计及误差信息的自适应超短期风速预测模型

为提升超短期风速预测精度,提出一种计及误差信息的自适应混合预测模型。应用自适应噪声的完备集合经验模态分解模型与鲸鱼优化的变分模态分解模型分别对风速样本数据与预测误差进行分解,同时计算各子序列的模糊熵以判断序列复杂程度。在此基础上,应用鲸鱼优化的长短期网络预测复杂程度较高的序列,差分自回归移动平均模型预测复杂程度较低的序列。最后,将初始风速预测结果和风速误差预测值相加得到基于误差修正的超短期风速预测值。结果表明,修正预测误差与考虑分解策略可有效提升点预测的性能,与基准模型相比,所提模型在多场景下均具备优良的预测精度。

基于PI-BBI的高铁沿线秒级风速质量控制算法研究

由于高铁超声波测风仪碍于安装环境限制易受外部干扰产生秒级异常风速,而现有的基本质量控制方法与气象领域分钟级时距质量控制算法无法准确识别秒级异常风速,导致监测风速不能很好地满足高铁秒级风速监测预警需求。为了解决该问题,基于高铁沿线风速监测异常值数据特征,提出一种基于PI-BBI的秒级风速监测数据质量控制算法。该方法首先利用基于物理信息的双向长短期记忆网络对风速异常值进行预测,并得到预测误差;接着通过改进的指数加权移动平均法对预测误差进行平滑;最后使用孤立森林检测平滑误差序列中的异常值,从而能够识别原始风速序列中的异常值。实验结果显示,该质量控制算法能有效改善高铁沿线风速监测数据的质量,从而提高监测预警的准确性。

基于U-net神经网络的新疆10 m风速预报订正研究

本文以新疆地区1~7 d预报时效的10 m高度处风速为研究对象,基于2000~2019年NCEP全球集合预报系统(Global Ensemble Forecasting System,GEFS)新疆地区10 m风再预报资料,构建了基于U-net神经网络的深度学习预报订正模型,并以两种传统方法递减平均、分位数映射作为参考进行订正技巧对比分析。结果表明,原始GEFS风速预报误差呈不对称分布,表现出更多的正偏差特征,且在天山和昆仑山等海拔较高地区误差较大。与两种传统方法相比,U-net模型提高了整个新疆地区的风速预报技巧,有效改善了原始风速预报的正偏差情况,且对天山和昆仑山等原始预报误差较大区域改善效果尤为显著。此外,采用基于均方误差分解的误差分解方法来分析误差来源,结果表明,预报订正前后,序列误差项始终是主要误差来源,且随预报时效显著增长。三种订正方法对风速预报的偏差项、分布误差项和序列误差项都有不同程度的改进,其中U-net模型相较于两种参考预报的优势主要在于其对序列误差项的改进效果。经过U-net模型订正后序列误差项随预报时效增长缓慢,即使在7 d预报时效下,其序列误差项比原始预报减小60%。

基于分布假设检验的风电机组静态偏航误差诊断方法研究

通过确定敏感风速区间并检测功率分布,实现对风电机组静态偏航误差值的估计。利用风电机组的实际运行数据对所提方法的有效性进行验证,并与基于功率曲线的诊断方法进行对比。结果表明,所提方法能够准确量化不同偏航误差区间的数据分布差异,精准识别出静态偏航误差所在的偏航角区间,诊断的准确性较高。

基于误差修正和VMD-ICPA-LSSVM的短期风速预测建模

精准的风速预测是将风能大规模应用到电力系统中的关键,而风速序列的随机性和波动性等特点使得风速预测难度增加.为增强风速序列的可预测性,采用Logistic混沌映射策略、自适应参数调整策略以及引入变异策略对食肉植物算法(CPA)进行改进,并提出了基于误差修正和VMD-ICPA-LSSVM的短期风速预测模型.首先将气象因子作为最小二乘支持向量机(LSSVM)的输入对风速进行预测,获得误差序列.再利用K-L散度自适应地确定变分模态分解(VMD)的参数,并对误差序列进行分解.结合改进食肉植物算法(ICPA)优化LSSVM可调参数的方法来预测分解的子序列.叠加各子序列预测结果后对原始预测序列进行误差修正,进而得到最终风速预测值.实验结果表明,与其他模型相比,所提模型有着更好的预测精度和泛化性能.

矿用风速传感器示值误差校准方法及不确定度评定

本文提出了矿用风速传感器示值误差的校准方法,并对校准方法的测量结果不确定度进行评定,为保证煤矿环境安全监测的风速量值准确可靠提供依据。

叶轮式风速仪示值误差不确定度评定

叶轮式风速仪作为一种经典的风速测量装置,具有结构坚固、运行稳定、维护成本低的优势,且具有较强的抗干扰能力。本文依据JJF 1059.1-2012《测量不确定度评定与表示》建立相应的测量模型并分析测量过程中不确定度来源,对叶轮式风速仪示值误差测量结果进行不确定度评定。

超声波风速传感器风场误差的数值模拟

为了研究矿用超声波时差法风速传感器测量结果受风场误差的影响,采用计算流体力学方法对不同结构类型的传感器在不同风向、风速下的流场和声道速度分布进行分析。研究结果表明:对射式结构的测量风速受风向角的影响明显大于反射式;对射式结构在45°风向角下经修正后的相对误差最小,且优于反射式;3种反射式结构中,换能器凹陷安装对测量风速的影响最小,凸起安装其次,半凸安装影响最大;换能器凹陷安装受风向角的影响最小,凸起安装和半凸安装影响相当;3种安装方式下,半凸安装在45°风向角下经修正后的测量误差最小;超声波风速传感器选择合适的结构布局,可以提升测量准确度。

通风机风量测试系统设计及试验验证

为进一步提升煤矿通风机的风量测试精度,以某煤矿圆形风硐的风量测试需求为抓手,对风速法测定风量的原理及存在的问题进行分析;通过大量试验得出有支架和无支架时对应的风速测量误差为4.4%,采用最小二乘法得出风速误差补偿公式;以KV621-02风速传感器和PCI-6225数据采集卡为核心设计风量测试系统,经试验该测试系统可将风速的测量误差降低0.17 m/s,最终风量测试最小相对误差仅为0.12%。

基于环形风洞的矿用风速传感器自动测试系统设计

为满足矿用风速传感器准确、高效、便捷的示值误差测试需求,研制了一套基于环形风洞的矿用风速传感器自动测试系统,并给出了具体的设计方案和试验风洞的风速测控原理。实际测试表明,该系统操作便捷、可靠,风洞风流稳定准确,提高了矿用风速传感器的测试效率和测试质量。

基于数值天气预报风速误差修正的风电功率日前预测

风电预测技术对构建高比例新能源的新型电力系统具有重要意义。数值天气预报(numerical weather prediction,NWP)的数据质量对风电功率日前预测的准确性有较大影响。然而,NWP的预报误差、NWP预报点与风电场间的空间距离和局地差异,往往导致NWP预报数据与风电场实测数据间存在时间横向误差和幅值纵向误差。对此,提出了一种基于时间序列相关性检验和残差通道注意力网络的NWP风速误差修正模型,将预报点处NWP风速修正为风电场轮毂风速。然后,结合修正后的NWP风速和风电场实时出力数据构建了基于双向门控循环网络的风电预测模型。最后,以华东某风电场的数据验证了所提方法的有效性。

复杂下垫面风电场风速数值模拟及误差特征

利用WRF模式分别对沿海及山地条件下风电场风速进行高分辨数值模拟,并对其误差特征进行分析,结果表明:1)WRF模式对复杂地形条件下的风速模拟性能良好,模拟值较好地体现天气尺度的周期变化;2)沿海及山地条件下模拟与观测的误差特征各不相同。模式静态数据未能显现沿海的小岛,并且低估了山地测风塔所在的海拔,导致沿海平均模拟风速偏大,山地平均模拟风速偏小;3)分析不同风向的归一化均方根误差,沿海陆风情况下,下垫面相对复杂,误差明显增大;沿海海风情况下,下垫面均一,误差明显减小;4)仅作单个风电场周边数百平方千米的模拟,采用一台12核的服务器进行WRF模式的并行计算可满足48 h短期预测的时效性。仅仅提高模拟的网格分辨率,并不一定能提升模拟的准确性。

风场变形误差对冬季降雪测量及其趋势估算的影响

利用71个气象站1960～2009年共50年的冬季逐日降水、风速和天气现象资料,以及3个站降水对比观测试验数据,对东北地区降雪测量记录的风场变形误差进行了评价和订正,并在此基础上分析了风场变形误差对研究区降雪量变化趋势估算结果的影响。结果如下:1)东北地区冬季降雪量台站观测记录普遍被低估,全区观测的冬季平均降雪量为15.1mm,而风场变形误差订正后冬季平均降雪量为22.5mm。各站绝对误差介于1.1～19.4mm,平均绝对误差为7.5mm,各站相对误差介于11.8%～50.8%,平均相对误差为34.1%。2)主要由于受气象台站观测环境改变导致的风速减弱现象影响,东北地区大部分台站雨量计对降雪的捕获率有所增加,冬季降水观测中的风场变形误差减小,引起实测的降雪量变化趋势估算值被高估。风场变形误差订正前,东北地区近50年的冬季降雪量变化趋势为0.4mm·(10a)–1,而风场变形误差订正后,冬季降雪量变化趋势为0.1mm·(10a)–1。3)东北南部地区台站受风场变形误差影响尤其明显,冬季实测的降雪量变化趋势偏高更大,订正后和订正前趋势差值为-1mm·(10a)–1,即订正前冬季降雪量变化趋势被高估程度达到了64.3%。

基于OS-ELM和Bootstrap方法的超短期风电功率预测

提出了一种基于在线序贯极限学习机(OS-ELM)的超短期风电功率预测方法。利用OSELM学习速度快、泛化能力强的优点,将批处理和逐次迭代相结合,不断更新训练数据和网络结构,实现了对数值天气预报风速的快速实时修正和风电机组输出功率的快速预测。随后,采用计算机自助(Bootstrap)法构造伪样本,给出了预测功率的置信区间评估。实例和研究结果表明,该预测方法与反向传播(BP)网络、支持向量机(SVM)方法相比,在计算时间上更能满足在线应用需求,而且预测精度相当,有较好的应用前景。

风电场风速数值预报的误差分析及订正

使用WRF模式对内蒙古某风电场区域内的2011年1—6月,50 m高度的风速进行了模拟,并结合实测风速对模拟结果进行了评估。在此基础上再利用自回归模型(AR模型)和持续法对WRF模式模拟结果进行了订正预报,订正结果表明:AR模型和持续法都能有效地减小WRF模式风速的模拟误差,AR模型订正效果优于持续法。为能对订正预报时效进行延长,提出了"假设观测值"概念。在AR模型的基础上建立一种新的订正模型称之为New AR模型。其订正预报结果表明:新模型能在12 h时效内,改善WRF模式风速模拟精度,其中6 h的改进效果较好。

基于RVM与ARMA误差校正的短期风速预测

为提高风速预测的准确性,提出了基于相关向量机(RVM)与自回归滑动平均(ARMA)误差校正的风电场短期风速预测算法。该算法首先在RVM的基础上,建立了影响因素与未来24小时风速的非线性模型,并采用遗传算法(GA)进行优化,从而保证了模型参数最优。然后,针对已建立的RVM预测模型的误差序列,采用ARMA模型对其进行拟合,最后用ARMA模型的误差预测值校正已有的风速预测值。本文对江苏某风电场的风速进行预测,算例结果表明该方法是合理有效的。

2μm星载相干测风激光雷达风速及风向误差建模与分析

基于全微分和统计理论推导了星载相干测风激光雷达合成水平风速和风向误差的解析表达式,利用克拉默-拉奥误差下界代替Frehlich经验公式对风场的随机风速误差进行评估,建立了通用型的星载相干测风激光雷达合成水平风速和风向误差计算模型.在NASA/NOAA提出的星载测风激光雷达系统设计指标框架下,对风速及风向误差模型进行可行性分析,得到了总的径向随机误差随着探测距离的变化关系及水平风速区间的选取对随机误差的影响.同时,为了计算合成采样误差,改变不同的垂直分辨率和方向角取值,对水平分量的采样误差进行对比分析.仿真结果表明,合成的水平风速和风向的误差范围为0.8~3.2 m/s和2.38°~3.49°,基本符合星载测风激光雷达的相关指标要求.

复杂地形条件下风电场预报风速的卡尔曼滤波订正

通过分析位于复杂地形的南湫、黑崖子和干河口风电场测风塔70 m高度的风速、风向分布特征及风速预报的误差特性,基于卡尔曼滤波方法建立了预报风速的订正模型,对预报风速误差进行了订正。结果表明,南湫、黑崖子和干河口风电场的有效风速时数占全年风速时数的百分比分别达90. 9%,85. 06%和82. 93%;各风电场有效风速时数存在显著的时间差异,夏、秋季有效风速时数最大;南湫、黑崖子和干河口分别可达29. 65%,27. 19%和23. 24%;风速日变化特征差异明显,夏季南湫、黑崖子和干河口风速日变化分别呈多峰多谷(或双峰双谷)、单峰单谷、双峰单谷的分布特征;夏到秋季,南湫主导风向为东南风,黑崖子由偏东风转换为偏西风,干河口主导风向稳定为东风或偏东风。风速阵性特征有明显的季节差异,9月黑崖子、干河口风速的阵性变化较6月强,南湫风速的阵性变化6月比9月强。北京快速更新循环数值预报系统(BJ-RUC)对复杂地形风电场风速预报能力存在局限性,主要表现在预报风速的阵性变化相对较小、风速偏大;经卡尔曼滤波方法订正后,数值模式对风速的阵性预报能力增强,预测风速威布尔分布的形状参数和尺度参数逼近实况风速的分布参数,实况风速和预测风速相关系数最大可提高约15%;预报风速的绝对误差、均方根误差也得到了改善,可降至1. 30 m·s^(-1)和1. 66 m·s^(-1)。

双馈感应发电机参与调频的概率最优潮流模型

随着风电并网容量增加,风电机组部分取代同步机组,需要其参与调频以维持电网稳定性。现有电网经济调度研究,在考虑频率时往往忽略风电,或以风电功率代替具体风电机组。提出一种计及双馈感应发电机(DFIG)参与一次调频的概率最优潮流模型。计及风速预测误差概率特性,在优化目标中引入频率偏移,通过权重系数兼顾发电成本和频率偏移。引入DFIG内部约束,提出优化模型中DFIG参数的修正方法,实现DFIG与同步发电机共同参与一次调频。算例分析了DFIG参与调频效果、目标权重系数对优化结果的影响,给出了发电成本和频率偏移的概率特性,验证了所提模型的有效性。

基于预测误差校正的支持向量机短期风速预测

对风电场风速进行较为准确的预测,对于电力部门及时调整调度计划至关重要。建立了支持向量机风速预测模型,并提出了结合预测误差校正来提高预测精度的新思路。先建立SVM模型初步预测风速,再将得到的训练误差和测试误差分别构建样本,建立基于小波-支持向量机的误差预测模型进行误差预测,最后用预测误差对风速初步预测值进行校正。仿真结果表明所提方法能明显改善预测精度,而且方法简洁明了,具有很好的稳健性,能够推广到长期风速预测、负荷预测及其它预测领域。