中国风电场对空气质量的影响
发布时间：2021-07-02 15:46
近二十年来,中国风电总装机量和新增装机量呈现上升趋势,风电装机和运行会对大气环境产生一定的影响。为了探究中国风电场发展对大气中污染物的影响,本文利用气象模型（Weather Research and Forecasting,WRF）和空气质量模型（Community Multi-scale Air Quality,CMAQ）,对2009年至2018年有、无风电场条件的大气污染物浓度分布进行模拟,对比分析风电场产生的影响。使用观测数据对WRF模型和CMAQ模型进行验证,气象参数（风速、风向、温度、相对湿度）一致度（IA）均大于0.7,平均偏差MBE和均方根误差RMSE都比较小。污染物(NO2、PM2.5、SO2)验证的相关系数R为0.69,平均分数偏差MFB为10%,平均分数误差MFE为50%,均满足“偏差标准”要求。对NOx、PM2.5和SO2浓度在有、无风电场结果差值进行分析,结果表明在风电场影响下,冬季污染物浓度差有显著性变化,京津冀和内蒙古中部地区浓...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
技术路线图
浙江大学硕士学位论文第二章模型和方法11图2-1WRF模拟区域表2-2WRF参数模型过程方案类型微物理过程方案WRFSingle-Moment6-class(WSM6)[52]长波辐射方案RRTM短波辐射方案Goddard[53]积云参数化方案Grell-Freitas[54]边界层参数化方案MYNN-2.5[55,56]2.2.2风电场参数化方案为了提取能量，所有可再生能源都必须改变自然能的通量，因此不可避免要受到气候影响，但是气候影响的程度和特征差异很大。风力涡轮机通过提取动能发电，动能可以减少风速并改变地表与大气之间的热量，水分和动量交换。观测表明，风力涡轮机会改变局部气候[57-59]，对大气环境产生影响。
浙江大学硕士学位论文第二章模型和方法14图2-2Models-3/CMAQ模型结构图CMAQ模型基于三维欧拉方法，CCTM模块中使用了污染物浓度控制方程，这是基于梯度输送理论建立的方程，具体表达式[62]如式2-2所示：33(2)(4)(1)(3)(5)(6)(7)(8)(9)(10)()()[][](,,)iiiiqiiqiiiiiNcldpingaerovFVFtxxRSttt（2-2）式中每一项分别对应着化学机制中不同的物理化学过程：（1）大气污染物浓度变化；（2）水平对流传输；（3）垂直对流传输；（4）水平扩散传输；（5）垂直扩散传输；（6）气象化学；（7）污染源一次排放；（8）云雾和液相化学；（9）烟雨抬升；（10）气溶胶化学。本文中使用的空气质量模型为CMAQv5.0.2版本，模拟区域坐标原点位置为（34°N，110°E），采用Lambert投影坐标系。模拟区域网格数为160×206，分辨率为30km×30km。CMAQ计算区域如图2-3所示。垂直方向分为14层，每层的Sigma坐标[63]分别为：1.000、0.995、0.988、0.980、0.970、0.956、0.938、0.893、0.839、0.777、0.702、0.582、0.400、0.200和0.000。气象化学反应机制为CB05，气溶胶机制选择AERO6[64]。本文模拟时段为2009年至2018年冬季（12月、1月、2月）和夏季（6月、
【参考文献】：
期刊论文
[1]中国风电产业发展现状及前景展望（下）[J]. 电器工业. 2019(09)
[2]中国风电产业发展现状及前景展望(上)[J]. 电器工业. 2019(08)
[3]耦合风电场参数化模型的天气预报模式对风资源的评估和验证[J]. 王强,罗坤,吴春雷,樊建人. 浙江大学学报(工学版). 2019(08)
[4]WRF气象模式在高海拔复杂山地风电场中的应用研究[J]. 郁永静,刘志远,熊万能. 水力发电. 2019(01)
[5]基于CMAQ与前馈神经网络的区域大气污染物浓度快速响应模型[J]. 石佳超,罗坤,樊建人,张峻溪,王晴,高翔,倪智振. 环境科学学报. 2018(11)
[6]中国风电产业发展的历史沿革及其启示[J]. 赖明东,刘益东. 河北师范大学学报(哲学社会科学版). 2016(03)
[7]风电场建设对周边扰动区域土壤养分和植被的影响[J]. 李智兰. 水土保持研究. 2015(04)
[8]生物源挥发性有机物（BVOCs）排放模型及排放模拟研究综述[J]. 张富华,黄明祥,张晶,李顺,秦宇. 中国环境管理. 2014(01)
[9]随机森林模型在分类与回归分析中的应用[J]. 李欣海. 应用昆虫学报. 2013(04)
[10]WRF模式在风电场风速预测中的应用[J]. 陈玲,赖旭,刘霄,陈秋华. 武汉大学学报(工学版). 2012(01)
博士论文
[1]细颗粒物化学组成及其对前体物排放响应的数值模拟研究[D]. 赵斌.清华大学 2015
[2]典型城市群大气复合污染特征的数值模拟研究[D]. 李莉.上海大学 2013
硕士论文
[1]基于CMAQ与前馈神经网络的区域大气污染物浓度快速响应研究[D]. 石佳超.浙江大学 2019
[2]基于随机森林的PM2.5浓度预测模型研究[D]. 杜续.西安邮电大学 2018
[3]基于随机森林的上海市PM2.5质量浓度预测研究[D]. 王雨晨.华东师范大学 2017
[4]杭州市大气污染排放与空气质量非线性响应关系的研究[D]. 胡诗玮.浙江大学 2015
[5]天然源VOC的排放量估算和对区域空气质量影响的研究[D]. 宁文涛.山东师范大学 2012
[6]机器学习中的特征选择算法研究[D]. 姜百宁.中国海洋大学 2009
本文编号：3260751
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
技术路线图
浙江大学硕士学位论文第二章模型和方法11图2-1WRF模拟区域表2-2WRF参数模型过程方案类型微物理过程方案WRFSingle-Moment6-class(WSM6)[52]长波辐射方案RRTM短波辐射方案Goddard[53]积云参数化方案Grell-Freitas[54]边界层参数化方案MYNN-2.5[55,56]2.2.2风电场参数化方案为了提取能量，所有可再生能源都必须改变自然能的通量，因此不可避免要受到气候影响，但是气候影响的程度和特征差异很大。风力涡轮机通过提取动能发电，动能可以减少风速并改变地表与大气之间的热量，水分和动量交换。观测表明，风力涡轮机会改变局部气候[57-59]，对大气环境产生影响。
浙江大学硕士学位论文第二章模型和方法14图2-2Models-3/CMAQ模型结构图CMAQ模型基于三维欧拉方法，CCTM模块中使用了污染物浓度控制方程，这是基于梯度输送理论建立的方程，具体表达式[62]如式2-2所示：33(2)(4)(1)(3)(5)(6)(7)(8)(9)(10)()()[][](,,)iiiiqiiqiiiiiNcldpingaerovFVFtxxRSttt（2-2）式中每一项分别对应着化学机制中不同的物理化学过程：（1）大气污染物浓度变化；（2）水平对流传输；（3）垂直对流传输；（4）水平扩散传输；（5）垂直扩散传输；（6）气象化学；（7）污染源一次排放；（8）云雾和液相化学；（9）烟雨抬升；（10）气溶胶化学。本文中使用的空气质量模型为CMAQv5.0.2版本，模拟区域坐标原点位置为（34°N，110°E），采用Lambert投影坐标系。模拟区域网格数为160×206，分辨率为30km×30km。CMAQ计算区域如图2-3所示。垂直方向分为14层，每层的Sigma坐标[63]分别为：1.000、0.995、0.988、0.980、0.970、0.956、0.938、0.893、0.839、0.777、0.702、0.582、0.400、0.200和0.000。气象化学反应机制为CB05，气溶胶机制选择AERO6[64]。本文模拟时段为2009年至2018年冬季（12月、1月、2月）和夏季（6月、
【参考文献】：
期刊论文
[1]中国风电产业发展现状及前景展望（下）[J]. 电器工业. 2019(09)
[2]中国风电产业发展现状及前景展望(上)[J]. 电器工业. 2019(08)
[3]耦合风电场参数化模型的天气预报模式对风资源的评估和验证[J]. 王强,罗坤,吴春雷,樊建人. 浙江大学学报(工学版). 2019(08)
[4]WRF气象模式在高海拔复杂山地风电场中的应用研究[J]. 郁永静,刘志远,熊万能. 水力发电. 2019(01)
[5]基于CMAQ与前馈神经网络的区域大气污染物浓度快速响应模型[J]. 石佳超,罗坤,樊建人,张峻溪,王晴,高翔,倪智振. 环境科学学报. 2018(11)
[6]中国风电产业发展的历史沿革及其启示[J]. 赖明东,刘益东. 河北师范大学学报(哲学社会科学版). 2016(03)
[7]风电场建设对周边扰动区域土壤养分和植被的影响[J]. 李智兰. 水土保持研究. 2015(04)
[8]生物源挥发性有机物（BVOCs）排放模型及排放模拟研究综述[J]. 张富华,黄明祥,张晶,李顺,秦宇. 中国环境管理. 2014(01)
[9]随机森林模型在分类与回归分析中的应用[J]. 李欣海. 应用昆虫学报. 2013(04)
[10]WRF模式在风电场风速预测中的应用[J]. 陈玲,赖旭,刘霄,陈秋华. 武汉大学学报(工学版). 2012(01)
博士论文
[1]细颗粒物化学组成及其对前体物排放响应的数值模拟研究[D]. 赵斌.清华大学 2015
[2]典型城市群大气复合污染特征的数值模拟研究[D]. 李莉.上海大学 2013
硕士论文
[1]基于CMAQ与前馈神经网络的区域大气污染物浓度快速响应研究[D]. 石佳超.浙江大学 2019
[2]基于随机森林的PM2.5浓度预测模型研究[D]. 杜续.西安邮电大学 2018
[3]基于随机森林的上海市PM2.5质量浓度预测研究[D]. 王雨晨.华东师范大学 2017
[4]杭州市大气污染排放与空气质量非线性响应关系的研究[D]. 胡诗玮.浙江大学 2015
[5]天然源VOC的排放量估算和对区域空气质量影响的研究[D]. 宁文涛.山东师范大学 2012
[6]机器学习中的特征选择算法研究[D]. 姜百宁.中国海洋大学 2009
本文编号：3260751
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3260751.html
