2 舟山西部电网破坏研判分析

超强台风利奇马造成舟山西侧输电线路出现两处故障点，故障点1 处其地表10 米高度的观测风速和降尺度模拟风速如图10 所示。图中降尺度预测模型预测最大风速为25.15m/s，周边最近监测点实测最大风速7.68m/s，说明该处故障与风力关联度较小，调取舟山地区降水图，8 月9 日夜晚21—23 点，10 日凌晨1—4 点均有大暴雨甚至特大暴雨发生，由此推测舟山市两个输电塔的破坏与强降水有关，有可能是强降水诱发了地基滑坡。后续抢修情况也佐证了此推测，为该处事故抢修前期准备提供了科学参考。

图10 1 号故障点地表10 米风速均值时序图

4 结论

超强台风往往造成省域范围内大面积输电线路故障和大数量用户停电，为尽快实现正常供电，提高台风影响下输电线路的故障处理和应急修复效率具有重要意义。智慧输电线路建设作为保障电网安全可靠运行的科学技术手段，使得网格化气象监测数据的可靠获取、实时传输和分析应用成为可能。本文创新提出一种将电网气象监测数据与降尺度预测模型有机结合指导台风灾害输电故障预警研判系统。此系统在某东部省级电网应用实践，证明了在电网台风灾害输电故障预警研判中成效明显，并且对台风影响区沿海电网有普遍的实用性和指导价值。