2. 中国科学院大气物理研究所 LASG国家重点实验室, 北京 100029;
3. 中国海洋大学 山东省海洋工程重点实验室, 山东 青岛 266100;
4. 中国气象局办公室, 北京 100081
2. National Key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics(LASG), Institute of Atmospheric Physics, the Chinese Academy of Sciences, Beijing 100029, China;
3. Shandong Provincial Key Laboratory of Ocean Engineering, Ocean University of China, Qingdao 266100, China;
4. Headquarters Office of China Meteorological Administration, Beijing 100081, China
“21世纪海上丝绸之路”(简称“海上丝路”)将给人类共同进步带来重要机遇,但沿线国家(地区)的电力供应能力整体薄弱,严重制约着“海上丝路”建设高效展开。波浪能、海上风能等可再生能源开发有益于缓解资源危机、保护海洋生态、帮助边远海岛打破电力困境、促进深远海开发[1-5]。
掌握资源特征是实现波浪能合理开发的前提。早在20世纪70年代,Glendenning等[6]就利用有限的观测资料,计算全球沿岸的波浪能流密度(wave power density, WPD)。Wan等[7]利用卫星资料分析指出西北太平洋的波浪能冬季最丰富。郑崇伟等[8]采用数值模拟方法率先关注南海-北印度洋的波浪能特征。Reguero等[9]发现波浪能与北极涛动等有着密切的相关。郑崇伟等[10]实现了“海上丝路”的波浪能宏观等级区划,及斯里兰卡海域的微观区划,可为资源开发的选址提供决策支持。姜波等[11]采用数值模拟方法,分析了渤海、黄海、东海的波浪能时空特征。郑崇伟等[12]利用ERA-interim资料分析了“海上丝路”的波浪能气候特征和历史变化趋势。我国科学家在海洋能发电装置方面也做了大量工作[13],为海洋能发电做出了积极贡献。
前人在波浪能气候特征分析、等级区划等方面做了大量工作,但目前关于波浪能长期预估的研究稀缺,而这又密切关系到资源开发的长期规划[14]。本文利用CMIP5(the fifth phase of the Coupled Model Intercomparison Project)风场驱动WW3海浪模式,模拟得到2020—2059年的全球海浪场,对“海上丝路”未来40 a的波浪能进行预估,为资源开发的长期规划提供科学依据。
1 数据与方法 1.1 数据简介CMIP5风场来自政府间气候变化委员会,其空间范围为89°S~89°N,1.25°~358.75°E,时间范围为2006—2100年,空间分辨率为2.5°×2.0°,时间分辨率为6 h。CMIP5数据被国内外广泛运用于各个气象要素的预测[15]。
ERA-interim资料来自欧洲中期天气预报中心,时间分辨率为6 h;本文选择0.25°×0.25°的空间分辨率;空间范围为90°S~90°N,180°W~180°E;时间范围从1979年1月1日00:00至今,本文选择的时间序列为1979—2014年。该资料具有较高可信度,得到广泛认可和运用[16]。
1.2 方法介绍以CMIP5风场驱动WW3,模拟得到2020—2059年全球海浪场,从中截取南海-北印度洋,进而对未来40年的“海上丝路”波浪能展开预估。基于1979—2014年的ERA-interim海浪资料,计算得到多年平均历史状态下的“海上丝路”波浪能。将未来与历史的波浪能进行对比,为资源开发的长期规划提供科学依据。Dobrynin等[17]、Hemer等[18]和Casas-Prat等[19]曾利用CMIP5资料对海浪场展开长期预估,表明利用预估风场驱动海浪模式获取未来海浪资料这种方法是可行的。
关于波浪能的短期预报或长期预估,通常主要是关注WPD。本文构建的波浪能长期预估模型则系统覆盖WPD、可利用率、富集程度、稳定性、月际差异等一系列关键指标。WPD的大小是波浪能最直观的体现,因此首先关注的要素是WPD。郑崇伟等[12]将1.3~4.0 m有效波高定义为波浪能开发的可用波高(简称可用波高),有必要通过统计可用波高频率(EWHO)来展现资源可利用率。通常认为WPD大于20 kW/m为丰富[20],可通过统计20 kW/m以上能级频率(RLO)来展现资源富集程度。资源稳定性密切关系到采集和转换效率,甚至影响装置寿命。资源稳定性通常是通过计算能流密度的变异系数(Coefficient variation,Cv)、月变化指数来展现[21]。
1.3 未来海浪数据获取以RCP4.5情景下的CMIP5风场驱动WW3,对未来40年全球海域的海浪场进行数值模拟。选取计算范围:180°W~180°E,89°S~89°N,空间分辨率取0.25°×0.25°,计算时间步长取为900 s,每3 h输出一次结果,计算时间为2020—2059年。
本文还利用CMIP5驱动WW3,模拟得到2006—2014年的海浪场,计算得到这期间的年平均WPD;利用ERA-interim资料,得到同期的WPD。对比分析2种数据在共同时段的异同,发现空间分布特征整体一致。在阿拉伯海,模拟WPD普遍小于基于ERA-interim的WPD;在孟加拉湾,2种资料得到的WPD基本接近;在南海,模拟WPD整体高于基于ERA-interim的WPD。意味着下文的波浪能预估中,阿拉伯海的波浪能存在比实际情况乐观的可能,南海则相反。未来有必要探析阿拉伯海/南海的波浪能被低估/高估的原因,提升预估效果。
2 波浪能预估 2.1 波浪能流密度利用1979—2014年逐6 h的ERA-interim海浪数据,根据WPD算法,计算得到1979—2014年逐6 h的WPD数据。将1979—2014年所有2月的WPD做平均,得到多年平均的2月WPD。同样的方法分别得到过去和未来多年平均状态下的2月、8月、年平均WPD,如图 1所示。
Download:
|
|
1) 2月(代表冬季,下同),不论过去还是未来,南海的WPD都明显大于北印度洋,这是由于南海冬季的冷空气强于北印度洋造成的。在孟加拉湾,过去的WPD呈圆弧形向北凸起,但未来的WPD等值线主要呈东西带状分布,意味着未来40 a的2月南印度洋向孟加拉湾传播的涌浪存在减弱的迹象。此外,南海未来的WPD明显高于过去,阿拉伯海未来的WPD比历史状态也有所增加,意味着这2个海域未来存在冷空气加强的迹象。
2) 8月(代表夏季,下同),南海未来的WPD与过去基本接近。孟加拉湾未来的WPD则明显高于过去;22 kW/m以上的WPD基本覆盖整个孟加拉湾,范围明显比过去更广,意味着未来40 a的8月南印度洋向孟加拉湾传播的涌浪存在加强的迹象。在阿拉伯海,未来的WPD则小于过去,意味着阿拉伯海的西南季风存在减弱的迹象。
3) 年平均,南海和孟加拉湾未来的年平均WPD高于历史状态,阿拉伯海则相反。历史WPD:阿拉伯海最大,孟加拉湾次之,南海相对最小。阿拉伯海大部分区域在12 kW/m以上,该海域的WPD主要是由于西南季风主导。孟加拉湾东西海岸的WPD较低,基本在4 kW/m以内,中部区域相对较大,等值线呈圆弧形向北凸起;该区域的WPD是由于南印度洋北传的涌浪所致,与Zheng等[2]的结论一致。未来WPD:等值线的空间分布特征与历史状态大体一致。南海、孟加拉湾、阿拉伯海3个区域未来40年平均的WPD基本接近,与历史状态(南海的WPD明显低于北印度洋)显著不同。阿拉伯海的WPD低于过去,12 kW/m以上范围明显小于过去。在孟加拉湾,南印度洋涌浪北传的现象依然非常明显。在南海,未来40 a的WPD明显大于历史状态,中北部大部分区域在12 kW/m以上,从等值线的分布特征来看,一方面存在冷空气增强的可能,另一方面是由于太平洋的涌浪传播所致。
2.2 资源可利用率利用1979年2月逐6 h的海浪数据,统计得到该月0.25°×0.25°每个格点上的EWHO,同理得到1979—2014年每年2月的EWHO,而后得到多年平均的2月EWHO。同样的方法得到过去和未来多年平均状态下的2月、8月、全年的EWHO,如图 2所示。
Download:
|
|
1) 2月,南海未来的EWHO基本在80%以上,高于历史状态。孟加拉湾未来的EWHO则低于历史状态。阿拉伯海未来的EWHO高于历史状态,其中索马里海域60%以上的范围明显比历史状态广。
2) 8月,南海的EWHO小于历史状态。不论历史还是未来,该季节北印度洋的资源可利用率乐观(几乎整个北印度洋的EWHO都在90%以上)。
3) 全年,不论南海还是北印度洋,未来的EWHO整体比历史状态乐观。历史EWHO:大部分区域的EWHO在40%以上。阿拉伯海基本在40%~50%,索马里附近海域可达70%。孟加拉湾的EWHO则明显高于阿拉伯海和南海,湾顶在50%以上,中南部在60%以上;孟加拉湾EWHO等值线的分布特征也展现着涌浪的北传现象。南海大部分区域在40%~50%,北部湾、泰国湾和低纬海域为低值区。未来EWHO:南海-北印度洋大部分区域未来40 a平均的EWHO在50%以上,空间分布特征与历史平均状态保持了较好的一致性,只是在数值上普遍比历史状态高出10%~20%,表明未来40 a的资源可利用率整体趋于乐观。
2.3 资源富集程度利用1979年2月逐6 h的WPD数据,统计得到该月0.25°×0.25°每个格点上的RLO,同理得到1979—2014年每年2月的RLO,而后得到多年平均的2月RLO。同样的方法分别得到过去和未来多年平均状态下的2月、8月、全年的RLO,如图 3所示。
Download:
|
|
1) 2月,不论历史还是未来,南海的RLO都比北印度洋乐观。南海未来的RLO基本在26%以上,高于历史状态。孟加拉湾未来和过去的RLO都在10%以内。阿拉伯海未来的RLO比过去有所增加。
2) 8月,南海过去和未来的RLO接近。几乎整个北印度洋未来的RLO都在60%以上,明显比历史状态乐观。
3) 全年,从历史状态来看,阿拉伯海最大(大部分区域在20%以上,中心接近40%),孟加拉湾次之(东西部海域在10%以内,中部相对较大,等值线呈圆弧形向北凸起),南海相对最低(基本在20%以内)。对比历史于未来不难发现,“海上丝路”未来的RLO整体高于历史状态的RLO,尤其是南海和孟加拉湾。
2.4 资源稳定性利用1979年2月逐6 h的WPD计算该月的Cv,同理得到过去36年每年2月的Cv,而后得到多年平均历史状态的2月Cv。同样的方法得到历史状态和未来40 a平均的2、5、8、11月的Cv,如图 4所示。Cv越小,稳定性越好。整体来看,阿拉伯海未来2月和8月的稳定性比历史状态差,5月和8月则相反;孟加拉湾和南海未来的稳定性好于历史状态。
Download:
|
|
历史Cv:整体来看,离岸稳定性好于近岸,北印度洋稳定性好于南海。这是由于离岸的涌浪指标(涌浪在混合浪中所占的比例)大于近岸,北印度洋的涌浪指标大于南海所造成的。北印度洋为开阔海域,受南印度洋北传的涌浪影响较大,而南海则属于相对封闭海域,因此,北印度洋的涌浪指标通常会大于南海,涌浪指标越大,能量稳定性越好。
未来Cv:2月,阿拉伯海的稳定性相对最差,孟加拉湾相对最好。5月,孟加拉湾和南海的稳定性好于阿拉伯海。8月,南海的稳定性最差,阿拉伯海相对最好。11月,南海的稳定性最差,孟加拉湾相对最好。
2.5 波浪能的月际差异Mv反映了波浪能的月际差异,Mv越小,表明资源的月际差异越小,越有利于资源开发。参考Cornett[21]的算法,计算得到1979—2014年逐年的Mv,而后得到多年平均的Mv,见图 5(a)。同理,得到未来40年平均的Mv,见图 5(b)。整体来看,阿拉伯海和南海未来的Mv小于历史状态,表明资源的月际差异趋于缩小;孟加拉湾的Mv与历史状态接近,表明资源的月际差异趋于平缓,对波浪能开发是有利的。
Download:
|
|
历史Mv:阿拉伯海波浪能的月际差异最大,这是由于该区域夏季西南季风非常强劲,平均风速可达6级,而季风过渡季节的风速较弱,导致最强月份和最弱月份的波浪能出现较大差异。南海波浪能的月际差异小于阿拉伯海。孟加拉湾波浪能的月际差异相对最小,这是由于孟加拉湾的夏季风和冬季风强度都不大,因而波浪能不会出现显著的月际差异。孟加拉湾中南部的月际差异明显小于东北部,这是由于孟加拉湾中南部常年受到向北传播的涌浪的影响,南印度洋北传的涌浪整体稳定,导致孟加拉湾中南部的波浪能的月际差异小于东北部。
未来Mv:空间分布特征与多年平均值较为接近。阿拉伯海的月际差异最大,南海次之,孟加拉湾的月际差异相对最小。在阿拉伯海,3.0以上Mv的范围较多年平均状态明显缩小。在南海,Mv的数值明显小于多年平均值。孟加拉湾的Mv与多年平均值则较为接近。
3 结论1)“海上丝路”未来40 a平均的WPD为12~20 kW/m;南海、孟加拉湾、阿拉伯海3个区域未来40年平均的WPD大小基本接近,与历史状态(南海的WPD明显低于北印度洋)明显不同;南海和孟加拉湾未来40年平均的WPD明显高于历史平均值,阿拉伯海则低于历史平均值。
2) 未来40 a,“海上丝路”波浪能的可利用率基本在50%以上,普遍比历史平均状态高出10%~20%。未来40 a,“海上丝路”的波浪能富集程度也比历史状态乐观,尤其是南海和孟加拉湾。
3) 未来40 a平均状态下,2月,阿拉伯海波浪能的稳定性相对最差,孟加拉湾相对最好。5月,孟加拉湾和南海的稳定性好于阿拉伯海。8月,南海的稳定性最差,阿拉伯海相对最好。11月,南海的稳定性最差,孟加拉湾相对最好。
4) 阿拉伯海波浪能未来的月际差异(Mv)最大,南海次之,孟加拉湾的Mv相对最小。未来40 a,阿拉伯海3.0以上Mv的范围较历史状态明显缩小;南海Mv的数值明显小于历史平均值;孟加拉湾的Mv与历史平均值则较为接近。
本文对未来40 a“海上丝路”的波浪能进行了预估,未来可将研究区域扩展、时间延长,例如对未来100 a全球的波浪能进行预估。由于运算量巨大,本文仅预估了RCP4.5情景下的波浪能,未来可根据具体需求,参照本文的方法,对RCP2.6、RCP6.0和RCP8.5不同情景下的波浪能进行预估,并对比不同情景下资源的异同,为波浪能开发的长期规划提供更为详尽的参考。
[1] |
LIANG Bingchen, LIU Xin, LI Huajun, et al. Wave climate hindcasts for the Bohai Sea, Yellow Sea, and East China Sea[J]. Journal of coastal research, 2016, 32(1): 172-180. (0)
|
[2] |
ZHENG Chongwei, LI Chongyin. Propagation characteristic and intraseasonal oscillation of the swell energy of the Indian Ocean[J]. Applied energy, 2017, 197: 342-353. DOI:10.1016/j.apenergy.2017.04.052 (0)
|
[3] |
盛松伟, 游亚戈, 张亚群, 等. 漂浮式波浪能装置能量转换系统研究[J]. 机械工程学报, 2012, 48(24): 141-146. SHENG Songwei, YOU Yage, ZHANG Yaqun, et al. Research on power take-off system of floating wave power device[J]. Journal of mechanical engineering, 2012, 48(24): 141-146. (0) |
[4] |
WAN Yong, ZHANG Jie, MENG Junmin, et al. Exploitable wave energy assessment based on ERA-Interim reanalysis data-A case study in the East China Sea and the South China Sea[J]. Acta oceanologica sinica, 2015, 34(9): 143-155. DOI:10.1007/s13131-015-0641-8 (0)
|
[5] |
林礼群, 吴必军, 王幸, 等. 复杂形状波力直线发电装置的优化[J]. 哈尔滨工程大学学报, 2014, 35(12): 1529-1535. LIN Liqun, WU Bijun, WANG Xing, et al. Opt imization of complex-shaped wave energy linear power generation device[J]. Journal of Harbin Engineering University, 2014, 35(12): 1529-1535. (0) |
[6] |
GLENDENNING I. Ocean wave power[J]. Applied energy, 1977, 3(3): 197-222. DOI:10.1016/0306-2619(77)90036-8 (0)
|
[7] |
WAN Yong, ZHANG Jie, MENG Junmin, et al. Study on wave energy resource assessing method based on altimeter data-A case study in Northwest Pacific[J]. Acta oceanologica sinica, 2016, 35(3): 117-129. DOI:10.1007/s13131-016-0804-2 (0)
|
[8] |
郑崇伟, 李训强, 潘静. 近45年南海-北印度洋波浪能资源评估[J]. 海洋科学, 2012, 36(6): 101-104. ZHENG Chongwei, LI Xunqiang, PAN Jing. Wave energy analysis of the South China Sea and the North Indian Ocean in recent 45 years[J]. Marine sciences, 2012, 36(6): 101-104. (0) |
[9] |
REGUERO B G, LOSADA I J, MÉNDEZ F J. A global wave power resource and its seasonal, interannual and long-term variability[J]. Applied energy, 2015, 148: 366-380. DOI:10.1016/j.apenergy.2015.03.114 (0)
|
[10] |
郑崇伟, 李崇银. 关于海洋新能源选址的难点及对策建议——以波浪能为例[J]. 哈尔滨工程大学学报, 2018, 39(2): 200-206. ZHENG Chongwei, LI Chongyin. Overview of site selection difficulties for marine new energy power plant and suggestions:wave energy case study[J]. Journal of Harbin Engineering University, 2018, 39(2): 200-206. (0) |
[11] |
姜波, 丁杰, 武贺, 等. 渤海、黄海、东海波浪能资源评估[J]. 太阳能学报, 2017, 38(6): 1711-1716. JIANG Bo, DING Jie, WU He, et al. Wave energy resource assessment along Bohai Sea, Yellow Sea and East China Sea[J]. Acta energiae solaris sinica, 2017, 38(6): 1711-1716. (0) |
[12] |
郑崇伟, 高成志, 高悦. "21世纪海上丝绸之路"波浪能的气候特征及变化趋势[J]. 太阳能学报, 2019, 40(6): 1487-1493. ZHENG Chongwei, GAO Chengzhi, GAO Yue. Climate feature and long term trend analysis of wave energy resource of 21st Century Maritime Silk Road[J]. Acta energiae solaris sinica, 2019, 40(6): 1487-1493. (0) |
[13] |
史宏达, 王传崑. 我国海洋能技术的进展与展望[J]. 太阳能, 2017(3): 30-37. SHI Hongda, WANG Chuankun. Development and prospect of Marine energy technology in China[J]. Solar energy, 2017(3): 30-37. DOI:10.3969/j.issn.1003-0417.2017.03.004 (0) |
[14] |
ZHENG Chongwei, WANG Qing, LI Chongyin. An overview of medium- to long-term predictions of global wave energy resources[J]. Renewable and sustainable energy reviews, 2017, 79: 1492-1502. DOI:10.1016/j.rser.2017.05.109 (0)
|
[15] |
WANG X L, FENG Yang, SWAIL V R. Changes in global ocean wave heights as projected using multimodel CMIP5 simulations[J]. Geophysical research letters, 2014, 41(3): 1026-1034. DOI:10.1002/2013GL058650 (0)
|
[16] |
郑崇伟, 高悦, 陈璇. 巴基斯坦瓜达尔港风能资源的历史变化趋势及预测[J]. 北京大学学报(自然科学版), 2017, 53(4): 617-626. ZHENG Chongwei, GAO Yue, CHEN Xuan. Climatic long term trend and prediction of the wind energy resource in the Gwadar Port[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2017, 53(4): 617-626. (0) |
[17] |
CASAS-PRAT M, WANG X L, SWART N. CMIP5-based global wave climate projections including the entire Arctic Ocean[J]. Ocean modelling, 2018, 123: 66-85. DOI:10.1016/j.ocemod.2017.12.003 (0)
|
[18] |
DOBRYNIN M, MURAWSKY J, YANG S. Evolution of the global wind wave climate in CMIP5 experiments[J]. Geophysical research letters, 2012, 39(18): L18606. DOI:10.1029/2012GL052843 (0)
|
[19] |
HEMER M A, TRENHAM C E. Evaluation of a CMIP5 derived dynamical global wind wave climate model ensemble[J]. Ocean modelling, 2016, 103: 190-203. DOI:10.1016/j.ocemod.2015.10.009 (0)
|
[20] |
任建莉, 罗誉娅, 陈俊杰, 等. 海洋波浪信息资源评估系统的波力发电应用研究[J]. 可再生能源, 2009, 27(3): 93-97. REN Jianli, LUO Yuya, CHEN Junjie, et al. Research on wave power application by the information system for ocean wave resources evaluation[J]. Renewable energy, 2009, 27(3): 93-97. DOI:10.3969/j.issn.1671-5292.2009.03.025 (0) |
[21] |
CORNETT A M. A global wave energy resource assessment[C]//Proceedings of the Eighteenth (2008) International Offshore and Polar Engineering Conference. Canada, 2008.
(0)
|