Real-Time Wind Speed Analysis at Wind-Damaged Tower of a Transmission Line

Affected by the Super Typhoon“Mangkhut,”a total of five base towers of a transmission line in the mountainous area of China collapsed.In this paper,a mathematical model is established based on the Shuttle Radar Topography Mission(SRTM)data near the accident tower.The measured wind speed in the plain area under the mountain is used as the calculation boundary condition.The wind speed at the top of the mountain is calculated by using a numerical simulation method.The design wind speed and calculated wind speed at the tower site are compared,and the influence of wind speed on tower position in this wind disaster accident is analyzed.

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。

基于矩阵信息几何样本筛选下局域联合处理的低空风切变风速估计方法

针对非均匀杂波环境下,机载气象雷达低空风切变风速估计不准确的问题,本文提出了一种基于矩阵信息几何样本筛选下局域联合处理(Joint Domain Localized,JDL)的低空风切变风速估计方法。该方法首先提取雷达回波信号的特征信息建模为矩阵流形,然后通过选取几何度量方式估计几何均值矩阵,利用广义内积法(Generalized Inner Product,GIP)计算几何均值矩阵与各样本间相似度,并从训练样本中筛选样本相似度较高的训练样本估计待检测单元的杂波协方差矩阵,最后利用JDL方法构造降维变换矩阵,对杂波协方差矩阵进行降维处理,并构造降维处理器对非均匀杂波进行抑制,从而实现低空风切变风速估计。

一种分时段输电线路动态载流量计算时间点的确定方法

讨论了输电线路动态载流量计算的启动时间问题,基于影响输电线路载流量的2个主要因素——温度和风速,结合长序列的历史气象数据,通过对相邻时段风速的互信息分析,总结出不同季节条件下日内24 h风速的变化规律,根据这些变化规律,提出了在1条线路或1个区域内输电线路动态载流量日内计算时间点的设置方法。在某省1条220 kV输电线路的全年仿真验证中,验证了所提计算方法相对于静态环境算法对同一条输电线路载流量有较大的扩容能力。

气象观测场在汽车试验场中的应用研究

汽车试验场作为汽车开展道路测试的重要场所,用于验证汽车产品的品质以及可靠性。除了场地道路外,气象条件作为汽车道路测试的重要一环,在《GB/T12534-1990汽车道路试验方法通则》中也有明确要求,如:试验时应是无雨无雾天气,相对湿度小于95%,气温0-40℃,风速不大于3m/s。同时气象条件也作为试验场道路管控的重要依据,实时风速、雨量、能见度等信息为场地管理者发布限速、限行、封场等通知提供必要参考依据,直接影响道路测试安全管控的及时性。因此,文章从气象观测场的建设、气象服务、异常天气道路管控等方面开展气象观测场在汽车试验场中的应用研究。

采用机组风速信息动态分类的风电场有功控制策略

针对高风速条件下风力发电机组频繁启停问题,提出一种基于机组实时风速信息分类的有功功率控制策略,该方法根据风力发电机组的运行状态和实时风速等信息对机组进行动态分类,并按风电机组最大发电能力和运行约束条件建立有功分配模型。理论和仿真分析结果表明,对每类机组使用不同的分配方法,可有效提高风电场有功功率输出的准确性;同时可减少机组的启停频度,有效延长机组的使用寿命;与基于容量比例分配的风电场有功控制策略相比,该控制策略更加有效、合理。

风电场短期风速变化区间与变化趋势预测算法

风电场短期风速区间预测对风电场与电力系统的协调运行具有重要意义,基于模糊信息粒化和最小二乘支持向量机提出了一种短期风速区间预测算法。首先对风速时间序列进行Witold Pedrycz模糊信息粒化,得到3个模糊粒子Low、R和Up,分别代表风速区间的最小值、变化趋势和最大值,然后利用最小二乘支持向量机回归预测模型对粒化数据进行回归预测。实例分析结果表明,该算法提高了预测精度和效率,可以有效地预测风电场短期风速的变化区间和变化趋势。

基于相空间重构的神经网络短期风速预测

针对风速具有较强的混沌特性,预测难度较大,提出了一种基于相空间重构的神经网络短期风速预测方法:对数据进行小波降噪,运用互信息法和虚假最近邻点法确定最佳的延迟时间和嵌入维数,对样本空间进行重构,使新的样本能够表征原始时间序列动态特性,更能反映风速变化特性。在此基础上运用BP神经网络进行短期风速预测。实验结果表明短期风速预测精度得到提高。

模糊信息粒化和GWO-SVM算法结合的短期风速范围预测

为了实现对风速范围区间的准确预测,提出一种基于模糊信息粒化和灰狼优化-支持向量机(GWO-SVM)算法的风速预测模型.该模型首先利用模糊信息粒子,从一段连续时间的风速值提取出最大值、最小值及大致的平均水平值;然后,采用时间序列风速输入模型,构建输入支持向量机模型的标签向量与特征矩阵;最后,通过灰狼算法进行支持向量机预测模型的参数寻优,实现对风速范围区间的准确预测.在实例验证阶段,将风速历史数据进行模糊粒化,采取4种不同的参数寻优方式对支持向量机预测模型进行参数寻优.结果表明:GWO-SVM算法可以有效地提高风速范围预测的精确度.

遥感和GIS技术在全球海面风速分析中的应用

将遥感技术和地理信息系统 (GIS)技术相结合 ,建立了一个基于TOPEX卫星的全球海面风速分析的海洋地理信息系统 (MGIS)。阐述了全球海面风速分析模型的建立方法 ,定义了描述风场特征的相关参数 ,介绍了全球海面风速海洋地理信息系统的结构、功能和工作流程 ,另外 ,对系统的

基于改进Pair-Copula方法的多风电场风速时空相关性建模

传统Pair-Copula方法采用藤结构表示风电场风速之间的相依结构,能充分计及风电场风速之间的空间相关性,但缺乏风速时间尺度上相关性的考虑。针对此问题,文章提出了一种基于改进Pair-Copula的风速建模方法。该方法首先将藤结构中风电场风速的Copula联合分布函数样本点所包含的自相关信息转移至抽样模拟的随机数中,以此体现风电场风速数据在时间序列上的波动规律性。然后,采用分布更均匀的Sobol序列随机数代替普通随机数进行抽样,以提高风速概率特性模拟的准确性。最后,以位于美国东部的多个相邻风电场实测风速数据为例进行算例分析,算例结果验证了所提风电场风速建模方法的有效性。

基于奇异谱分析-模糊信息粒化和极限学习机的风速多步区间预测

不同于风速点预测,风速区间预测能描述风速的随机性。因此,提出一种基于奇异谱分析-模糊信息粒化和极限学习机组成的风速多步区间预测模型。该方法采用奇异谱分析提取原始数据的趋势成分、振荡成分和噪声成分,并对所有分量进行重构,然后利用模糊信息粒化对重构后的噪声成分进行有效挖掘,提取每个窗口最小值、平均值和最大值。对各分量采用极限学习机分别建立预测模型,为了提高预测精度、缩小区间范围,采用改进布谷鸟算法对预测模型的参数进行优化。最后将所有分量的预测结果进行叠加,实现风速区间预测。以风电场实际数据为算例,结果表明所提方法具有较高的预测精度和可靠的多步区间预测,且运行效率高,能有效跟踪风速变化。

太阳风速度信息数据快速优化检测研究

对太阳风速度信息数据进行准确的检测,可更好的了解和预防太阳风暴,尽可能的降低太阳风暴给地球造成的严重影响。对太阳风速度信息数据进行训练,获得最终信息分类阈值和权值,进行太阳风速度信息数据检测时,可以保证太阳风速度信息数据检测的准确性,但传统方法通过提取太阳风速度信息数据特征,并利用匹配投影法求解特征解,得到全部匹配特征点,实现太阳风速度信息数据检测,缺少信息分类阈值,不能准确聚类,存在检测精准度较低的问题。提出一种RBF神经网络与决策树的太阳风速度信息数据快速检测方法。上述算法首先分析太阳风速度信息特征,利用RBF神经网络特征属性优势对太阳风速度信息数据进行训练,获得最终分类阈值和权值,在此基础上将训练优化数据后传递给决策树,利用信息增益实现太阳风速度信息数据测试属性相关性分析。进一步实现太阳风速度信息数据的属性约简和规则选取,获得最终的检测信息。仿真结果表明,上述算法能够快速地检测太阳风速度信息,且检测精准度较高。

火箭炮射向的智能风速修正测控系统

为了减小风对火箭炮命中率的影响,设计了一种火箭炮射向的智能风速修正测控系统。该系统由风速检测和智能控制两部分组成。风速检测是在风杯风速仪的基础上利用光电传感器进行检测,光电传感器排列成半圆形阵列,机械装置指针的不同指向,使光电传感器阵列输出不同的电压信号。智能控制部分采用灰色预测算法对测量结果进行智能处理以及灰色预测,借助PID控制算法对火箭炮瞄准系统进行延时控制,修正了火箭弹在横风作用情况下的落点偏差,并使火箭炮发射系统的瞄准修正时间大大缩短,改善火箭炮发射系统的性能。

一个基于TOPEX卫星极端海面风速预测的海洋地理信息系统

在基于 TOPEX卫星数据建立全球极端海面风速预测模型的基础上 ,开发出用于极端海面风速预测和可视化预测结果的海洋地理信息系统 (MGIS)。并论述全球极端海面风速预测的意义和 MGIS在预测过程中的重要性及必要性 ;给出全球极端海面风速预测的统计模型 ;简述极端海面风速预测海洋地理信息系统的结构、工作流程和功能 ;同时 。

基于变量相关注意力机制的短期风速预测

针对多因素风速预测问题,提出一种基于变量相关注意力机制的短期风速预测模型。该模型通过序列对齐与变量选择模块筛选出与风速相关性强的因素序列并生成其他因素矩阵,采用变分模态分解算法将历史风速序列分解并进一步生成模态分量矩阵。将其他因素矩阵与模态分量矩阵拼接,得到因素矩阵。利用变量相关注意力机制表达因素矩阵与风速序列的相关关系,在此基础上实现风速预测。采用中国南方某风电场一年的实测数据验证了序列对齐与变量选择模块的作用、变分模态分解算法的分解效果以及变量相关注意力机制的特征提取能力。该模型在4个季节的平均绝对误差分别为0.17、0.17、0.13和0.14 m/s,明显优于其他对比模型,充分说明该模型在短期风速预测方面的优越性能。

一种利用混合算法选择变量的天牛须优化神经网络风速预测方法

风速波动本身具有随机性和不确定性,给风速的准确测量产生影响。基于风电场大数据,设计提出一种基于互信息算法和随机森林算法相结合的变量选择方法,并以此为基础建立基于天牛须搜索算法优化的神经网络(BAS-BP)风速预测模型。采用某风电场1. 5 MW机组SCADA历史数据,使用互信息法和随机森林算法进行变量选择,并进行预测模型的训练、测试及评价。验证结果表明:该风速预测模型各项误差评价指标得到提高,预测误差减小明显,模型具有更好的预测精度和效果,验证了方法的正确性和有效性。

基于混合模型的超短期风速区间预测

准确的风速预测能够促进大规模的风电并网,保证电力系统的安全稳定运行。针对传统点预测方法难以表征预测结果概率可信度问题,提出一种基于模糊信息粒化、改进长短期记忆网络与差分自回归移动平均模型的混合区间预测模型。首先,采用自适应噪声的完全集合经验模态分解模型对原始风速数据进行分解,并依据模糊熵重构得到新序列。在此基础上,对每个序列依次进行模糊信息粒化,获得最大值、最小值及平均值。最后,利用改进长短期记忆网络模型预测高频序列,差分自回归移动平均模型预测低频序列与余项,并将所得上下界求和得到最终风速区间。算例分析表明,所提模型得出的风速预测区间能够准确覆盖实测风速,为电力系统调度提供更多有价值的决策信息。

基于互信息理论与递归神经网络的短期风速预测模型

风速的波动性和随机性为风电并网造成安全隐患,提高风速预测精度对于风电系统的稳定和风能发展十分重要.提出一种基于互信息(MI)理论和递归神经网络(RNN)的短期风速预测组合新模型(MI-RNN).该模型利用MI理论选择最优的历史风速序列长度(τ),通过每τ步预测下一时间点风速的方式,将历史风速数据输入RNN中进行模型训练,并由训练后的RNN模型输出最终的风速预测结果.将MI-RNN模型应用于风电场的风速数据集中,与传统机器学习风速预测模型进行比较,以验证模型的预测精度.结果显示,MI-RNN模型的预测精度更高,预测稳定性更强,并且能够准确预测未来风向,有望应用于含空间维度的风电场的风速预测.

基于模糊信息粒化的风电场短期风速预测

风速的观测值往往存在大量冗余信息,导致计算量庞大并影响预测的有效性。本文提出一种基于模糊信息粒化的风电场短期风速预测方法,将原始风速观测时序数据进行模糊粒化处理,粒化后的数据既能反映风速变化特征,又能大量减少冗余,在此基础上运用支持向量机进行短期风速预测。利用武隆风电场提供的风速数据进行试验表明,该方法能够有效预测未来短期风速变化空间。