基于莫宁-奥布霍夫相似理论的地面站点风速预报偏差订正

地形不匹配会导致风速预报出现偏差。Monin-Obukhov(莫宁-奥布霍夫)相似理论表明近地面风速垂直变化符合对数率特征,基于相似理论并引入大气稳定度判定因子构建偏差订正方案,将地面风速预报由模式地形订正到实际地形。针对冬季和夏季华北区域内760多个站点进行15 d的批量试验发现,使用订正方案后冬季和夏季00时(世界时)起始预报的模式前12 h风速预报的平均偏差可以降低20%以上,24 h预报偏差降幅也可达到10%以上,不同预报时效内风速的均方根误差可降低5%~8%。说明使用偏差订正方案可以对模式地面风速预报产生明显正效果。

基于多模式的我国冬季风速预报误差特性分析

风电在我国能源结构转型中具有重要地位,但其波动性也带来严峻挑战。数值模式预报的风速数据是风电出力预测和高效消纳的重要基础,因此需要评估不同模式的预报效果。本文通过对比分析4种主流数值模式的风速预报效果,全面评估它们在我国冬季不同区域和不同条件下的预报精度,以期为我国冬季大风期风速预报提供参考。基于不同分辨率、不同初始场、不同同化方案的4种数值预报模式,结合我国131个站点观测资料,本文对预报风速的误差分布特征与预报能力进行了研究与分析;同时聚焦典型站点,分析了不同风速段、不同区域的预报误差特征及预报能力。研究结果表明:集合预报模式的预报结果在复杂地形条件下更科学;高分率单一模式对简单下垫面的风速波动性预报较好;白天预报效果好于夜间;平原风速预报效果最好。

基于BP神经网络的南通机场风速预报模型

本文利用2016—2021年南通兴东机场整点报文数据,采用BP人工神经网络建立南通机场风速预报模型,将南通机场风速进行分级,并进行6 h和24 h模拟预报,以期对南通机场风速分级预报数值进行修订并讨论风速分级预报的准确率。结果如下:当风为1级、2级风时,风速无须修订;3级风时,6 h预报风速可修订增加0.6 m/s,24 h可修订增加3.8 m/s;而4级风时,6 h预报风速和24 h预报风速则分别修订增加1.0 m/s和4.8 m/s。利用2020年样本资料进行检验,在预报风速数值分级修订后,准确率结果如下:对民航安全运行有影响的4级风6 h准确率为66%,24 h为64%。再利用模型对2021年12月进行试预报可得:4级风6 h准确率为75%,24 h为73%。上述结果表明,该神经网络模型可以为南通机场风速预报提供一定的依据。

高分辨率中尺度数值模式在风电场风速预报中的应用

将美国科罗拉多大学的RAMS(Regional Atmospheric Modeling System)模式应用到某风电场短期风速预报的试验中,水平分辨率达到lkm。预报结果与10min平均的实测资料对比表明,RAMS模式对6～72h的短期风速预报结果较好。

海陆风及沿海风速廓线在风电场风速预报中的应用

为了建立沿海风功率预报系统,本文探讨了中国沿海风电场风速预报问题,并利用数值模式 RAMS 对海陆风进行了模拟研究.发现海陆风发生时,海风和陆风阶段风速廓线存在较大差异.海风阶段风速的垂直切变明显小于陆风阶段.海陆风发生时,风速会呈现有规律的变化,即海风和陆风分别有两个时段:风速增加时段和风速减少时段.在为沿海风电场提供风速预报时,当模式预报到海陆风发生时,可以利用海陆风的这种特点,使用统计方法对预报出的风速进行有效的订正.并发现即使没有海陆风发生,当风向为海洋吹向陆地时,风速随高度的垂直切变同样小于陆地吹向海洋的时段.利用统计方法根据不同风向时风速廓线的特性,把数值模式计算高度上的预报结果,精确地插值到风机涡轮高度,会很大程度上减少风速预报的误差及风功率预报环节的误差.

基于数值模拟和统计分析及智能优化的风速预报系统

风速预报是风力发电研究中的关键问题,也是一个十分困难的问题,其预测、评估技术还有待进一步提高。在预测短期风力(提前48～72h对每小时的风速进行预测)时,通常采用数值天气预报模型进行预测。然而,初始扰动和模式物理过程的不确定性会影响气象数值预报的精度。将为数值天气预报模式提出一种新的后处理优化方法作为主要的思路,利用数据挖掘得到的关联规则来优化气象数值预报的结果,在中尺度模式WRF对风电场风速进行预报的基础上,将模式预测与统计分析及智能优化算法相结合,针对中国风电场的气候特征,利用一种新的修正模式误差的方法,极大地提高了风电场风速预报精度,提出了适合中国风力发电场的有效风速预报系统方案。

基于数值模式的风速预报方法研究

基于东北区域中尺度数值预报业务模式产品,使用CALMET模式降尺度和双线性插值(BLI)方法预报风电机组不同高度上的风速。对比位于辽宁省北部3个风电场的风塔观测资料与两种方法预报的风速结果后发现:使用CALEMT模式降尺度和BLI方法均能较好地预报出风电机组所在位置的风速,预报结果与观测的相关系数大多高于0.65,CALMET模式使用9km的模式输出场预报得到的风速好于使用3km的模式输出场;BLI方法对风速的预报也较好,但在地形复杂的情况下,略差于CALMET模式结果。

一种基于小波变换和人工神经网络的风速预报方法

针对风速的随机性、间歇性和季节性特点,研究了一种基于小波变换和人工神经网络的风速预报方法:通过小波变换识别风速信号的主要频率成分并提取有效信息;应用人工神经网络的自学习和自适应功能,实现面临时间窗风速信号小波系数与未来时段风速信号之间的复杂非线性映射关系。仿真分析表明,该方法能适应不同的季节和自然环境,并具有较高的预报精度。

WRF模式对江苏如东地区风速预报的检验分析

探讨了WRF模式在风电场的风速或者功率预报中应用的可行性,主要研究和评估了WRF模式对地处东亚季风区及海陆交界的江苏如东地区夏季和冬季风速的短期预报效能。研究发现WRF模式可以比较好地预报如东站冬季的风速,24h预报的风速时间序列和观测资料的相关系数可以达到0.61,通过置信度99%的检验,48h和72h的预报与观测风速相关系数分别为0.54和0.47,也能通过置信度99%的检验;相对而言,模式对夏季风速的预报则要差一些,24h的相关系数有0.59,48h和72h的相关系数只有0.47和0.30,但仍能通过置信度99%的检验。在量值上,模式预报的风速比观测值都略偏大一些。而江苏南通市预报结果显示,模式的预报效能要比如东稍高一些,和如东类似,模式对该地冬季的预报要好于对夏季风速的预报。从更大尺度范围的分析也表明,模式对不同地区预报的准确度是不一样的,对海面以及海陆交界的海岸预报精度要高一些,在平坦的内陆地区预报也比较好,但在山区预报效能则较差。总体说来,WRF能胜任风速短期预报,值得进一步研究和应用。

大气模式物理过程参数化对风电场风速预报的影响

准确预报风电场风电功率对风电稳定发展至关重要,可有效减轻风电对电网的不利影响,提高风电场运行效益,其前提是准确预报风电场风速。以宁夏某风电场为例,基于中尺度大气模式WRF,采用不同物理过程参数化方案设置对提前72h的逐时风速进行预报,并将预报结果与实际风速资料对比,分析了WRF模式不同物理过程参数化方案设置对风速预报结果准确度的影响,并优化了物理过程参数化方案设置。结果表明,行星边界层参数化方案与辐射过程参数化方案设置对风速预报结果准确性影响较大,微物理过程参数化方案与积云对流参数化方案设置对风速预报结果准确性影响较小。

多种订正技术在风电场风速预报订正中的应用

通过订正技术提高风速预报的准确性,能够显著提升风电场风力发电效率,增加电能并网的稳定性,减轻电网压力、降低经济运营成本。为电场优选出合理的风速订正方法,利用Weibull、AVT以及MOS方法分别针对甘肃省黑崖子和南湫风电场开展风速预报的订正研究。结果表明,订正前风速预报的平均误差在2～3 m·s-1,订正后降至1～2 m·s-1。3种方法对比来看,MOS方法订正后的平均误差最低,其次是Weibull和AVT方法,但是不同方法对不同等级风速的订正效果差异显著。其中,黑崖子风电场,风速处于0～4、4～8和8 m·s-1以上范围时,对应订正效果最好的分别是AVT、MOS和Weibull方法;南湫风电场,当风速为4～13 m·s-1时,Weibull和AVT方法的订正效果显著优于MOS方法。

湖陆山地复杂地形下近地层风速预报研究

以鄱阳湖区典型湖陆山地复杂地形为试验区域,采用WRF模式MRF和MYJ两种边界层参数化方案,对2010年该区域近地层风速进行高时空分辨率预报,并结合3个测风塔观测资料对预报结果进行检验。结果表明:WRF模式对鄱阳湖区70 m高度风速预报效果较好,预报值能够较好地反映近地层风速变化,且边界层MRF方案预报效果略好于MYJ方案。地形对近地层风速预报影响明显,地形相对平坦的吉山预报效果最好,而地形最为复杂的狮子山预报效果相对较差。不同强度的近地层风速预报效果差异较大,5~25 m·s^-1风速段预报效果明显优于0~5 m·s^-1风速段。位相偏差是造成鄱阳湖区近地层风速预报误差的主要来源,其贡献率在60%以上,而系统偏差和振幅偏差的误差贡献率相对较小,通过线性订正方法可在一定程度上提高该区域风速预报效果。

KNN方法在11-3月中国近海测站日最大风速预报中的应用

应用自组织神经网络方法对欧洲中心(ECMWF)2003年1月1日至2006年12月31日逐日数值预报产品分析场进行天气形势分型,发现11—3月影响我国的天气形势基本属于同一类型。对2004—2007年11—3月ECMWF逐日数值预报产品进行动力诊断,提取与中国近海16个测站日最大风速相关较好的预报因子,将改进后的KNN方法作为预报手段,建立11—3月近海测站日最大风速预报模型,并对2007年1—3月16个测站进行逐日检验,结果表明该方法对近海测站日最大风速有较好的预报能力。

上海快速更新同化数值预报系统(SMS-WARR)的近地面风速预报检验评估

对上海快速更新同化数值预报系统(Shanghai Meteorological Service-WRF ADAS Rapid Refresh System,SMS-WARR)的10 m预报风速进行分级检验评估,在此基础上进一步研究了台风影响期间的风速预报误差特征,并探讨了误差的可能成因。结果表明:SMS-WARR在各预报时效都存在对实测小于6级的风预报偏大,对6级及以上的风预报偏小的特点;随着预报时效的增长,小于6级风的预报评分降低,6级及以上风的评分增大;预报风速与实测风速在5%~90%分位数之间的分布呈明显的线性相关。在台风影响期间,SMS-WARR预报的强风区域与实际位置基本符合,但范围明显偏大,预报偏差大值区主要集中在预报强风区域。这些误差特征与模式冷、热启动方案的设置、模式对台风快速增强的预报能力较弱等有关。

用于风电场功率预测的逐时风速预报

为满足风电场精细化风速预报的需要,利用MM5模式的格点输出数值预报产品以及福建沿海地区两座海上测风塔的逐时气象资料,采用逐步回归的统计方法,将MM5数值预报产品与测风塔实测气象资料要素指标值共同引入回归方程,拟合两座测风塔特定高度的逐小时风速预报方程,详细介绍了该方法的实现过程。通过一年的预报效果指标以及15日的独立样本效果检验,结果表明该方法对于逐小时风速的预报有一定的应用价值。

利用GMDH方法作风速预报

利用ＧＭＤＨ方法对渤海中、西部海面１９９１年２月逐日０８时风速作了３天内的预报。预报准确率较高。

多种风电场风速预报订正方法的适用性研究与集成应用

以内蒙古中部某风电场为实验风电场,采用随机森林(Random forest,RF)方法、相似误差订正(Analogue correction of errors,ACE)方法以及概率密度匹配方法(Probability density function matching method,PDF)分别对风电场风速预报进行订正及适用性研究。结果表明:3种方法在各季均对中尺度天气预报模式(Weather research and forecasting model,WRF)风速预报具有不同程度的订正效果,RF方法可以有效改善WRF误差较大的问题,但兼具误差过分放大情况,ACE方法和PDF虽然对较大误差的改善能力不及RF方法,但是能够较好地控制误差过分放大问题。此外,3种方法针对小于5 m·s^(-1)的小风速段,订正效果不理想,随着风速的增加,订正能力逐渐增强。参照预报模型各自的优势,尝试开展多种预报模型的分风速等级集成应用,可以对不同风速等级下的WRF预报起到较好的改善作用。

基于多模式融合模型的高精度风速预报方法研究

针对新能源功率预测中提升风速预报精度的需求,文章基于气象数值预报模式,利用4个背景场资料和8种参数化方案开展敏感性试验。然后,基于风速观测数据评估了集合预报成员在不同层高的风速预报效果。文章结合贝叶斯模型平均方法和相关系数滑动平均法建立了多模式融合模型,得到更加准确的确定性风速预报结果。研究显示,通过集合成员加入EC背景场进行融合后,可有效提高预报风速的相关系数,从而为提升新能源功率预测精度提供有力支撑。

超短期风速预报方法研究进展

综合分析国内外风速预报相关文献,从物理方法、统计与机器学习方法、组合方法3个方面对超短期风速预报方法的研究现状进行归纳总结,对比了主要预报方法的优缺点,给出了不确定分析和误差评价指标,探讨了在超短期风速预报研究中应重点解决的问题和发展方向。

基于统计的台风影响下珠海站风速预报方法

利用2006—2016年中国气象局(CMA)台风最佳路径数据集和珠海站的逐小时风速资料,通过线性回归方法,建立了一种基于台风中心位置、强度对珠海站风速预报的方法。结果表明:(1)珠海站周围400 km范围内年平均有4.6个台风活动,且主要集中在西南象限和东南象限;(2)台风位于西南象限时其中心风速与珠海站风速的线性关系最好,珠海站风速也最大;(3)利用2017年台风数据和珠海站实际风速数据对预报方程进行检验,其预报效果较好。