超短期最优预报下风电场功率预制修正策略

文章兼用软硬件方法对风电场功率预报进行修正,针对数值天气预报存在一定误差、风能输出功率波动较大、较难精确获取风速与发电机功率输出之间动态关系模型等关键问题,基于数值天气预报历史统计数据,利用BP神经网络,结合前一时段实际风速及输出功率对预制功率进行分时段误差动态修正,提出提高风电场风电功率预报准确度的风储系统,建立改进的风电功率预报系统;同时基于风电场输出功率历史统计数据,利用数理统计方法确定应用于风电场功率预制误差二次修正的储能电池最佳容量,以此提高风电场功率预报精度,达到最优预报目标。采用风电场的实际运行数据,通过MATLAB平台仿真,验证了修正算法策略的效果及可行性。

运用“状态最优预报”原理修正三点法导引弹道

本文研究了一种补偿目标横向机动时激光驾束三点法导引动态误差的方法。首先 ,分析了原有激光驾束制导系统 ,引入了控制系统的改进原则。其次 ,根据“随机最优估计”中“状态最优预报”原理 ,提出了补偿此动态误差的弹道修正方案———位置偏差前置量法及改进控制系统的结构设计方案。最后 ,进行了弹道仿真。仿真结果表明 ,此弹道修正方案可以有效地补偿激光驾束三点法导引中由目标横向机动引起的制导动态误差。

论最优预报因子与最优预报方程

本文根据预报量与预报因子关系的实际情况,提出了预报因子的四种类型,并且利用最优化方法原理选取最优的预报因子,同时还利用强迫引进重要因子的办法选取最优预报方程。从实例计算证明,最优预报因子基本上是非线性的,所以用逐步回归或逐步判别方法建立的预报方程也是非线性的,并且还证明,非线性预报方程比线性预报方程效果有明显的提高。本文最后还指出,此种非线性预报方法可推广到各个领域有关多元分析的定量和定性预报工作中去。

新型时变大时滞最优预报自校正PID控制算法

本文提出了一个克服时变大时滞及被控过程参数时变的最优预报自校正PID控制算法。通过计算机数字仿真,将新算法应用到化肥厂合成氨H_2/N_2这样一个时变大时滞的被控过程,结果看出这种控制策略鲁棒性好,抗干扰能力强,消除了时滞及过程参数时变对系统输出的影响,可以构成相当理想的工程控制器。

多变量系统的最优预报控制

以完整的最小二乘递推算法和以约束最优化方法为基础,提出了p-输入q-输出多变量系统的最优预报控制(OPC)方法。数字仿真和实时控制实验表明OPC具有很高的控制精度以及理想的解耦和抗干扰能力。

非线性回归和判别的最优预报方法及其应用

本文提出了强迫“主要变量”的办法,解决了预报方程中自变量的最优子集问题,并以实例证明:预报的准确率有了很大的提高。

基于GIS技术与嵌套网格的大气PM_(2.5)污染最优集成预报方法

为了提升城市空气质量的预报准确率,分析大气PM_(2.5)污染物各尺度污染变化情况,提出基于GIS技术与嵌套网格的大气PM_(2.5)污染最优集成预报方法.基于大气污染扩散模拟情况,利用GIS技术的前、后期数据处理以及结果显示输出,处理大气PM_(2.5)污染数据,可视化展示污染扩散情况;采用嵌套网格空气质量预报模式系统(NAQPMS),模拟大气PM_(2.5)污染物各尺度污染变化,完成污染预报;基于观测、预报资料结合多种集成方法组建集成预报,经评价获取评分最高集成预报方法,完成大气PM_(2.5)污染最优集成预报.以安阳市为例,应用该方法进行空气质量预报实验.结果表明:该方法的PM_(2.5)质量浓度预报值与实际观测值更加接近,有效提升了大气污染预报准确率,以PM_(2.5)为代表的细颗粒物和以扬尘为主要源的粗颗粒物污染突出,需加强企业烟尘污染物的管控.

沧州地区春霜冻特征及短期预报方法的研究

为提早做出春霜冻预判以减少对农作物的危害,利用2016-2023年沧州市春季气象资料,采用皮尔逊相关系数、TS评分等方法,对沧州市春霜冻特征和预报指标进行了统计分析及检验。结果表明,沧州市春霜冻发生在3月至4月,结束日期主要在3月下旬-4月上旬,多发生在晴朗、软风、低湿的天气背景下,空间上呈西多东少的特征。以单因素最低气温判定春霜冻是否发生时,多年平均差值(最低气温与最低地温)并非是最优指标,大多数气象观测站表现为前者低于后者。在日最低气温相同的情况下,天气状况和湿度是影响霜冻形成的关键因素,天气越晴好,湿度越小,越容易形成霜冻。加入天气状况和湿度因素后,以最优指标预报春霜冻时全区TS较单因素时提高了7%左右。检验证明,根据最低气温、天气状况、湿度,采用最优指标查表法预报春霜冻的预报效果更好,比普通查表法更适合应用在沧州市春霜冻预报中。

广义离散随机线性系统最优递推预报方法及其渐近稳定性

讨论广义离散随机线性系统最优状态估计问题，运用新息理论和射影的方法提出了广义离散随机线性系统最优递推预报器和滤波器。

信息融合超前k步稳态最优Kalman预报器和Wiener预报器

应用Kalman滤波方法,基于Riccati方程,在线性最小方差信息融合准则下,提出了两传感器信息融合超前k步稳态最优Kalman预报器和Wiener预报器,给出了最优加权阵和最小融合误差方差阵.同单传感器情形相比,可提高预报精度.一个雷达跟踪系统的仿真例子说明了其有效性.

改进最优集合预报方法对北京极端气温和风速预报的检验

联系当前极端天气预报服务的需求,在最优集合预报(Analog Ensemble, AnEn)的基础上,结合模式输出统计(Model Output Statistics, MOS)方法,设计了2种基于欧洲中期天气预报中心全球确定性预报模式(EC模式)的预报改进方案(方案I、方案II),首先以2016—2018年EC模式预报及其相应的观测值为训练集,对方案I、方案II和AnEn对2019年1月1日—12月31日北京地区364个观测站的极端气温和风速预报的总体效果进行了检验评估,结果显示无论对极端气温(T)还是极端风速(VM),方案I和方案II的预报准确率相比AnEn均有提升,方案II的提升效果更好。然后,按第2、第98百分位数,定义北京地区各站极端低温(Tm)和极端高温(TM)的阈值分别为-22.3℃和38.8℃,方案I和方案II对该地区T的总体预报效果表明,两种方案在AnEn基础上均有明显改进,其平均绝对误差(EMA)分别降低11.90%和21.43%;同理,按第98百分位数,定义北京地区各站VM阈值为20.3 m·s^(-1),方案I、方案II对VM预报的EMA相比AnEn分别降低23.08%和26.52%。最后,对北京地区逐站Tm、TM和VM的预报效果的检验表明,方案I和方案II在AnEn的基础上对T、VM的预报效果均有所改进,94%以上的站点显示方案II对T和VM预报的改进效果更好。另外,T和VM预报准确率空间分布表明,2种改进方案对山区T和VM预报的改进效果优于平原地区。

无初始状态统计知识时多变量系统的最优平滑与预报

在无初始状态统计知识的情况下，我们分别就固定点平滑、固定滞后平滑与预报３种情况给出了动态系统的最优线性最小偏差估计（ＢＬＩＭＢＥ），同时还给出了完全（ｉ，ｊ，Ｔｉ）－可重构性的概念及系统完全（ｉ，ｊ。

中长期水文预报的最优组合模型研究

本文建立了径流中长期预报的自回归、季节性自回归、门限自回归、最近邻抽样回归、人工神经网络、支持向量机等六种模型,并对这些模型结果进行综合,开展最优组合预报。以飞来峡水库为研究实例,选取平均绝对误差和均方误差作为评价指标,发现人工神经网络模型模拟精度较高;支持向量机模型模拟精度高、且具有最好的预报性能;最优组合预报模型综合各单一预报模型的优点,结果稳健、通用性强。

基于非线性规划的多核RBF最优加权组合预报模型

在6种单核子预报的基础上,建立误差平方和最小原则下的最优加权组合预报模型,通过非线性规划寻优方法搜索出各单核子预测的最优加权系数,利用广西降雨历史资料进行建模,实验结果表明,预测结果的各项指标均优于6个单核模型的分别预报,预测精度高于同期的T213(中国气象局的全球中期天气数值预报产品预报值)模式预报,具有一定的参考价值.

三种气温预报产品黑龙江省预报效果检验

利用T639模式预报产品和黑龙江省83个国家气象站气温实况观测资料,采用最优预报因子方法选取预报因子,应用多元回归方法建立逐站日最高气温和日最低气温的MOS预报方程;对MOS、中央气象台指导预报(SCMOC)和T639三种气温预报产品的日最高气温和日最低气温预报效果进行对比检验分析,并用EOF方法检验预报与实况的时空变化特征一致性。结果表明:与实况的时空变化一致性方面,MOS和SCMOC较好,T639略差;预报效果方面,MOS和SCMOC对日最高气温和日最低气温的2℃预报准确率普遍高于T639,MOS的预报准确率在日最高气温方面高于SCMOC,在日最低气温方面低于SCMOC;MOS对T639气温预报产品改善效果明显,尤其对冬季日最低气温的预报改善效果十分显著;MOS较T639气温预报改善效果与T639模式预报效果呈负相关关系,主要表现为,MOS预报改善效果在T639预报准确率低的山区明显优于平原,在春、夏季,预报准确率较低的日最高气温明显优于日最低气温,在冬季,预报准确率较低的日最低气温优于日最高气温;MOS气温预报方法的预报性能较理想,SCMOC对黑龙江省预报难度较大的日最低气温预报效果较好。

基于智能组合算法风电场调度功率预报设计

提出组合预测及智能算法滤波应用于风电功率预报曲线。对BP神经网络、小波神经网络、支持向量机3种风电预测技术进行研究,借助仿真软件进行预测误差比较分析;利用小波包分解平滑技术,对上述3种预测结果进行波动平抑,对比分析平抑前后波动率。综合比较分析预测误差及平滑效果,确定风电场功率平滑兼准确预报的系统优化方案,为后续参数控制选择提供依据。

陕西省精细化网格预报业务系统技术方法

精细化网格预报不仅是目前中国气象局主推的预报业务,而且是未来天气预报的发展方向。本文详细阐述了陕西省精细化网格预报业务系统中数据产品的技术方法。主要包括4个方面:(1)建立了陕西网格预报技术框架,提出"动态交叉最优要素预报"(DCOEF)的方法来建立基础网格预报场。(2)提出"站点订正值向格点场传递"的格点连续性要素订正方法,交叉检验表明该方法在格点场上24h最低、最高温度<2℃的准确率较模式降尺度数据分别提高34%和23%,此外,该方法在背景场协同,主观站点预报和客观格点预报要素值融合一致方面有较好的应用价值。(3)基于"偏差订正"方法订正格点降水,结果表明通过计算预报偏差Bias,来"消空"小雨频率,"补漏"暴雨频率,ECMWF降水预报24h小雨、暴雨TS评分较原模式分别提高2.5%和4.82%。(4)提出"反向离差数据归一化"算法,处理因客观方法或主观订正后数据在时间序列上的矛盾问题,该方法不改变原模式对要素的预报趋势,同时使得要素在时间上协同一致,很好地解决了网格要素预报的时间协同性问题。

带未知系统偏差的自适应Kalman预报新方法

本文提出了一种有效的带未知系统偏差的自适应Kalman预报新方法.应用状态空间方法和现代时间序列分析方法,基于输出预报器,给出了线性离散定常系统自适应最优状态和偏差联合预报方法,仿真例子说明了新方法的有效性.

广义回归模型中的预报问题

讨论了最优线性预报理论。除已知结果外，还按所选择的优势准则。阐述了经典预报和最优预报的平均离差误差(MDE)矩阵比较的最新研究结果。