近二十年來,中國風(fēng)電總裝機(jī)量和新增裝機(jī)量呈現(xiàn)上升趨勢,風(fēng)電裝機(jī)和運(yùn)行會對大氣環(huán)境產(chǎn)生一定的影響。為了探究中國風(fēng)電場發(fā)展對大氣中污染物的影響,本文利用氣象模型（Weather Research and Forecasting,WRF）和空氣質(zhì)量模型（Community Multi-scale Air Quality,CMAQ）,對2009年至2018年有、無風(fēng)電場條件的大氣污染物濃度分布進(jìn)行模擬,對比分析風(fēng)電場產(chǎn)生的影響。使用觀測數(shù)據(jù)對WRF模型和CMAQ模型進(jìn)行驗證,氣象參數(shù)（風(fēng)速、風(fēng)向、溫度、相對濕度）一致度（IA）均大于0.7,平均偏差MBE和均方根誤差RMSE都比較小。污染物(NO₂、PM_2.5、SO₂)驗證的相關(guān)系數(shù)R為0.69,平均分?jǐn)?shù)偏差MFB為10%,平均分?jǐn)?shù)誤差MFE為50%,均滿足“偏差標(biāo)準(zhǔn)”要求。對NO_x、PM_2.5和SO₂濃度在有、無風(fēng)電場結(jié)果差值進(jìn)行分析,結(jié)果表明在風(fēng)電場影響下,冬季污染物濃度差有顯著性變化,京津冀和內(nèi)蒙古中部地區(qū)濃... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

技術(shù)路線圖

浙江大學(xué)碩士學(xué)位論文第二章模型和方法11圖2-1WRF模擬區(qū)域表2-2WRF參數(shù)模型過程方案類型微物理過程方案WRFSingle-Moment6-class(WSM6)[52]長波輻射方案RRTM短波輻射方案Goddard[53]積云參數(shù)化方案Grell-Freitas[54]邊界層參數(shù)化方案MYNN-2.5[55,56]2.2.2風(fēng)電場參數(shù)化方案為了提取能量，所有可再生能源都必須改變自然能的通量，因此不可避免要受到氣候影響，但是氣候影響的程度和特征差異很大。風(fēng)力渦輪機(jī)通過提取動能發(fā)電，動能可以減少風(fēng)速并改變地表與大氣之間的熱量，水分和動量交換。觀測表明，風(fēng)力渦輪機(jī)會改變局部氣候[57-59]，對大氣環(huán)境產(chǎn)生影響。

浙江大學(xué)碩士學(xué)位論文第二章模型和方法14圖2-2Models-3/CMAQ模型結(jié)構(gòu)圖CMAQ模型基于三維歐拉方法，CCTM模塊中使用了污染物濃度控制方程，這是基于梯度輸送理論建立的方程，具體表達(dá)式[62]如式2-2所示：33(2)(4)(1)(3)(5)(6)(7)(8)(9)(10)()()[][](,,)iiiiqiiqiiiiiNcldpingaerovFVFtxxRSttt（2-2）式中每一項分別對應(yīng)著化學(xué)機(jī)制中不同的物理化學(xué)過程：（1）大氣污染物濃度變化；（2）水平對流傳輸；（3）垂直對流傳輸；（4）水平擴(kuò)散傳輸；（5）垂直擴(kuò)散傳輸；（6）氣象化學(xué)；（7）污染源一次排放；（8）云霧和液相化學(xué)；（9）煙雨抬升；（10）氣溶膠化學(xué)。本文中使用的空氣質(zhì)量模型為CMAQv5.0.2版本，模擬區(qū)域坐標(biāo)原點(diǎn)位置為（34°N，110°E），采用Lambert投影坐標(biāo)系。模擬區(qū)域網(wǎng)格數(shù)為160×206，分辨率為30km×30km。CMAQ計算區(qū)域如圖2-3所示。垂直方向分為14層，每層的Sigma坐標(biāo)[63]分別為：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。氣象化學(xué)反應(yīng)機(jī)制為CB05，氣溶膠機(jī)制選擇AERO6[64]。本文模擬時段為2009年至2018年冬季（12月、1月、2月）和夏季（6月、

【參考文獻(xiàn)】：
期刊論文
[1]中國風(fēng)電產(chǎn)業(yè)發(fā)展現(xiàn)狀及前景展望（下）[J].   電器工業(yè). 2019(09)
[2]中國風(fēng)電產(chǎn)業(yè)發(fā)展現(xiàn)狀及前景展望(上)[J].   電器工業(yè). 2019(08)
[3]耦合風(fēng)電場參數(shù)化模型的天氣預(yù)報模式對風(fēng)資源的評估和驗證[J]. 王強(qiáng),羅坤,吳春雷,樊建人.  浙江大學(xué)學(xué)報(工學(xué)版). 2019(08)
[4]WRF氣象模式在高海拔復(fù)雜山地風(fēng)電場中的應(yīng)用研究[J]. 郁永靜,劉志遠(yuǎn),熊萬能.  水力發(fā)電. 2019(01)
[5]基于CMAQ與前饋神經(jīng)網(wǎng)絡(luò)的區(qū)域大氣污染物濃度快速響應(yīng)模型[J]. 石佳超,羅坤,樊建人,張峻溪,王晴,高翔,倪智振.  環(huán)境科學(xué)學(xué)報. 2018(11)
[6]中國風(fēng)電產(chǎn)業(yè)發(fā)展的歷史沿革及其啟示[J]. 賴明東,劉益東.  河北師范大學(xué)學(xué)報(哲學(xué)社會科學(xué)版). 2016(03)
[7]風(fēng)電場建設(shè)對周邊擾動區(qū)域土壤養(yǎng)分和植被的影響[J]. 李智蘭.  水土保持研究. 2015(04)
[8]生物源揮發(fā)性有機(jī)物（BVOCs）排放模型及排放模擬研究綜述[J]. 張富華,黃明祥,張晶,李順,秦宇.  中國環(huán)境管理. 2014(01)
[9]隨機(jī)森林模型在分類與回歸分析中的應(yīng)用[J]. 李欣海.  應(yīng)用昆蟲學(xué)報. 2013(04)
[10]WRF模式在風(fēng)電場風(fēng)速預(yù)測中的應(yīng)用[J]. 陳玲,賴旭,劉霄,陳秋華.  武漢大學(xué)學(xué)報(工學(xué)版). 2012(01)

博士論文
[1]細(xì)顆粒物化學(xué)組成及其對前體物排放響應(yīng)的數(shù)值模擬研究[D]. 趙斌.清華大學(xué) 2015
[2]典型城市群大氣復(fù)合污染特征的數(shù)值模擬研究[D]. 李莉.上海大學(xué) 2013

碩士論文
[1]基于CMAQ與前饋神經(jīng)網(wǎng)絡(luò)的區(qū)域大氣污染物濃度快速響應(yīng)研究[D]. 石佳超.浙江大學(xué) 2019
[2]基于隨機(jī)森林的PM2.5濃度預(yù)測模型研究[D]. 杜續(xù).西安郵電大學(xué) 2018
[3]基于隨機(jī)森林的上海市PM2.5質(zhì)量濃度預(yù)測研究[D]. 王雨晨.華東師范大學(xué) 2017
[4]杭州市大氣污染排放與空氣質(zhì)量非線性響應(yīng)關(guān)系的研究[D]. 胡詩瑋.浙江大學(xué) 2015
[5]天然源VOC的排放量估算和對區(qū)域空氣質(zhì)量影響的研究[D]. 寧文濤.山東師范大學(xué) 2012
[6]機(jī)器學(xué)習(xí)中的特征選擇算法研究[D]. 姜百寧.中國海洋大學(xué) 2009



本文編號：3260751