在寒潮天气下山区风机覆冰期预测困难,造成风电功率预测偏差大,而精确的风机气温预测是提升覆冰期预测准确率的关键。由于气温的异质性和波动性,单个模型较难适应不同风电场的气温预测需求,提出一种多模式融合的风机气温预测方法(multi-...在寒潮天气下山区风机覆冰期预测困难,造成风电功率预测偏差大,而精确的风机气温预测是提升覆冰期预测准确率的关键。由于气温的异质性和波动性,单个模型较难适应不同风电场的气温预测需求,提出一种多模式融合的风机气温预测方法(multi-mode fusion fan temperature prediction method,MMTP),通过AHP-独立性权法-熵值法的组合权重法,集成多种人工智能算法,不仅提高了预测的普适性,还能实现不同模式优势互补。仿真结果表明:该方法能有效地提升气温预测准确率,48 h预报时效内比单一模式预报误差平均降低约8%;采用该方法进行气温订正后,风机覆冰期预报准确率显著提高,覆冰期预报误差减小了3~6 h。展开更多
太阳高能粒子事件常伴随太阳耀斑和日冕物质抛射事件(Coronal Mass Ejections,CME)出现,由于太阳高能粒子事件的关键因素是双CME的相互作用,利用SOHO卫星观测的高能粒子强度、耀斑强度以及CME的相对高度与时间,通过高度与时间拟合得到...太阳高能粒子事件常伴随太阳耀斑和日冕物质抛射事件(Coronal Mass Ejections,CME)出现,由于太阳高能粒子事件的关键因素是双CME的相互作用,利用SOHO卫星观测的高能粒子强度、耀斑强度以及CME的相对高度与时间,通过高度与时间拟合得到的速度,分析了2001年4月15日和2005年1月20日的太阳高能粒子事件强度与相关双CME事件的关系,发现这两个太阳高能粒子事件中E≥10 MeV质子的强度与双CME事件无关.因此在这两次太阳高能粒子事件早期,E≥10 MeV质子的强度只与相关太阳耀斑和CME有关.展开更多
基于Makkonen结冰增长模型,优化相对风速计算方法,引入融冰影响因子,并进行气象因子敏感性测试,建立广西风力机覆冰预报模型。利用欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)模式预报资料和风力...基于Makkonen结冰增长模型,优化相对风速计算方法,引入融冰影响因子,并进行气象因子敏感性测试,建立广西风力机覆冰预报模型。利用欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)模式预报资料和风力机参数驱动该模型,对2019年冬季桂北风电场进行逐日预报。预报结果表明:该模型对气温、降水、风速敏感,在适宜的风速下,温度越低,降水越大,覆冰厚度增长越快;48 h时效内对覆冰过程报出率为100%,覆冰起、止时间预报误差分别为3~5 h、6~12 h;72 h时效内覆冰起始时间预报效果稳定、准确率高,对冬季风电调度和防灾减灾有较好的指导意义。实际应用中,风力机停机时间应适当延迟,覆冰结束时间的预报则需进一步优化融冰条件。展开更多
文摘在寒潮天气下山区风机覆冰期预测困难,造成风电功率预测偏差大,而精确的风机气温预测是提升覆冰期预测准确率的关键。由于气温的异质性和波动性,单个模型较难适应不同风电场的气温预测需求,提出一种多模式融合的风机气温预测方法(multi-mode fusion fan temperature prediction method,MMTP),通过AHP-独立性权法-熵值法的组合权重法,集成多种人工智能算法,不仅提高了预测的普适性,还能实现不同模式优势互补。仿真结果表明:该方法能有效地提升气温预测准确率,48 h预报时效内比单一模式预报误差平均降低约8%;采用该方法进行气温订正后,风机覆冰期预报准确率显著提高,覆冰期预报误差减小了3~6 h。
文摘太阳高能粒子事件常伴随太阳耀斑和日冕物质抛射事件(Coronal Mass Ejections,CME)出现,由于太阳高能粒子事件的关键因素是双CME的相互作用,利用SOHO卫星观测的高能粒子强度、耀斑强度以及CME的相对高度与时间,通过高度与时间拟合得到的速度,分析了2001年4月15日和2005年1月20日的太阳高能粒子事件强度与相关双CME事件的关系,发现这两个太阳高能粒子事件中E≥10 MeV质子的强度与双CME事件无关.因此在这两次太阳高能粒子事件早期,E≥10 MeV质子的强度只与相关太阳耀斑和CME有关.
文摘基于Makkonen结冰增长模型,优化相对风速计算方法,引入融冰影响因子,并进行气象因子敏感性测试,建立广西风力机覆冰预报模型。利用欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)模式预报资料和风力机参数驱动该模型,对2019年冬季桂北风电场进行逐日预报。预报结果表明:该模型对气温、降水、风速敏感,在适宜的风速下,温度越低,降水越大,覆冰厚度增长越快;48 h时效内对覆冰过程报出率为100%,覆冰起、止时间预报误差分别为3~5 h、6~12 h;72 h时效内覆冰起始时间预报效果稳定、准确率高,对冬季风电调度和防灾减灾有较好的指导意义。实际应用中,风力机停机时间应适当延迟,覆冰结束时间的预报则需进一步优化融冰条件。