吴骥 陈卫东 字俣丞 肖莹
1 中国电力科学研究院有限公司，南京 210009
2 中国科学技术大学，合肥 230026
3 中国科学院大气物理研究所，北京 100029
4 国网山西省电力公司电力科学研究院，太原 030001
在全球气候不断增暖的影响下，极端天气事件频发，严重影响和威胁着人类的生存和可持续发展。为积极应对气候变化，中国提出了“碳达峰与碳中和”两大目标。风、光可再生能源的开发利用，是实现“双碳”目标的重要举措。风速和地面太阳辐射是风能和光伏发电的资源基础，其变化对风能和光伏的开发利用有重要影响。但风能和光伏新能源的具有很强的随机性、波动性和不确定性，对建立大占比风、光能源的电能供给和电网安全有严重的影响和制约。风速和太阳辐射的准确预报是解决风、光能源随机性、波动性和不确定性制约、促进其大规模有效消纳的关键。
随着数值模式技术水平的迅速提高，数值模式预报已成为中短期天气预报的基础。21世纪以来，美国True Wind Solutions公司在应用数值模式评估风能资源方面处于国际领先地位（Ayotte et al.,2001），其风能资源评估系统已应用于在20多个国家和地区（Manwell et al., 2002）。也有许多研究者利用高分辨率区域气候模型集合评估了气候变化对欧洲风能的影响（Hueging et al., 2013; Tobin et al., 2015）。此外，在中国基于数值模式的风速和太阳辐射的预报，已有许多研究和业务实践工作（吴国旸等, 2005; 杨秀媛等, 2005; 穆海振等, 2006;卢静等, 2010; 李光明等, 2011; 马金玉等, 2011; 李芬等, 2011; 徐晶晶等, 2013）。近 10 年，随着一些非常观测能力的提高，雷达和卫星等资料同化技术的发展，计算能力的提高和模式物理过程的改善，1～10 d的中短期天气预报准确率得到显著提升。顶尖的全球数值天气模式大约每10年延长可用预报时效1 d左右，模式的最长预报时效可达10～16 d（Harper et al., 2007; 王毅等, 2019）。此外，数值模式对一般天气的预报已经比较成熟，在对风速的预报准确率已超过80%（夏晓玲等, 2019）。但对天气过程转折中（如寒潮、暴雨和台风等极端天气）的预报性能还较低，而这些极端、转折天气过程中的预报准确性已经成为风/光伏新能源开发气象服务所关心的焦点问题。
寒潮是我国冬季最重要的天气过程，GRAPES模式和欧洲中心数值预报模式（ECMWF）等全球中期预报模式对寒潮过程和寒潮强度具有较高的预报性能（贾丽红等, 2009; 于超, 2010; 董全等, 2017;祁莉等, 2017），一些区域预报准确率高达80%以上（唐沛等, 2019）。许多学者利用WRF中尺度模式、GFS预报系统对寒潮等极端事件开展过更为精细化的中短期天气预报技术研究（贾丽红等,2009; 苗春生等, 2010; 张秉祥等, 2010; 朱雯娜和黄海波, 2012; 陈春艳和黄海波, 2016; 马玉芬等, 2016;曲巧娜等, 2016）。但在寒潮过程中，数值模式是否还能对在寒潮过程中的风速和太阳辐射等气象因子做出准确预报，开展的分析评估工作不多。模式在重要过程中的预报性能还需要进一步检验。
寒潮过程会带来大风降温天气，对风/光伏资源的变化有重要影响。分析评估寒潮过程中数值模式预报技巧的变化特征，对更好地引用数值模式预报在风/光伏发电量预报中的应用具有重要的现实意义。因此，本文将通过分析评估华东地区在寒潮过程中GFS预报系统的预报技巧变化特征，为新能源的开发和利用中预报信息的科学应用提供参考。
2.1 资料
本文采用来自ECMWF发布的2020年12月至2021年3月全球再分析数据集ERA-5作为观测资料，资料包括2 m温度场、10 m水平风场、向下净短波辐射通量场，时间分辨率为1 h，空间分辨率为0.25°（纬度）×0.25°（经度）。模式预报系统使用NCEP提供的全球预测系统（Global Forecast System, GFS）。该系统每 6 小时预报一次（00:00、06:00、12:00、18:00，协调世界时），水平分辨率为0.25°（纬度）×0.25°（经度）。本研究主要选取00:00为预报起始时刻，预报时长为120 h，此外为方便比较，本文将协调世界时转化为北京时间，预报起始时刻变为08:00。
2.2 区域寒潮定义
根据2020～2021年影响华东地区的寒潮路径和范围，其中影响较大的区域主要位于安徽、江苏、浙江和江西以北，因此本文主要所选择的研究范围如图1所示，其中模式资料的总格点数为841。根据《冷空气等级》（中国气象局, 2017）以及华东地区的寒潮特性，制定以下区域性寒潮标准：1）降温幅度：单个格点24 h平均气温下降4°C以上，或48 h降温6°C 以上，或72 h降温8°C 以上；
2）最低温度：单个格点日最低温度低于5°C。3）同时满足以上两个条件的格点总数不低于总格点数的25%（站点数为210）。
图1 华东地区区域范围Fig.1 Regional scope of East China
2.3 评估检验方法
首先通过预报准确率（Forecast Accuracy, AC）来检验GFS预报系统对寒潮的预报能力。其次根据《地面气象观测规范风向和风速》（中国气象局, 2017）将风速等级分为：0～2级（风速＜3.4 m/s）、3～5（3.4 m/s≤风速＜10.8 m/s）、6 级以上（风速≥10.8 m/s）3个等级，并采用《天气预报检验风预报》的方法（中国气象局, 2019），通过风速预报两分类列联表（表1），计算预报评分（Threat Score, TS） 对风速进行分段检验。此外采用相对误差（Relative Error, RE）对向下净短波辐射通量进行检验。各项指标计算公式如下：
其中，AC为预报准确率，NF为预报正确的格点数，NR为发生寒潮的格点数，i为不同风速等级，NAi为预报正确次数，NBi为空报次数，NCi为漏报次数，Fk为预报值，Ok为实况值，N为总格点数。
2.4 寒潮个例挑选
根据区域寒潮的定义标准（如表2所示），本文挑选了华东地区2020年12月10日至2021年3月9日共9次寒潮过程，其中12月13～14日、12月29～30日、1 月7～8日、1月15～16日这4次达到寒潮标准的范围最大（即格点最多），而12月29～30日和1 月7～8日寒潮影响范围最大，强度最强。
表2 2020～2021年9次冷空气过程达到区域寒潮标准的格点数以及模式预报准确率Table 2 Grid points of nine cold-air processes reaching regional cold wave standards and model prediction accuracy during 2020−2021
3.1 寒潮预报准确率
根据以上9次寒潮的发生过程，通过GFS预报系统120 h的2 m温度预报资料，计算出提前1～4 d预报过程中的寒潮预报准确率，具体如表1所示，除2月7～8日超前3～4 d寒潮预报准确率低于40%，以及3月1～2日的超前1～3 d寒潮预报准确率低于60%之外，其他几次过程中预报准确率均超过70%，2月22～23日的寒潮预报准确率更是高达100%。提前1～4 d的对区域寒潮过程的平均预报准确率分别为83%、88%、80%、81%，均超过80%，说明GFS预报系统能够很好地预报出区域寒潮过程。
表1 风速预报两分类列联表Table 1 Contingency table of dimorphic distribution for wind speed forecast
3.2 风速的检验
以往的研究表明，数值模式在对一般天气过程中的基本气象要素预报的准确率非常好，而在遇到寒潮天气过程时，近地面风速往往会发生显著的突变，模式的预报技巧明显降低。从寒潮爆发开始，平均风速开始显著增加。本文将达到寒潮标准的第一天成为寒潮爆发日，寒潮强度达到最大的当天成为寒潮最强日。可以发现，寒潮最强日02:00至17:00平均风速增至最大，寒潮结束之后风速才趋于正常（图略）。为考察模式在预报过程中预报技巧的变化特性，本文给出了寒潮过程中3个预报时效的预报风速TS评分（图2），3个预报时效分别为 24 h、48 h 和 72 h，评分结果为将 9 次寒潮过程TS评分进行平均所得到。此外，为方便与寒潮过程作比较，本文也对12月10日至2月28日的非寒潮过程（一般天气过程）的近地面风速进行了TS评分。最后，单独对比了两次典型寒潮过程最强寒潮日的TS评分，分别是预报准确率最高且影响范围最大的12月30日寒潮（简称“1230”）和预报准确率最低的3月1日寒潮（简称“0301”）。
为考察不同风速等级的评分结果，图2给出了 24 h、48 h 和 72 h 三个预报时效内寒潮爆发日、寒潮最强日和非寒潮日3个等级风速值TS评分的逐小时变化。从图中可看到，不同等级的风速预报 TS 评分均为 24 h 预报最高，48 h 次之，72 h 最低，并具有明显的日变化特征。0～2级风速的TS评分在寒潮爆发日迅速下降，24 h（72 h）预报TS评分从09:00约0.9（0.8）一直到22:00下降到最低的0.6（0.5），持续至第二天凌晨均保持在0.7以下。在寒潮最强日，0～2级风速的TS评分度最低，3个预报时效的TS评分从早上0.6以上持续呈下降趋势，到17:00最低均低于0.5，之后逐步升高，凌晨恢复到0.8左右（图2d）。与一般天气过程的0～2级风速TS评分相比（图2g），无论哪个时段，寒潮爆发日和寒潮最强日0～2级风速的预报TS评分都比一般过程偏低，在一般天气的情况下，0～2级风速预报TS评分平均在0.8左右。同时可发现，风速预报TS评分在白天较低，从09:00至17:00的TS评分均为下降趋势。以上研究表明，模式在寒潮爆发日和最强日对低风速段的预报能力要低于平均值，其中白天预报TS评分下降最显著，傍晚预报技巧最差。
3～5级风速评分在寒潮过程中的变化特征与0～2级有很大不同。寒潮爆发日的3个预报时效的TS评分均呈现先升后降的趋势（图2b），09:00 至 14:00 的提前 24 h 预报（24 h）TS 评分值从略低于 0.8上升到0.85；
提前 72 h（72 h）预报的TS评分从09:00的0.65上升到15:00的0.7以上。之后在夜间维持呈下降趋势，到次日08:00为0.65左右。在寒潮最强日（图2e），TS评分的逐小时变化与0～2级的评分变化完全相反。3个预报时效的TS评分从09:00至17:00均维持在0.75以上的较高水平，17:00开始迅速下降，20:00以后TS评分均维持在0.6左右。与一般天气过程的3～5级风速TS评分相比（图2h），在寒潮爆发日和寒潮最强日3～5级风速预报的TS评分在白天均较一般过程高。在一般天气过程中，3～5级的风速预报TS评分平均在0.6左右。3个预报时效风速预报TS评分均在19:00左右最低，24 h（72 h）预报TS降低到0.6（0.5）以下，其他时段差异较小，下午和凌晨相对较高。以上研究表明，在寒潮爆发日和最强日的白天时段模式对3～5级风速的预报评分能力远高于平时，表明数值模式对寒潮过程的预报命中率较高，而寒潮爆发和强盛阶段往往伴随大风天气，因此表现出数值模式对寒潮过程中3～5级风速的预报评分较高。
图2 2020～2021 年寒潮过程（a–c）爆发日和（d–f）最强日、（g–h）一般过程 0～2 级（第一行）、3～5 级（第二行）以及 6 级以上（第三行）3 个风速段的风速 TS 评分（24 h：24 h 预报，48 h：48 h 预报，72 h：72 h 预报，下同）Fig.2 TSs of (a–c) outbreak day and (d–f) the strongest day in cold wave process and (g–h) general weather process during 2020−2021 at three windspeed segments of grades 0–2 (the first row), 3–5 (the second row), and >6 (the third row) (24 h: 24-h prediction, 48 h: 48-h prediction, and 72 h: 72-h prediction, the same below)
6级以上风速TS评分在寒潮过程中的变化特征与3～5级风速TS评分变化趋势类似。在寒潮爆发日（图2c），6级以上风速的3个预报时效TS评分先降后升。09:00以后基本为下降趋势，下午开始TS评分升高，大约在18:00存在一个峰值（图2c），其中24 h预报TS评分可以超过0.6以上，72 h预报TS评分也可以到0.5。18:00之后，3个预报时效TS评分均呈现下降趋势。寒潮最强日TS评分从白天到夜间均为缓慢下降趋势。
与一般天气过程的6级以上风速TS评分相比（图2i），在寒潮爆发日和寒潮最强日6级以上风速预报的TS评分几乎所有时段都比一般过程明显偏高。在一般天气的情况下，6级以上的风速预报TS评分平均在0.3左右。3个预报时效风速预报TS评分差别不大，但整体在白天相对较高，在23:00至02:00午夜时段TS评分最低。对6级以上风速TS评分的变化表明，数值模式对寒潮过程的预报命中率较高，因而在寒潮爆发和强盛阶段对6级以上风速的数值预报技巧也会明显提高。同时以上分析还表明，寒潮过程中数值模式预报对强风速的TS预报评分明显高于一般天气情况，这主要是由于大风天气与寒潮过程相伴的锁相关系。在寒潮过程中，强风变成了大概率事件，而弱风天气反而成了小概率事件。因此，寒潮得到TS评分和样本的多少有密切关联。
以上给出的是对9次寒潮过程数值模式预报的平均TS评分情况。但对每次寒潮过程的预报效果还有着不小的差别。以下将给出寒潮强度大、影响范围广、过程预报较好的“1230”寒潮过程和过程预报较差的“0301”寒潮过程进行比较分析。图3a和3b分别给出了3个预报时效在“1230”寒潮的0～2级和3～5级风速预报TS评分。与9次过程的平均TS评分（图2d和2e）相比，0～2级和3～5级的评分变化特征比较一致，但数值上变化更为剧烈。0～2级风速的TS评分在12:00至17:00（白天）较低，仅为0.1左右，但在19:00（夜间）以后TS评分值迅速增加，并在夜间继续增加至接近0.9。3～5级风速预报TS评分的变化与9次过程的平均情况非常类似，白天TS评分较高，17:00以后迅速减小，夜间TS评分较低，维持在0.6以下；
但在“0301”寒潮过程中（图3d和3e），0～2级风速TS评分在 09:00至 16:00时段均在0.5以上，其中在3个时效预报TS评分在14:00左右达到最大，之后下午时段开始减小，夜间逐渐增加，并在凌晨重新达到最大。“0301”寒潮过程中的3～5级评分在白天高于夜间，17:00以后持续减小，凌晨达到最低。对比两者异同可以发现，“1230”寒潮TS评分变化与多次平均较为类似，并且3个预报时效的TS评分比较接近，说明数值模式对此过程的预报比较准确。但“0301”寒潮的TS评分有明显差异，白天和夜间TS变化不明显，呈现缓变过程。同时，不同时效对寒潮最强日的TS评分存在着明显的差异，表明数值模式对本次过程的预报准确率不高。对于6级以上风速的TS评分，“1230”寒潮在02:00以前均表现出较高的评分，在0.8～0.9之间（图3c），而“0301”寒潮在11:00至24:00的评分也均在0.5以上，但存在明显振荡，差异也较大，整体的评分值低于“1230”寒潮过程（图3f）。
图3 2020～2021 年（a–c）“1230”和（d–f）“0301”两次寒潮过程最强日 0～2 级（第一行）、3～5 级（第二行）以及 6 级以上（第三行）3个风速段的风速TS评分Fig.3 TSs of the two strongest days in cold wave process of (a–c) “1230” and (d–f) “0301” during 2020−2021 at three wind-speed segments of grades 0–2 (the first row), 3–5 (the second row) and > 6 (the third row)
以上研究表明，无论是预报准确率高还是低的寒潮过程，在3～5级和6级以上风速的TS评分表现均较好，反映出数值模式对寒潮过程具有很好的预报技巧。
3.3 向下净短波辐射通量的检验
寒潮过程中伴随着剧烈的天气变化，对影响光伏发电的向下净短波辐射通量也会产生影响。统计分析表明，在寒潮爆发之前向下净短波辐射通量高于气候平均值，但是在寒潮爆发后显著少于气候平均状况，其中在13:00左右差异最大，而在寒潮结束后向下净短波辐射通量显著高于一般天气过程（图略）。以下将对寒潮过程中数值模式的向下净短波辐射通量预报误差的变化进行分析检验。根据太阳辐射量的变化特点和模式预报产品特性，本文选择相对误差（Relative Error, RE）对其进行检验。此外，根据光伏发电场站和电网的生产需求，选取向下净短波辐射通量较多的09:00至17:00时段（共9 h）进行检验。同样也对比了“1230”和“0301”寒潮的误差结果。
图4给出了寒潮过程（爆发日和最强日）和一般天气状况下向下净短波辐射通量预报RE的变化。从图中可以发现，不论是寒潮过程中还是其他天气状况下，预报时效越长，RE越大。在寒潮爆发日，09:00不同预报时效的RE均在30%～40%之间，并且上午时段逐步减少，13:00左右RE达到最小，之后开始增加。在14:00以后RE开始骤增，到17:00的 24 h和 48 h预报 RE 已超过 40%，72 h预报RE接近45%，误差为最高。而在寒潮最强日，不同预报时效的RE在上午时段与寒潮爆发日变化较一致，RE略低于后者。12:00以后RE增加，但幅度明显小于寒潮爆发日，3个预报时效的RE在25%～35%之间，误差较爆发日减少近一倍。一般天气过程中RE比寒潮过程中较小，3个预报时效的RE与寒潮爆发日的平均差值在15%左右，但与寒潮最强日的差值仅在5%左右。以上研究说明，GFS预报系统虽在爆发日对向下净短波辐射通量的预报技巧有较大影响，尤其对下午时段的误差会有较大增加。但是在寒潮最强日仍能维持较好的预报技巧，寒潮过程对该日的预报技巧没有明显的影响。此外，与风速等级预报不同，不同预报时效对向下净短波辐射通量预报误差有较大的影响。
图4 2020～2021年寒潮过程的爆发日（黑）和最强日（深灰）、一般天气状况下（浅灰）平均向下净短波辐射通量相对误差Fig.4 Relative error in the downward net short-wave radiation flux between outbreak day (black) and strongest day (dark grey) in cold wave process and general weather process (grey) during 2020−2021
同样地，本文对比了“1230”寒潮和“0301”寒潮两次过程的RE（图5），过程命中率较高的“1230”寒潮过程中，不同预报时效的RE均在10%左右，三者差异非常小；
但对预报命中率较低的“0301”寒潮而言，RE明显偏高，尤其是在提前72 h的预报中RE可以达到70%～100%，其中对13:00时刻的预报RE接近100%，提前24 h预报的RE虽然相对最小，但也在50%～70%之间，显著高于“1230”寒潮。这说明数值模式对预报准确率低的寒潮过程，向下净短波辐射通量的预报误差也明显偏大。
图5 2020～2021年两次寒潮最强日（黑线为“1230”，灰线为“0301”）向下净短波辐射通量相对误差（“1230”寒潮过程3个时效的预报完全重叠）Fig.5 Relative error in the downward net short-wave radiation flux of the two strongest days of cold wave process during 2020−2021 (black line:“1230”, grey line: “0301” ) (the effective predictions of the “1230” cold wave process completely overlap three times)
通过ERA5再分析数据集挑选出华东地区2020年12月至2021年3月的9次寒潮过程对GFS预报系统进行检验，主要得出了以下几个结论：
（1）GFS预报系统在提前1～4天均能够比较准确地预报出9次寒潮的降温过程，平均预报准确率分别为83%、88%、80%、81%，均超过80%。
（2）采用TS评分对GFS预报系统的3个不同的预报时效（24 h、48 h 和 72 h）的不同风速等级进行检验评估，发现0～2级风速的TS评分值均低于一般天气过程，但对3～5级和6级以上风速的评分均高于一般天气过程，这主要是由于数值模式对寒潮过程的预报命中率较高，而寒潮过程与大风天气的发生紧密相伴。因此，数值模式对寒潮过程中强风的预报TS评分较高。同时分析发现，在寒潮爆发日对风速等级夜间时段预报的影响大于白天时段，而在寒潮最强日对风速等级白天时段的预报影响远大于夜间。
（3）向下净短波辐射通量在寒潮过程中也会发生显著变化，在寒潮爆发的前一日，辐射值高于一般天气过程，但是在寒潮爆发后，辐射量显著低于一般天气过程，而寒潮结束后情况又刚好相反。通过对不同预报时效预报结果的误差检验可以看到，相对误差（RE）：爆发日>最强日>一般天气过程，其中寒潮爆发日与一般天气过程的相差在15%左右，最强日与一般天气过程的差值仅在5%左右，差异较小。说明寒潮爆发日对向下净短波辐射通量的预报准确率影响最大。
（4）分别对比两个预报准确率高的“1230”寒潮和预报准确率低的“0301”寒潮预报过程可以看到，对风速等级和向下净短波辐射通量的预报结果，在预报命中率高的寒潮过程，预报时效对TS评分影响不大，但在预报命中较低的寒潮过程，不同的预报时效有明显差别；
同时，不同命中率的寒潮过程中，3～5级和6级以上风速的预报TS评分相差不大，但对向下净短波辐射通量的预报技巧有较大的差别，在命中率低的寒潮过程中对向下净短波辐射通量的预报误差性显著增加。
做好极端天气过程中风速和太阳辐射等气象要素的评估，对提高新能源消纳水平、服务“双碳”目标，有着重要的意义。本文着重评估数值模式在寒潮不同过程中对风速和太阳辐射的预报技巧，尤其是揭示了预报准确存在着显著的日变化特点。为在生产业务中提出了模式预报技巧变化需要重点关注的关键时段。其次，由以上结论可知，数值模式在寒潮过程中对于强风具有较高的预报技巧，相比之下，弱风的预报技巧较低，对于准备利用寒潮过程满载发电的风电场而言，提高过程中强风时段的利用率，做好弱风时段的预报将是更大的挑战，需要在今后的预报技术研究中给予更多的关注。
猜你喜欢寒潮时效风速预时效对6005A铝合金自然时效及人工时效性能的影响有色金属加工(2021年4期)2021-08-11劳动关系确认不应适用仲裁时效四川劳动保障(2021年4期)2021-07-22超级秀场 寒潮来袭意林原创版(2021年3期)2021-04-29基于最优TS评分和频率匹配的江苏近海风速订正海洋通报(2020年5期)2021-01-14基于时间相关性的风速威布尔分布优化方法中国电业与能源(2020年5期)2020-06-16挤压态Mg-Dy-Cu合金板材的显微组织及时效硬化行为中国有色金属学报(2018年2期)2018-03-26环保执法如何把握对违法建设项目的追责时效?中国环境监察(2016年4期)2016-10-24基于GARCH的短时风速预测方法西南交通大学学报(2016年4期)2016-06-152016年寒潮来袭，湿冻模式开启意林·少年版(2016年7期)2016-05-04快速评估风电场50年一遇最大风速的算法风能(2016年11期)2016-03-04