基于EC细网格与BP算法的辐照度预报及检验

在理想晴天天气下,可计算确定位置不同时刻的理论辐照度,但与实际辐照度在不同季节仍存在一定系统误差。利用易县某光伏电站近1年逐15 min实况,提出了一种基于理论辐照度的晴天天气下的系统误差订正方法,并进一步利用欧洲EC细网格预报资料及BP神经网络方法实现了未来24~48 h辐照度的逐15 min预测,得到以下结论:(1)晴天天气下,该系统误差订正方法可有效剔除实况资料中非晴天天气数据的影响,不同季节的平均绝对误差不超过该季节最大辐照度的5%;(2)对24~48 h逐15 min的辐照度预报,经不同季节检验,冬季误差68.5 W/m^(2)、春季误差125.2 W/m^(2)、夏季误差119.5 W/m^(2)、秋季误差53.7 W/m^(2),对11月份的预报最为理想。该研究成果可有效降低人工筛选工作量,在服务中有很好的实用性和参考性,可作为光伏数值预报的一种有效数据源。

基于EC细网格数值预报产品的太阳辐照度订正技术

太阳辐照度与光伏电站发电功率密切相关,其预报的准确性直接影响发电功率预报的准确性。根据光伏电站太阳辐照度实况、气象站实况、WRF(Weather Research and Forecast Model)模式辐照度预报、EC细网格数值预报以及太阳理论辐照度,利用逐步回归法开展太阳辐照度预报订正研究,得到以下结论:①太阳辐照度实况与太阳理论辐照度的比值与EC细网格数值预报中气象要素的相关性优于太阳辐照度实况与气象要素的相关性;②不同时刻影响太阳辐照度的气象因子存在差异,通过逐步回归法建立不同时刻太阳辐照度预报模型;③在非晴天情况下,回归预报辐照度相对均方根误差比WRF模式预报辐照度降低10%左右,减小了辐照度预报误差。该研究成果在光伏电站的新能源数值预报服务中有一定的应用价值。

黔南地区ECMWF_thin温度预报误差分析

利用2019年6月27日至2020年7月3日逐日ECMWF_thin(下称EC细网格)的未来7 d 2 m温度预报数据及相应时段实况资料,采用平均绝对误差、平均误差以及准确率对EC细网格最高气温(下称高温)预报和最低气温(下称低温)预报的误差进行分析。结果表明:EC细网格低温预报的平均绝对误差明显小于高温预报,且高温预报绝对误差分布的差异性比低温预报更明显,低温预报的准确率明显高于高温预报。低温预报准确率各月差距较小,高温预报准确率各月差距较为明显。黔南北部、西部、中部地区高温预报和低温预报的平均误差均较小,其余地区平均误差较大。高温预报准确率随总云量的增加而上升,低温预报准确率随总云量的增加下降。当海平面气压在1012~1032 hPa时,高温预报的平均误差基本在±2℃以内;当海平面气压超出此范围时平均误差明显增大。低温预报的平均误差与海平面气压的变化关系不大,基本稳定在±2℃以内。